公共管理学研究中常用的研究方法

公共管理学研究中常用的研究方法区分为“描述性分析、相关分析、回归分析、方差分析、因子分析、聚类分析、路径分析、结构方程、神经网络、面板数据、数据包络分析、网络拓扑”12 类。

一、描述性统计分析

描述性统计分析是进行其他统计分析的基础和前提。在描述性分析中，通过各种统计图表及数字特征量可以对样本来自的总体特征有比较准确的把握，从而选择正确的统计推断方法。

Spss的许多模块都可完成描述性统计分析，但专门为该目的而设计的几个模块则集中在descriptive statistics菜单中，他们就是计算各种统计量或绘制统计图来实现描述功能。

1.Frequencies过程：适用于连续型和离散型的随机变量，除可以输出均值、中位数、

众数、标准差、方差、全距等样本统计量外，还可以生成频数分布表和条形图、饼

图、直方图等常用的统计图。

频数分布表是描述性统计中最常用的方法之一，Frequencies 过程就是专门为产生频数表而设计的，它不仅可以产生单变量详细的频数表，显示文件中指定变量特

定值发生的频数，还可以获得某些描述统计量或按要求给出某百分位点的数值以及

常用的条图、圆图等统计图。

2.Descriptives过程：适用于连续型随机变量，可以输出均值、标准差、方差、全距等

样本统计量。此外，还可以将原始数据标准化后得到的数据保存在一个新变量中，以便进一步统计分析。

Descriptives的绝大多数功能都可以由Frequencies来实现，其操作过程、输出结果与Frequencies输出的统计量也近似。

Descriptives过程是连续资料统计描述应用最多的一个过程，他可对变量进行描述性统计分析，计算并列出一系列相应的统计指标。这和其他过程相比并无不同。但该过程还有个特殊功能就是可将原始数据转换成标准正态评分值并以变量的形式存入数据库供以后分析。

3.Explore过程：计算描述统计量，通过各类统计图等描述数据的分布类型；在描述数

据分布特点方面表现出强大的功能，能够输出常见的描述统计量，还有箱式图、枝

叶图、直方图、正态图等。

主要用于对资料数据的性质、分布状况等完全不清楚时的进行分析，故称探索性分析。在常用的描述性统计指标的基础上，它又增加了有关数据详细分布特征的文

字与图形描述，如茎叶图、箱式图等，显得更加详细全面。还可以为以方差齐性为

目的的变量变换提供线索，有助于用户制定继续分析的方案。

箱式图(box plot)

使用5个统计，反映原始数据的分布特征，即数据分布中心位置、分布、偏度、变异范围和异常值。

箱式图的箱子两端分别是上四分位数和下四分位数，中间横线是中位数，两端连线分别是除异常值外的最小值和最大值。另外标记可能的异常值。

显然箱子越长，数据变异程度越大。中间横线在箱子中点表明分布对称，否则不

对称。

茎叶图(stem-leaf plot)

将数据分离成两部分：整数部分和尾数部分，整数部分形成图的茎，尾数部分形成图的叶。茎叶图的排列方式与频数表有些相似，每行由一个整数的茎和若干叶

构成。左边是茎的数值，茎宽一般标在图的下方。右边是叶，图显示每个叶的尾数

数值，同样在图的下方标示每个叶代表几个实际观察值。茎叶图可以非常直观地显

示数据的分布范围和形态，近年非常流行。

4.Crosstabs过程：适用于由两个或两个以上变量进行交叉分类形成的列联表，对变量

之间的关联性进行分析。

具体操作见PPT “SPSS统计分析—描述性统计分析”

二、相关分析

相关分析就是对总体中确实具有联系的标志进行分析，其主体是对总体中具有因果关系标志的分析。它是描述客观事物相互间关系的密切程度并用适当的统计指标表示出来的过程。在一段时期内出生率随经济水平上升而上升，这说明两指标间是正相关关系；

而在另一时期，随着经济水平进一步发展，出现出生率下降的现象，两指标间就是负相关关系。

为了确定相关变量之间的关系，首先应该收集一些数据，这些数据应该是成对的。例如，每人的身高和体重。然后在直角坐标系上描述这些点，这一组点集称为“散点图”。

根据散点图，当自变量取某一值时，因变量对应为一概率分布，如果对于所有的自变量取值的概率分布都相同，则说明因变量和自变量是没有相关关系的。反之，如果，自变量的取值不同，因变量的分布也不同，则说明两者是存在相关关系的。

两个变量之间的相关程度通过相关系数r来表示。相关系数r的值在-1和1之间，但可以是此范围内的任何值。正相关时，r值在0和1之间，散点图是斜向上的，这时一个变量增加，另一个变量也增加；负相关时，r值在-1和0之间，散点图是斜向下的，此时一个变量增加，另一个变量将减少。r的绝对值越接近1，两变量的关联程度越强，r的绝对值越接近0，两变量的关联程度越弱。

具体操作见PPT SPSS相关分析

三、回归分析