很多同学第一次写到Data Analysis时，会下意识觉得这一部分就是“把数据放进软件，然后生成几个表格”。其实真正决定这一部分质量的，往往不是表格有多少，而是你为什么选择这种分析方法，以及分析结果能不能回答research Question。
Data Analysis（数据分析）通常出现在Research Project、Dissertation、Thesis以及带有实证研究要求的assignment中。根据研究设计不同，可以采用Quantitative Data Analysis（定量数据分析）、Qualitative Data Analysis（定性数据分析），或者将两者结合起来使用。
| 分析类型 | 常见方法 | 适合解决的问题 | 常见应用 |
|---|---|---|---|
| Descriptive Analysis | Mean、Median、Frequency、Standard Deviation | 数据整体呈现什么特征？ | Survey、Questionnaire |
| Correlation Analysis | Pearson / Spearman Correlation | 两个变量之间是否存在关联？ | Business、Marketing、Social Science |
| Regression Analysis | Linear / Multiple Regression | 变量之间是否存在解释或预测关系？ | Finance、Economics、Management |
| Qualitative Analysis | Thematic Analysis、Content Analysis | 访谈或文本中出现了哪些主题和规律？ | Interview、case study |
| Mixed Methods | Quantitative + Qualitative | 能否从不同类型的数据交叉解释研究问题？ | Dissertation、Research Project |
这两个概念很容易被混在一起。简单来说，Research Methodology关注“这项研究为什么这样设计”，而Data Analysis关注“获得数据以后怎样分析并回答研究问题”。
例如，一篇Dissertation可能在Methodology Chapter中解释为什么采用问卷调查、如何Sampling以及如何收集数据；进入Results或Findings阶段以后，则需要进一步使用Descriptive Statistics、Correlation或Regression等方法分析这些数据。
不是。除了Dissertation和Thesis，Business Assignment、Marketing Research、Finance Project以及部分Coursework同样可能要求学生完成数据分析。
不一定。具体工具取决于课程要求、数据结构和研究方法。Excel、SPSS、R、Stata以及Python都可能用于数据分析，重点仍然是分析方法是否与Research Question和数据类型相匹配。
Results或Findings主要回答“数据发现了什么”，Discussion则进一步解释“这些发现意味着什么”，并将研究结果与literature review中的已有研究进行比较。因此，仅仅罗列表格通常不足以构成完整的数据分析。
本专题将持续整理与Data Analysis相关的留学生论文和Assignment范文，包括Quantitative Data Analysis、Qualitative Data Analysis、Regression Analysis、Survey Analysis以及Thematic Analysis等内容。同学们可以结合具体案例理解不同数据分析方法的使用场景、Results写法以及Discussion中的解释方式。
如果在Research Methodology、数据分析方法选择、Results结构或Discussion衔接方面遇到困难，也可以通过UKThesis相关学术辅导内容进一步了解不同研究设计和分析方法的实际应用。
相关推荐