一旦你收集了定量数据，你就会得到很多数据。现在是进行一些统计分析的时候了，以便理解您的数据，并从中得出一些推论。
你可以使用的技术范围很广。
本页提供了一些最常用的概括数据的技术，并解释了何时使用这些技术。
处理任何数据的第一件事就是将其总结，这意味着以最能说明问题的方式呈现数据。
起点通常是将原始数据分类，并/或将其可视化。例如，如果您认为您可能对年龄差异感兴趣，那么首先要做的可能是将您的数据按年龄分类，也许是十年或五年的组块。
最常用的总结技巧之一是使用图表，特别是柱状图，它按顺序显示每个数据点，或直方图，柱状图被分成更广泛的类别。
下面是一个示例，它使用了三组数据，按照四个类别进行分组。例如，这可能是“男性”、“女性”和“其他/没有指定性别”，按年龄分为20-29岁、30-39岁、40-49岁和50-59岁。
直方图的另一种形式是线状图，它绘制出每个数据点，并用一条线将它们连接起来。与条形图中相同的数据显示在下面的折线图中。
手工绘制直方图或线状图并不难，你可能还记得在学校的时候，但是一旦你把数据输入到一个表格中，电子表格会很快很容易地绘制一个直方图或线状图，为你省去任何麻烦。他们甚至会带你走过整个过程。
可视化你的数据
绘制图表的重要之处在于，它可以立即为您提供数据的“图像”。这一点很重要，因为它可以直接显示您的数据是分组在一起、分布在四周、趋向于高值还是低值、或者聚集在一个中心点周围。它还将向您显示是否存在“离群值”，即非常高或非常低的数据值，您可能希望从分析中排除这些值，或者至少重新检查它们是否正确。
在开始任何进一步分析之前，总是值得绘制一个图表，只是为了查看数据。
您还可以在饼图中显示分组数据，例如这个饼图。
当你对每个群体的相对大小感兴趣时，饼图是最好的使用方式，以及它们占总数的多大比例适合每个类别，因为饼图可以非常清楚地说明哪个群体更大。
更多关于不同类型图表的信息，请参阅我们的网页: 图表和图形。
位置测量: 平均值
这个平均值可以给你关于你正在测试的东西的影响大小的信息，换句话说，无论是大的还是小的。平均值有三种衡量标准: 平均值、中位数和模态。
查看我们的页面平均数更多关于计算每一个，并为一个快速计算器。
当大多数人说平均数时，他们指的是平均数。它的优点是它使用所有获得的数据值，可用于进一步的统计分析。然而，它可能被异常值所扭曲，异常值是非典型的大或小。
因此，研究人员有时使用中位数来代替。这是所有数据的中间点。中位数没有被极端值所扭曲，但是很难用于进一步的统计分析。
模式是数据集中最常见的值，不能用于进一步的统计分析。
平均值、中位数和模态的值是不一样的，这就是为什么清楚你所说的平均值是非常重要的。
评估简要措施: 稳健性和效率
有两个结构(想法或概念) ，通常用于评估总结措施，如平均值，中位数和模式。这些都是健壮性和效率。
-
健壮性是一种度量方法，用以衡量摘要度量方法对数据质量变化的敏感程度。
数据质量的这些变化可以通过异常值、两端的极端值或分析期间采取的行动(如为进一步分析对数据进行分组)产生。一个强有力的测量对这些变化不敏感。因此，中位数比平均值更稳健，因为它不受异常值的影响，而且分组可能导致很少的变化。
-
效率是一个衡量概括性度量如何使用所有数据的度量。
一个更有效的方法使用更多的数据，因此平均值是非常有效的，因为它使用了所有的数据。
因此，这两种措施往往是相互矛盾的: 更强有力的措施可能效率更低。
在你的分析中，你需要决定哪一个更重要。
扩散的度量: 范围，方差和标准差
研究人员经常想看看数据的传播情况，也就是说，数据在整个可能的测量尺度上的传播范围有多广。
有三种常用的衡量标准:
范围是最大值和最小值之间的差值。研究人员经常引用数据的中间部分的范围—- 四分差，从25% ，下四分位数，到75% ，上四分位数(中位数是50% 的数值)。要找到四分位数，使用与中位数相同的方法，但用四分之一点和四分之三点代替中点。
标准差指数衡量的是平均值周围的平均价差，因此可以给出与平均值的典型距离。
方差是标准差的平方，计算方法如下:
- 计算每个值与平均值的差值;
- 把每一个数字平方(以消除平均值以上和以下数字之间的差异) ;
- 将差异的平方相加
- 除以项目数减去一。
这就给出了方差。
要计算标准差，需要方差的平方根。
歪斜
倾斜度量数据集的对称程度，或者数据集的值是更高还是更低。较低值的样本被描述为负偏态，较高值的样本被描述为正偏态。
一般来说，样本越倾斜，平均值、中位数和模态的重合度就越低。
更高级的分析
一旦你计算出了一些基本的位置值，比如平均值或中值，扩散值，比如范围和方差，并建立了歪斜的程度，你就可以转向更高级的统计分析，并开始在数据中寻找模式。
