Sekundāro datu analīzes definīcija un piemēri

Sekundārā datu analīze ir to datu analīze, kurus savācis kāds cits. Zemāk mēs pārskatīsim sekundāro datu definīciju, kā pētnieki tos var izmantot, kā arī šāda veida pētījumu plusus un mīnusus.

Key Takeaways: sekundārā datu analīze

Sociālo zinātņu pētījumos termini primārie dati un sekundārie dati ir izplatīti vārdi. Primāros datus savāc pētnieks vai pētnieku grupa konkrētam mērķim vai analīzei. Pētnieku grupa izstrādā un izstrādā pētniecības projektu, lemj par: paraugu ņemšanas tehnika, apkopo datus, kas paredzēti konkrētu jautājumu risināšanai, un paši veic savākto datu analīzi. Šajā gadījumā cilvēki, kas iesaistīti datu analīzē, ir iepazinušies ar pētījumu izstrādes un datu vākšanas procesu.

Sekundārā datu analīze, no otras puses, ir datu izmantošana, kas savāca kāds cits kādam citam mērķim. Šajā gadījumā pētnieks uzdod jautājumus, kuri tiek risināti, analizējot datu kopu, kuras vākšanā viņš nebija iesaistīts. Dati netika apkopoti, lai atbildētu uz pētnieka konkrētajiem izpētes jautājumiem, un tika savākti citam mērķim. Tas nozīmē, ka viena un tā pati datu kopa faktiski var būt primārā datu kopa vienam pētniekam un sekundārā datu kopa citam.

Pirms sekundāro datu izmantošanas analīzē ir jādara dažas svarīgas lietas. Tā kā pētnieks nevāca datus, viņiem ir svarīgi iepazīties ar datu kopu: kā dati tika savākti, kādas ir reakcijas kategorijas katram jautājums par to, vai analīzes laikā ir jāpielieto svari, vai nav jāņem vērā kopas vai noslāņošanās, kas bija pētījuma populācija, un vairāk.

Liela daļa sekundāro datu resursu un datu kopu ir pieejams socioloģiskiem pētījumiem, no kuriem daudzi ir publiski un viegli pieejami. Amerikas Savienoto Valstu tautas skaitīšana, Vispārīgais sociālais pētījumsun Amerikas kopienas aptauja ir dažas no visbiežāk izmantotajām sekundāro datu kopām.

Sekundāro datu izmantošanas lielākā priekšrocība ir tā, ka tie var būt ekonomiskāki. Kāds cits jau ir savācis datus, tāpēc pētniekam nav jāvelta nauda, ​​laiks, enerģija un resursi šai izpētes fāzei. Dažreiz ir jāiegādājas sekundārā datu kopa, bet izmaksas gandrīz vienmēr ir zemākas nekā līdzīga apkopošanas izdevumi datu kopu no nulles, kas parasti nozīmē algas, ceļojumus un transportēšanu, biroja telpas, aprīkojumu un citas pieskaitāmās izmaksas izmaksas. Turklāt, tā kā dati jau ir savākti un parasti tiek iztīrīti un glabāti elektroniskā formātā, pētnieks lielāko daļu laika var pavadīt analizējot datus tā vietā, lai sagatavotu datus analīzei.

Otra galvenā sekundāro datu izmantošanas priekšrocība ir pieejamo datu plašums. Federālā valdība veic daudzus pētījumus plašā, nacionālā mērogā, kurus atsevišķiem pētniekiem būtu grūti savākt. Daudzas no šīm datu kopām ir arī gareniskā, kas nozīmē, ka vienādi dati ir savākti no vienas un tās pašas populācijas vairākos dažādos laika periodos. Tas ļauj pētniekiem aplūkot tendences un parādību izmaiņas laika gaitā.

Trešā nozīmīgā sekundāro datu izmantošanas priekšrocība ir tā, ka datu vākšanas process bieži uztur līmeni zināšanas un profesionalitāte, kas var nebūt atsevišķiem pētniekiem vai maziem pētniecības projektiem. Piemēram, datu vākšanu par daudzām federālajām datu kopām bieži veic darbinieki, kas specializējas veicot noteiktus uzdevumus, un viņiem ir daudzu gadu pieredze konkrētajā jomā un ar šo konkrēto aptauju. Daudziem mazākiem pētniecības projektiem nav šāda līmeņa kompetences, jo daudz datu vāc studenti, kas strādā nepilnu darba laiku.

Galvenais sekundāro datu izmantošanas trūkums ir tas, ka tas var neatbildēt uz konkrētiem pētnieka jautājumiem vai satur specifisku informāciju, ko pētnieks vēlētos saņemt. Iespējams, ka tas nav savākts arī ģeogrāfiskajā reģionā vai vēlamajos gados, vai arī ar konkrētu populāciju, kuru pētnieks ir ieinteresējis studēt. Piemēram, pētniekam, kurš ir ieinteresēts pusaudžu izpētē, var atrasties, ka sekundārajā datu kopā ir tikai jauni pieaugušie.

Turklāt, tā kā pētnieks nevāca datus, viņiem nav iespējas kontrolēt to, kas ir datu kopā. Bieži vien tas var ierobežot analīzi vai mainīt sākotnējos jautājumus, uz kuriem pētnieks centās atbildēt. Piemēram, pētnieks, kurš pēta laimi un optimismu, var secināt, ka sekundārajā datu kopā ir tikai viens no tiem mainīgie, bet ne abi.

Saistīta problēma ir tā, ka mainīgie varbūt ir bijuši definēti vai klasificēti atšķirīgi nekā pētnieks būtu izvēlējies. Piemēram, vecums var būt savākts kategorijās, nevis kā nepārtraukts mainīgais, vai arī rasi var definēt kā “balto” un “citu”, tā vietā, lai tajā būtu ietvertas kategorijas visām galvenajām sacensībām.

Vēl viens būtisks sekundāro datu izmantošanas trūkums ir tas, ka pētnieks precīzi nezina, kā tika veikts datu vākšanas process vai cik labi tas tika veikts. Pētniekam parasti nav informācijas par to, cik nopietni datus ietekmē tādas problēmas kā zems atbildes līmenis vai respondentu neizpratne par konkrētiem aptaujas jautājumiem. Dažreiz šī informācija ir viegli pieejama, kā tas ir daudzās federālajās datu kopās. Tomēr daudzām citām sekundāro datu kopām šāda veida informācija nav pievienota, un analītiķim jāiemācās lasīt starp rindiņām, lai atklātu iespējamos datu ierobežojumus.