dit mål med at gennemføre kvantitativ forskningsundersøgelse er at bestemme forholdet mellem en ting og en anden inden for en befolkning. Kvantitative forskningsdesign er enten beskrivende eller eksperimentelle . En beskrivende undersøgelse etablerer kun sammenhænge mellem variabler; en eksperimentel undersøgelse etablerer kausalitet.

kvantitativ forskning handler i tal, logik og en objektiv holdning. Kvantitativ forskning fokuserer på talmæssige og uændrede data og detaljeret, konvergent ræsonnement snarere end divergerende ræsonnement .

dens vigtigste egenskaber er:

• dataene indsamles normalt ved hjælp af strukturerede forskningsinstrumenter.
• resultaterne er baseret på større stikprøvestørrelser, der er repræsentative for befolkningen.
• forskningsundersøgelsen kan normalt replikeres eller gentages i betragtning af dens høje pålidelighed.
• forsker har et klart defineret forskningsspørgsmål, som der søges objektive svar på.
• alle aspekter af undersøgelsen er omhyggeligt designet, før data indsamles.
• Data er i form af tal og statistik, ofte arrangeret i tabeller, diagrammer, figurer eller andre ikke-tekstmæssige former.
• projekt kan bruges til at generalisere begreber mere bredt, forudsige fremtidige resultater eller undersøge årsagsforhold.
• forsker bruger værktøjer, såsom spørgeskemaer eller computerprogrammer, til at indsamle numeriske data.

det overordnede mål med en kvantitativ forskningsundersøgelse er at klassificere funktioner, tælle dem og konstruere statistiske modeller i et forsøg på at forklare, hvad der observeres.

ting at huske på, når du rapporterer resultaterne af en undersøgelse ved hjælp af kvantiative metoder:

1. forklar de indsamlede data og deres statistiske behandling samt alle relevante resultater i forhold til det forskningsproblem, du undersøger. Fortolkning af resultater er ikke hensigtsmæssig i dette afsnit.
2. rapporter uventede hændelser, der opstod under din dataindsamling. Forklar, hvordan den faktiske analyse adskiller sig fra den planlagte analyse. Forklar din håndtering af manglende data, og hvorfor manglende data ikke underminerer gyldigheden af din analyse.
3. forklar de teknikker, du brugte til at “rense” dit datasæt.
4. vælg en minimalt tilstrækkelig statistisk procedure; give en begrundelse for dens anvendelse og en reference til den. Angiv alle anvendte computerprogrammer.
5. beskriv antagelserne for hver procedure og de trin, du tog for at sikre, at de ikke blev overtrådt.
6. når du bruger inferentiel statistik, skal du angive de beskrivende statistikker, konfidensintervaller og stikprøvestørrelser for hver variabel samt værdien af teststatistikken, dens retning, frihedsgraderne og signifikansniveauet .
7. undgå at udlede årsagssammenhæng, især i ikke-randomiserede designs eller uden yderligere eksperimenter.
8. brug tabeller til at angive nøjagtige værdier; Brug tal til at formidle globale effekter. Hold tallene små i størrelse; Medtag grafiske repræsentationer af konfidensintervaller, når det er muligt.
9. fortæl altid læseren, hvad man skal kigge efter i tabeller og figurer.

BEMÆRK: Når du bruger allerede eksisterende statistiske data indsamlet og stillet til rådighed af andre end dig selv , skal du stadig rapportere om de metoder, der blev brugt til at indsamle dataene og beskrive eventuelle manglende data, der findes, og, hvis der er nogen, give en klar forklaring på, hvorfor de manglende data ikke undergraver gyldigheden af din endelige analyse.

Babbie, Earl R. praksis med Social forskning. 12. udgave. Belmont, Californien: 2010; Brians, Craig Leonard et al. Empirisk Politisk Analyse: kvantitative og kvalitative forskningsmetoder. 8. udgave. Boston, MA: Longman, 2011; McNabb, David E. forskningsmetoder i Offentlig Administration og Nonprofit Ledelse: kvantitative og kvalitative tilgange. 2. udgave. Armonk, NY: M. E. Sharpe, 2008; kvantitative forskningsmetoder. Skrivning@CSU. Colorado State University; Singh, Kultar. Kvantitative Sociale Forskningsmetoder. Los Angeles, CA: Sage, 2007.