Hvordan laver jeg dissertation data analysis?

oversigt over Dataanalyseplan

Dissertationsmetoder kræver en dataanalyseplan. Din afhandling dataanalyseplan skal tydeligt angive de statistiske tests og antagelser af disse tests for at undersøge hvert af forskningsspørgsmålene, hvordan scoringer renses og oprettes, og den ønskede stikprøvestørrelse for den test. Udvælgelsen af statistiske tests afhænger af to faktorer: (1) Hvordan forskningsspørgsmål og hypoteser formuleres og (2) niveauet for måling af variablerne. Hvis spørgsmålet søger foreninger eller relationer, er vi i korrelations-og chi-kvadratprøver, hvis forskelle undersøges, så er t-test og ANOVA sandsynligvis den korrekte test.

Opdag, hvordan vi hjælper med at redigere dine Afhandlingskapitler

tilpasning af teoretiske rammer, indsamling af artikler, syntese af huller, artikulering af en klar metode og dataplan og skrivning om de teoretiske og praktiske konsekvenser af din forskning er en del af vores omfattende afhandlingsredigeringstjenester.

• Bring afhandling redigering ekspertise til kapitel 1-5 i tide.
• Spor alle ændringer, og arbejd derefter med dig for at skabe videnskabelig skrivning.
• løbende støtte til adresse udvalg feedback, reducere revisioner.

Måleniveau

måleniveauet er den anden faktor, der anvendes ved valg af den korrekte statistiske test. Hvis forskningsspørgsmålet vil undersøge virkningen af H på Y-variablen, og at resultatvariablen Y er skala, er en lineær regression den korrekte test. For eksempel, Hvad er virkningen af indkomst på besparelser (som en skalavariabel), den lineære regression er testen. Hvis denne resultatvariabel Y er ordinær, så er en ordinær regression den korrekte test (e.g., hvad er virkningen af indkomst på besparelser (med besparelser som ordinær $0-$100, $101-$1000, $1001-$10,000, variabel), så er en ordinær regression den korrekte test. Hvis forskningsspørgsmålet undersøger relationer, og variablen H og Y er kategoriske, så er chi-pladsen den rette test. Hovedpunktet er, at både faseringen af forskningsspørgsmålet og niveauet for måling af variablerne dikterer udvælgelsen af testen. Denne video om beslutningstræer kan være nyttig.

statistiske antagelser i Dataanalyseplan

en del af dataanalyseplanen er at dokumentere antagelserne for en bestemt statistisk test. De fleste antagelser falder ind i normaliteten, homogeniteten af variansog outlier spand af antagelser. Andre tests har yderligere antagelser. For eksempel i en lineær regression med flere forudsigere skal variansinflationsfaktoren vurderes for at bestemme, at forudsigerne ikke er for stærkt korrelerede. Denne dataanalyseplanvideo kan være nyttig.

Composite Scores and Data Cleaning

Dataanalyseplaner skal diskutere enhver omvendt kodning af variablerne og oprettelsen af composite eller subscale scores. Før der oprettes sammensatte scoringer, bør alfa-pålidelighed planlægges undersøgt. Data rengøring procedure bør dokumenteres. For eksempel fjernelse af outliers, transformerende variabler for at imødekomme normalitet antagelse osv.

stikprøvestørrelse og effektanalyse

efter valg af de relevante statistiske tests skal dataanalyseplaner følges op med en effektanalyse. Effektanalysen bestemmer stikprøvestørrelsen for en statistisk test, givet en alfa af .05, en given effektstørrelse (lille, medium eller stor) ved en effekt på .80 (det vil sige en 80% chance for at opdage forskelle eller forhold, hvis der faktisk er forskel i dataene. Denne strømanalysevideo kan være nyttig.