Miten teen väitöskirjan data-analyysi?

Data Analysis Plan Overview

Väitöskirjamenetelmät edellyttävät data-analyysisuunnitelmaa. Väitöskirjatiedon analysointisuunnitelmassa on selkeästi mainittava näiden testien tilastolliset testit ja oletukset, jotta voidaan tutkia kutakin tutkimuskysymystä, miten pisteet puhdistetaan ja luodaan sekä haluttu otoskoko kyseistä testiä varten. Tilastollisten testien valinta riippuu kahdesta tekijästä: 1) tutkimuskysymysten ja hypoteesien muotoilusta ja 2) muuttujien mittaustasosta. Esimerkiksi jos kysymyksessä tarkastellaan muuttujan x vaikutusta muuttujaan y, puhutaan regressioista, jos kysymyksessä etsitään assosiaatioita tai suhteita, ollaan korrelaatio-ja chi-neliötesteissä, jos tutkitaan eroja, niin t-testit ja ANOVA-testit ovat todennäköisesti oikea testi.

tutustu siihen, miten autamme Väitöskirjasi lukujen muokkaamisessa

teoreettisen viitekehyksen yhtenäistämisessä, artikkelien keräämisessä, aukkojen syntetisoimisessa, selkeän metodologian ja datasuunnitelman artikuloimisessa sekä tutkimustesi teoreettisista ja käytännön vaikutuksista kirjoittamisessa ovat osa kattavia väitöskirjan editointipalvelujamme.

• tuo väitöskirjan editointiosaaminen lukuihin 1-5 ajoissa.
• seuraa kaikki muutokset ja työskentele sitten kanssasi tieteellisen kirjoittamisen aikaansaamiseksi.
• jatkuva tuki valiokuntapalautteen käsittelylle, mikä vähentää tarkistuksia.

mittaustaso

mittaustaso on toinen tekijä, jota käytetään oikean tilastollisen testin valinnassa. Jos tutkimuskysymys tutkii X: n vaikutusta Y-muuttujaan, ja että tulosmuuttuja Y on asteikko, lineaarinen regressio on oikea testi. Esimerkiksi Mikä on tulojen vaikutus säästöihin (mittakaavamuuttujana), lineaarinen regressio on testi. Jos tulosmuuttuja Y on ordinaalinen, niin ordinaalinen regressio on oikea testi (e.g., mikä on tulojen vaikutus säästöihin (säästöt ordinal $0-$100, $101-$1000, $1001-$10,000, muuttuja), jolloin ordinaalinen regressio on oikea testi. Jos tutkimuskysymys tarkastelee suhteita, ja X ja Y-muuttuja ovat kategorisia, niin chi-neliö on sopiva testi. Pääasia on, että sekä tutkimuskysymyksen vaiheistaminen että muuttujien mittaustaso määräävät testin valinnan. Tämä video päätöksentekopuista voi olla hyödyllinen.

tietojen Analysointisuunnitelman tilastolliset oletukset

tietojen analysointisuunnitelman osana on dokumentoida tietyn tilastollisen testin oletukset. Useimmat oletukset kuuluvat normaalius, homogeenisuus varianssi, ja outier ämpäri oletuksia. Muissa testeissä on lisäoletuksia. Esimerkiksi lineaarisessa regressiossa, jossa on useita predikaattoreita, varianssi-inflaatiokerroin on arvioitava sen määrittämiseksi, että predikaattorit eivät korreloi liian voimakkaasti. Tämä data analyysi suunnitelma video voi olla hyödyllinen.

Yhdistelmäpisteet ja tietojen puhdistus

tietojen analysointisuunnitelmissa olisi käsiteltävä muuttujien käänteistä koodausta ja yhdistelmäpisteiden tai osakoodien luomista. Ennen komposiittipisteiden luomista alfa-luotettavuus olisi suunniteltava tutkittavaksi. Tietojen puhdistusmenettely on dokumentoitava. Esimerkiksi poikkeavien muuttujien poistaminen, muuttuvien muuttujien muuttaminen normaalioletusten täyttämiseksi jne.

otoskoko ja Tehoanalyysi

sopivien tilastollisten testien valitsemisen jälkeen tietojen analysointisuunnitelmia on seurattava tehoanalyysillä. Tehoanalyysi määrittää näytteen koon tilastolliselle testille, koska alfa on .05, tietty vaikutus koko (pieni, keskikokoinen tai suuri) on voimassa .80 (eli 80% mahdollisuus havaita eroja tai suhteita, jos todellisuudessa ero on läsnä aineistossa. Tästä tehoanalyysivideosta voi olla apua.