Comment faire une analyse de données de thèse?

Aperçu du plan d’analyse des données

Les méthodologies de thèse nécessitent un plan d’analyse des données. Votre plan d’analyse des données de thèse doit indiquer clairement les tests statistiques et les hypothèses de ces tests pour examiner chacune des questions de recherche, comment les scores sont nettoyés et créés, et la taille d’échantillon souhaitée pour ce test. La sélection des tests statistiques dépend de deux facteurs: (1) la formulation des questions et hypothèses de recherche et (2) le niveau de mesure des variables. Par exemple, si la question examine l’impact de la variable x sur la variable y, nous parlons de régressions, si la question recherche des associations ou des relations, nous sommes dans des tests de corrélation et du chi carré, si les différences sont examinées, alors les tests t et les ANOVA sont probablement le test correct.

Découvrez comment Nous vous aidons à éditer vos chapitres de thèse

Aligner le cadre théorique, rassembler des articles, synthétiser les lacunes, articuler une méthodologie et un plan de données clairs et écrire sur les implications théoriques et pratiques de votre recherche font partie de nos services complets d’édition de thèse.

• Apportez une expertise en édition de thèse aux chapitres 1 à 5 en temps opportun.
• Suivez tous les changements, puis travaillez avec vous pour apporter une écriture savante.
• Soutien continu pour répondre aux commentaires des comités, réduisant ainsi les révisions.

Niveau de mesure

Le niveau de mesure est le deuxième facteur utilisé pour sélectionner le test statistique correct. Si la question de recherche examine l’impact de X sur la variable Y, et que cette variable de résultat Y est à l’échelle, une régression linéaire est le bon test. Par exemple, quel est l’impact du revenu sur l’épargne (en tant que variable d’échelle), la régression linéaire est le test. Si cette variable de résultat Y est ordinale, alors une régression ordinale est le test correct (e.g., quel est l’impact du Revenu sur l’épargne (avec l’épargne comme ordinal $0-$100, $101-$1000, $1001-$10,000, variable), alors une régression ordinale est le test correct. Si la question de recherche examine les relations et que les variables X et Y sont catégoriques, le chi carré est le test approprié. Le point principal est que le phasage de la question de recherche et le niveau de mesure des variables dictent la sélection du test. Cette vidéo sur les arbres de décision peut être utile.

Hypothèses statistiques dans le Plan d’analyse des données

Une partie du plan d’analyse des données consiste à documenter les hypothèses d’un test statistique particulier. La plupart des hypothèses relèvent de la normalité, de l’homogénéité de la variance et du seau d’hypothèses aberrantes. D’autres tests ont des hypothèses supplémentaires. Par exemple, dans une régression linéaire avec plusieurs prédicteurs, le facteur d’inflation de la variance doit être évalué pour déterminer que les prédicteurs ne sont pas trop fortement corrélés. Cette vidéo du plan d’analyse des données peut être utile.

Scores composites et nettoyage des données

Les plans d’analyse des données devraient discuter de tout codage inverse des variables et de la création de scores composites ou de sous-échelles. Avant de créer des scores composites, la fiabilité alpha doit être planifiée pour être examinée. La procédure de nettoyage des données doit être documentée. Par exemple, la suppression de valeurs aberrantes, la transformation de variables pour répondre à l’hypothèse de normalité, etc.

Analyse de la taille de l’échantillon et de la puissance

Après avoir sélectionné les tests statistiques appropriés, les plans d’analyse des données doivent être suivis d’une analyse de la puissance. L’analyse de puissance détermine la taille de l’échantillon pour un test statistique, étant donné un alpha de.05, une taille d’effet donnée (petite, moyenne ou grande) à une puissance de.80 (c’est-à-dire une chance de 80% de détecter des différences ou des relations si, en fait, des différences sont présentes dans les données. Cette vidéo d’analyse de puissance peut être utile.