Come faccio a fare l’analisi dei dati di tesi?

Panoramica del piano di analisi dei dati

Le metodologie di tesi richiedono un piano di analisi dei dati. Il piano di analisi dei dati della tesi dovrebbe indicare chiaramente i test statistici e le ipotesi di questi test per esaminare ciascuna delle domande di ricerca, come i punteggi vengono puliti e creati e la dimensione del campione desiderata per quel test. La selezione dei test statistici dipende da due fattori: (1) come vengono formulate le domande e le ipotesi di ricerca e (2) il livello di misurazione delle variabili. Ad esempio, se la domanda esamina l’impatto della variabile x sulla variabile y, stiamo parlando di regressioni, se la domanda cerca associazioni o relazioni, siamo in test di correlazione e chi-quadrato, se vengono esaminate le differenze, quindi i test t e ANOVA sono probabilmente il test corretto.

Scopri come aiutiamo a modificare i capitoli della tua tesi

Allineare il quadro teorico, raccogliere articoli, sintetizzare lacune, articolare una metodologia chiara e un piano dati e scrivere sulle implicazioni teoriche e pratiche della tua ricerca fanno parte dei nostri servizi completi di editing della tesi.

• Portare tesi di editing competenze ai capitoli 1-5 in modo tempestivo.
• Tieni traccia di tutte le modifiche, quindi lavora con te per realizzare la scrittura accademica.
• Supporto continuo per affrontare il feedback del comitato, riducendo le revisioni.

Livello di misurazione

Il livello di misurazione è il secondo fattore utilizzato per selezionare il test statistico corretto. Se la domanda di ricerca esaminerà l’impatto di X sulla variabile Y e quella variabile di risultato Y è scala, una regressione lineare è il test corretto. Ad esempio, qual è l’impatto del reddito sul risparmio (come variabile di scala), la regressione lineare è il test. Se quella variabile di risultato Y è ordinale, allora una regressione ordinale è il test corretto (e.g., qual è l’impatto del reddito sul risparmio (con il risparmio come ordinale $0-$100, $101-$1000, $1001-$10,000, variabile), quindi una regressione ordinale è il test corretto. Se la domanda di ricerca esamina le relazioni e le variabili X e Y sono categoriche, allora il chi-quadrato è il test appropriato. Il punto principale è che sia la fase della domanda di ricerca che il livello di misurazione delle variabili dettano la selezione del test. Questo video sugli alberi decisionali può essere utile.

Ipotesi statistiche nel piano di analisi dei dati

Parte del piano di analisi dei dati consiste nel documentare le ipotesi di un particolare test statistico. La maggior parte delle ipotesi rientrano nella normalità, omogeneità della varianza, e secchio outlier di ipotesi. Altri test hanno ulteriori ipotesi. Ad esempio, in una regressione lineare con diversi predittori, il fattore di inflazione varianza deve essere valutato per determinare che i predittori non sono troppo altamente correlati. Questo video piano di analisi dei dati può essere utile.

Punteggi compositi e pulizia dei dati

I piani di analisi dei dati dovrebbero discutere qualsiasi codifica inversa delle variabili e la creazione di punteggi compositi o sottoscala. Prima di creare punteggi compositi, l’affidabilità alfa dovrebbe essere pianificata per essere esaminata. La procedura di pulizia dei dati deve essere documentata. Ad esempio, la rimozione di valori anomali, la trasformazione di variabili per soddisfare l’assunzione di normalità, ecc.

Dimensione del campione e analisi della potenza

Dopo aver selezionato i test statistici appropriati, i piani di analisi dei dati dovrebbero seguire un’analisi della potenza. L’analisi di potenza determina la dimensione del campione per un test statistico, dato un alfa di .05, una data dimensione dell’effetto (piccolo, medio o grande) ad una potenza di .80 (cioè, una probabilità dell ‘ 80% di rilevare differenze o relazioni se in realtà le differenze sono presenti nei dati. Questo video di analisi della potenza può essere utile.