論文データ分析はどのようにして行いますか？
データ分析計画の概要
論文の方法論にはデータ分析計画が必要です。 あなたの論文データ分析計画は、明らかに研究の質問のそれぞれを調べるために、これらのテストの統計的なテストと仮定を述べなければなりません, 統計的検定の選択は、（1）研究の質問と仮説がどのように表現されるか、および（2）変数の測定レベルの2つの要因に依存する。 たとえば、質問が変数xの変数yへの影響を調べる場合、回帰について話していますが、質問が関連性や関係を求める場合、相関とカイ二乗検定になり、差が調べられる場合はt検定とANOVAが正しい検定になります。
あなたの論文の章を編集するために私たちがどのように支援するかを発見
理論的枠組みの調整、記事の収集、ギャップの合成、明確な方法論とデータプランの明確化、そしてあなたの研究の理論的および実践的な意味についての執筆は、私たちの包括的な論文編集サービスの一部です。
- 論文編集の専門知識を第1-5章にタイムリーにもたらします。
- すべての変更を追跡し、学術的な執筆をもたらすためにあなたと協力してください。
- 委員会のフィードバックに対処し、改訂を削減するための継続的なサポート。
測定レベル
測定レベルは、正しい統計的検定を選択する際に使用される第二の要因です。 研究問題がXのY変数への影響を調べ、その結果変数Yがスケールである場合、線形回帰が正しい検定です。 たとえば、収入が貯蓄に与える影響（スケール変数として）は、線形回帰がテストです。 その結果変数Yが順序変数である場合、順序回帰は正しい検定です（e.g.,貯蓄に対する収入の影響は何ですか(序数として貯蓄を持ちます$0-$100, $101-$1000, $1001-$10,000, 変数）の場合、順序回帰が正しいテストです。 研究問題が関係を調べ、X変数とY変数がカテゴリ的である場合、カイ二乗が適切な検定です。 主なポイントは、研究問題の段階的化と変数の測定レベルの両方がテストの選択を指示することです。 決定木に関するこのビデオは役に立つかもしれません。
データ分析計画における統計的仮定
データ分析計画の一部は、特定の統計的検定の仮定を文書化することです。 ほとんどの仮定は、正規性、分散の同質性、および仮定の外れ値バケットに分類されます。 他の検定には追加の仮定があります。 たとえば、複数の予測子を持つ線形回帰では、予測子の相関があまり高くないことを判断するために、分散インフレ係数を評価する必要があります。 このデータ分析計画のビデオは参考になるかもしれません。
複合スコアとデータクリーニング
データ分析計画では、変数の逆符号化と複合スコアまたはサブスケールスコアの作成について議論する必要があります。 複合スコアを作成する前に、アルファ信頼性を検討することを計画する必要があります。 データクリーニング手順を文書化する必要があります。 たとえば、外れ値の除去、正規性の仮定を満たすように変数を変換するなどです。
サンプルサイズと検出力分析
適切な統計的検定を選択した後、データ分析計画は検出力分析をフォローアップする必要があります。 検出力分析では、のαが与えられた統計的検定のサンプルサイズが決定されます。05、のべき乗で与えられた効果サイズ（小、中、または大）。80(つまり、実際に差がデータに存在する場合、差または関係を検出する確率が80%です。 この電力分析ビデオは参考になるかもしれません。