Hvordan gjør jeg dissertation data analysis?

Oversikt Over Dataanalyseplan

Avhandlingsmetoder krever en dataanalyseplan. Avhandlingsdataanalyseplanen din bør tydelig angi statistiske tester og forutsetninger for disse testene for å undersøke hvert av forskningsspørsmålene, hvordan poengene rengjøres og opprettes, og ønsket prøvestørrelse for den testen. Valg av statistiske tester avhenger av to faktorer: (1) hvordan forskningsspørsmålene og hypotesene formuleres og (2) målingsnivået for variablene. For eksempel, hvis spørsmålet undersøker virkningen av variabel x på variabel y, snakker vi om regresjoner, hvis spørsmålet søker foreninger eller relasjoner, er vi i korrelasjon og chi-kvadrat tester, hvis forskjeller undersøkes, så er t-tester og ANOVAS sannsynligvis den riktige testen.

Oppdag Hvordan Vi Hjelper Til Med Å Redigere Avhandlingskapitlene

Justere teoretisk rammeverk, samle artikler, syntetisere hull, formulere en klar metodikk og dataplan, og skrive om de teoretiske og praktiske implikasjonene av forskningen din er en del av våre omfattende avhandlingsredigeringstjenester.

• Ta med avhandlingsredigeringskompetanse til kapittel 1-5 i tide.
• Spor alle endringer, og arbeid med deg for å få vitenskapelig skriving.
• Løpende støtte for å adressere komiteens tilbakemelding, redusere revisjoner.

Målenivå

målenivået er den andre faktoren som brukes til å velge riktig statistisk test. Hvis forskningsspørsmålet vil undersøke virkningen Av x på y-variabelen, og at utfallvariabelen Y er skala, er en lineær regresjon den riktige testen. For eksempel, hva er Effekten Av Inntekt på Besparelser (som en skala variabel), er den lineære regresjonen testen. Hvis den utfallvariabelen Y er ordinær, er en ordinær regresjon den riktige testen (e.g., hva er Virkningen Av Inntekt På Besparelser (Med Besparelser som ordinær $0-$100, $101-$1000, $1001-$10,000, variabel), så er en ordinær regresjon den riktige testen. Hvis forskningsspørsmålet undersøker relasjoner, Og x-og y-variabelen er kategorisk, er chi-kvadrat den riktige testen. Hovedpoenget er at både fasingen av forskningsspørsmålet og målingsnivået for variablene dikterer valget av testen. Denne videoen på beslutningstrær kan være nyttig.

Statistiske Forutsetninger I Dataanalyseplan

En del av dataanalyseplanen er å dokumentere forutsetningene for en bestemt statistisk test. De fleste forutsetninger faller inn i normalitet, homogenitet av varians, og outlier bøtte med antagelser. Andre tester har flere forutsetninger. For eksempel, i en lineær regresjon med flere prediktorer, må variansinflasjonsfaktoren vurderes for å fastslå at prediktorene ikke er for høyt korrelerte. Denne dataanalyseplanen kan være nyttig.

Komposittskår Og Datarengjøring

dataanalyseplaner bør diskutere eventuell omvendt koding av variablene og opprettelse av kompositt-eller delskalaskår. Før du oppretter sammensatte score, alfa pålitelighet bør planlegges å bli undersøkt. Datarensingsprosedyre skal dokumenteres. For eksempel, fjerning av uteliggere, transformere variabler for å møte normalitet forutsetning, etc.

Prøvestørrelse Og Effektanalyse

etter å ha valgt de aktuelle statistiske testene, bør dataanalyseplaner følge opp med en effektanalyse. Strømanalysen bestemmer utvalgsstørrelsen for en statistisk test, gitt et alfa av .05, en gitt effektstørrelse (liten, middels eller stor) ved en kraft av .80 (det vil si en 80% sjanse for å oppdage forskjeller eller relasjoner hvis det faktisk er forskjell i dataene. Denne strømanalysevideoen kan være nyttig.