jak wykonać analizę danych?
przegląd planu analizy danych
metodologia dysertacji wymaga planu analizy danych. Plan analizy danych dysertacja powinna jasno określić testy statystyczne i założenia tych testów, aby zbadać każdy z pytań badawczych, jak wyniki są czyszczone i tworzone, i pożądanej wielkości próbki dla tego testu. Wybór testów statystycznych zależy od dwóch czynników: (1) sposobu sformułowania pytań i hipotez badawczych oraz (2) poziomu pomiaru zmiennych. Na przykład, jeśli pytanie bada wpływ zmiennej x na zmienną y, mówimy o regresjach, jeśli pytanie szuka skojarzeń lub relacji, jesteśmy w testach korelacji i chi-kwadrat, jeśli badane są różnice, to t-testy i ANOVA są prawdopodobnie poprawnym testem.
dowiedz się, jak pomagamy edytować rozdziały dysertacji
wyrównywanie ram teoretycznych, zbieranie artykułów, syntetyzowanie luk, formułowanie jasnej metodologii i planu danych oraz pisanie o teoretycznych i praktycznych implikacjach badań są częścią naszych kompleksowych usług edycji dysertacji.
- doprowadzić rozprawa editing expertise do rozdziałów 1-5 w odpowiednim czasie.
- Śledź wszystkie zmiany, a następnie współpracuj z Tobą, aby doprowadzić do pisania naukowego.
- bieżące wsparcie w odniesieniu do opinii Komitetu, zmniejszanie zmian.
poziom pomiaru
poziom pomiaru jest drugim czynnikiem stosowanym przy wyborze właściwego testu statystycznego. Jeśli pytanie badawcze zbada wpływ X na zmienną Y, a zmienna y wynik jest skala, regresja liniowa jest prawidłowym testem. Na przykład, jaki jest wpływ dochodu na oszczędności (jako zmienna skali), regresja liniowa jest testem. Jeśli zmienna wynikowa Y jest porządkowa, to regresja porządkowa jest prawidłowym testem (np.g., jaki jest wpływ dochodu na oszczędności (z oszczędnościami jako porządkiem $0-$100, $101-$1000, $1001-$10,000, zmienna), wtedy regresja porządkowa jest prawidłowym testem. Jeśli pytanie badawcze bada relacje, a zmienna X I Y są kategoryczne, to chi-kwadrat jest odpowiednim testem. Najważniejsze jest to, że zarówno Faza pytania badawczego, jak i poziom pomiaru zmiennych decydują o wyborze testu. Ten film o drzewach decyzyjnych może być przydatny.
założenia statystyczne w planie analizy danych
częścią planu analizy danych jest dokumentowanie założeń konkretnego testu statystycznego. Większość założeń mieści się w normalności, jednorodności wariancji i wiadrze odstających założeń. Inne testy mają dodatkowe założenia. Na przykład w regresji liniowej z kilkoma predyktorami należy ocenić współczynnik inflacji wariancji, aby określić, że predyktory nie są zbyt silnie skorelowane. Ten plan analizy danych wideo może być pomocne.
wyniki złożone i czyszczenie danych
plany analizy danych powinny omawiać wszelkie odwrotne kodowanie zmiennych i tworzenie wyników złożonych lub podskalowych. Przed utworzeniem wyników złożonych należy zaplanować badanie wiarygodności Alfa. Procedura czyszczenia danych powinna być udokumentowana. Na przykład usunięcie wartości odstających, przekształcenie zmiennych w celu spełnienia założenia normalności itp.
Analiza wielkości próbki i mocy
po wybraniu odpowiednich testów statystycznych plany analizy danych powinny zostać uzupełnione analizą mocy. Analiza mocy określa wielkość próbki do testu statystycznego, biorąc pod uwagę Alfa .05, wielkość danego efektu (mały, średni lub duży) o mocy80 (to jest 80% szansa na wykrycie różnic lub relacji, jeśli w rzeczywistości różnice są obecne w danych. Ten film z analizą mocy może być pomocny.