Hur gör jag avhandlingsdataanalys?

översikt över Dataanalysplan

Avhandlingsmetoder kräver en dataanalysplan. Din avhandlingsdataanalysplan bör tydligt ange de statistiska testerna och antagandena för dessa tester för att undersöka var och en av forskningsfrågorna, hur poängen rengörs och skapas och önskad provstorlek för det testet. Valet av statistiska tester beror på två faktorer: (1) Hur forskningsfrågorna och hypoteserna formuleras och (2) mätnivån för variablerna. Till exempel, om frågan undersöker effekten av variabel x på variabel y, talar vi om regressioner, om frågan söker föreningar eller relationer, är vi i korrelations-och chi-kvadrattester, om skillnader undersöks, är t-test och ANOVA sannolikt det korrekta testet.

Upptäck hur vi hjälper till att redigera dina Avhandlingskapitel

anpassa teoretiska ramar, samla artiklar, syntetisera luckor, formulera en tydlig metodik och dataplan och skriva om de teoretiska och praktiska konsekvenserna av din forskning är en del av våra omfattande avhandlingstjänster.

• ta med avhandlingsredigeringsexpertis till kapitel 1-5 i tid.
• spåra alla ändringar och arbeta sedan med dig för att få till stånd vetenskapligt skrivande.
• pågående stöd för att ta itu med utskottets feedback, minska revideringar.

Mätnivå

mätnivån är den andra faktorn som används för att välja rätt statistiskt test. Om forskningsfrågan kommer att undersöka effekten av X på Y-variabeln, och den resultatvariabeln Y är skala, är en linjär regression det korrekta testet. Till exempel, Vad är effekten av inkomst på besparingar (som en skalvariabel), den linjära regressionen är testet. Om den resultatvariabeln Y är ordinär, är en ordinär regression det korrekta testet (e.g., vad är effekten av inkomst på besparingar (med besparingar som ordinär $0-$100, $101-$1000, $1001-$10,000, variabel), då är en ordinär regression det korrekta testet. Om forskningsfrågan undersöker relationer, och X-och Y-variabeln är kategorisk, är chi-square det lämpliga testet. Huvuddelen är att både fasningen av forskningsfrågan och mätnivån för variablerna dikterar valet av testet. Den här videon om beslutsträd kan vara användbar.

statistiska antaganden i Dataanalysplanen

en del av dataanalysplanen är att dokumentera antagandena för ett visst statistiskt test. De flesta antaganden faller i normalitet, homogenitet varians, och outlier hink antaganden. Andra tester har ytterligare antaganden. Till exempel, i en linjär regression med flera prediktorer, måste variansinflationsfaktorn bedömas för att bestämma att prediktorerna inte är för starkt korrelerade. Denna dataanalys plan video kan vara till hjälp.

sammansatta poäng och Datarengöring

dataanalysplaner bör diskutera eventuell omvänd kodning av variablerna och skapandet av sammansatta eller subscale-poäng. Innan du skapar sammansatta poäng bör alfa-tillförlitlighet planeras att undersökas. Datarengöringsproceduren bör dokumenteras. Till exempel avlägsnande av avvikare, transformerande variabler för att möta normalitetsantagandet etc.

provstorlek och effektanalys

efter att ha valt lämpliga statistiska tester bör dataanalysplaner följa upp med en effektanalys. Effektanalysen bestämmer provstorleken för ett statistiskt test, givet en alfa av .05, en given effektstorlek (liten, medium eller stor) vid en effekt av .80 (det vill säga en 80% chans att upptäcka skillnader eller relationer om det faktiskt finns skillnader i data. Denna power analysis video kan vara till hjälp.