En populær leveregel er, at data taler for sig selv . Statistikere , men ved, at de data, der sjældent taler for sig selv , du er nødt til at bede dem de rigtige spørgsmål. Det er, hvad statistisk dataanalyse handler om: at stille et spørgsmål , der udfører den passende analyse og gennemgang af resultaterne . Ting du har brug
En computer
dataanalyse -program ( populære omfatter SAS og SPSS , Excel, mens mere af et regneark , kan bruges til dataanalyse såvel)
Datasæt < br > En statistik bog eller guide for henvisningen
Vis Flere Instruktioner
dataanalyse : fra forberedelse til præsentation
1
Det første skridt i dataanalyse består af opgaver , der skal være gennemført før dataene selv analyseres. Så kompleks som nogle statistiske teknikker , de opgaver, du skal udføre , før analysen er endnu mere vanskeligt. Du skal starte med at definere din forskning problem. Hvad er det du prøver at finde ud af? Så skal du udvikle en forsknings- plan, der omfatter tegne en prøve og udvikle passende foranstaltninger.
2
have defineret din forskning problemet og indsamlede data , skal du sikre, at disse data er i analysen -ready tilstand. De skal indgås en dataanalyse eller regnearksprogram . Så bør du tjekke data for nøjagtighed og gøre eventuelle omdannelser nødvendige for at sikre de data, der kan analyseres ved hjælp af de teknikker, du vil bruge til netop dit studie .
3
at dine data har blevet indtastet og forberedt , lære dem at kende bedre ved at køre et sæt af deskriptiv statistik . Disse er enkle summariske foranstaltninger. Antag , for eksempel, undersøge dine data studerendes resultater på standardiserede math test med fem gymnasier . Du kan begynde ved at køre et sæt af deskriptiv statistik , der beskriver egenskaber ved de studerende på hver skole , såsom etnicitet, køn , klasse -niveau og socioøkonomisk status . Dataanalyse software som SPSS og SAS , to af de bedre kendte statistisk analyse programmer, kan gøre dette nemt . Du kan også få de enkelte skolers passerer sats på prøve og den gennemsnitlige score.
4
Nu hvor du har dine beskrivende statistik , hvilket giver dig en bedre forståelse af dine data, kan du begynde at køre empiriske statistik, brug af metoder , der vedrører de forskningsspørgsmål eller hypoteser , der danner grundlag for dit studie . Her er et andet eksempel. Antag to af de fem gymnasier i dine data havde en særlig vejledning program designet til at forbedre elevernes resultater i matematik . Det indlysende forskning spørgsmål er, om deltagelse i programmet forbedret matematik præstation. Afhængigt af arten af dine data , kan dette spørgsmål besvares med en række empiriske statistiske teknikker , der varierer i kvalitet, fra signifikans test for at variansanalyse til en multivariat lineær regressionsmodel .
5
Når du har kørt de relevante empiriske statistik, bør du undersøge outputtet fra dine statistiske procedurer og skrive dine resultater. Tænk på at skrive rapporten som en forlængelse af din analyse , trods alt , du præsentere resultaterne af dit studium på en sådan måde, at den tiltænkte målgruppe vil forstå. Den statistiske output fra din analyse , kan være ganske langvarig , så du skal vælge de vigtigste resultater for oversigtstabeller og grafik , som du bruger i din rapport.