atunci când efectuați cercetări, este esențial să puteți înțelege datele dvs. Acest lucru vă permite să informați alți cercetători din domeniul dvs. și alții ce ați găsit. De asemenea, poate fi folosit pentru a ajuta la construirea de dovezi pentru o teorie. Prin urmare, o înțelegere a testului de utilizat și când este necesar. Există câteva bune practici de făcut dacă nu sunteți familiarizați cu efectuarea analizei statistice. Primul este să vă determinați variabilele.
Prezentare generală a statisticilor de bază:
variabila dependentă (DV)-aceasta este cea pe care o măsurați. Din exemplul scorului elevului.
variabilă independentă (IV)-aceasta este cea pe care o manipulați cu diferitele condiții. Din exemplul PowerPoint sau prezentare proiector.
niveluri de măsurare:
odată ce acest lucru a fost făcut, veți dori să determinați nivelul de măsurare care sunt ambele variabile. Acest lucru vă va ajuta mai târziu să determinați ce test să utilizați în analiza dvs. Există patru niveluri de măsurare:
Interval-acestea au numere egale (adică. Numărul de animale de companie).
raport-nu există zero real și există intervale între numere întregi (adică greutatea la naștere)
Nominal-pur și simplu denumind categorii (adică Bărbat/Femeie).
Ordinal – pur și simplu ordonare (adică 1=nu sunt de acord cu tărie; 2=nu sunt de acord; 3=neutru; 4=sunt de acord; 5=sunt de acord cu tărie).
în cele din urmă, veți avea informațiile necesare pentru a determina ce test trebuie să utilizați. Până când vă familiarizați cu efectuarea analizei statistice, este o practică bună să urmăriți aceste informații (a se vedea tabelul 3).
Tabelul 3. Variabila, nivelul de măsurare și numărul IV ‘ s
cu aceste informații vă puteți referi la următoarea diagramă pentru a determina ce test statistic să utilizați. Mai întâi determinați dacă studiul se află în interiorul sau între subiecți, apoi numărul de grupuri, apoi nivelul de măsurare (vezi Figura 1).
Figura 1. Diagrama testelor după proiectare, numărul de condiții și nivelul de măsurare
arborele de decizie
testele statistice pot fi împărțite în două grupe, parametrice și neparametrice și sunt determinate de nivelul de măsurare. Testele parametrice sunt utilizate pentru a analiza datele de interval și raport, iar testele neparametrice analizează datele ordinale și nominale. Există diferite teste de utilizat în fiecare grup. Vom începe mai întâi cu testele parametrice.
Teste Parametrice: (Date Interval / raport)
aceste teste presupun că datele sunt distribuite în mod normal (curba clopotului) și sunt foarte puternice în comparație cu testele neparametrice.
În Proiectarea Subiectului 1. Probe dependente t-test: compară mijloacele a două grupuri. Un exemplu este determinarea dacă PowerPoint sau o proiecție deasupra capului clasele de impact. 2. În cadrul subiecților ANOVA: compară mijloacele a mai mult de două grupuri. Un exemplu este determinarea dacă PowerPoint, proiecția aeriană și podcastul au afectat notele și, dacă da, care dintre ele.
Între Proiectarea Subiectului
1. Probe independente t-test: Compară mijloacele a două grupuri. Un exemplu este determinarea dacă o prezentare PowerPoint a afectat note în comparație cu un grup de control. 2. Între subiecți ANOVA: compară mijloacele a mai mult de două grupuri. Un exemplu este de a determina dacă PowerPoint sau un proiector impact note și dacă da, care unul. 3. Corelația Pearson: determină dacă există o relație între două variabile. De asemenea, determină puterea relației, dacă există.
coeficientul de corelație variază de la -1,0 la 1,0. Cu cât este mai aproape de -1.0 sau 1.0, cu atât relația este mai puternică. Când r este negativ, înseamnă că există o relație negativă (o variabilă merge în sus/în jos, cealaltă face contrariul). Când r este pozitiv, înseamnă că există o relație pozitivă (o variabilă merge în sus sau în jos, la fel și cealaltă). Vedeți exemplul de mai jos examinând corelația dintre textele trimise pe săptămână și note. O altă modalitate de a determina relația și puterea este de a privi graficul. Cu cât punctele de date sunt mai apropiate de linie, cu atât relația este mai puternică (vezi Figura 2). Atenție: o corelație puternică nu înseamnă că o afecțiune a provocat rezultatul. Înseamnă doar că cele două variabile sunt legate într-un fel.
Figura 2. Graficul textelor vs. corelația gradului
teste neparametrice: (date ordinale/nominale)
aceste teste nu presupun nimic despre forma datelor. Aceste teste nu sunt la fel de puternice ca cele parametrice.
În Cadrul Proiectului Subiectului
1. Wilcoxon: aceasta este versiunea neparametrică a probelor dependente t-test, deoarece compară diferența de ranguri pentru grupuri de două cu numai date ordinale. Un exemplu este determinarea clasamentului participantului pentru preferința vizuală între două aplicații de jocuri iPad. 2. Friedman: aceasta este versiunea neparametrică a subiecților din cadrul ANOVA, deoarece compară rândurile pentru grupuri de mai mult de două cu doar date ordinale. Un exemplu este determinarea rangului a trei site-uri diferite bazate pe ușurința în utilizare.
Între Proiectarea Subiectului
1. Chi square: compară rangurile atât pentru două grupuri, cât și pentru mai mult de două modele de grupuri, cu doar date nominale. A. Chi square (bunătatea potrivirii)-compară proporția eșantionului cu o valoare deja existentă. Un exemplu ar fi compararea ratelor de alfabetizare din Centrul Missouri cu cele ale întregului stat. B. Chi square (testul Independenței)-compară proporțiile a două variabile pentru a vedea dacă sunt legate sau nu. Un exemplu ar fi există un număr similar de sportivi de baseball și softball înscriși la cursul de psihologie generală din acest semestru. 2. Kruskall-Wallis: aceasta este versiunea neparametrică a subiecților ANOVA, deoarece vede dacă mai multe probe provin din aceeași populație. Un exemplu este determinarea modului în care participanții evaluează un medic în funcție de faptul dacă a folosit un computer, o carte sau nu a ajutat la diagnosticarea acestora. 3. Mann-Whitney: aceasta este versiunea neparametrică a testului t independent samples, deoarece compară rangurile pentru grupuri de mai mult de două cu numai date ordinale. Un exemplu ar fi determinarea dacă consumul de bomboane Snickers afectează notele elevilor la cursurile de matematică. 4. Corelații: Rho A. Spearman: la fel ca corelația Pearson, și acest test determină puterea relației dintre două variabile pe baza rangurilor lor. Un exemplu ar fi determinarea relației dintre fizică și clasele de curs de engleză.
Sectiunea Analiza Statistica-Manual