Andmete analüüs on oluline samm eksperimentaalsele küsimusele vastamisel. Hästi läbimõeldud uuringu andmete analüüsimine aitab teadlasel küsimustele vastata. Nende andmete põhjal saate teha ka järeldusi, mis täiendavad uurimistööd ja aitavad kaasa tulevastele uuringutele. Andmete hästi organiseeritud hoidmine kogumisprotsessi ajal muudab analüüsimise palju lihtsamaks.
1
Kasutage andmete korrastamiseks elektroonilist andmebaasi. Kopeerige andmed redigeerimiseks uude faili. Te ei soovi kunagi põhiandmete faili kallal töötada, kui analüüsiprotsessi käigus midagi rikutakse. Programm, näiteks Excel, võimaldab teil korraldada kõik andmed hõlpsasti otsitavasse arvutustabelisse. Saate lisada oma andmetele filtreid, et hõlbustada diskreetsete andmekogumite kopeerimist ja kleepimist failide vahel. Olge andmete ülekandmisel põhiarvutustabelisse ettevaatlik. Lihtne on kogemata kopeerida ja kleepida valedesse veergudesse või ridadesse. Kui andmetega peaks midagi juhtuma, võite alati minna tagasi algse põhifaili juurde.
2
Koodteksti vastused numbrilisele kujule. Kui töötate küsitluse andmetega, millel on kirjalikud vastused, peate enne nende analüüsimist andmed numbrilises vormis kodeerima. Võimalik, et peate välja töötama oma vastuste kodeerimissüsteemi, mis põhineb saadud teabel ja küsimustele, millele proovite oma andmetega vastata. Kodeerige “Ei” vastused kui “0” ja “Jah” vastused kui “1 .â€
3
Töötage välja süsteem oma andmete rühmitamiseks. Kui hakkate andmeid koguma, hakake mõtlema, kuidas oleks kõige parem rühmitada. Kui töötate inimestega seotud subjektide või vastustega, peate konfidentsiaalsuse kaitsmiseks andma igale inimesele numbri- või tähekoodi. Lihtsaim võib olla hoida kõiki oma rühmi ühel dokumendil eraldi lehtedel, täiesti eraldi dokumentides või erinevad veerud/ridad samal lehel.Rääkige teistega, kes on teinud sarnast andmeanalüüsi, et saada aimu, kuidas teie andmeid kõige paremini korraldada.Näiteks: kui soovite teada erinevusi meeste ja naiste vahel, peaksite veenduma kõik meeste andmed rühmitati kokku ja kõik naiste andmed rühmitati kokku.
4
Kontrollige andmetes vigu. Andmete korraldamisel võib failide vahel palju kopeerida ja kleepida. Kontrollige perioodiliselt põhifaili korrastatud andmetega, et veenduda, et numbreid poleks segatud ega valedesse veergudesse paigutatud. Kui peate andmeid käsitsi sisestama, kontrollige kindlasti kõike, mis sisestatakse.
5
Kahe rühma võrdlemiseks viige läbi t-test. T-test on väga levinud statistiline test, mida kasutatakse valimite keskmiste (keskmiste) võrdlemiseks. Ühe valimiga t-testi kasutatakse selleks, et kontrollida, kas keskmine valim on teadaolevast väärtusest statistiliselt oluline. Kahe valimiga t-testi kasutatakse selleks, et kontrollida, kas kahel rühmal on statistiliselt erinevad keskmised. Füüsikas ja tootetootmises kasutatakse tavaliselt ühe valimi t-teste: teate, milline väärtus peaks teie valimil olema, nii et võrdlete saadud keskmist. selle teadaoleva väärtuseni. Biomeditsiinis ja kliinilises valdkonnas kasutatakse tavaliselt kahte proovi t-testi.
6
Kasutage ANOVA-d rühmade keskmiste analüüsimiseks. ANOVA-d (dispersioonanalüüs) kasutatakse biomeditsiini valdkondades väga sageli mitme rühma keskmiste võrdlemiseks. ANOVA-d on väga võimas tööriist erinevuste leidmiseks, kui vaatate paljusid võrdlusi. Ühesuunalist ANOVA-d saab kasutada mitme rühma keskmiste võrdlemiseks ühe kontrollrühmaga. Näiteks kui teil oleks üks kontrollrühm ja kolm testrühma, kasutaksite ühesuunalist ANOVA-d, et võrrelda kõiki keskmisi ja vaadata, kas mõni neist on erinev. Kahesuunalist ANOVA-d kasutatakse mitme rühma keskmiste võrdlemiseks mitu muutujat. Näiteks kui soovite teada, kas nii organismi genotüüp kui ka sugu mõjutasid teie andmeid, viiksite kontrollrühmade suhtes läbi kahesuunalise ANOVA.
7
Muutuvate efektide testimiseks käivitage lineaarne regressioon. Lineaarse regressiooni testiga vaadeldakse sõltumatu muutuja variatsiooni ja testitakse, kas see variatsioon põhjustab sõltuvas muutujas nähtavat kõikumist. Seda testi kasutatakse siis, kui soovite mõõta kahe muutuja seose tugevust. Näiteks kui tahtsid testida oma pulsi ja jooksulindil liikumiskiiruse vahelist seost, kasutaksid lineaarset regressiooni.
8
Kahe regressioonijoone võrdlemiseks kasutage ANCOVA-d. Kui soovite võrrelda kahe erineva rühma suhet sama muutujaga, võite kasutada ANCOVA-d (kovariantsianalüüs). ANCOVA võimaldab teil kontrollida erinevusi, mida võite näha kahe rühma vahelise sõltumatu muutuja põhjal. Näiteks kui soovite testida, kas meestel ja naistel on erinevatel temperatuuridel erinev puhkepulss, peaksite kasutama ANCOVA-d. Teeksite kaks regressioonijoont (üks naistele ja teise meestele) südame löögisageduse ja temperatuuri kohta. Seejärel kasutaksite ANCOVA-d, et võrrelda kahte rida, et näha, kas need on erinevad.
9
Uurige iseseisvalt rohkem statistilisi teste. Esitatud testid ei ole saadaolevate testide täielik loetelu. Need on mõned sagedamini kasutatavad testid, kuid on palju variatsioone ja keerukamaid teste, mis võivad teie andmete jaoks paremini sobida. Katsete kavandamisel tehke põhjalik otsing, et otsustada, milliseid teste kasutada. Internetis on mõned kasulikud graafikud ja artiklid, mis aitavad teil kogutavate andmete põhjal testi valida. Vaadake NIH ja ülikoolide artikleid või veebistatistikat raamatud lisateabe saamiseks.
10
Määratlege selgelt uurimisküsimused. Ärge kunagi kaotage uuringu fookust ja järgige uurimistöö ülesehitust ja määratletud muutujaid. Hea uurimisstrateegia hõlmab hästi kavandatud katsete läbiviimist ja õige hulga andmete kogumist, et uurimisküsimusele vastata. Enne andmete kogumise alustamist peaksite täpselt teadma, kui palju proove kavatsete igas rühmas koguda ja milliseid statistilisi teste teete. .
11
Konsulteerige statistikuga. Statistika võib väga kiiresti muutuda väga keeruliseks, eriti suurte andmekogumite puhul. Enne katse alustamist arutage kõike statistikuga. Nad võivad aidata teil välja selgitada, millised testid sobivad teie andmete analüüsimiseks ja kui palju proove igas rühmas vajate, et teil oleks testide läbiviimiseks piisav jõud. Samuti on hea mõte nendega pärast andmete kogumist uuesti kohtuda. tasakaalukas. Nad võivad aidata teil andmeid analüüsida ja veenduda, et kõik on õigesti tehtud. Küsige neilt oma uuringu õige mahu kohta, millist tüüpi statistilised testid aitavad teil oma uurimisküsimustele vastata ja millised on testide piirangud. Pidage meeles, statistiline test lihtsalt ütleb teile tulemuse ilmnemise või mittetoimumise tõenäosuse. Peate olema ettevaatlik, et mitte segi ajada statistilist olulisust kliinilise või füsioloogilise tähtsusega.
12
Käivitage valitud statistilised testid. Kui andmed on kogutud ja ette valmistatud, võite alustada kõigi testide käivitamist, mille otsustasite enne katse algust teha. Selle protsessi jaoks tuleks kasutada spetsiaalseid andmete analüüsimiseks mõeldud programme. Need testid on keerulised ja neid on palju lihtsam käivitada, kasutades selliseid programme nagu SAS, R, Stata või GraphPad Prism.SAS, Stata ja R nõuavad teatud programmeerimiskogemust. Võimalik, et peate konsulteerima kellegagi, kes on nende programmide kasutamiseks koolitatud, või läbima kursuse, et omandada nende kasutamise oskus.
13
Koostage avaldamiskvaliteediga graafikud. On palju tarkvaraprogramme, mis võimaldavad teil muuta oma andmed kenadeks graafikuteks. Statistilise analüüsi programmidel on ka graafiku tegemise võimalused, mis toodavad väljaannete kvaliteedinäitajaid. Teisaldage oma andmed ühte neist programmidest ja muutke need graafikuks. Tavaliselt kasutatavad programmid on GraphPad Prism ja R.
14
Märgistage kõik teljed selgelt. Andmete esitamisel on oluline kõik selgelt märgistada, et inimesed saaksid hõlpsasti tõlgendada, mida graafik neile ütleb. Kõik teljed peavad olema märgistatud hõlpsasti loetava fondiga, mille suurus on piisavalt suur, et lugeda neid silmi silmi pilgutamata. Kui teil on ühel graafikul mitu andmestikku, veenduge, et need kõik oleksid õigesti märgistatud.
15
Olulisuse tähistamiseks kasutage tärne. Joonistel, millel on rühmade vahel olulised erinevused, soovite selle otse joonisel märkida. Tõmmake joon kahe oluliselt erineva rühma vahele ja asetage joone kohale tärn. Veenduge, et joonise legend selgitab, mida tärn tähendab, millist statistilist testi kasutati ja milline oli testi tegelik p-väärtus.
16
Rühmitage sarnased andmed kokku. Kui teil on mitu sarnaste andmete graafikut, rühmitage need üheks jooniseks. See aitab teil andmeid mõista, kui saate vaadata kõiki sarnaseid andmeid korraga. Lihtsam on näha suundumusi ja teha oma andmete kohta järeldusi.Paljudel programmidel on graafikute redaktorid, mis võimaldavad teil koostada ka mitme graafiku paigutust.Veenduge, et kõigil graafikutel oleks sama fondisuurus ja et andmehulkade vahel kasutatakse samu sümboleid.
17
Kirjutage üksikasjalik figuurilegend. Joonise legend võimaldab kõigil, kes teie andmeid vaatavad, aru saada, mida graafikul täpselt näidatakse. Legend peaks andma lugejale teada, kui palju kordusi igas rühmas on ja milliseid statistilisi teste andmete analüüsimiseks kasutati. Legendisse tuleks lisada ka andmed statistika kohta: z-skoorid, t-skoorid, p-väärtused, kraadid vabadusest jne.