Το πρώτο βήμα της ανάλυσης των δεδομένων αποτελείται από εργασίες που πρέπει να ολοκληρωθεί πριν από τα δεδομένα και αναλυθεί . Τόσο περίπλοκο όπως ορισμένες στατιστικές τεχνικές είναι , τα καθήκοντα που θα πρέπει να επιτευχθεί πριν από την ανάλυση είναι ακόμη πιο δύσκολη . Πρέπει να αρχίσουμε από τον ορισμό πρόβλημα έρευνά σας . Τι θες να μάθεις; Στη συνέχεια, θα πρέπει να αναπτύξει ένα ερευνητικό πρόγραμμα που περιλαμβάνει την κατάρτιση ενός δείγματος και την ανάπτυξη κατάλληλων μέτρων . 2
Έχοντας ορίσει το πρόβλημα έρευνά σας και να συλλέγονται τα δεδομένα , θα πρέπει να διασφαλίζουν ότι τα στοιχεία αυτά είναι σε ανάλυση - κατάσταση ετοιμότητας . Θα πρέπει να εισέλθει σε μια ανάλυση των δεδομένων ή πρόγραμμα υπολογιστικών φύλλων . Στη συνέχεια θα πρέπει να ελέγξετε τα δεδομένα για την ακρίβεια και κάνει οποιαδήποτε αναγκαίες μετατροπές για τη διασφάλιση των δεδομένων μπορούν να αναλυθούν χρησιμοποιώντας ό, τι τεχνικές που θα πρέπει να χρησιμοποιούν για συγκεκριμένη μελέτη σας .
Εικόνων 3
τώρα ότι τα δεδομένα σας έχουν έχουν εγγραφεί και να προετοιμαστεί , να τους γνωρίσετε καλύτερα εκτελώντας μια σειρά από περιγραφικά στατιστικά στοιχεία . Αυτά είναι απλή περίληψη των μέτρων . Ας υποθέσουμε , για παράδειγμα , τα δεδομένα σας να εξετάσει τις επιδόσεις των μαθητών στις τυποποιημένες δοκιμές μαθηματικά σε πέντε γυμνάσια . Μπορείτε να αρχίσετε με τη λειτουργία ενός συνόλου περιγραφικών στατιστικών που περιγράφουν τα χαρακτηριστικά των μαθητών σε κάθε σχολείο , όπως η εθνικότητα, το φύλο , το επίπεδο ποιότητας και η κοινωνικοοικονομική κατάσταση . Λογισμικά ανάλυσης δεδομένων , όπως SAS και SPSS , δύο από τα πιο γνωστά προγράμματα στατιστικής ανάλυσης , μπορεί να κάνει αυτό εύκολα . Μπορεί επίσης να πάρετε πέρασμα ποσοστό του κάθε σχολείου για τη δοκιμή και τη μέση βαθμολογία .
Η 4
Τώρα που έχετε περιγραφικά στατιστικά σας , δίνοντάς σας μια καλύτερη κατανόηση των δεδομένων σας , μπορείτε να αρχίσουν να προβάλλονται επαγωγικής στατιστικής , χρησιμοποιώντας μεθόδους που σχετίζονται με τα ερευνητικά ερωτήματα ή υποθέσεις που αποτελούν τη βάση της μελέτης σας . Εδώ είναι ένα άλλο παράδειγμα . Ας υποθέσουμε ότι δύο από τα πέντε γυμνάσια στα δεδομένα σας είχε ένα ειδικό πρόγραμμα διδασκαλίας έχουν σχεδιαστεί για να βελτιώσουν τις επιδόσεις των μαθητών στα μαθηματικά . Η ερώτηση της έρευνας προφανές είναι εάν η συμμετοχή στο πρόγραμμα βελτίωσε την επίτευξη μαθηματικά . Ανάλογα με τη φύση των δεδομένων σας , αυτό το ερώτημα μπορεί να απαντηθεί με μια ποικιλία της επαγωγικής στατιστικής τεχνικές που διαφέρουν σε ποιότητα , από τις δοκιμές σημασία στην ανάλυση της διακύμανσης σε ένα μοντέλο πολλαπλής γραμμικής παλινδρόμησης .
5
στιγμή έχετε τρέξει τις κατάλληλες επαγωγικής στατιστικής , θα πρέπει να εξετάσει την έξοδο από τις στατιστικές διαδικασίες και να γράψει τα αποτελέσματά σας. Σκεφτείτε τη σύνταξη της έκθεσης ως προέκταση της ανάλυσης σας ? Μετά από όλα , είστε παρουσιάζοντας τα αποτελέσματα της μελέτης σας με τέτοιο τρόπο ώστε το κοινό στο οποίο απευθύνεται θα καταλάβει . Η στατιστική ανάλυση εξόδου από σας μπορεί να είναι αρκετά χρονοβόρα , οπότε θα πρέπει να επιλεγούν τα πιο σημαντικά αποτελέσματα για συνοπτικούς πίνακες και τα γραφικά που χρησιμοποιείτε στην έκθεσή σας .
Η
εικόνων
Πνευματικά δικαιώματα © Γνώση Υπολογιστών Όλα τα δικαιώματα κατοχυρωμένα