En populær leveregel er at dataene taler for seg. Statistikere , men vet at dataene sjelden taler for seg selv, må du spørre dem de riktige spørsmålene . Det er det statistisk dataanalyse handler om: å stille et spørsmål , utføre den aktuelle analyser og undersøke resultatene. Du trenger:
En datamaskin
En dataanalyse program ( populære de inkluderer SAS og SPSS , Excel , mens mer av et regnearkprogram , kan brukes for dataanalyse i tillegg)
Data set
En statistikk bok eller guide for referanse
Vis flere instruksjoner
Data Analysis : fra Forberedelse til presentasjon
en

Det første trinnet av dataanalyse består av oppgaver som må være oppnås før data til og analysert. Så komplisert som noen statistiske teknikker er , de oppgavene du må utføre før analyse er enda vanskeligere. Du må starte med å definere din problemstilling . Hva er det du prøver å finne ut? Da må du bygge opp et forskningsmiljø plan som omfatter tegne en prøve og utvikle hensiktsmessige tiltak .
2

Etter å ha definert problemstilling og innsamlede data , må du sørge for at disse dataene er i analyse -ready tilstand . De må bli inngått en dataanalyse eller regnearkprogram. Da bør du sjekke dataene for nøyaktighet og gjøre eventuelle transformasjoner som er nødvendige for å sikre at data kan analyseres ved hjelp av hva teknikker du skal bruke for din bestemt studie .
3

nå at dataene har inngått og forberedt , bli kjent med dem bedre ved å kjøre et sett med beskrivende statistikk . Disse er enkle sammendrag tiltak. Tenk deg for eksempel dataene undersøke elevenes prestasjoner på standardiserte matte tester på fem videregående skoler . Du kan begynne med å kjøre et sett med beskrivende statistikk som beskriver kjennetegn ved elevene på hver skole , som etnisitet , kjønn , klassetrinn og sosioøkonomisk status . Dataanalyse programvare som SPSS og SAS , to av de bedre kjente statistiske analyseprogrammer , kan gjøre dette enkelt . Du kan også få hver skolens passerer rate på test og gjennomsnittlig score.
4

Nå som du har dine deskriptiv statistikk , og gir deg en bedre forståelse av dine data , kan du begynne å kjøre inferential statistikk , hjelp av metoder som er knyttet til de problemstillinger eller hypoteser som danner grunnlaget for studiet. Her er et annet eksempel . Anta to av de fem videregående skoler i dataene hadde en spesiell veiledning program utviklet for å forbedre elevenes resultater i matematikk. Den åpenbare problemstilling er om deltakelse i programmet forbedret matematikk prestasjon. Avhengig av art av dine data , kan dette spørsmålet besvares med en rekke underforståtte statistiske teknikker som varierer i kvalitet, fra betydning testing til variansanalyse til en multivariat lineær regresjonsmodell .
5

gang du har kjørt de aktuelle Slutningsstatistikkvariablene , bør du undersøke utgang fra statistiske prosedyrer og skrive opp resultatene dine . Tenke på å skrive rapporten som en forlengelse av analysen din , tross alt , du presentere resultatene av studien på en slik måte at den tiltenkte målgruppen vil forstå. Den statistiske utgang fra analysen kan være ganske lang , så du bør velge de viktigste resultatene for summariske tabeller og grafikk som du bruker i rapporten.