Τι στατιστική ανάλυση εκτελώ κατά τη σύγκριση τριών πραγμάτων μεταξύ τους;

Μια στατιστική ανάλυση για τη σύγκριση τριών ή περισσότερων συνόλων δεδομένων εξαρτάται από τον τύπο των δεδομένων που συλλέγονται. Κάθε στατιστικό τεστ έχει ορισμένες παραδοχές που πρέπει να πληρούνται για να λειτουργεί σωστά το τεστ. Επίσης, ποιες πτυχές των δεδομένων θα συγκρίνετε θα επηρεάσουν το τεστ. Για παράδειγμα, εάν καθένα από τα τρία σύνολα δεδομένων έχει δύο ή περισσότερες μετρήσεις, θα χρειαστείτε διαφορετικό τύπο στατιστικού ελέγχου.

Μία από τις πιο κοινές στατιστικές δοκιμές για τρία ή περισσότερα σύνολα δεδομένων είναι η Ανάλυση Διακύμανσης ή ANOVA. Για να χρησιμοποιήσετε αυτήν τη δοκιμή, τα δεδομένα πρέπει να πληρούν ορισμένα κριτήρια. Πρώτον, τα δεδομένα πρέπει να είναι αριθμητικά. Τα συνηθισμένα δεδομένα - όπως οι βαθμολογίες κλίμακας 5 σημείων, που ονομάζονται κλίμακες Likert - δεν είναι αριθμητικά δεδομένα και το ANOVA δεν θα αποφέρει ακριβή αποτελέσματα εάν χρησιμοποιούνται με δεδομένα κανονικού. Δεύτερον, τα δεδομένα πρέπει κανονικά να διανέμονται σε καμπύλη καμπάνας. Εάν πληρούνται αυτές οι υποθέσεις, η δοκιμή ANOVA μπορεί να χρησιμοποιηθεί για την ανάλυση της διακύμανσης μιας μεμονωμένης εξαρτημένης μεταβλητής σε τρία ή περισσότερα δείγματα ή σύνολα δεδομένων. Θυμηθείτε, η εξαρτημένη μεταβλητή είναι ο παράγοντας που μετράτε στη μελέτη.

Σε περιπτώσεις όπου πληρούνται οι παραδοχές για το ANOVA αλλά θέλετε να μετρήσετε περισσότερες από μία εξαρτώμενες μεταβλητές, θα χρειαστείτε την Πολυπαραλλακτική Ανάλυση Μεταβλητής ή MANOVA. Οι εξαρτημένες μεταβλητές είναι οι παράγοντες που μετράτε και θέλετε να εξετάσετε. Η ανεξάρτητη μεταβλητή επηρεάζει την εξαρτημένη μεταβλητή. Για παράδειγμα, ας υποθέσουμε ότι μετράτε τα αποτελέσματα της επίπονης άσκησης στην αρτηριακή πίεση, την απώλεια βάρους και τον καρδιακό ρυθμό. Η ανεξάρτητη μεταβλητή είναι η άσκηση και οι εξαρτώμενες μεταβλητές είναι η αρτηριακή πίεση, η απώλεια βάρους και ο καρδιακός ρυθμός. Σε αυτήν την περίπτωση, θα χρησιμοποιούσατε το MANOVA. Αυτός ο στατιστικός έλεγχος είναι πολύ περίπλοκος για τον υπολογισμό και θα απαιτήσει τη χρήση υπολογιστή και ειδικού λογισμικού.

Υπάρχουν πολλές διαφορετικές μη παραμετρικές δοκιμές, αλλά γενικά μη παραμετρικές στατιστικές χρησιμοποιούνται όταν τα δεδομένα είναι κανονικά ή / και δεν διανέμονται κανονικά. Οι μη παραμετρικές δοκιμές περιλαμβάνουν τη δοκιμή σημείων, το τετράγωνο chi και τη μέση δοκιμή. Αυτές οι δοκιμές χρησιμοποιούνται συχνά όταν αναλύετε δεδομένα έρευνας όπου οι ερωτηθέντες έπρεπε να αξιολογήσουν διαφορετικές δηλώσεις. Για παράδειγμα, μια κλίμακα "διαφωνώ έντονα, διαφωνώ, συμφωνώ, συμφωνώ απόλυτα" θα μπορούσε να χαρακτηριστεί ως κανονικά δεδομένα. Αυτές οι δοκιμές είναι συχνά εύκολο να υπολογιστούν με το χέρι, αν και βοηθά ένα υπολογιστικό φύλλο.

Εκτός από τις συμπεραστικές δοκιμές, μπορείτε επίσης να χρησιμοποιήσετε απλές περιγραφικές στατιστικές για να παρέχετε μια γρήγορη και απλή ματιά στα σύνολα δεδομένων. Μπορείτε να αναφέρετε τον μέσο όρο, τις τυπικές αποκλίσεις και τα ποσοστά για καθένα από τα τρία σύνολα δεδομένων. Τα περιγραφικά στατιστικά στοιχεία παρέχουν μια γρήγορη ματιά στα δεδομένα, αλλά δεν μπορούν να χρησιμοποιηθούν για την εξαγωγή συμπερασμάτων. Για παράδειγμα, εάν ένα από τα τρία σύνολα δεδομένων έχει μια μεταβλητή που είναι 20 τοις εκατό υψηλότερη από τα άλλα δύο σύνολα δεδομένων, δεν μπορείτε να πείτε ότι το Η διαφορά είναι «στατιστικά σημαντική» χωρίς να χρησιμοποιήσουμε κάποια συμπερασματικά στατιστικά τεστ, όπως ANOVA, MANOVA ή μη παραμετρικό τεστ.