Статистический анализ для сравнения трех или более наборов данных зависит от типа собранных данных. Каждый статистический тест имеет определенные допущения, которые должны быть выполнены для правильной работы теста. Кроме того, то, какие аспекты данных вы будете сравнивать, повлияет на тест. Например, если каждый из трех наборов данных содержит два или более измерения, вам потребуется другой тип статистического теста.
ANOVA
Одним из наиболее распространенных статистических тестов для трех или более наборов данных является дисперсионный анализ или ANOVA. Чтобы использовать этот тест, данные должны соответствовать определенным критериям. Во-первых, данные должны быть числовыми. Порядковые данные, такие как рейтинги по 5-балльной шкале, называемые шкалами Лайкерта, не являются числовыми данными, и ANOVA не даст точных результатов при использовании с порядковыми данными. Во-вторых, данные должны быть нормально распределены по кривой колокола. Если эти предположения соблюдены, тест ANOVA можно использовать для анализа дисперсии одной зависимой переменной по трем или более выборкам или наборам данных. Помните, что зависимая переменная - это фактор, который вы измеряете в исследовании.
MANOVA
В случаях, когда допущения для ANOVA выполняются, но вы хотите измерить более одной зависимой переменной, вам понадобится многомерный дисперсионный анализ, или MANOVA. Зависимые переменные - это факторы, которые вы измеряете и хотите изучить. Независимая переменная или переменные влияют на зависимую переменную. Например, предположим, что вы измеряли влияние физических упражнений на кровяное давление, потерю веса и частоту сердечных сокращений. Независимой переменной является упражнение, а зависимыми переменными являются артериальное давление, потеря веса и частота сердечных сокращений. В этой ситуации вы должны использовать MANOVA. Этот статистический тест очень сложно вычислить и потребует использования компьютера и специального программного обеспечения.
Непараметрическая выводная статистика
Существует множество различных непараметрических тестов, но обычно непараметрическая статистика используется, когда данные являются порядковыми и / или не имеют нормального распределения. Непараметрические тесты включают критерий знака, критерий хи-квадрат и критерий медианы. Эти тесты часто используются, когда вы анализируете данные опроса, когда респондентам приходилось оценивать разные утверждения; например, шкала «категорически не согласен, не согласен, согласен, полностью согласен» будет квалифицироваться как порядковые данные. Эти тесты часто легко вычислить вручную, хотя электронная таблица помогает.
Описательная статистика
В дополнение к выводным тестам вы также можете использовать простую описательную статистику, чтобы обеспечить быстрый и простой просмотр наборов данных. Вы можете сообщить среднее значение, стандартное отклонение и процентное соотношение для каждого из трех наборов данных. Описательная статистика помогает быстро взглянуть на данные, но не может использоваться для выводов. Например, если в одном из трех наборов данных есть переменная, которая на 20 процентов выше, чем в двух других наборах данных, вы не можете сказать, что разница является «статистически значимой» без использования каких-либо выводных статистических тестов, таких как ANOVA, MANOVA или непараметрический тест.