Vilken statistisk analys kör jag när jag jämför tre saker med varandra?

En statistisk analys för att jämföra tre eller flera datamängder beror på vilken typ av data som samlas in. Varje statistiskt test har vissa antaganden som måste uppfyllas för att testet ska fungera korrekt. Vilka aspekter av data du kommer att jämföra påverkar också testet. Till exempel, om var och en av de tre datamängderna har två eller flera mätningar, behöver du en annan typ av statistiskt test.

En av de vanligaste statistiska testerna för tre eller flera datamängder är variansanalys, eller ANOVA. För att kunna använda detta test måste uppgifterna uppfylla vissa kriterier. Först bör uppgifterna vara numeriska. Ordinala data - som 5-punkts skala-betyg, kallade Likert-skalor - är inte numeriska data, och ANOVA kommer inte att ge korrekta resultat om de används med ordinarie data. För det andra bör data normalt distribueras i en klockkurva. Om dessa antaganden är uppfyllda kan ANOVA-testet användas för att analysera variansen för en enda beroende variabel över tre eller flera prover eller datamängder. Kom ihåg att den beroende variabeln är den faktor du mäter i studien.

I de fall antagandena för ANOVA är uppfyllda men du vill mäta mer än en beroende variabel behöver du den multivariata variansanalysen eller MANOVA. De beroende variablerna är de faktorer du mäter och vill undersöka. Den eller de oberoende variablerna påverkar den beroende variabeln. Antag till exempel att du mätte effekterna av ansträngande träning på blodtryck, viktminskning och hjärtfrekvens. Den oberoende variabeln är övningen, och de beroende variablerna är blodtryck, viktminskning och hjärtfrekvens. I den här situationen skulle du använda MANOVA. Detta statistiska test är mycket komplicerat att beräkna och kräver användning av en dator och specialprogramvara.

Det finns många olika icke-parametriska tester, men i allmänhet används icke-parametrisk statistik när data är ordinarie och / eller inte normalt distribuerade. Icke-parametriska tester inkluderar teckentest, chi-kvadrat och median-testet. Dessa tester används ofta när du analyserar undersökningsdata där respondenterna var tvungna att betygsätta olika påståenden; till exempel skulle en skala av "starkt oense, oense, instämma, helt överens" kvalificera som ordinarie data. Dessa tester är ofta lätta att beräkna för hand även om ett kalkylark hjälper.

Förutom inferentiella tester kan du också använda enkel beskrivande statistik för att snabbt och enkelt se datauppsättningarna. Du kan rapportera genomsnittet, standardavvikelserna och procentsatserna för var och en av de tre datamängderna. Beskrivande statistik hjälper till att ge en snabb titt på data men kan inte användas för att dra slutsatser. Om en av de tre datamängderna till exempel har en variabel som är 20 procent högre än de andra två datamängderna, kan du inte säga att skillnaden är "statistiskt signifikant" utan att använda något inferentiellt statistiskt test, såsom ANOVA, MANOVA eller ett icke-parametriskt test.