Statistička analiza: vrste podataka

Naša stranica naPromatračka istraživanja i sekundarni podaciopisao dva glavna izvora podataka (vlastito istraživanje i podaci koji su prethodno objavljeni). Međutim, postoji i mnogo različitih vrsta podataka - a podaci se mogu klasificirati na nekoliko različitih načina. Vrsta podataka utjecat će na načine na koje ih možete koristiti i na to koja je statistička analiza moguća. To će također utjecati na zaključke i zaključke koje možete izvući.

Izbor vrste podataka stoga je vrlo važan. Ova stranica opisuje neke razlike u tipovima podataka i implikacije na metode i nalaze istraživanja.

Kvantitativni naspram kvalitativnih podataka

Prva i najočitija razlika je između kvantitativnih i kvalitativnih podataka:

• Kvantitativni podacisu brojčani: mogu se prikupiti i predstaviti kao brojevi; i

• Kvalitativni podacinisu brojčani.

  
  
  

Naša stranica nakvalitativno i kvantitativno istraživanjedetaljnije objašnjava tu razliku i iznosi prednosti i nedostatke oba.

Objektivni naspram subjektivnih podataka

Podaci se također mogu podijeliti naobjektivno i subjektivno.

• Objektivni podaci su vidljivi i mjerljivi. Uključuju stvari poput visine, težine ili broja elemenata. Obično se prikupljaju promatranjem ili izravnim mjerenjima.

  
  
  

• Subjektivni podaci prikupljaju se iz osobnih komunikacija pojedinaca. To se može govoriti ili pisati, ali može imati i druge oblike. Na primjer, govor tijela može pružiti subjektivne informacije („Ležala je mirno, zatvorenih očiju i stisnutih usta [objektivno], kao da je boli [subjektivno]”).

Objektivni i subjektivni podaci mogu biti i kvalitativni i kvantitativni. Na primjer, možete primijetiti (objektivnu) promjenu boje (kvalitativnu) i možete tražiti od ljudi da izraze svoje mišljenje o nekom pitanju (subjektivno) pomoću numeričke ljestvice (kvantitativno).

Obje vrste imaju prednosti i nedostatke. Na primjer, subjektivni podaci mogu pružiti mnogo širi raspon informacija, jer su mnoge stvari jednostavno nemjerljive. Uključuju varijable poput razine boli, gdje svatko ima svoje tumačenje. Čak i ako se koristi skala od 1 do 10, koja podatke čini kvantitativnim, ne znači da će biti izravno usporedivi između pojedinaca.

Međutim, subjektivni podaci također ovise o tome da se ljudi sjećaju i precizno procjenjuju. Stoga će subjektivni podaci vjerojatno biti nepouzdaniji kada se ljudi moraju sjećati događaja iz davnijeg vremena.

Stoga su, gdje je to moguće, poželjni objektivni podaci, ali postoji opće razumijevanje da su ponekad dostupni samo subjektivni podaci.

Uzdužni i presječni podaci

Razlika između longitudinalnih i presječnih podataka zapravo je veća razlika ustudirati dizajnnego tip podataka.

• Longitudinalne studijes vremenom raditi s istom grupom. Stoga mogu pokazati promjene tijekom vremena i prepoznati uzročnost.

• Studije presjekamogu prikupljati podatke u različitim vremenskim trenucima, ali iz različitih skupina. Stoga oni mogu samo na vrijeme prikazati snimku ili seriju snimaka.

Ključna razlika između dvije vrste istraživanja, a time i podataka, jest ta da longitudinalni podaci mogu pokazati uzročnost.

Općenito se smatra nemogućim dokazati uzročnost iz podataka presjeka, jer imate samo informacije o trenutku u vremenu. Stoga nije moguće nešto promijeniti i vidjeti kakav učinak ima (tj. Ako postojiuzročna veza).

Međutim, studije presjeka mnogo su prikladnije. Morate provesti samo jedno istraživanje ili dio istraživanja, a ne slijediti kohortu s vremenom. Longitudinalne studije mogu dati vrlo visokokvalitetne podatke i pokazati uzroke, ali pate od problema kao što je napuštanje kohorte. Također je teško dobiti sredstva za dugoročne, visokokvalitetne longitudinalne studije.

Primjer: Kombiniranje presječnog i longitudinalnog istraživanja

TheSurrey Komunikacija i jezik u obrazovanju (VASE) dobar je primjer dugoročne longitudinalne studije koja je također uključivala neke elemente presjeka.

Prvi element studije bilo je veliko istraživanje djece u godini dočeka u 180 osnovnih škola u Surreyu. Sva su djeca u populaciji na ulazu u školu pregledana za jezične sposobnosti putem ankete koju su za svako dijete popunili razrednici. Pitani su o ponašanju, jeziku i socijalnim vještinama. To je dalo kratku sliku jezičnih sposobnosti prilikom upisa u školu i omogućilo istraživačima da procijene podudara li se nastavni plan i program i utvrde da je vjerojatnije da će mlađa djeca imati jezične probleme.

Sljedeća je faza odabrala uzorak od 590 djece od one koja je pregledana, stratificirana pomoću nalaza iz prve faze kako bi se dobio niz jezičnih sposobnosti. Istraživač ih je vidio 1. godine, a opet 3. godine, te je procijenjeno njihovo jezično znanje. Od roditelja se također tražilo da daju informacije o jeziku i ponašanju u obje točke.

Sljedeća faza pratila je izvornu KOHORTU KOHORTA u 6. i 8. godini, kako bi se procijenili njihovi socijalni, emocionalni i mentalni ishodi.

Istraživače je zanimala veza između jezičnog razvoja u ranom djetinjstvu i socijalnog i emocionalnog razvoja u adolescenciji. Takve se informacije jednostavno ne mogu prikupiti iz studije presjeka ili iz dvije zasebne studije u različitim dobima. Možete zamoliti sudionike i roditelje da se razmisle, ali vremenski razmak je takav da sjećanje vjerojatno neće biti pouzdano.

Kategorični, kontinuirani, diskretni i rangirani podaci

Druga razlika su kategorični, kontinuirani, diskretni ili rangirani podaci:

• Kategorički podaci podijeljeni su u zasebne skupine ili kategorije.

  Stoga uključuju, na primjer, spol, volite li sladoled i jeste li ikada posjetili određenu zemlju. Oni također mogu uključivati ​​dob ako je grupirana u deset ili pet godina.

• Kontinuirani podaci definiraju se kao oni koji mogu uzeti neograničen broj vrijednosti između bilo koje dvije vrijednosti.

  Ovo zvuči komplicirano, ali zapravo je jednostavno. To su podaci poput težine ili visine, što može biti bilo koja vrijednost unutar raspona mogućih težina i visina, a ne fiksne vrijednosti ili postotak klase koja voli sladoled (bilo koja vrijednost u rasponu od 0-100%). Svaka je podatkovna točka zaseban i zaseban broj i ne spada u skupinu. Na primjer, dob će se uključiti ako je mjerite vrlo precizno u danima ili djelićima godine, a ne u cijelim godinama.

• Diskretni podaci definiraju se kao oni koji imaju definirani broj mogućih vrijednosti između bilo koje dvije vrijednosti

  Diskretni podaci stoga uključuju broj žalbi kupaca ili broj ljudi koji vole sladoled, tj. Ne možete imati pola žalbe ili trećinu osobe. Drugi primjer bi bila dob u cijelim godinama. U svrhu analize, diskretni se podaci smatraju vrlo sličnima kontinuiranim podacima.

• Podaci s rangom poredani su i poredani, a zatim numerirani prema redoslijedu rangiranja

  Na primjer, ako ste imali četiri bita podataka s vrijednostima 4, 6, 3 i 7, mogli biste ih rangirati u uzlaznom redoslijedu kao 3, 4, 6 i 7. Oni bi tada uzeli svoj poredak, tako da bi 3 bilo 1 (1.), 4 bi bilo 2 (2.) itd. Podaci se obično rangiraju kada vas zanima samo redoslijed, a ne apsolutne vrijednosti. To je obično slučaj kada se dvije varijable mijenjaju zajedno, ali nemaju linearni odnos (odnosno mijenjaju se različitim brzinama). Na primjer, grafikon u nastavku prikazuje ovu vrstu odnosa (u ovom slučaju eksponencijalnog).

  
  

  Upozorenje!

  ---

  Važno je zapamtiti da kad rangirate podatke, gubite podatke.

  To bi, dakle, trebalo činiti samo kad to zaista želite.

Te su četiri vrste podataka prikladne za različite vrste analiza - i za svaku ćete trebati koristiti različite statističke testove i oblike analize.

Za više informacija o korištenju različitih vrsta podataka za analizu, možda biste željeli pogledati našu stranicu naKorelacije.

Zaključak

Postoji mnogo različitih vrsta podataka koje možete prikupiti kao dio svog istraživanja. Izbor vrste podataka obično se temelji na vašim istraživačkim metodama, a one pak na vaše istraživačko pitanje i vaš općeniti pristup istraživanju. Međutim, izbor vrste podataka također utječe na vrstu analize i zaključke koje možete izvući.

Nastavi na:
Razumijevanje korelacija
Jednostavna statistička analiza