Choix d'une technique d'analyse statistique appropriée pour une étude donnée est une question difficile, affecté par diverses considérations concernant le type d'étude est menée et la nature des données. En outre, il n'y a pas une seule bonne réponse. Deux analystes différents avec le même ensemble de données pourraient arriver à deux méthodes d'analyse différentes, toutes deux susceptibles de révéler les résultats légitimes.
Tenir compte du type d'étude que vous menez et la question clé de la recherche ou des questions. Par exemple, une étude qui vise simplement à décrire les caractéristiques d'un groupe donné nécessiterait une analyse différente de celle d'une étude qui est intéressé par les effets d'une intervention, d'un programme ou d'un traitement donné. Le premier pourrait être fait avec les statistiques descriptives, telles que les fréquences et les moyennes. Ce dernier, cependant, il faudrait des techniques d'analyse plus complexes, allant de la différence des moyennes de l'analyse de régression.
Examiner les données avant de se fixer sur une méthode d'analyse spécifique. La nature des données affecte, et peut même limiter, le type d'analyse que vous pouvez effectuer. Considérer à la fois la variable dépendante (également connu sous le nom de la variable de résultat) et la variable (s) indépendante. Ces données sont catégoriques, ordinale ou d'intervalle? Les données catégoriques, dans lequel les valeurs des données représentent des catégories (tels que le sexe, l'origine ethnique, l'appartenance politique), sont les plus simples. Les échelles d'attitudes telles que l'échelle de Likert sont des exemples de données ordinales. Une échelle de type Likert vous demande de répondre à une question en faisant un choix le long d'une gamme de réponses numérotés de, disons, 1 à 5. Avec les données de niveau d'intervalle, les valeurs que vous dire quelque chose à propos de la différence entre des valeurs données. données de partition de test, par exemple, sont souvent intervalle.
Réfléchir à la conception de votre étude. L'étalon-or dans la plupart des recherches est l'expérience randomisée, dans laquelle les sujets sont répartis au hasard entre les groupes expérimentaux et de contrôle. De nombreux essais cliniques de médicaments utilisent cette conception. Pour diverses raisons pratiques et éthiques, la plupart des recherches en sciences sociales utilise des modèles de recherche quasi-expérimentales, dans lequel les groupes expérimentaux et témoins diffèrent sur les caractéristiques clés. Ceci est une considération importante pour l'analyste, qui doit contrôler ces différences lorsque l'on analyse les données. Souvent, les études quasi-expérimentales nécessitent des techniques analytiques plus complexes.
Envisager les possibilités et les limites du logiciel avec lequel vous pourrez effectuer votre analyse. Certains programmes de tableur, comme Excel, peuvent effectuer la plupart des techniques d'analyse statistique, à l'exception de certaines procédures multivariées avancées.
Ouvrez Excel et cliquez sur le "Outils" menu. Ensuite, sélectionnez Add-Ins et vérifier le "Utilitaire d'analyse." Cela permettra à Excel d'effectuer des analyses de données. Les utilisateurs qui souhaitent étendre les capacités d'analyse d'Excel pour inclure des techniques plus avancées peuvent le faire avec un programme connu sous le nom XLStat, un produit de Addinsoft, une société de logiciels spécialisée dans l'analyse. XLStat permet Excel pour effectuer des analyses facteur, la modélisation de chemin et d'autres procédures d'analyse de données très avancés. XLStat est disponible à l'achat et le téléchargement de XLStat le site Web de Addinsoft. En outre, une version d'essai de 30 jours est disponible gratuitement.
Consultez votre livre ou guider les statistiques pour déterminer une technique d'analyse appropriée après avoir examiné votre question clé de la recherche, la nature de vos données, la conception de votre étude et les capacités de votre logiciel.