? Mentre la raccolta dei dati è importante per uno studio di ricerca , ancora più importanti sono i test statistici utilizzati per analizzare i dati . Senza analisi, i dati sono privi di significato . Con l’analisi corretta, i dati possono essere confusa e fuorviante . Ci sono due tipi fondamentali di test statistici : quelli che mostrano correlazioni e quelli che mostrano causa. Di Pearson R

Pearsons R è un’analisi statistica di base che misura la forza e la direzione di una correlazione tra due variabili , come il reddito e il peso o l’altezza e l’età . Per utilizzare l’analisi di un Pearson R , i dati devono essere numerici , o intervallo , dati . Questo include l’età , temperatura, lunghezza o altri dati numerici . Come test per vedere se i dati sono appropriate per R del Pearson , chiedetevi quanti posti dopo un punto decimale si potrebbe capire la misurazione . Se si tratta di due o più , probabilmente avete buoni dati per il test di un Pearson . Non si può fare il test di un Pearson R per le categorie , come ” matricola , sophomore , junior , anziano ” o ” maschio /femmina “.

Chi Quadrato e Rank correlazione di Spearman

Se le variabili in una ricerca analitica sono categorie , allora Chi Square è la prova che vi darà risultati significativi . Le categorie includono maschio /femmina , classe a scuola , razza , appartenenza a club e delimitazioni simili . Rango di correlazione di Spearman è utilizzato per trovare la forza e la direzione delle correlazioni quando almeno una variabile è una variabile ordinale; cioè , le categorie di variabili possono ragionevolmente essere classificati . Questo può includere gradi , valutazione degli insegnanti , o categorie come ad esempio , ” d’accordo, abbastanza d’accordo , non so , un po ‘ in disaccordo , in disaccordo “. Tutte le prove di correlazione può mostrare solo una correlazione , o una relazione tra due variabili . Nessuno può indicare che una variabile provoca un altro per essere vero .

T -test

t-test è il test statistico più comune nei lavori di ricerca. Valuta le differenze medie di due gruppi . Ad esempio , gli esperimenti comuni analizzano le differenze tra un gruppo che è stato esposto ad un particolare fattore e un gruppo che non è stato esposto – il gruppo di controllo . Una t -test può mostrare le differenze tra i punteggi dei test degli studenti a rischio che sono stati dati tutoraggio e quelli che non lo erano. Può valutare le differenze tra i giorni di recupero dei pazienti che hanno ricevuto un nuovo farmaco e quelli che hanno ricevuto un vecchio farmaco . Questo test ha bisogno di una variabile indipendente : una variabile che gruppi di persone in categorie , come ad esempio a rischio i bambini senza tutoraggio ed a rischio bambini con tutoraggio . Il test richiede anche una variabile dipendente , come i punteggi dei test .

ANOVA

ANOVA è l’acronimo di Analisi della varianza , e si confronta il mezzo di più di due gruppi diversi . Ad esempio , estendere il test tra istruito e bambini non – tutor , si potrebbe aggiungere un gruppo di bambini medi performing per un totale di tre gruppi . Nel test medico , è possibile confrontare i gruppi che ricevono nessuna droga , il vecchio farmaco e il nuovo farmaco . Un test utilizzando ANOVA avrebbe ancora bisogno di una variabile indipendente , ma ci possono essere tre o più categorie in questa variabile . Il test richiede anche una variabile dipendente come giorni di recupero .