Hvilken statistisk analyse kører jeg, når jeg sammenligner tre ting med hinanden?

En statistisk analyse til sammenligning af tre eller flere datasæt afhænger af den indsamlede data. Hver statistisk test har visse antagelser, der skal opfyldes for at testen skal fungere korrekt. Hvilke aspekter af de data, du vil sammenligne, vil også påvirke testen. For eksempel, hvis hvert af de tre datasæt har to eller flere målinger, skal du bruge en anden type statistisk test.

ANOVA

En af de mere almindelige statistiske tests for tre eller flere datasæt er analyse af variation, eller ANOVA. For at kunne bruge denne test skal dataene opfylde visse kriterier. For det første skal dataene være numeriske. Ordinære data - f.eks. 5-punkts skalaer, kaldet Likert-skalaer - er ikke numeriske data, og ANOVA giver ikke korrekte resultater, hvis de anvendes med ordinære data. For det andet skal dataene normalt fordeles i en bellkurve. Hvis disse forudsætninger er opfyldt, kan ANOVA testen bruges til at analysere variansen af ​​en enkelt afhængig variabel over tre eller flere prøver eller datasæt. Husk, at den afhængige variabel er den faktor, du måler i undersøgelsen.

MANOVA

I tilfælde, hvor antagelserne for ANOVA er opfyldt, men du vil måle mere end en afhængig variabel, vil du har brug for den multivariate variansanalyse eller MANOVA. De afhængige variabler er de faktorer, du måler og vil undersøge. Den uafhængige variabel eller variabler påvirker den afhængige variabel. For eksempel antager du at måle virkningerne af anstrengende motion på blodtryk, vægttab og puls. Den uafhængige variabel er øvelsen, og de afhængige variabler er blodtryk, vægttab og puls. I denne situation vil du bruge MANOVA. Denne statistiske test er meget kompliceret til at beregne og vil kræve brug af en computer og speciel software.

Ikke-parametrisk inferentiel statistik

Der er mange forskellige ikke-parametriske test, men generelt ikke- parametriske statistikker anvendes, når dataene er ordinære og /eller ikke normalt fordelt. Ikke-parametriske test omfatter tegntest, chi-square og median testen. Disse test er ofte ansat, når du analyserer undersøgelsesdata, hvor respondenterne måtte vurdere forskellige udsagn; for eksempel, en skala af "stærkt uenig, uenig, enig, stærkt enig" ville kvalificere som ordinære data. Disse test er ofte nemme at beregne med hånden, selvom et regneark hjælper.

Beskrivende statistik

Ud over inferentielle test kan du også bruge enkle beskrivende statistikker til at give et hurtigt og simpelt kig på datasæt. Du kan rapportere de gennemsnitlige standardafvigelser og procentsatser for hvert af de tre datasæt. Beskrivende statistikker hjælper med at kigge hurtigt på dataene, men kan ikke bruges til at drage konklusioner. Hvis et af de tre datasæt f.eks. Har en variabel, der er 20 procent højere end de to andre datasæt, kan du ikke sige, at forskellen er statistisk signifikant uden at bruge nogen inferentiel statistisk test, såsom ANOVA, MANOVA eller en ikke-parametrisk test.