Statistična analiza: vrste podatkov

Naša stran naOpazovalne raziskave in sekundarni podatkije opisal dva glavna vira podatkov (lastne raziskave in podatki, ki so bili že objavljeni). Obstaja pa tudi veliko različnih vrst podatkov - in podatke lahko razvrstimo na več različnih načinov. Vrsta podatkov bo vplivala na načine, kako jih lahko uporabite, in na to, kakšna statistična analiza je možna. To bo vplivalo tudi na sklepe in sklepe, ki jih lahko izpeljete.

Izbira vrste podatkov je zato zelo pomembna. Ta stran opisuje nekaj razlik v vrstah podatkov ter posledice za raziskovalne metode in ugotovitve.

Kvantitativni in kvalitativni podatki

Prva in najbolj očitna razlika je med kvantitativnimi in kvalitativnimi podatki:

• Kvantitativni podatkiso številčne: jih je mogoče zbrati in predstaviti kot številke; in

• Kvalitativni podatkiniso številčne.

  
  
  

Naša stran nakvalitativne in kvantitativne raziskavepodrobneje razlaga to razlikovanje ter določa prednosti in slabosti obeh.

Objektivni in subjektivni podatki

Podatke lahko tudi razdelimo naobjektivno in subjektivno.

• Objektivni podatki so vidni in merljivi. Vključujejo stvari, kot so višina, teža ali število elementov. Običajno se zbirajo z opazovanji ali neposrednimi meritvami.

  
  
  

• Subjektivni podatki se zbirajo iz osebnih sporočil posameznikov. To je lahko govorjeno ali pisno, lahko pa ima tudi druge oblike. Na primer, govor telesa lahko daje subjektivne informacije (»Ležala je mirno, zaprtih oči in tesnih ust [objektiv], kot da jo boli [subjektivno]«).

Tako objektivni kot subjektivni podatki so lahko kvalitativni in kvantitativni. Na primer, opazite lahko (objektivno) spremembo barve (kvalitativno) in prosite ljudi, da izrazijo svoje mnenje o določeni problematiki (subjektivno) s pomočjo številčne lestvice (kvantitativno).

Obe vrsti imata prednosti in slabosti. Na primer, subjektivni podatki lahko dajo veliko širši nabor informacij, ker je veliko stvari preprosto neizmerljivo. Sem spadajo spremenljivke, na primer stopnja bolečine, kjer ima vsak svojo interpretacijo. Tudi uporaba lestvice od 1 do 10, zaradi katere so podatki kvantitativni, še ne pomeni, da bodo med posamezniki neposredno primerljivi.

Subjektivni podatki pa so odvisni tudi od tega, da se ljudje stvari natančno spomnijo in ocenijo. Subjektivni podatki bodo zato verjetno bolj nezanesljivi, ko se bodo ljudje morali spominjati dogodkov iz daljnih časov.

Kjer je to mogoče, imajo prednost objektivni podatki, vendar obstaja splošno razumevanje, da so včasih na voljo le subjektivni podatki.

Vzdolžni in presečni podatki

Razlika med vzdolžnimi in presečnimi podatki je pravzaprav bolj različna medoblikovanje študijekot podatkovni tip.

• Vzdolžne študijesčasoma delati z isto skupino. Zato lahko prikažejo spremembe skozi čas in prepoznajo vzročno zvezo.

• Študije presekalahko zbirajo podatke v različnih časovnih obdobjih, vendar iz različnih skupin. Zato lahko pravočasno prikažejo le posnetek ali serijo posnetkov.

Ključna razlika med obema vrstama študije in s tem tudi podatki je, da lahko vzdolžni podatki dokazujejo vzročnost.

Na splošno velja, da je vzročne zveze nemogoče dokazati iz presečnih podatkov, ker imate informacije le o trenutku. Zato ni mogoče nekaj spremeniti in preveriti, kakšen učinek ima (torej, če obstajavzročna zveza).

Študije preseka pa so veliko bolj priročne. Izvesti morate samo eno anketo ali del raziskave, namesto da bi čez čas sledili kohorti. Vzdolžne študije lahko dajo zelo kakovostne podatke in pokažejo vzroke, vendar trpijo zaradi težav, kot je opustitev kohorte. Prav tako je težko dobiti sredstva za dolgoročne, visokokakovostne longitudinalne študije.

Primer: Združevanje presečnih in vzdolžnih raziskav

TheSurrey Communication and Language in Education Study (SCALES) je dober primer dolgoročne longitudinalne študije, ki je vključevala tudi nekatere elemente preseka.

Prvi element študije je bila obsežna raziskava otrok v sprejemnem letu na 180 osnovnih šolah v Surreyu. Vsi otroci v populaciji so bili ob vstopu v šolo pregledani glede jezikovnih sposobnosti z anketo, ki so jo za vsakega otroka izpolnili razredniki. Vprašani so bili o vedenju, jeziku in socialnih veščinah. To je dalo posnetek jezikovnih sposobnosti ob vstopu v šolo in raziskovalcem omogočilo, da ocenijo, ali se učni načrt ujema s sposobnostmi, in ugotovijo, da imajo mlajši otroci bolj verjetno jezikovne težave.

Naslednja stopnja je med izbranimi vzorci izbrala 590 otrok, ki so bili stratificirani z uporabo ugotovitev iz prve faze, da bi dobili vrsto jezikovnih sposobnosti. Raziskovalec jih je videl v 1. letu in spet v 3. letu ter ocenil njihovo jezikovno znanje. Starše so prosili tudi za informacije o jeziku in vedenju na obeh točkah.

Naslednja faza je sledila prvotni kohortni lestvici v 6. in 8. letu, da bi ocenili njihove socialne, čustvene in duševne rezultate.

Raziskovalce je zanimala povezava med jezikovnim razvojem v zgodnjem otroštvu in socialnim in čustvenim razvojem v mladosti. Tovrstnih informacij preprosto ni mogoče zbrati iz presečne študije ali iz dveh ločenih študij v različnih starostnih obdobjih. Udeležence in starše lahko prosite za premislek, toda časovna vrzel je takšna, da spomin verjetno ne bo zanesljiv.

Kategorični, neprekinjeni, diskretni in razvrščeni podatki

Druga razlika je med kategoričnimi, neprekinjenimi, ločenimi ali razvrščenimi podatki:

• Kategorični podatki so razdeljeni v različne skupine ali kategorije.

  Sem spadajo na primer spol, ali imate radi sladoled in ali ste že kdaj obiskali določeno državo. Vključujejo lahko tudi starost, če je razvrščena v deset- ali petletne koščke.

• Neprekinjeni podatki so opredeljeni kot tisti, ki lahko sprejmejo neskončno število vrednosti med poljubnima dvema vrednostma.

  Sliši se zapleteno, v resnici pa je preprosto. To so podatki, kot sta teža ali višina, ki je lahko katera koli vrednost znotraj razpona možnih uteži in višine, ne pa fiksnih vrednosti ali odstotka razreda, ki ima rad sladoled (katera koli vrednost v območju od 0 do 100%). Vsaka podatkovna točka je ločena in ločena številka in ne spada v skupino. Na primer, starost bi bila vključena, če jo merite zelo natančno v dneh ali delih leta in ne v celih letih.

• Diskretni podatki so opredeljeni kot tisti, ki imajo med katerima koli dvema vrednostma določeno število možnih vrednosti

  Diskretni podatki zato vključujejo število pritožb strank ali število ljudi, ki imajo radi sladoled, torej ne morete imeti polovice pritožbe ali tretjine osebe. Drug primer bi bila starost v celotnih letih. Za namene analize so diskretni podatki zelo podobni neprekinjenim podatkom.

• Uvrščeni podatki so bili razvrščeni in razvrščeni ter nato oštevilčeni po vrstnem redu

  Če bi imeli na primer štiri bitne podatke z vrednostmi 4, 6, 3 in 7, bi jih lahko razvrstili po naraščajočem vrstnem redu kot 3, 4, 6 in 7. Nato bi vzeli vrstni red, tako da bi bilo 3 1 (1.), 4 bi bilo 2 (2.) itd. Podatki so običajno razvrščeni, ko vas zanima samo vrstni red in ne absolutne vrednosti. To je običajno v primeru, ko se dve spremenljivki spremenita skupaj, vendar nimata linearne povezave (to pomeni, da se spreminjata z različnimi hitrostmi). Na primer, spodnji graf prikazuje to vrsto razmerja (v tem primeru eksponentno).

  
  

  Opozorilo!

  ---

  Pomembno je vedeti, da pri razvrščanju podatkov izgubite podatke.

  To je torej treba storiti le takrat, ko to resnično potrebujete.

Te štiri vrste podatkov so primerne za različne vrste analiz - za vsako boste morali uporabiti različne statistične teste in oblike analiz.

Če želite več informacij o uporabi različnih vrst podatkov za analizo, si oglejte našo stran naKorelacije.

Zaključek

Obstaja veliko različnih vrst podatkov, ki jih lahko zberete v okviru raziskav. Na izbiro vrste podatkov običajno vplivajo vaše raziskovalne metode, ki pa temeljijo na vašem raziskovalnem vprašanju in splošnem pristopu k raziskovanju. Vendar izbira vrste podatkov vpliva tudi na vrsto analize in sklepe, ki jih lahko izpeljete.

Nadaljevati:
Razumevanje korelacij
Preprosta statistična analiza