Analizy statystyczne do artykułów naukowych – Wsparcie Metodolog.pl

Analizy statystyczne do artykułów naukowych są już złotym standardem w każdej publikacji naukowej z zakresu prac empirycznych, dlatego wszystkim naukowcom oferujemy zaawansowane wsparcie w dziedzinie metod obliczeniowych, statystyki i teorii estymacji. Ponad to oferujemy również projektowanie badań, przygotowanie ankiet, zaplanowanie liczebności prób badawczych i wiele innych usług związanych z prawidłowym wykonywaniem badań i raportowaniem ich wyników. Swoim klientom zapewniamy dyskrecję, ochronę danych oraz profesjonalne wsparcie na każdym etapie prac badawczych. Nasz zespół, z szefem na czele, ma ogromne doświadczenie w analizach statystycznych, obliczeniach i raportowaniu wyników do publikacji i raportów.

Analizy statystyczne do artykułów naukowych – Czy są niezbędne?

W zdecydowanej większości publikacji mających charakter empiryczny, analizy statystyczne są niezbędnym elementem. Wynika to z faktu, że analiza statystyczna jest narzędziem pozwalającym weryfikować losowość wyników zebranych danych. Dzięki temu staje się możliwe weryfikowanie stawianych przez badacza hipotez badawczych. Proste analizy statystyczne, weryfikują proste hipotezy, a zaawansowane analizy weryfikują bardziej złożone twierdzenia. Niekiedy twierdzenia mogą przyjąć bardzo zaawansowany charakter i w takim przypadku niezbędne się staje użycie skomplikowanych i wielowymiarowych metod. Niemniej, ciężko robić jakąkolwiek naukę i pisać wnioski bez statystycznie podsumowanych danych. Bez ilościowego podsumowania zebranych danych nie jest możliwe wyciągnięcie wniosków. Statystyki i analizy mogą być nawet prymitywne, ale mogą oddawać sens zawarty w badaniu np. w jednej grupie badawczej „coś” wystąpiło 100 razy, a w drugiej tylko 20. Takie liczby są również statystyką. Najważniejsze jest to by oddawały ducha wiedzy zawartej w danych i teorii.

Analizy statystyczne do artykułów naukowych – Czemu muszą być szyte na miarę?

Wyrafinowane problemy badawcze i metodologie wymagają dopasowania analiz statystycznych. Natura zaawansowanych badań, a tym samym oglądanych zjawisk, jest wielowymiarowa i skomplikowana. Nowoczesne analizy statystyczne powinny być stosowane do takich sytuacji. Tylko w momencie kiedy badacz będzie dysponować „modelem” badanego zjawiska możliwe stanie się jego pisanie i włączenie w dyskurs teoretyczny. Tylko i wyłącznie odpowiednie dopasowanie analiz statystycznych, zarówno tych pierwszej i drugiej generacji do danych korespondujących z daną teorią lub tradycją badawcza, pozwala na satysfakcjonującą publikację. Nie mówimy, że tylko doskonała analiza statystyczna sprawi, że artykuł się opublikuje, ale mówimy, że dzięki zaawansowanym obliczeniom staje się pełniejsze odkrycie prawdy naukowej.

Analizy statystyczne do artykułów naukowych – Kiedy zaangażować w pracę specjalistę statystyka?

Od początku prac nad projektem naukowym. Im wcześniej statystyk będzie zaangażowany w projekt badawczy tym zmniejsza się szansa na zmarnowanie potencjału sił i zasobów. Statystycy specjaliści widzą dużo rzeczy pracując z wieloma zespołami badawczymi. Jest to niezwykła zaleta pracy ze specjalistami tego typu.

Zachęcamy do kontaktu – Analizy statystyczne do artykułów naukowych.

Dobór próby badawczej w pracy magisterskiej.

Dobór próby badawczej w pracy magisterskiej jest zagadnieniem bardzo rozmytym. Zazwyczaj problem taki rozpatruje się z pozycji twierdzenia „zależy jak leży”. Dobór obserwacji do testowanej próbki powinien charakteryzować się pomysłem oraz korespondować z celem projektu pracy magisterskiej. W tym wpisie skupimy się na doborze obserwacji w badaniach na ludziach, takich jak: badania psychologiczne, badania pedagogiczne i socjologiczne, z tego względu, że tego typu badania stawiają wyraźne granice jeśli chodzi o prawidłowe wnioskowanie z ze branych danych.

Czym kierować się, aby dobór próby badawczy w pracy magisterskiej był trafiony?

Jak już wspomnieliśmy, dobór próby badawczej w pracy magisterskiej powinien się odznaczać rozsądkiem i być powiązany z tematem pracy. Jeśli interesuje nas zagadnienie porównania wypalenia zawodowego u pielęgniarek i maszynistów kolei to wiadomo, że musimy rekrutować osoby z pośród personelu szpitala i taboru. Niemniej, co robić kiedy chcemy sprawdzić wpływ wynagrodzenia na zaangażowanie w wykonywanie danej pracy? Podobnie jak powyżej, musimy utworzyć grupę z zachętą finansową i bez oraz obserwować wykonywanie zadania. Pytanie jest kogo przebadać i ile osób ma wziąć udział w tym i poprzednim badaniu? W przypadku pierwszego badania nie ma wątpliwości, przebadane muszą być piguły i maszyniści. W drugim problemie warto się zastanowić nad tym, do jakiej populacji możemy zawęzić nasze wnioskowanie? Co pomoże nam utrzymać trafność wewnętrzną badania? W przypadku drugim, kiedy mamy do czynienia z typowym eksperymentem możemy ułatwić sobie badanie i badać np. studentów, albo bezrobotnych, albo dzieci. Ważne jest aby zachować pewną spójność próbki badawczej by we wnioskach  napisać z czystym sercem, że zjawisko zwiększonej motywacji zaobserwowano u 7 latków. Wyobraźmy sobie, że w tym eksperymencie biorą udział starzy, młodzi, bezrobotni i głusi… Możemy się trochę nie wstrzelić z wnioskami, a całe badanie może się nie udać (pomimo prawdziwości hipotezy alternatywnej).

Co ma pływ na dobór próby badawczej w pracy magisterskiej?

Pływ na to, jaki dobór próby badawczej w pracy magisterskiej zrobić, ma oczywiście typ badania. Jeśli robimy eksperyment, to warto się zastanowić jak silna jest nasza manipulacja eksperymentalna. Jeśli zmienna ma mocny wpływ, to możemy zbadać mniej osób (efekt jest silny lub często się pojawia). Jeśli manipulacja jest słaba to warto zbadać więcej osób. Spodziewany efekt – oddziaływania eksperymentalnego lub siła związku –  ma fundamentalne znaczenie w określaniu wyboru i wielkości próbki.  Jeśli wiemy z publikacji i artykułów, że personel opieki medycznej jest zazwyczaj o wiele bardziej wypalony niż inne grupy zawodowe, to możemy zobaczyć ile osób brało udział w tych badaniach. Robiąc podobne badanie nie robimy plagiatu, a jedynie skrupulatnie zwiększamy szansę uzyskania podobnych wyników. Jeśli wiemy z badań wcześniejszych, że zachęta finansowa lub nagroda zwiększa motywację pracy o 50% (jest to bardzo silny efekt) to możemy przebadać około 30 osób w próbce eksperymentalnej – kontrolnej (oczywiście dbając o randomizację pierwszego i drugiego stopnia) i oczekiwać, że wyjdą nam podobne wyniki. Sugerowanie się badaniami wcześniejszymi na dany temat jest bardzo sprytnym rozwiązaniem w planowaniu swojego badania do pracy magisterskiej.

Na poprawny dobór próby badawczej jest wiele skomplikowanych metod.

W tym wpisie nie poruszyliśmy ich wszystkich z tego względu, że prace magisterskie są niskobudżetowymi projektami badawczymi, a co za tym idzie? Badania te skupiają się tylko na wykonaniu badania przez studenta i prezentacji wyników. Badanie te zalicza się do kategorii badań podstawowych. W naszej firmie nie spotkaliśmy się z badaniem studenckim, które było np. przeprowadzone na reprezentatywnej próbie polaków lub w którym trzeba było dobierać osoby kwotowo. Jeśli ktoś jest zainteresowany skomplikowanymi metodami dobru obserwacji do badania to zachęcamy do przeczytania poniższych wpisów.

Model eksperymentalny.

Kierując się liczbą zmiennych zależnych oraz liczbą  zmiennych niezależnych, których wpływ na zmienną  (zmienne) zależną chce eksperymentalnie zbadać psycholog, można wyróżnić cztery odmiany modeli eksperymentalnych. Wyróżnia się je, biorąc pod uwagę dwa dwuwartościowe kryteria:

(1) Liczba zmiennych niezależnych uznawanych przez psychologa za potencjalnie istotne dla danej zmiennej zależnej -jedna versus wiele (dwie i więcej).

(2) Liczba zmiennych zależnych, na które zgodnie z treścią testowanej przez badacza hipotezy wywiera wpływ jedna zmienna lub wiele (dwie i więcej) zmiennych niezależnych – jedna versus wiele (dwie i więcej).

W obrębie każdej z wyróżnionych czterech odmian -biorąc pod uwagę tylko zmienną niezależną – można mówić o dwóch jej wersjach: zmienna niezależna jest albo dwuwartościowa, albo wielowartościowa.

Historycznie pierwszy – i jednocześnie najprostszy -był model klasyczny: jedna zmienna niezależna, dwuwartościowa, wpływa na jedną zmienną zależną.

Model eksperymentalny- Dlaczego?

Po pierwsze, dlatego, że jest to model najprostszy do przedstawienia. Po drugie, można na jego przykładzie wyjaśnić kilka problemów ważnych dla badań eksperymentalnych. Po trzecie, wedle tego modelu przeprowadza się nadal badania eksperymentalne — zwłaszcza terenowe — w niektórych działach psychologii czy w niektórych obszarach praktycznych zastosowań wiedzy psychologicznej (na przykład klinicznej czy szkolnej).

Następny, duży krok psychologowie eksperymentaliści wykonali, gdy przejęli od przyrodników metodę planowania eksperymentów umożliwiających łączne badanie wpływu wielu zmiennych niezależnych (dwu lub wielowartościowych) na jedną zmienną zależną. To podejście eksperymentalne związane jest z wymyśloną przez bodaj największego dwudziestowiecznego statystyka Ronalda Fishera (1890-1962) analizą wariancji. To właśnie analiza wariancji albo – jak zwykło się mówić w skrócie – ANOVA (od analysis of variance) została bardzo szybko importowana przez psychologów i przez nich stosowana jako metoda planowania eksperymentów i testowania statystycznego (za pomocą testu F) hipotez traktujących nie tylko o izolowanych wpływach dowolnej liczby zmiennych niezależnych (przyjmujących dowolną liczbę wartości) na jakąś zmienną zależną, ale też — i to także zawdzięczamy Fisherowi – o zachodzących między nimi interakcjach.

Model eksperymentalny – Psychologia.

Model eksperymentalny – Psychologowie, którzy interesują się wpływami interakcji zachodzących między zmiennymi (na przykład sytuacyjnymi i podmiotowymi), od razu dostrzegli, jak wartościowego narzędzia dostarczył im Fisher. O interakcji na przykład dwóch zmiennych niezależnych mówimy wówczas, gdy wpływ jednej zmiennej niezależnej na daną zmienną zależną uzależnionyjest od tego, jakie wartości przyjmuje druga zmienna niezależna. Na przykład wpływ „informacji przekazywanej danej społeczności lokalnej o jakiejś nowej, obcej grupie etnicznej” (zmienna

1) , której członkowie zamieszkali na „ich” terytorium, na „akceptację członków nowej grupy” (zmienna zależna) będzie uzależniony od „poziomu wykształcenia” (zmienna

2) członków tej społeczności lokalnej – będzie miał inną skuteczność w grupie osób z wykształceniem podstawowym (lub niepełnym podstawowym), inną zaś w grupie osób z wykształceniem średnim i wyższym. Chcąc tedy wypowiadać się o wpływie wykształcenia członków społeczności lokalnej na zaakceptowanie przez nich informacji o nowej grupie etnicznej, musimy uwzględnić fakt, że będzie on inaczej wyglądał w grupie osób niewykształconych i inaczej w grupie osób wykształconych; musimy zatem uwzględnić zachodzenie interakcji między tymi dwiema zmiennymi względem zmiennej zależnej „akceptacja członków nowej grupy”.

Model eksperymentalny- I kolejne, trzecia i czwarta, odmiany – związane z importem modelu statystycznego wielowymiarowej analizy wariancji, MANOVA (multwariate analysis of variance).

Wedle trzeciej odmiany można badać wpływ jednej zmiennej niezależnej na wiele zmiennych zależnych, a wedle czwartej można badać wpływ wielu zmiennych niezależnych (dwu lub wielowartościowych) na wiele zmiennych zależnych. Te dwie odmiany są jednak na tyle skomplikowane, że nie będziemy o nich mówić w tym elementarnym wykładzie podstaw metodologii badań psychologicznych. Zainteresowany nimi Czytelnik zechce zapoznać się z jakimś specjalistycznym opracowaniem (por. np. wydany w serii International Student Edition podręcznik Barbary Tabachnick i Lindy Fidell, 2001)

Analiza czynnikowa – Podstawowe informacje o analizie czynnikowej

Analiza czynnikowa Mianem analizy czynnikowej potocznie określane są dwie rodziny technik statystycznych: Analiza Składowych Głównych (Principal Components Analysis) oraz właściwa Analiza Czynnikowa (Factor Analysis). Różnica między obiema technikami jest bardzo subtelna i niekiedy trudna do zauważenia, zwłaszcza że badacze niezbyt konsekwentnie stosują obie odmiany.

Analiza składowych głównych stara się w jak najlepszy sposób opisać wariancję wyników dla wszystkich pytań skali za pomocą nowych, utworzonych w analizie.

Analiza czynnikowa – Właściwa analiza czynnikowa, tak jak i analiza rzetelności, jest techniką opartą na współczynniku korelacji r-Pearsona.

U podstaw analizy czynnikowej leży założenie, że jeśli pewna grupa pytań mierzy jeden wymiar psychologiczny, czyli tworzy jakiś wspólny czynnik, to wyniki pojedynczej osoby w tych pytaniach powinny być podobne – a więc skorelowane ze sobą. Jeśli poszukujemy skorelowanych ze sobą pvtań tworzących jeden wymiar, zwany tutaj czynnikiem, nie odwołując się do sformułowanych a priori założeń, to mamy do czynienia z eksploracyjną analizą czynnikową, która została zaprojektowana do eksplorowania struktury danych, jeśli natomiast zakładamy określoną strukturę i liczbę czynników zgodnie z wcześniejszymi założeniami teoretycznymi, to wykonujemy konfirmacyjną odmianę analizy czynnikowej, którą można obliczyć z użyciem modelowania równań strukturalnych (SEM — Structural Eąuation Modelling).

Analiza czynnikowa – ?

Analiza czynnikowa – Wyjaśnienie podstaw teoretycznych i praktycznych aspektów wykonywania analizy równań strukturalnych do obliczeń konfirmacyjnej analizy czynnikowej oferuje rozdział autorstwa Marzenny Zakrzewskiej w tomie pod redakcją Brzezińskiego (2004) oraz podręczniki do programów statystycznych, a także źródła internetowe. Oczywiście rozgraniczenie analizy konfirmacyjnej i eksploracyjnej, choć ważne teoretycznie, jest rzadko przestrzegane w praktyce badawczej, gdzie zwykła analiza czynnikowa, ze względu na swą prostotę, jest często używana do celów konfirmacyjnych. Jak to zwykle bywa, praktyka odbiega od teorii. Wróćmy jednak do analizy składowych głównych, którą zamiennie będziemy nazywać analizą czynnikową. W prezentowanym przykładzie na warsztat weźmiemy ankietę, która dotyczy różnych zachowań w sytuacji uczenia się. Chcemy się dowiedzieć ile podskal — w analizie zwanych czynnikami lub składowymi

– można wyodrębnić! W pierwszy kroku analiza zawsze wykonywana jest metodą składowych głównych. W drugim kroku przystępujemy do redukcji liczby wymiarów. Wyodrębnianie czynników może być wykonywane wieloma metodami

– Pakiety statystyczne (w tym dobrze znany psychologom spss) oferują tutaj szereg możliwości: metodę składowych głównych, metodę największej wiarygodności, metodę osi głównych wymiarów, nieważonych najmniejszych kwadratów, uogólnionych najmniejszych kwadratów, Alfa oraz obrazu. Opis i kryteria doboru metod można znaleźć w pracy Grzegorza Króla oraz Grażyny Wieczorkowskiej (2004).

Analiza czynnikowa – Określenie liczby składowych to bardzo ważny etap analizy.

Jednak do zrozumienia struktury skali nie wystarczy nam informacja o liczbie czynników. Musimy wykonać także dodatkowe obliczenia po to, by dowiedzieć się, jak nazwać każdy z wyodrębnionych czynników. Odpowiedzi na to pytanie dostarczy procedura określająca, które pytania tworzą każdą z wyodrębnionych podskal. Znając treść pytań, będziemy próbowali nazwać wspólny element, wymiar stojący za określonymi grupami połączonych pytań bądź stwierdzeń. To będzie drugi krok analizy.

Statystyka jako technika i sztuka pełni służebną rolę w stosunku do dziedzi­ny, której problemy ma rozwiązywać. – Współpraca z firmą statystyczną

Współpraca z firmą statystyczną- Podstawą badań jest hipoteza badawcza, czyli dowolne przypuszczenie odnośnie do relacji między elementami czy wła­ściwościami badanych elementów sformułowane w terminach określonej dzie­dziny wiedzy czy dyscypliny naukowej. Ale jeśli badacz planuje przeprowadzenie na elementach badania (osobach, zwierzętach, itp) jakiegoś eksperymentu, statystyk powinien być włączony do prac już na etapie planowania eksperymentu, aby po uzyskaniu danych możliwa była analiza wyników umożliwiająca odpowiedź na stawiane pytania badawcze przy poprawnym wykorzystaniu dostępnych metod statystycznych. Współpraca z firmą statystyczną- Należy uni­kać sytuacji, w których badacz, najczęściej bez przygotowania statystycznego, planuje i realizuje eksperyment (czy badanie obserwacyjne) i dopiero po uzy­skaniu wyników zaczyna współpracę ze statystykiem, często w formie „proszę wykonać statystyczną analizę wyników”.

Współpraca z firmą statystyczną- Niekiedy, w takich sytuacjach, może się zdarzyć, że poza charakterystyką badanej grupy, jakakolwiek analiza jest niemożliwa gdyż zebrany materiał nie spełnia podstawowych założeń stosowalności metod ana­lizy statystycznej, nie mówiąc już o poprawnej metodzie doboru próby.

Współpraca badacza ze statystykiem powinna zatem rozpoczynać się moż­liwie wcześnie, najlepiej już na etapie planowania badania (co w mojej praktyce zdarzało się niezwykle rzadko). Po zaplanowaniu badania:

• badacz formułuje hipotezę badawczą i wyjaśnia ją możliwie dokładnie statystykowi (choć bardzo często wspólna praca badacza i statystyka na etapie planowania badania powoduje, że statystyk dokładnie zna hipotezy badawcze),
• statystyk tłumaczy hipotezy badawcze na hipotezy statystyczne (problemy statystyczne) i rozwiązuje te problemy metodami statystycznymi, używając najodpowiedniejszych spośród dostępnych (przez dostępność rozumiem tutaj z jednej strony istnienie odpowiednich rozwiązań teoretycznych, z drugiej – istnienie oprogramowania komputerowego dla tych metod; wiele istniejących metod opracowanych od strony teoretycznej wiele, wiele lat temu, znalazło powszechne zastosowanie dopiero wraz z rozwojem komputerów, jak np. metody analizy wariancji, analizy czynnikowej, analizy ścieżek (modelowanie równań strukturalnych) itp.,

• statystyk wyjaśnia badaczowi uzyskane rezultaty i ich interpretację, najle­piej w terminach badania (nie w terminach statystycznych)

Współpraca z firmą statystyczną – Jeśli uzyskane wyniki zgadzają , problem możną uznać za rozwiązany.

Jeśli są sprzeczne, zaczyna szukać się błędów w danych, czy błędów w rozumowaniu czy też sformułowania hipotez badawczych lub statystycznych. Nie odrzucajmy jednak zbyt pochopnie nieoczekiwanych rezultatów, gdyż może właśnie dokonaliśmy odkrycia! Współpraca badacza ze statystykiem powinna trwać przez cały czas prowa­dzenia badania i powinna to być współpraca dwustronna. Uzyskiwanie rezultaty w pośrednich etapach analizy mogą (często wręcz powinny) stymulować badacza do formułowania pogłębionych hipotez, którymi z kolei zajmuje się statystyk. Statystyk zaś musi uświadamiać badacza odnośnie możliwości re­alizacji kolejnych pomysłów oraz cały czas służyć pomocą przy interpretacji kolejnych wyników analizy statystycznej, Dopiero tak rozumiana współpraca obu stron przynosi efektywne rozwiązanie problemu.