Hvad er de forskellige dataanalyseteknikker?
Dataanalyseteknikker giver forskere mulighed for at gennemgå indsamlede data og foretage konklusioner eller bestemmelse ud fra informationen. De fleste teknikker fokuserer på anvendelse af kvantitative teknikker til gennemgang af dataene. Et par af de mere populære kvantitative dataanalyseteknikker inkluderer beskrivende statistikker, efterforskende dataanalyse og bekræftende dataanalyse. De sidstnævnte to involverer brugen af at understøtte eller ikke understøtte en forudbestemt hypotese. Grupper, der muligvis bruger disse teknikker, inkluderer individuelle forskere, studerende, virksomheder, regeringsorganer og aktuarer blandt andre parter, der har brug for information og data.
Kvantitativ dataanalyse forsøger at fjerne forskerbias fra indsamlede data. Tung brug af statistikker, sandsynligheder eller andre matematiske teknikker gør det muligt for enkeltpersoner at bruge standardmetoder til fortolkning af data. Når forskere forsøger at bruge kvalitative dataanalyseteknikker - ofte baseret på den enkeltes personlige baggrund, præferencer eller grundlæggende forsknings- og ræsonnementsprincipper - kan de indsamlede data blive fejlagtigt læse eller forkert fortolket. Derfor er matematiske teknikker mindre modtagelige for disse fejl og ofte mere accepterede af andre personer eller forskere.
Beskrivende statistisk analyse adskiller eller opsummerer data i specifikke grupper. Demografi er et almindeligt sæt beskrivende statistikker. Forskere indsamler oplysninger om befolkningens alder, køn, husstørrelse, indkomst, jobtype og anden information. En anden type beskrivende statistisk analyse er færdiggørelsesprocenten for en quarterback, når man spiller i en fodboldkamp. Hvis quarterbacken afslutter seks ud af otte pasningsforsøg, har han en 75 procent afsluttende procentdel. En fejl i denne teknik er statistikkens manglende evne til at give yderligere oplysninger, såsom længden på hvert pas.
Undersøgende dataanalyseteknikker involverer ofte brugen af boksdiagrammer, histogrammer, Pareto-diagrammer, spredningsdiagrammer eller en stilk-og-bladdiagram. Hovedformålet med denne teknik er at understøtte en erklæret hypotese fra en forsker. For eksempel kan en forsker ønske at bevise en hypotese om aldersområdet for ejere, der kører en bestemt type bil, såsom en minivan. For at teste og understøtte denne hypotese, vil forskeren indsamle information og oprette et feltdiagram for at bestemme antallet af ejere inden for hans angivne interval. Statistikken vil give oplysninger til støtte for eller ikke understøtte hypotesen og vise, hvor mange outliers der er i de indsamlede data.
Bekræftende dataanalyseteknikker er det modsatte af efterforskningsteknikker. I disse test søger forskeren at modbevise nulhypotesen, som er en erklæring, der generelt accepteres som sand af de fleste individer. For at modbevise nulhypotesen vil forskeren indsamle specifikke oplysninger relateret til hypotesen og teste gennemsnittet, variansen, p-værdier og konfidensintervaller. Det konfidensinterval, som er bekræftet af den bekræftende dataanalyse, vil give oplysninger om, hvor sikker forskeren skal være om, hvorvidt nulhypotesen er sand eller falsk.