Was sind die verschiedenen Datenanalysetechniken?
Datenanalysetechniken ermöglichen es Forschern, gesammelte Daten zu überprüfen und aus den Informationen Rückschlüsse oder Feststellungen zu ziehen. Die meisten Techniken konzentrieren sich auf die Anwendung quantitativer Techniken zur Überprüfung der Daten. Einige der populäreren quantitativen Datenanalysetechniken umfassen deskriptive Statistiken, explorative Datenanalysen und bestätigende Datenanalysen. Die letzteren beiden beinhalten die Verwendung der Unterstützung oder Nichtunterstützung einer vorbestimmten Hypothese. Zu den Gruppen, die diese Techniken anwenden können, gehören einzelne Forscher, Studenten, Unternehmen, Regierungsbehörden und Versicherungsmathematiker sowie andere Parteien, die Informationen und Daten benötigen.
Die quantitative Datenanalyse versucht, die Vorurteile der Forscher gegenüber den gesammelten Daten zu beseitigen. Der häufige Einsatz von Statistiken, Wahrscheinlichkeiten oder anderen mathematischen Techniken ermöglicht es Einzelpersonen, Standardmethoden für die Interpretation von Daten zu verwenden. Wenn Forscher versuchen, qualitative Datenanalysetechniken anzuwenden, die häufig auf dem persönlichen Hintergrund, den Vorlieben oder den Grundlagen der Forschung und der Argumentation des Einzelnen beruhen, können die erfassten Daten falsch interpretiert oder falsch interpretiert werden. Daher sind mathematische Techniken weniger anfällig für diese Fehler und werden von anderen Personen oder Forschern häufig eher akzeptiert.
Deskriptive statistische Analysen unterteilen oder fassen Daten in bestimmte Gruppen zusammen. Demografische Daten sind eine häufig verwendete beschreibende Statistik. Die Forscher sammeln Informationen zu Alter, Geschlecht, Haushaltsgröße, Einkommen, Art des Jobs und anderen Informationen. Eine andere Art der deskriptiven statistischen Analyse ist der Prozentsatz der Fertigstellung eines Quarterback beim Spielen in einem Fußballspiel. Wenn der Quarterback sechs von acht Passversuchen abschließt, hat er einen Abschlussprozentsatz von 75 Prozent. Ein Fehler bei dieser Technik ist die Unfähigkeit der Statistik, zusätzliche Informationen wie die Länge jedes Durchgangs bereitzustellen.
Explorative Datenanalysetechniken umfassen häufig die Verwendung von Boxplots, Histogrammen, Pareto-Diagrammen, Streudiagrammen oder einem Stiel-Blatt-Diagramm. Der Hauptzweck dieser Technik besteht darin, eine festgelegte Hypothese eines Forschers zu stützen. Beispielsweise kann ein Forscher den Wunsch haben, eine Hypothese über die Altersspanne von Eigentümern zu beweisen, die einen bestimmten Autotyp, beispielsweise einen Minivan, fahren. Um diese Hypothese zu testen und zu unterstützen, sammelt der Forscher Informationen und erstellt ein Box-Diagramm, um die Anzahl der Eigentümer innerhalb seines angegebenen Bereichs zu bestimmen. Die Statistiken liefern Informationen, die die Hypothese stützen oder nicht stützen, und zeigen, wie viele Ausreißer in den gesammelten Daten enthalten sind.
Bestätigungsdatenanalysetechniken sind das Gegenteil von Erkundungstechniken. In diesen Tests versucht der Forscher, die Nullhypothese zu widerlegen, eine Aussage, die von den meisten Individuen allgemein als wahr akzeptiert wird. Um die Nullhypothese zu widerlegen, sammelt der Forscher spezifische Informationen bezüglich der Hypothese und testet den Durchschnitt, die Varianz, die p-Werte und die Konfidenzintervalle. Das durch die konfirmatorische Datenanalyse nachgewiesene Konfidenzintervall gibt Auskunft darüber, wie sicher der Forscher sein sollte, ob die Nullhypothese wahr oder falsch ist.