Quelles sont les différentes techniques d'analyse de données?
Les techniques d’analyse de données permettent aux chercheurs d’examiner les données recueillies et de tirer des conclusions ou de déterminer l’information obtenue. La plupart des techniques se concentrent sur l'application de techniques quantitatives pour examiner les données. Quelques-unes des techniques d'analyse de données quantitatives les plus populaires incluent les statistiques descriptives, l'analyse de données exploratoire et l'analyse de données de confirmation. Les deux derniers impliquent l'utilisation de supporter ou non une hypothèse prédéterminée. Les groupes qui peuvent utiliser ces techniques comprennent des chercheurs individuels, des étudiants, des entreprises, des agences gouvernementales et des actuaires, entre autres parties ayant besoin d'informations et de données.
L'analyse de données quantitatives tente de supprimer les biais du chercheur des données recueillies. L'utilisation intensive de statistiques, de probabilités ou d'autres techniques mathématiques permet aux individus d'utiliser des méthodes standard d'interprétation des données. Lorsque les chercheurs tentent d'utiliser des techniques d'analyse de données qualitatives - souvent basées sur les antécédents personnels, les préférences ou les principes de base de la recherche et du raisonnement -, les données recueillies peuvent être mal interprétées ou mal interprétées. Par conséquent, les techniques mathématiques sont moins sensibles à ces erreurs et souvent mieux acceptées par d’autres personnes ou des chercheurs.
L'analyse statistique descriptive sépare ou résume les données en groupes spécifiques. Les données démographiques constituent un ensemble commun de statistiques descriptives. Les chercheurs rassembleront des informations sur l'âge, le sexe, la taille du ménage, le revenu, le type d'emploi et d'autres informations de la population. Un autre type d'analyse statistique descriptive est le pourcentage de complétion d'un quarterback lors d'une partie de football. Si le quarterback réussit six tentatives sur huit, il a un pourcentage de réussite de 75%. Un défaut de cette technique est l'incapacité pour les statistiques de fournir des informations supplémentaires, telles que la longueur de chaque passe.
Les techniques d'analyse de données exploratoires impliquent souvent l'utilisation de boîtes à moustaches, d'histogrammes, de diagrammes de Pareto, de nuages de points ou d'un graphique à tiges et à feuilles. L'objectif principal de cette technique est de soutenir une hypothèse énoncée par un chercheur. Par exemple, un chercheur peut souhaiter prouver une hypothèse sur la fourchette d'âge des propriétaires qui conduisent un type de voiture spécifique, tel qu'une mini-fourgonnette. Pour tester et soutenir cette hypothèse, le chercheur rassemblera des informations et créera un diagramme en parcelles afin de déterminer le nombre de propriétaires dans la plage indiquée. Les statistiques fourniront des informations pour étayer ou non l’hypothèse et montreront combien il y a de points aberrants dans les données collectées.
Les techniques d'analyse de données de confirmation sont le contraire des techniques d'exploration. Dans ces tests, le chercheur cherche à réfuter l'hypothèse nulle, affirmation généralement acceptée comme vraie par la plupart des individus. Pour réfuter l'hypothèse nulle, le chercheur rassemblera des informations spécifiques relatives à l'hypothèse et testera la moyenne, la variance, les valeurs p et les intervalles de confiance. L'intervalle de confiance établi par l'analyse des données de confirmation fournira des informations sur le degré de confiance que le chercheur devrait avoir si l'hypothèse nulle est vraie ou fausse.