Hva er de forskjellige dataanalyseteknikkene?

Dataanalyseteknikker lar forskere gjennomgå innsamlede data og foreta konklusjoner eller bestemmelse fra informasjonen. De fleste teknikker fokuserer på anvendelse av kvantitative teknikker for å gjennomgå dataene. Noen få av de mer populære kvantitative dataanalyseteknikkene inkluderer beskrivende statistikk, undersøkende dataanalyse og bekreftende dataanalyse. De to sistnevnte involverer bruk av å støtte eller ikke støtte en forhåndsbestemt hypotese. Grupper som kan bruke disse teknikkene inkluderer individuelle forskere, studenter, bedrifter, offentlige etater og aktuarer, blant andre parter som trenger informasjon og data.

Kvantitativ dataanalyse forsøker å fjerne forskerskjevhet fra innsamlede data. Tung bruk av statistikk, sannsynligheter eller andre matematiske teknikker gjør det mulig for enkeltpersoner å bruke standardmetoder for å tolke data. Når forskere prøver å bruke kvalitative dataanalyseteknikker - ofte basert på individets personlige bakgrunn, preferanser eller grunnleggende forsknings- og resonneringsprinsipper - kan de innsamlede dataene bli feilleset eller tolket feil. Derfor er matematiske teknikker mindre utsatt for disse feilene og ofte mer akseptert av andre individer eller forskere.

Beskrivende statistisk analyse skiller eller oppsummerer data i spesifikke grupper. Demografi er et vanlig sett med beskrivende statistikk. Forskere vil samle informasjon om befolkningens alder, kjønn, husholdningsstørrelse, inntekt, jobbtype og annen informasjon. En annen type beskrivende statistisk analyse er fullføringsprosenten av en quarterback når du spiller i en fotballkamp. Hvis quarterbacken fullfører seks av åtte pasningsforsøk, har han 75 prosent fullføringsprosent. En feil i denne teknikken er statistikkens manglende evne til å gi tilleggsinformasjon, for eksempel lengden på hvert pass.

Undersøkende dataanalyseteknikker involverer ofte bruk av boksdiagrammer, histogrammer, Pareto-diagrammer, spredningsdiagrammer eller et stengel-og-blad-plot. Hovedformålet med denne teknikken er å støtte en uttalt hypotese fra en forsker. For eksempel kan en forsker ønske å bevise en hypotese om aldersområdet for eiere som kjører en bestemt type bil, for eksempel en minivan. For å teste og støtte denne hypotesen, vil forskeren samle informasjon og lage en ruteplott for å bestemme antall eiere innenfor det oppgitte området. Statistikken vil gi informasjon som støtter eller ikke støtter hypotesen og viser hvor mange utliggere som er i de innsamlede dataene.

Bekreftende dataanalyseteknikker er det motsatte av utforskende teknikker. I disse testene ser forskeren på å motbevise nullhypotesen, som er en uttalelse som generelt er akseptert som sann av de fleste individer. For å motbevise nullhypotesen, vil forskeren samle spesifikk informasjon relatert til hypotesen og teste gjennomsnitt, varians, p-verdier og konfidensintervaller. Konfidensintervallet som er bekreftet av den bekreftende dataanalysen vil gi informasjon om hvor sikker forskeren skal være om nullhypotesen er sann eller usann.