So führen Sie die Datenanalyse durch

Die Datenanalyse ist ein wichtiger Schritt bei der Beantwortung einer experimentellen Frage. Die Analyse von Daten aus einer gut durchdachten Studie hilft dem Forscher, Fragen zu beantworten. Mit diesen Daten können Sie auch Schlussfolgerungen ziehen, die die Forschung fördern und zu zukünftigen Studien beitragen. Wenn Sie während des Erfassungsprozesses gut organisierte Daten aufbewahren, wird der Analyseschritt erheblich vereinfacht.

Verwenden Sie eine elektronische Datenbank, um die Daten zu organisieren.


Verwenden Sie eine elektronische Datenbank, um die Daten zu organisieren.

Kopieren Sie die Daten zur Bearbeitung in eine neue Datei. Sie möchten niemals an der Stammdatendatei arbeiten, falls während des Analysevorgangs etwas beschädigt wird. Mit einem Programm wie Excel können Sie alle Ihre Daten in einer leicht durchsuchbaren Tabelle zusammenstellen. Sie können Ihren Daten Filter hinzufügen, um das Kopieren und Einfügen einzelner Datensätze zwischen Dateien zu erleichtern.

Seien Sie vorsichtig, wenn Sie Daten in das Master-Arbeitsblatt übertragen. Es ist leicht, versehentlich zu kopieren und in die falschen Spalten oder Zeilen einzufügen.
Falls mit den Daten etwas passiert, können Sie immer zur ursprünglichen Master-Datei zurückkehren.

Codieren Sie Textantworten in numerischer Form.



Codieren Sie Textantworten in numerischer Form.

Wenn Sie mit Umfragedaten arbeiten, für die Antworten geschrieben wurden, müssen Sie die Daten in numerischer Form codieren, bevor Sie sie analysieren können. Möglicherweise müssen Sie ein eigenes Kodierungssystem für Antworten entwickeln, das auf den erhaltenen Informationen und den Fragen basiert, die Sie mit Ihren Daten beantworten möchten.

Code “Nein” Antworten als “0” und “Ja” Antworten als “1.”

Entwickeln Sie ein System zur Gruppierung Ihrer Daten.

Entwickeln Sie ein System zur Gruppierung Ihrer Daten.

Beginnen Sie beim Sammeln von Daten, wie Sie alles am besten gruppieren können. Wenn Sie mit Personen oder Antworten arbeiten, müssen Sie jeder Person eine Nummer oder einen Buchstabencode geben, um die Vertraulichkeit zu gewährleisten.

Es kann am einfachsten sein, alle Ihre Gruppen auf separaten Blättern innerhalb eines Dokuments, vollständig separaten Dokumenten oder unterschiedlichen Spalten / Zeilen innerhalb desselben Blattes zu haben.
Sprechen Sie mit anderen, die ähnliche Datenanalysen durchgeführt haben, um eine Vorstellung davon zu erhalten, wie Sie Ihre Daten am besten organisieren können.
Zum Beispiel: Wenn Sie die Unterschiede zwischen Männern und Frauen wissen möchten, möchten Sie sicherstellen, dass alle männlichen Daten zusammengruppiert wurden und alle weiblichen Daten zusammen gruppiert wurden.



Überprüfen Sie die Daten auf Fehler.

Überprüfen Sie die Daten auf Fehler.

Beim Organisieren von Daten kann zwischen den Dateien viel kopiert und eingefügt werden. Überprüfen Sie die Masterdatei in regelmäßigen Abständen anhand der von Ihnen organisierten Daten, um sicherzustellen, dass die Nummern nicht verwechselt wurden oder in die falschen Spalten eingefügt wurden.

Wenn Sie Daten manuell eingeben müssen, überprüfen Sie alles, was eingegeben wird.

Führen Sie einen t-Test aus, um zwei Gruppen zu vergleichen.

Führen Sie einen t-Test aus, um zwei Gruppen zu vergleichen.

Ein T-Test ist ein sehr häufiger statistischer Test, der zum Vergleich der Mittelwerte (Durchschnittswerte) von Proben verwendet wird. Ein T-Test mit einer Stichprobe wird verwendet, um zu testen, ob die Durchschnittsstichprobe aus einem bekannten Wert statistisch signifikant ist. Ein T-Test mit zwei Stichproben wird verwendet, um zu testen, ob zwei Gruppen statistisch unterschiedliche Mittelwerte haben.


In der Physik und in der Produktherstellung werden im Allgemeinen ein Beispiel für T-Tests verwendet: Sie kennen den Wert, den Ihre Probe haben sollte, und vergleichen den Durchschnitt, den Sie erhalten, mit diesem bekannten Wert.

Im biomedizinischen und klinischen Bereich werden häufig zwei T-Tests durchgeführt.

Verwenden Sie eine ANOVA, um die Mittelwerte von Gruppen zu analysieren.

Verwenden Sie eine ANOVA, um die Mittelwerte von Gruppen zu analysieren.

Eine ANOVA (Varianzanalyse) wird sehr häufig in biomedizinischen Bereichen verwendet, um die Mittelwerte mehrerer Gruppen zu vergleichen. ANOVAs sind ein sehr leistungsfähiges Werkzeug, um Unterschiede zu finden, wenn Sie viele Vergleiche betrachten.

Eine Einweg-ANOVA kann verwendet werden, um die Mittelwerte mehrerer Gruppen zu einer Kontrollgruppe zu vergleichen. Wenn Sie beispielsweise eine Kontrollgruppe und drei Testgruppen hatten, würden Sie eine einseitige ANOVA verwenden, um alle Mittel miteinander zu vergleichen und zu sehen, ob sich welche unterscheiden.


Eine bidirektionale ANOVA wird verwendet, um die Mittelwerte mehrerer Gruppen mit mehreren Variablen zu vergleichen. Wenn Sie beispielsweise wissen möchten, ob sich sowohl der Genotyp als auch das Geschlecht eines Organismus auf Ihre Daten auswirkt, führen Sie eine bidirektionale ANOVA gegen die Kontrollgruppen durch.

<img src='https://i0.wp.com/www.wikihow.com/images/thumb/9/90/Conduct-Data-Analysis-Step-8.jpg/aid4644242-v4-728px-Conduct-Data-Analysis-Step-8.jpg' alt='Führen Sie eine lineare Regression durch, um die Auswirkungen von Variablen zu testen.’ width=’900′ height=’599′ />

Führen Sie eine lineare Regression durch, um die Auswirkungen von Variablen zu testen.

Ein linearer Regressionstest untersucht die Variation der unabhängigen Variablen und prüft, ob diese Variation die in der abhängigen Variablen festgestellte Variation verursacht.

Dieser Test wird verwendet, wenn Sie die Stärke der Zuordnung zwischen zwei Variablen messen möchten.
Wenn Sie beispielsweise die Beziehung zwischen Ihrer Herzfrequenz und der Geschwindigkeit, die Sie auf einem Laufband bewegen, testen möchten, würden Sie eine lineare Regression verwenden.

Verwenden Sie eine ANCOVA, um zwei Regressionsgeraden zu vergleichen.

Verwenden Sie eine ANCOVA, um zwei Regressionsgeraden zu vergleichen.

Wenn Sie die Beziehung zweier unterschiedlicher Gruppen mit derselben Variablen vergleichen möchten, können Sie eine ANCOVA (Analyse der Kovarianz) verwenden. Mit einer ANCOVA können Sie die Variation steuern, die Sie möglicherweise anhand der unabhängigen Variablen zwischen zwei Gruppen sehen.

Wenn Sie beispielsweise testen möchten, ob Männer und Frauen bei unterschiedlichen Temperaturen unterschiedliche Ruheherzfrequenzen hatten, würden Sie eine ANCOVA verwenden. Sie würden zwei Regressionsgeraden (eine für Frauen und eine für Männer) für die Herzfrequenz gegen die Temperatur machen. Dann würden Sie eine ANCOVA verwenden, um die beiden Linien zu vergleichen, um zu sehen, ob sie sich unterscheiden.

Entdecken Sie weitere statistische Tests auf eigene Faust.

Entdecken Sie weitere statistische Tests auf eigene Faust.

Die vorgestellten Tests sind keine vollständige Liste der verfügbaren Tests. Dies sind einige der am häufigsten verwendeten Tests, aber es gibt viele Variationen und komplexere Tests, die für Ihre Daten möglicherweise besser sind. Wenn Sie Ihre Experimente planen, führen Sie eine gründliche Suche durch, um zu entscheiden, welche Tests verwendet werden sollen.

Es gibt einige hilfreiche Diagramme und Artikel online, die Sie bei der Auswahl eines Tests auf der Grundlage der gesammelten Daten unterstützen.

Weitere Informationen finden Sie in Artikeln der NIH und Universitäten oder in Online-Statistikbüchern.

Definieren Sie die Forschungsfragen eindeutig.

Definieren Sie die Forschungsfragen eindeutig.

Verlieren Sie niemals den Fokus der Studie und halten Sie sich an das Forschungsdesign und die definierten Variablen. Eine gute Forschungsstrategie besteht darin, gut konzipierte Experimente durchzuführen und die richtige Datenmenge zu sammeln, um die Forschungsfrage zu beantworten.

Bevor Sie mit der Datenerfassung beginnen, sollten Sie genau wissen, wie viele Proben Sie in jeder Gruppe sammeln und welche statistischen Tests Sie durchführen.

Wenden Sie sich an einen Statistiker.

Wenden Sie sich an einen Statistiker.

Statistiken können sehr schnell sehr kompliziert werden, insbesondere bei großen Datensätzen. Bevor Sie mit dem Experiment beginnen, besprechen Sie alles mit einem Statistiker. Sie können Ihnen dabei helfen, herauszufinden, welche Tests für die Analyse Ihrer Daten geeignet sind und wie viele Proben Sie in jeder Gruppe benötigen, um über die erforderlichen Fähigkeiten zum Ausführen Ihrer Tests zu verfügen.

Es ist auch eine gute Idee, sie nach der Datenerhebung erneut zu treffen. Sie können Ihnen bei der Analyse der Daten helfen und sicherstellen, dass alles ordnungsgemäß durchgeführt wurde.
Fragen Sie sie nach dem richtigen Umfang Ihrer Studie, mit welchen Arten von statistischen Tests Sie Ihre Forschungsfragen beantworten können und welche Einschränkungen die Tests haben.
Denken Sie daran, dass ein statistischer Test Ihnen lediglich die Wahrscheinlichkeit anzeigt, dass ein Ergebnis auftritt oder nicht auftritt. Sie müssen darauf achten, statistische Signifikanz nicht mit klinischer Signifikanz oder physiologischer Relevanz zu verwechseln.

Führen Sie die ausgewählten statistischen Tests aus.

Führen Sie die ausgewählten statistischen Tests aus.

Sobald die Daten gesammelt und aufbereitet wurden, können Sie alle Tests starten, die Sie vor Beginn des Experiments durchgeführt haben. Für diesen Prozess sollten spezielle Programme zur Analyse von Daten verwendet werden. Diese Tests sind komplex und es ist viel einfacher, sie mit einem Programm wie SAS, R, Stata oder GraphPad Prism auszuführen.

SAS, Stata und R erfordern Programmiererfahrung. Möglicherweise müssen Sie eine Person konsultieren, die für die Verwendung dieser Programme geschult wurde, oder an einem Kurs teilnehmen, um sich mit ihrer Anwendung vertraut zu machen.

Erstellen Sie Diagramme mit Publikationsqualität.

Erstellen Sie Diagramme mit Publikationsqualität.

Es gibt viele Softwareprogramme, mit denen Sie Ihre Daten in nette Diagramme umwandeln können. Statistische Analyseprogramme verfügen auch über grafische Funktionen, die Publikationsqualitätswerte liefern. Übertragen Sie Ihre Daten in eines dieser Programme und machen Sie sie zu einer Grafik.

Häufig verwendete Programme sind GraphPad Prism und R.

Beschriften Sie alle Achsen eindeutig.

Beschriften Sie alle Achsen eindeutig.

Bei der Darstellung von Daten ist es wichtig, alles eindeutig zu kennzeichnen, damit die Benutzer leicht verstehen können, was der Graph ihnen sagt. Alle Achsen müssen mit einer einfach zu lesenden Schrift beschriftet werden, deren Größe groß genug ist, um sie lesen zu können, ohne zu schielen.

Wenn sich in einem Diagramm mehrere Datensätze befinden, vergewissern Sie sich, dass alle ordnungsgemäß beschriftet sind.

Verwenden Sie Sternchen, um die Bedeutung zu kennzeichnen.

Verwenden Sie Sternchen, um die Bedeutung zu kennzeichnen.

Bei den Figuren, die signifikante Unterschiede zwischen den Gruppen aufweisen, möchten Sie dies direkt auf der Abbildung angeben. Zeichnen Sie eine Linie zwischen den beiden Gruppen, die sich deutlich unterscheiden, und setzen Sie ein Sternchen über die Linie.

Stellen Sie sicher, dass die Zahlenlegende erläutert, was der Stern bedeutet, welcher statistische Test verwendet wurde und wie der tatsächliche p-Wert des Tests war.

Gruppieren Sie ähnliche Daten.

Gruppieren Sie ähnliche Daten.

Wenn Sie mehrere Datengraphen haben, die ähnlich sind, gruppieren Sie sie in einer Figur. Es hilft Ihnen, die Daten zu verstehen, wenn Sie alle ähnlichen Daten gleichzeitig anzeigen können. Es ist einfacher, Trends zu erkennen und Rückschlüsse auf Ihre Daten zu ziehen.

Viele Programme verfügen über Diagrammeditoren, mit denen Sie auch Layouts mehrerer Diagramme erstellen können.
Stellen Sie sicher, dass alle Diagramme die gleichen Schriftgrößen haben und zwischen den Datensätzen die gleichen Symbole verwenden.

Schreiben Sie eine detaillierte Legende.

Schreiben Sie eine detaillierte Legende.

Mit der Legende der Abbildungen kann jeder, der Ihre Daten betrachtet, verstehen, was genau in der Grafik dargestellt wird. Die Legende sollte dem Leser mitteilen, wie viele Replikate sich in jeder Gruppe befinden und welche statistischen Tests zur Analyse der Daten verwendet wurden.

Details zu den Statistiken sollten ebenfalls in die Legende aufgenommen werden: Z-Scores, T-Scores, P-Werte, Freiheitsgrade usw.


Categories:   Education and Communications

Comments