Statistická analýza výkonu

analýza výkonu přímo souvisí s testy hypotéz. Při provádění testů hypotéz může výzkumník spáchat dva typy chyb: chybu typu I a chybu typu II. Statistická síla se zabývá především chybami typu II.

výzkumník by měl poznamenat, že čím větší je velikost vzorku,tím snazší je pro výzkumníka dosáhnout úrovně významnosti 0,05. Pokud je vzorek příliš malý, může se vyšetřovatel dopustit chyby typu II kvůli nedostatečnému výkonu.

analýza výkonu se obvykle provádí před sběrem dat. Hlavním účelem analýzy výkonu je pomoci výzkumnému pracovníkovi určit nejmenší velikost vzorku, která je vhodná pro detekci účinku daného testu na požadované úrovni významnosti. Důvodem pro použití analýzy výkonu je to, ideálně, vyšetřovatel si přeje menší vzorek, protože větší vzorky jsou často nákladnější než menší vzorky. Menší vzorky také optimalizují testování významnosti.

Objevte, jak pomáháme upravovat kapitoly Disertační práce

zarovnání teoretického rámce, shromažďování článků, syntéza mezer, formulování jasné metodiky a datového plánu a psaní o teoretických a praktických důsledcích vašeho výzkumu jsou součástí našich komplexních služeb pro editaci disertační práce.

• Přineste odbornost editace disertační práce do kapitol 1-5 včas.
• Sledujte všechny změny a poté s vámi spolupracujte na vědeckém psaní.
• pokračující podpora při řešení zpětné vazby výboru, snížení revizí.

faktory, které ovlivňují výkon

existují určité faktory, které ovlivňují výkon v analýze výkonu:

požadovaná úroveň výkonu ovlivňuje výkon v analýze do značné míry. Požadovaná úroveň výkonu je obvykle 0,80, ale výzkumník provádějící analýzu výkonu může určit vyšší úroveň, například 0.90, což znamená, že existuje 90% pravděpodobnost, že výzkumník nespáchá chybu typu II.

jedním z nejpřísnějších faktorů při analýze výkonu je požadovaná úroveň významnosti. Předpokládejme, že výzkumník specifikuje 0, 001 jako úroveň významnosti. V tomto případě se sníží výkon v analýze výkonu. Úroveň alfa 0, 001 je tedy použitelná pouze v situacích, kdy se výzkumník zajímá hlavně o to, aby se zabránilo chybě typu I.

dalším faktorem ovlivňujícím sílu analýzy je síla asociace nebo síla vztahu mezi oběma proměnnými. Čím větší je tato síla asociace, tím více energie v analýze výkonu. To znamená, že větší síla asociace vede k větší hodnotě výkonu v analýze výkonu.

faktor zvaný citlivost ovlivňuje analýzu výkonu. Termín citlivost označuje počet skutečných pozitiv z celkového počtu skutečných pozitiv a falešných negativů. Jinými slovy, tento efekt analýzy výkonu rozpoznává skutečně opravená data. To znamená, že vysoce citlivá data přinesou data s vyšší hodnotou výkonu v analýze výkonu,což znamená, že výzkumník bude méně pravděpodobné, že z těchto dat spáchá chybu typu II.

změna závislé proměnné také ovlivňuje výkon. Čím větší je variace závislé proměnné, tím větší je pravděpodobnost spáchání chyb typu II výzkumným pracovníkem. To znamená, že hodnota výkonu bude nižší v analýze výkonu.

předpoklady pro analýzu výkonu

v analýze výkonu existují dva předpoklady. První předpoklad analýzy zahrnuje náhodné vzorkování. To znamená, že vzorek, na kterém se provádí analýza výkonu, je odebrán procesem náhodného odběru vzorků.

omezení

existují také určitá omezení analýzy výkonu. Vědci by měli znát faktory, které ovlivňují výkon, nejsou některými softwarovými balíčky brány v úvahu. Analýza výkonu určitým softwarem může doporučit nižší velikosti vzorku, než je ideální velikost vzorku pro daný postup. Jinými slovy, analýza výkonu generuje určité pokyny pro velikost vzorku, ale nemůže odrážet složitost, se kterou se výzkumník při provádění určitých výzkumných projektů setkává.

statistická řešení mohou pomoci při určování velikosti vzorku / analýzy výkonu pro vaši výzkumnou studii. Chcete-li se dozvědět více, navštivte naše webové stránky o velikosti vzorku / power analysis, nebo nás kontaktujte ještě dnes.

další stránky zdrojů související se statistickou analýzou výkonu:

• analýza velikosti vzorku / výkonu
• výpočet a zdůvodnění velikosti vzorku
• vzorkování
• převzorkování
• metody Monte Carlo
• vzorec velikosti vzorku
• standardní chyba

statistická řešení vám mohou pomoci s kvantitativní analýzou tím, že vám pomohou vyvinout kapitoly metodiky a výsledků. Služby, které nabízíme, zahrnují:

plán analýzy dat

Upravte své výzkumné otázky a nulové/alternativní hypotézy

napište plán analýzy dat; uveďte konkrétní statistiky pro řešení výzkumných otázek, předpoklady statistik, a zdůvodněte, proč se jedná o vhodné statistiky; poskytněte odkazy

zdůvodněte analýzu velikosti vzorku / výkonu, poskytněte odkazy

vysvětlete vám plán analýzy dat, abyste byli pohodlní a sebevědomí

dvě hodiny další podpory se svým statistikem

kvantitativní výsledky (Popisná statistika, Bivariační a vícerozměrné analýzy, modelování strukturních rovnic, analýza cest, HLM, analýza klastrů)

čistý a kódový datový soubor

provádět popisné statistiky (tj.

provádět analýzy, aby prozkoumala každý z vašich výzkumných otázek

Write-up výsledky

poskytnout APA 6. vydání tabulky a čísla

vysvětlete Kapitola 4 zjištění

Průběžná podpora pro celé výsledky statistiky kapitoly

prosím volejte 727-442-4290 požádat o cenovou nabídku na základě specifik vašeho výzkumu, harmonogramu pomocí kalendáře na této stránce nebo e-mailu