statistisk effektanalys

effektanalys är direkt relaterad till test av hypoteser. Under test av hypoteser kan forskaren begå två typer av fel: typ i-fel och typ II-fel. Statistisk kraft handlar huvudsakligen om typ II-fel.

det bör noteras av forskaren att ju större provets storlek är desto lättare är det för forskaren att uppnå 0,05-nivån av betydelse. Om provet är för litet kan dock utredaren begå ett typ II-fel på grund av otillräcklig effekt.

effektanalys utförs normalt före datainsamlingen. Huvudsyftet bakom effektanalysen är att hjälpa forskaren att bestämma den minsta provstorleken som är lämplig för att detektera effekten av ett givet test på önskad nivå av betydelse. Anledningen till att tillämpa kraftanalys är att utredaren helst önskar ett mindre prov eftersom större prover ofta är dyrare än mindre prover. Mindre prover optimerar också signifikanstestningen.

Upptäck hur vi hjälper till att redigera dina Avhandlingskapitel

anpassa teoretiska ramar, samla artiklar, syntetisera luckor, formulera en tydlig metodik och dataplan och skriva om de teoretiska och praktiska konsekvenserna av din forskning är en del av våra omfattande avhandlingstjänster.

• ta med avhandlingsredigeringsexpertis till kapitel 1-5 i tid.
• spåra alla ändringar och arbeta sedan med dig för att få till stånd vetenskapligt skrivande.
• pågående stöd för att ta itu med utskottets feedback, minska revideringar.

faktorer som påverkar effekt

det finns vissa faktorer som påverkar effekt i effektanalys:

den önskade effektnivån påverkar effekten i analys i stor utsträckning. Den önskade effektnivån är typiskt 0,80, men forskaren som utför effektanalys kan ange den högre nivån, till exempel 0.90, vilket innebär att det finns en 90% sannolikhet att forskaren inte kommer att begå ett typ II-fel.

en av de stränga faktorerna i kraftanalys är den önskade signifikansnivån. Antag att forskaren anger 0,001 som signifikansnivå. I detta fall kommer kraften i kraftanalysen att minskas. Således är en alfa-nivå på 0, 001 endast tillämplig i de situationer där forskaren huvudsakligen är intresserad av att undvika ett typ i-fel.

en annan faktor som påverkar kraften i en analys är styrkan i föreningen eller styrkan i förhållandet mellan de två variablerna. Ju större denna föreningsstyrka är, desto mer kraft i kraftanalysen. Detta innebär att en större föreningsstyrka leder till ett större maktvärde i kraftanalys.

en faktor som kallas känslighet påverkar effekten i effektanalys. Termen känslighet avser antalet sanna positiva av summan av sanna positiva och falska negativa. Med andra ord erkänner denna effekt av kraftanalys de verkligt korrigerade data. Detta innebär att mycket känsliga data kommer att ge data med högre effektvärde i kraftanalys, vilket innebär att forskaren kommer att vara mindre benägna att begå typ II-fel från dessa data.

variationen i den beroende variabeln påverkar också effekten. Ju större variationen i den beroende variabeln är desto större är sannolikheten för att forskaren begår typ II-fel. Detta innebär att effektens värde kommer att vara lägre i effektanalysen.

antaganden om effektanalys

det finns två antaganden i en analys av effekt. Det första antagandet om analys innebär slumpmässig provtagning. Detta innebär att provet på vilket effektanalys utförs ritas genom processen med slumpmässig provtagning.

begränsningar

det finns också vissa begränsningar i analysen av makt. Forskarna bör känna till de faktorer som påverkar kraften beaktas inte av vissa mjukvarupaket. Effektanalys av viss programvara kan rekommendera lägre provstorlekar än den ideala provstorleken för en given procedur. Med andra ord genererar kraftanalys vissa riktlinjer för provets storlek men kan inte återspegla de komplexiteter som en forskare stöter på när han gör vissa forskningsprojekt.

statistiska lösningar kan hjälpa till med att bestämma provstorleken / effektanalysen för din forskningsstudie. För att lära dig mer, besök vår hemsida om provstorlek / effektanalys, eller kontakta oss idag.

ytterligare Resurssidor relaterade till statistisk effektanalys:

• provstorlek / effektanalys
• provstorlek beräkning och motivering
• provtagning
• sampling
• Monte Carlo-metoder
• provstorlek formel
• standardfel

statistikläsningar kan hjälpa till med din kvantitativa analys genom att hjälpa dig att utveckla dina metodik-och Resultatkapitel. De tjänster som vi erbjuder inkluderar:

Dataanalysplan

redigera dina forskningsfrågor och null / alternativa hypoteser

Skriv din dataanalysplan; ange specifik statistik för att ta itu med forskningsfrågorna, antagandena i statistiken och motivera varför de är lämplig statistik; ge referenser

motivera din provstorlek/effektanalys, ge referenser

förklara din dataanalysplan för dig så att du är bekväm och säker

två timmars ytterligare stöd med din statistiker

kvantitativa Resultatavsnitt (beskrivande statistik, bivariata och multivariata analyser, strukturell Ekvationsmodellering, Bananalys, HLM, klusteranalys)

ren och koddataset

utför beskrivande statistik (dvs. frekvens och procent , i förekommande fall)

genomföra analyser för att undersöka var och en av dina forskningsfrågor

Uppskrivningsresultat

ge APA 6: e upplagan tabeller och siffror

förklara Kapitel 4 resultat

pågående stöd för hela resultat kapitel statistik

Ring 727-442-4290 för att begära en offert baserad på detaljerna i din forskning, schema med kalendern på denna sida, eller e-post