تجزیه و تحلیل درست یا بهترین تحلیل؟وقتی نمی توانید تجزیه و تحلیل ایده آل را انجام دهید چه کاری باید انجام دهید

یک فعالیت در تجزیه و تحلیل داده ها که می تواند غیرممکن به نظر برسد ، تلاش برای یافتن تجزیه و تحلیل مناسب است. من وجدان و صداقت را که زیربنای این تلاش است ، تحسین می کنم.

مشکل: در بسیاری از شرایط داده ، یک تحلیل درست وجود ندارد.

نمونه های کتاب درسی موقعیت های ایده آل و تجزیه و تحلیل درست را نشان می دهد. آنها مانند کتاب های آشپزی هستند: ابتدا دستور العمل را انتخاب کنید. سپس برای این مواد خاص خرید کنید و مراحل 1 ، 2 و 3 را دنبال کنید تا یک وعده غذایی خاص تهیه کنید.

تجزیه و تحلیل داده های واقعی

تجزیه و تحلیل داده های واقعی به ندرت متناسب با آن ایده آل است.

تجزیه و تحلیل داده های واقعی بیشتر شبیه به تماس با همسران شما است ، که-تعجب آور هستند!- در راه شام. برای یافتن یک شلغم ، پنیر سوئیسی ، عدس و ترشی به یخچال خود نگاه می کنید. چالش شما: بهترین وعده غذایی را ممکن کنید.

این بخشی از چیزی است که تجزیه و تحلیل داده ها را بسیار سخت می کند. عوامل زمینه ای زیادی وجود دارد.

سؤال تحقیق ، طراحی ، انواع متغیرها و مسائل مربوط به داده ها همه برای انجام بهترین تجزیه و تحلیل شما در دسترس شما باید جمع شوند.

البته ، اگر اصلاً درگیر برنامه ریزی و اجرای مجموعه داده ها (یا خرید مواد غذایی) هستید ، کنترل بیشتری بر آنچه باید با آنها کار کنید ، دارید. می توانید به جای اینکه بعداً آن را با هم جمع کنید ، تجزیه و تحلیل را در نظر بگیرید.

اما این بدان معنا نیست که شما هنوز هم می توانید همه چیز کتاب آشپزی را تهیه کنید. بعضی اوقات شما باید داده های ثانویه را تجزیه و تحلیل کنید و آنها همان چیزی هستند که هستند. بعضی اوقات در راه یا نوع داده هایی که می توانید جمع آوری کنید ، محدودیت های اخلاقی ، منابع یا سایر محدودیت ها وجود دارد.

و اغلب شما همه کارها را درست انجام می دهید و کارهایی که انتظار داشتید پیش نمی روند.

انجام تجزیه و تحلیل ناقص تا زمانی که در مورد نقاط ضعف آن شفاف باشید اشتباه نیست. این بدان معنا نیست که تجزیه و تحلیل بهتری در آنجا وجود دارد.

کار شما این است که بر اساس آنچه باید با آن کار کنید ، بهترین تحلیل را انجام دهید.

یک مثال

در اینجا مثالی وجود دارد که اخیراً با یکی از اعضای ما آمده است. متغیر وابسته در قالب نرخ بود: تعداد فروش برای هر کارمند. بسیار کم رنگ بود. واحد تجزیه و تحلیل دفتر فروش بود.

به نظر نمی رسد مانند آن باشد ، اما نرخ هایی مانند این متغیرهای شمارش در هر واحد اندازه گیری هستند: تعداد فروش برای هر کارمند.

روش ایده آل برای تجزیه و تحلیل این موارد با یک مدل شمارش است - معمولاً یک پواسون یا رگرسیون دوتایی منفی. موقعیت هایی مانند این متناسب با فرضیات آنها است. مدل های شمارش ، توزیع کمتری از y | x و واریانس بالاتر را در وسایل بالاتر فرض می کنند. علاوه بر این ، آنها می توانند تعداد کارمندان را به عنوان متغیر قرار گرفتن در معرض قرار دهند و فقط مقادیر پیش بینی شده مثبت را ارائه می دهند.

به عبارت دیگر ، یک مدل شمارش به خوبی ساخته شده می تواند بدون تعصب یا نقض فرضیات به سؤال تحقیق پاسخ دهد.

مشکل این است که مدل های شمارش نیاز به متغیر وابسته دارند (تعداد فروش). ما باید متغیر قرار گرفتن در معرض (تعداد کارمندان) را جدا کنیم. این مدل آنها را با سرعت ترکیب می کند.

اما هرکسی که این داده ها را جمع آوری کرده است ، این موارد را در حال حاضر با نرخ قرار داده است. آنها متغیرهای اصلی را حفظ نکردند. بنابراین تجزیه و تحلیل ایده آل فقط خارج از دسترس بود.

بنابراین در اینجا من یک تغییر ورود به سیستم و یک مدل خطی را پیشنهاد کردم. این ایده آل نیست و قبل از جمع آوری داده ها از کسی سؤال کرده بود ، من توصیه می کردم متغیرهای اصلی را حفظ کنم. اما این رویکرد باید بدترین مسائل را با واریانس کم رنگ و غیر ثابت کاهش دهد. این می تواند پاسخ منطقی به سوال تحقیق بدهد.

این مهم است که محقق به تفصیل توضیح دهد که چه کاری انجام داده است و تعصبات احتمالی و تخلفات احتمالی این تحلیل را معرفی می کند تا خواننده بتواند استنتاج های خود را انجام دهد.

وقتی یک تحلیل درست وجود ندارد

1. در صورت امکان ، تجزیه و تحلیل داده ها را قبل از جمع آوری داده ها برنامه ریزی کنید. این چالش ها را به حداقل می رساند ، اما همیشه از بین نمی برد. اگر مشکل دارید ، در این مرحله راهنمایی کنید.

2. اگر یک تجزیه و تحلیل ایده آل در دسترس است ، به هر معنی از آن استفاده کنید. از آن دور نشوید زیرا با آن آشنا نیستید یا به این دلیل که همه افراد در زمینه شما کار ساده تری انجام می دهند. این تجزیه و تحلیل ایده آل بهترین فرصت برای رسیدن به هدف شما را دارد.

3. هدف شما این است که به طور دقیق به سؤال تحقیق پاسخ دهید و در حالی که فرضیات آزمون های آماری خود را برآورده می کنید ، نتایج را به طور دقیق پاسخ دهید.

4- تشخیص دهید که تمام مجموعه داده های واقعی دارای چالش هایی هستند ، به ندرت در موقعیت های ایده آل قرار می گیرند ، و کار شما این است که عواقب چالش ها و محدودیت های مختلف را وزن کنید.

5- تمام فرضیاتی را که می توانید برآورده کنید ، سعی کنید تعصب را به حداقل برسانید و در مورد جایی که نمی توانید شفاف باشید.

و سرانجام ، متوجه شوید که گاهی اوقات نقص در اندازه گیری ، طراحی یا داده های خود ، سؤال تحقیق را غیرقابل پاسخ می بخشد.

پست های مرتبط

• چه زمانی برای تجزیه و تحلیل خود بجنگید و چه موقع از طریق حلقه ها پرش کنید
• هشت مهارت تجزیه و تحلیل داده به هر تحلیلگر نیاز دارد
• استراتژی های انتخاب و برنامه ریزی یک تحلیل آماری
• مشاوره آماری 101: 4 سؤال شما برای انتخاب یک روش آماری باید به آنها پاسخ دهید

تعامل خواننده

پاسخ دهیدلغو پاسخ

لطفاً توجه داشته باشید که به دلیل تعداد زیادی از نظرات ارائه شده ، به هرگونه سؤال در مورد مشکلات مربوط به یک مطالعه/پروژه شخصی پاسخ داده نمی شود. ما پیشنهاد می کنیم از نظر آماری بپیوندید ، جایی که شما به یک انجمن خصوصی و منابع بیشتر 24/7 دسترسی دارید.