Jak mohu napsat statistickou analýzu? Rady pro studenty

dostávám tuto otázku poměrně často, takže jsem si myslel, že na ni udělám několik příspěvků. Nejčastějším problémem je, že student, který je ve statistice nový, nemá tušení, kde vůbec začít.

tyto příklady používají SAS, ale můžete použít libovolný balíček, který se vám líbí.

doporučuji studentům, kteří se začínají učit statistiku, začít s nějakým typem veřejně dostupných datových souborů, získat nějaké zkušenosti s reálnými daty.

1. Identifikujte proměnné, které máte k dispozici

první věc, kterou musíte udělat, je prozkoumat obsah datové sady. Podívejte se na proměnné, které máte k dispozici. Se SAS byste to udělali s PROC obsahem.

váš program je v tomto bodě super jednoduchý

LIBNAME mydata „cesta k místu, kde jsou vaše data“;

proc CONTENTS DATA = mydata.datasetname ;

normálně byste nejprve přišli s hypotézou a poté shromáždili data. Výhodou práce s veřejnými soubory dat je, že nemusíte chodit na čas a náklady na rozhovory s lidmi 40,000. Nevýhodou je, že jste omezeni na shromážděné proměnné.

2. Vygenerujte hypotézu

při pohledu na údaje z průzkumu California Health Interview jsem přišel s následující nulovou hypotézou:

neexistuje žádný rozdíl v obezitě mezi bělochy, Afroameričany a Latinos.

3. Spusťte popisnou statistiku

potřebujete popisnou statistiku ze tří důvodů. Za prvé, pokud nemáte dostatek rozptylu na proměnné zájmu, nemůžete otestovat svou nulovou hypotézu. Pokud jsou všichni bílí nebo nikdo není obézní, nemáte pro své studium správný datový soubor. Za druhé, budete muset do svého příspěvku zahrnout tabulku vzorových statistik. To by mělo zahrnovat standardní demografické proměnné – věk, pohlaví, vzdělání, příjem a rasa jsou hlavní. V neposlední řadě vám Popisná statistika poskytne přehled o tom, jak jsou vaše data kódována a distribuována.

proc freq data = mydata.coh602;
tabulky závod obézní srsex aheduc;
kde závod ne““;

proc znamená data= mydata.coh602;
var ak22_p srage_p;

kde race ne““;
run;

výsledky z výše uvedeného kódu můžete vidět zde.

Všimněte si něco o kódu výše-příkaz WHERE. Moje hypotéza zmiňovala pouze tři skupiny-bělochy, Afroameričany a Latinos. To byly jediné tři skupiny, které měly hodnotu pro proměnnou závodu. (Tento příklad používá modifikovanou podmnožinu CHIS, pokud jste opravdu do takové věci a chcete vědět.) Vzhledem k tomu, že to je populace, kterou budu analyzovat, nechci zahrnout lidi, kteří nespadají do jedné z těchto tří skupin ve svém výpočtu frekvenčních distribucí a prostředků.

4. Dejte dohromady svou první tabulku

pomocí výsledků z vaší první analýzy jste všichni nastaveni tak, abyste napsali svou ukázkovou sekci, jako je tato

subjekty

vzorek sestával z 38 081 dospělých, kteří byli součástí 2009 California Health Interview Survey. Ukázkové demografické údaje jsou uvedeny v tabulce 1.

<pak máte tabulku 1>

proměnná …………N…. %

Závod

• Černá 2,181 5.7
• Hispánský, 4926 13.0
• Bílý 30,974 81.3

Pohlaví

• Muž 15 751 41.4
• Žena 22,330 58.6

Proměnná…… N….. Průměr … SD

věk…………38,081 55.4 18.0

příjem 37,686 $69,888 $63,586

pokusím se psát více brzy, ale prozatím neviditelný vývojář poukazuje na to, že je po 1 am a měl bych se dostat z počítače.

aktualizace: Klikněte zde pro Krok 2