Miten kirjoitan tilastollisen analyysin? Neuvoja opiskelijoille

minulta kysytään tätä kysymystä melko usein, joten ajattelin tehdä muutaman postauksen siitä. Yleisin ongelma on, että tilastoihin vasta tullut opiskelija ei tiedä, mistä edes aloittaa.

näissä esimerkeissä käytetään SAS: ää, mutta voit käyttää mitä tahansa haluamaasi pakettia.

suositukseni opiskelijoille, jotka aloittavat tilastotieteen opiskelun, on aloittaa tietyntyyppisestä julkisesti saatavilla olevasta aineistosta, saada kokemusta reaalitiedoista.

1. Tunnista saatavilla olevat muuttujat

ensimmäiseksi on tutkittava aineiston sisältö. Katso muuttujia, joita sinulla on käytettävissä. SAS, voit tehdä tämän PROC sisältö.

ohjelmasi tässä vaiheessa on superyksinkertainen

LIBNAME mydata ”polku sinne, missä tietosi ovat” ;

PROC CONTENTS DATA = mydata.tietokokonaisuuden nimi ;

normaalisti keksittäisiin ensin hypoteesi ja kerättäisiin sitten tiedot. Julkiseen käyttöön tarkoitettujen tietokokonaisuuksien kanssa työskentelyn etuna on se, ettei 40 000 ihmisen haastatteluun tarvitse mennä aikaa ja kustannuksia. Haittapuolena on, että olet rajoittunut kerättyihin muuttujiin.

2. Luo hypoteesi

tarkastellessani Kalifornian Terveyshaastattelututkimuksen tietoja, päädyin seuraavaan nollahypoteesiin:

valkoihoisten, afroamerikkalaisten ja latinojen lihavuudessa ei ole eroa.

3. RUN DESKRIPTIIVISET tilastot

tarvitset deskriptiivisiä tilastoja kolmesta syystä. Ensinnäkin, jos sinulla ei ole tarpeeksi varianssia kiinnostavien muuttujien suhteen, et voi testata nollahypoteesiasi. Jos kaikki ovat valkoisia tai kukaan ei ole ylipainoinen, sinulla ei ole oikeaa aineistoa tutkimukseesi. Toiseksi, olet menossa täytyy sisällyttää taulukon näytteen tilastoja teidän paperi. Tähän olisi sisällytettävä tavanomaiset Demografiset muuttujat – ikä, sukupuoli, koulutus, tulot ja rotu ovat tärkeimmät. Viimeisenä, eikä välttämättä vähäisimpänä, kuvailevat tilastot antavat sinulle tietoa siitä, miten tietosi koodataan ja jaetaan.

proc freq data = mydata.coh602;
taulukot rotu lihavia srsex aheducc ;
missä rotu ne””;

proc tarkoittaa dataa = mydata.coh602;
var ak22_p srage_p;

missä kisa ne””;
juoksu;

tulokset näet yllä olevasta koodista täältä.

huomaa jotain yllä olevasta koodista – WHERE-lauseesta. Hypoteesini mainitsi vain kolme ryhmää: valkoihoiset, afroamerikkalaiset ja latinot. Ne olivat ainoat kolme ryhmää, joilla oli arvokisamuuttujan arvo. (Tässä esimerkissä käytetään Chis: n muunnettua osajoukkoa , jos olet todella tuollainen ja haluat tietää.) Koska tämä on väestö Aion analysoida, en halua sisällyttää ihmisiä, jotka eivät kuulu yksi näistä kolmesta ryhmästä minun laskenta taajuus jakaumat ja keinot.

4. Kootkaa ensimmäinen TAULUKKONNE

käyttäen ensimmäisen analyysinne tuloksia, olette valmiita kirjoittamaan otososionne, kuten tämä

koehenkilöt

otos koostui 38 081 aikuisesta, jotka olivat mukana vuoden 2009 Kalifornian Terveyshaastattelututkimuksessa. Otosdemografiat on esitetty taulukossa 1.

< sitten on taulukko 1>

muuttuja …………ei…. %

Rotu

• Musta 2181 5,7
• Latinalainen ,4926 13,0
• Valkoinen 30,974 81.3

Sukupuoli

• Mies 15 751 41.4
• Nainen 22,330 58.6

Muuttuja……… Keskiarvo … SD

Ikä…………38,081 55.4 18.0

Tulot 37,686 $69,888 $63,586

yritän kirjoittaa lisää pian, mutta toistaiseksi näkymätön Kehittäjä huomauttaa, että kello on yli 1 aamulla ja minun pitäisi päästä pois tietokoneelta.

päivitys: Klikkaa tästä askel 2