cum scriu o lucrare de analiză statistică? Sfaturi pentru studenți

am pus această întrebare destul de des, așa că am crezut că voi face câteva posturi pe ea. Cea mai frecventă problemă este că un student care este nou în statistici nu are nicio idee de unde să înceapă.

aceste exemple utilizează SAS, dar puteți utiliza orice pachet doriți.

recomandarea mea pentru studenții care încep să învețe statistici este să înceapă cu un anumit tip de set de date disponibile publicului, obținând o experiență cu date reale.

1. Identificați variabilele pe care le aveți disponibile

primul lucru de făcut este să examinați conținutul setului de date. Uită-te la variabilele pe care le ai la dispoziție. Cu SAS, ați face acest lucru cu conținutul PROC.

programul dvs. în acest moment este super simplu

LIBNAME MYDATA „calea către locul în care sunt datele dvs.” ;

PROC contents DATA = mydata.nume set de date ;

în mod normal, ați veni mai întâi cu o ipoteză și apoi ați colecta datele. Avantajul de a lucra cu seturi de date de uz public este că nu trebuie să mergeți la timpul și cheltuielile de intervievare a 40.000 de persoane. Dezavantajul este că sunteți limitat la variabilele colectate.

2. Generați o ipoteză

privind datele sondajului California Health Interview Survey, am venit cu următoarea ipoteză nulă:

nu există nicio diferență în obezitate în rândul caucazienilor, afro-americanilor și latinilor.

3. Rulați statistici DESCRIPTIVE

aveți nevoie de statistici descriptive din trei motive. În primul rând, dacă nu aveți suficientă variație asupra variabilelor de interes, nu vă puteți testa ipoteza nulă. Dacă toată lumea este albă sau nimeni nu este obez, nu aveți setul de date potrivit pentru studiul dvs. În al doilea rând, aveți de gând să trebuie să includă un tabel de statistici eșantion în hârtie. Aceasta ar trebui să includă variabilele demografice standard – vârsta, sexul, educația, venitul și rasa sunt principalele. Nu în ultimul rând, statisticile descriptive vă vor oferi o perspectivă asupra modului în care datele dvs. sunt codificate și distribuite.

proc freq date = mydata.coh602 ;
tabele rasă obezi srsex aheduc ;
unde rasă ne „” ;

proc înseamnă date= mydata.coh602 ;
var ak22_p srage_p;

unde cursa ne””;
alerga;

puteți vedea rezultatele din Codul de mai sus aici.

observați ceva despre codul de mai sus – declarația WHERE. Ipoteza mea a menționat doar trei grupuri-caucazieni, afro-americani și latini. Acestea au fost singurele trei grupuri care au avut o valoare pentru variabila cursei. (Acest exemplu folosește un subset modificat al CHIS, dacă sunteți într-adevăr în acest tip de lucru și doriți să știți.) Din moment ce aceasta este populația pe care o voi analiza, nu vreau să includ oameni care nu se încadrează într-unul din aceste trei grupuri în calculul distribuțiilor și mijloacelor de frecvență.

4. Puneți împreună primul tabel

folosind rezultatele din prima analiză, sunteți pregătiți să scrieți secțiunea eșantionului, astfel

subiecți

eșantionul a fost format din 38.081 de adulți care au făcut parte din sondajul California Health Interview din 2009. Datele demografice ale eșantioanelor sunt prezentate în tabelul 1.

< atunci ai o masă 1>

variabilă …………N…. %

Rasă

• Negru 2,181 5.7
• Hispanic, 4926 13.0
• Alb 30,974 81.3

Sex

• Bărbat 15.751 41.4
• Femeie 22,330 58.6

Variabilă…… N….. Medie… SD

vârstă…………38,081 55.4 18.0

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

voi încerca să scriu mai curând, dar deocamdată dezvoltatorul Invizibil subliniază că este trecut de 1 A.M. și ar trebui să cobor de pe computer.

actualizare: Click aici pentru Pas 2