Análisis estadístico para una tesis: un flujo de trabajo reproducible

Elegir un análisis de la pregunta de investigación, el diseño y el proceso de medición en lugar de un paquete de software preferido. Define la población, el resultado, comparación y estimación antes de examinar los resultados. Identificar qué conclusiones puede soportar el diseño de muestras y estudios.

Preparar un dicionario de datos y mantener el conjunto original de datos de forma segura. Unidades de registro, convenciones de codificación, reglas de valor ausente y criterios de exclusión. Identificar separados de los datos de análisis y seguir las éticas aprobadas y los acuerdos de gestión de datos. Nunca coloque la información de los participantes en ejemplos públicos o en un repositorio abierto.

Describe los datos antes de aplicar un modelo. Verifique las distribuciones, los valores inusuales y la cantidad y el patrón de la falta. Un alerta de software debe conducir a la investigación; no es una razón para eliminar observaciones desfavorables. El documento justificó las correcciones y mantuvo un recorrido reproducible.

Seleccione métodos y diagnósticos adecuados al resultado y el diseño. Presunciones estatales y evaluarlas utilizando pruebas pertinentes. Informar las estimaciones de efecto y la incertidumbre, junto con cualquier prueba de hipótesis. Un pequeño valor p solo no establece importancia práctica, causa o un estudio bien diseñado.

En R, guardar las versiones de los escritos y los paquetes; en SPSS, guardar la sintaxe y la salida. Enlazar tablas y números a la análisis documentada en lugar de editar los resultados manualmente. Distinguir los análisis planificados de las pruebas exploratorias y describir múltiples comparaciones y análisis de sensibilidad con honestidad.

La tesis debe explicar lo que se hizo lo suficientemente bien para que un lector informado pueda evaluarlo. Buscar una revisión metodológica cualificada cuando el diseño es complejo o las consecuencias son importantes. El apoyo académico debe fortalecer su propia comprensión y integridad de la investigación, no fabricar datos, resultados o autoría.