Перейти к содержимому
Все статьи

Международное

Статистический анализ для диссертации: воспроизводимый рабочий процесс

Опубликовано: 2 мин чтения
© Michael Brooks · Wikimedia Commons · CC BY 2.0

Выберите анализ из исследовательского вопроса, проекта и процесса измерения, а не из предпочтительного программного обеспечения. Определите популяцию, результат, сравнение и оценку до изучения результатов. Идентифицировать, какие выводы может поддерживать образцовый и исследовательский дизайн.

Подготовите словарь данных и безопасно сохраняйте оригинальный набор данных. Регистрационные единицы, конвенции по кодированию, правила отсутствия стоимости и критерии исключения. Отделите идентификаторы от аналитических данных и следуйте утвержденной этике и соглашениям по управлению данными. Никогда не размещать информацию участников в публичных примерах или в открытом хранилище.

Опишите данные перед применением модели. Проверьте распределения, необычные значения и количество и модель недостатка. Программное предупреждение должно привести к расследованию; это не повод удалить неприятные замечания. Документ обосновал коррекции и сохранял воспроизводимый путь.

Выберите методы и диагностики, соответствующие результату и дизайну. Государственные предположения и их оценка с использованием соответствующих доказательств. Сообщается о оценках эффекта и неопределенности, в дополнение к любым гипотезным испытаниям. Только небольшая ценность не устанавливает практическое значение, причину или хорошо разработанное исследование.

В R сохранить скрипты и версии пакета; в SPSS сохранить синтез, а также выход. Свяжите таблицы и цифры с документальным анализом, а не редактируйте результаты вручную. Отличить запланированные анализы от исследовательских проверок и честно описать несколько сравнений и чувствительных анализов.

Диссертация должна объяснить, что было сделано достаточно хорошо для информированного читателя, чтобы оценить ее. Поиск квалифицированного методологического обзора, когда дизайн сложен или последствия важны. Академическая поддержка должна укреплять собственное понимание и целостность исследований, а не производить данные, результаты или авторство.

Источники

Обновлено: