Datenanalyse-Techniken
Definition und Konzepte
Datenanalysetechniken ermöglichen es Forschern, gesammelte Daten zu überprüfen und aus den Informationen Schlüsse zu ziehen oder zu bestimmen. Die meisten Techniken konzentrieren sich auf die Anwendung quantitativer Techniken zur Überprüfung der Daten. Zu den bekannteren quantitativen Datenanalysetechniken gehören deskriptive Statistiken, explorative Datenanalysen und Bestätigungsdatenanalysen. Die letzten beiden beinhalten die Unterstützung oder Nicht-Unterstützung einer vorbestimmten Hypothese. Zu den Gruppen, die diese Techniken anwenden können, gehören einzelne Forscher, Studenten, Unternehmen, Regierungsbehörden und Versicherungsmathematiker sowie andere Parteien, die Informationen und Daten benötigen.Bei der quantitativen Datenanalyse wird versucht, die Vorurteile der Forscher aus den gesammelten Daten zu entfernen. Der häufige Einsatz von Statistiken, Wahrscheinlichkeiten oder anderen mathematischen Techniken ermöglicht es dem Einzelnen, Standardmethoden zur Interpretation von Daten zu verwenden. Wenn Forscher versuchen, qualitative Datenanalysetechniken zu verwenden - oft basierend auf dem persönlichen Hintergrund, den Vorlieben oder Grundsätzen der Grundlagenforschung -, werden die erfassten Daten möglicherweise falsch gelesen oder falsch interpretiert. Daher sind mathematische Techniken weniger anfällig für diese Fehler und werden häufig von anderen Individuen oder Forschern akzeptiert.
Durch die beschreibende statistische Analyse werden Daten in bestimmte Gruppen unterteilt oder zusammengefasst. Demographische Daten sind ein allgemeiner Satz beschreibender Statistiken. Die Forscher sammeln Informationen über Alter, Geschlecht, Haushaltsgröße, Einkommen, Beschäftigungsart und andere Informationen einer Bevölkerung. Eine andere Art der deskriptiven statistischen Analyse ist der prozentuale Fertigstellungsgrad eines Quarterback beim Spielen eines Fußballspiels. Wenn der Quarterback sechs von acht Passversuchen abschließt, hat er einen Fertigstellungsgrad von 75 Prozent. Ein Fehler bei dieser Technik ist die Unfähigkeit der Statistiken, zusätzliche Informationen bereitzustellen, z. B. die Länge jedes Durchgangs.
Explorative Datenanalysetechniken umfassen häufig die Verwendung von Boxplots, Histogrammen, Pareto-Diagrammen, Scatterplots oder eines Stamm-Blatt-Plots. Der Hauptzweck dieser Technik ist die Unterstützung einer angegebenen Hypothese eines Forschers. Zum Beispiel möchte ein Forscher vielleicht eine Hypothese über den Altersbereich von Besitzern nachweisen, die einen bestimmten Autotyp wie einen Minivan fahren. Um diese Hypothese zu testen und zu unterstützen, sammelt der Forscher Informationen und erstellt ein Box-Diagramm, um die Anzahl der Besitzer innerhalb seines angegebenen Bereichs zu bestimmen. Die Statistiken enthalten Informationen, die die Hypothese unterstützen oder nicht unterstützen, und zeigen, wie viele Ausreißer in den erfassten Daten enthalten sind.Bestätigungsdatenanalysetechniken sind das Gegenteil von Erkundungstechniken. In diesen Tests versucht der Forscher, die Nullhypothese zu widerlegen, eine Aussage, die von den meisten Individuen allgemein als wahr akzeptiert wird. Um die Nullhypothese zu widerlegen, sammelt der Forscher spezifische Informationen in Bezug auf die Hypothese und testet den Durchschnitt, die Varianz, die p-Werte und die Konfidenzintervalle. Das durch die bestätigende Datenanalyse nachgewiesene Konfidenzintervall gibt Aufschluss darüber, wie sicher der Forscher sein sollte, ob die Nullhypothese wahr oder falsch ist.