Статистические методы обработки данных научного исследования

обзор) 2 этап. Определение дизайна исследования 3 этап. Сбор данных 4 этап. Статистическая

обработка полученных данных

Методология проведения научного исследования

таблицы распределения данных (матрицы), доступной для обработки в специализированных приложениях
Проведение

статистического анализа
Формулировка выводов

STATISTICA, S-PLUS, Stadia, STATGRAPHICS, SYSTAT, Minitab). Эти пакеты не ориентированы

на специфическую предметную область и могут применяться для анализа данных из различных областей деятельности.

2. Профессиональные пакеты (например, SAS, BMDP). Позволяют работать со сверхбольшими объемами данных, применять узкоспециализированные методы анализа, создавать собственную систему обработки данных.

3. Специализированные пакеты (например, BioStat, MESOSAUR, DATASCOPE). Предназначены для анализа с использованием ограниченного числа статистических методов или применимы к использованию в отдельно взятой предметной области.

в области статистического анализа.
Базовый модуль позволяет осуществлять управление данными и содержит наиболее распространенные методы

статистического анализа данных: проведение описательной статистики; построение линейных и нелинейных моделей; осуществление преобразования данных; проведение факторного, кластерного, дисперсионного анализов; вычисление корреляций; построение графиков; подготовка отчетов и пр.

скорость вычислений, простой и удобный интерфейс;
детальная контекстно-ориентированная справочная система;
наличие версий

продукта на различных языках;
совместимость с операционными системами Windows, Mac, Linux;
наличие значительного количества литературы по работе с пакетом.

или более, минимум 2 Гб свободного места на жестком диске,

4 Гб оперативной памяти или более);
высокая цена по сравнению со статистическими пакетами аналогичного уровня (стоимость покупки для индивидуального пользования сроком на год составляет более 1000 USD).

имеющих содержательный смысл (рост, вес, АД, ЧСС).
Качественные:
Номинальные – не поддающиеся непосредственному

измерению (пол, профессия, семейное положение).
Порядковые или ранжируемые – эти признаки можно расположить в определенном порядке, но при этом отсутствует количественная мера расстояния между величинами (стадия болезни, самооценка состояния здоровья). 

символы _ (подчеркивание), . (точка), а также символы @ и

#.
Не разрешаются пробелы и специальные символы, такие как !, ?," и *.
Имя переменной должно начинаться с буквы.
Последний символ имени не может быть точкой или знаком подчеркивания.

переменную более подробно. Метка переменной может содержать до 256 символов.

В метках переменных различаются прописные и строчные буквы. Они отображаются в том виде, в каком были введены.

Значение — это название, позволяющее более подробно описать возможные значения переменной. Так, например, в случае переменной пол можно задать метку "мужской" для значения «1» и метку "женский" для значения «2»

определяемые системой: если в матрице данных есть незаполненные численные ячейки.

Этот факт отображается в матрице данных с помощью запятой (,).
Пропущенные значения, задаваемые пользователем: если в определенных случаях у переменных отсутствуют значения, пользователь может объявить эти значения как пропущенные. Пропущенные значения можно исключить из последующих вычислений.

будет иметь в таблице данный столбец при отображении значений.  
Выравнивание

- здесь можно задать вид выравнивания значений (по правому краю, пo левому краю и по центру).

созданные в предыдущих версиях SPSS, или шкала измерений не определяется

явно, SPSS вначале автоматически предполагает количественную шкалу.

Здесь можно задать шкалу переменной, которая может быть номинальной, порядковой или количественной.

статистической шкале относится данная переменная?
 Подчиняются ли данные закону нормального распределения?
 Являются

ли сравниваемые выборки зависимыми или независимыми?

В основном такие переменные подлежат только частотному анализу.
Переменные, относящиеся

к номинальной шкале часто используются для группировки, с помощью которых совокупная выборка разбивается по категориям этих переменных.

вычисление определенных статистических характеристик, таких как медианы.
Если должна быть

установлена связь (корреляция) с другими переменными такого рода, для этой цели можно использовать коэффициент ранговой корреляции.
Для сравнения различных выборок переменных, относящихся к порядковой шкале, могут применяться непараметрические тесты.

эмпирическую значимость, относятся к количественной шкале.
Могут обрабатываться любыми статистическим

методами без ограничений.

количественной шкале, исходят из гипотезы, что их значения подчиняются нормальному

распределению.

Колокол Гаусса – кривая
нормального распределения

встречаются
Перед применением любого метода, который предполагает существование нормального распределения,

наличие последнего нужно проверять в первую очередь.
Классическим примером статистического теста, который исходит из гипотезы о нормальном распределении, можно назвать t-тест Стьюдента, с помощью которого сравнивают две независимые выборки.

нормальности не обнаружено

проводится для одной выборки в разные моменты времени (до начала

лечения, через месяц, 3 месяца, 6 месяцев и т.п.).
Если закономерное и однозначное соответствие между выборками невозможно, эти выборки являются независимыми. Независимые выборки содержат разные наблюдения (например, относящиеся к различным пациентам.

вероятности.
Различия между показателями с вероятностью ошибки р ≤ 0,05.

называются значимыми; различия с вероятностью ошибки р ≤ 0,01 - очень значимыми, а различия с вероятностью ошибки р ≤ 0,001 - максимально значимыми.

каталоге с расширением .sav