Las estadísticas representan una parte esencial de un estudio porque, independientemente del diseño del estudio, los investigadores deben resumir la información recopilada para su interpretación y presentación a otros. Por lo tanto, es importante para nosotros prestar atención a la preocupación del Sr. Twain al crear el plan de análisis de datos. De hecho, incluso antes de que comience la recopilación de datos, necesitamos tener un plan de análisis claro que nos guíe desde las etapas iniciales de resumir y describir los datos hasta probar nuestras hipótesis.
El propósito de este artículo es ayudarlo a crear un plan de análisis de datos para un estudio cuantitativo. Para aquellos interesados en realizar investigaciones cualitativas, los artículos anteriores de esta serie de investigadores de investigación han proporcionado información sobre el diseño y el análisis de tales estudios.2,3 La información en el artículo actual se divide en 3 secciones principales: una visión general de los términos y conceptos utilizados en Análisis de datos, una revisión de los métodos comunes utilizados para resumir los datos del estudio y un proceso para ayudar a identificar pruebas estadísticas relevantes. Mi intención aquí es introducir los elementos principales del análisis de datos y proporcionar un lugar para que comience al planificar esta parte de su estudio. Expertos bioestadísticos, libros de texto, paquetes de software estadístico y otros recursos ciertamente pueden agregar más amplitud y profundidad a este tema cuando necesita información y asesoramiento adicionales.
Al analizar la información de un estudio cuantitativo, a menudo tratamos con números; Por lo tanto, es importante comenzar con una comprensión de la fuente de los números. Comencemos con el término variable, que define un elemento específico de información recopilada en un estudio. Los ejemplos de variables incluyen edad, sexo o género, etnia, frecuencia de ejercicio, peso, grupo de tratamiento y glucosa en sangre. Cada variable tendrá un grupo de categorías, que se denominan valores, para ayudar a describir la característica de un participante individual del estudio. Por ejemplo, la variable «sexo» tendría valores de «hombre» y «mujer».
Aunque las variables se pueden definir o agruparse de varias maneras, me centraré en 2 métodos en esta etapa introductoria. Primero, las variables se pueden definir de acuerdo con el nivel de medición. Las categorías en una variable nominal son nombres, por ejemplo, hombre y mujer para la variable «sexo»; blanco, aborigen, negro, latinoamericano, del sur de Asia y asiático oriental para la variable «etnia»; e intervención y control para el «grupo de tratamiento» variable. Las variables nominales con solo 2 categorías también se denominan variables dicotómicas porque el grupo de estudio se puede dividir en 2 subgrupos en función de la información en la variable. Por ejemplo, una muestra de estudio se puede dividir en 2 grupos (pacientes que reciben la intervención y los controles) utilizando la variable dicotómica «grupo de tratamiento». Una variable ordinal implica que las categorías se pueden colocar en un orden significativo, como sería el caso de la frecuencia de ejercicio (nunca, a veces, a menudo o siempre). Las variables de nivel nominal y a nivel ordinal también se denominan variables categóricas, porque cada categoría en la variable puede separarse por completo de las otras. Las categorías para una variable de intervalo se pueden colocar en un orden significativo, con el intervalo entre categorías consecutivas que también tienen significado. La edad, el peso y la glucosa en sangre pueden considerarse como variables de intervalo, pero también como variables de relación, porque la relación entre los valores tiene significado (por ejemplo, un joven de 15 años es la mitad de la edad de un joven de 30 años). Las variables a nivel de intervalo y nivel de relación también se denominan variables continuas debido a la continuidad subyacente entre las categorías.
A medida que avanzamos a través de los niveles de medición de las variables nominales a la relación, recopilamos más información sobre el participante del estudio. La cantidad de información que proporciona una variable será importante en la etapa de análisis, ya que perdemos información cuando las variables se reducen o se agregan, una práctica común que no se recomienda.4 Por ejemplo, si la edad se reduce a partir de una variable a nivel de relación ( medido en años) a una variable ordinal (categorías de <65 y ≥ 65 años) perdemos la capacidad de hacer comparaciones en todo el rango de edad e introducir un error en el análisis de datos.4
Un segundo método para definir variables es considerarlas como dependientes o independientes. Como los términos implican, el valor de una variable dependiente depende del valor de otras variables, mientras que el valor de una variable independiente no depende de otras variables. Además, un investigador puede influir en el valor de una variable independiente, como la asignación de grupos de tratamiento. Las variables independientes también se denominan predictores porque podemos usar información de estas variables para predecir el valor de una variable dependiente. Sobre la base del grupo de variables enumeradas en el primer párrafo de esta sección, la glucosa en sangre podría considerarse una variable dependiente, porque su valor puede depender de los valores de las variables independientes en edad, sexo, etnia, frecuencia de ejercicio, peso y grupo de tratamiento.
¿Cómo se elabora un plan de análisis?
Esta parte del proceso del proyecto de análisis supone que un S.M.A.R.T. Se ha identificado el objetivo (específico, medible, alcanzable, realista y limitado por el tiempo) para el proyecto. Los consejos para desarrollar colaborativamente un objetivo inteligente se elaboran en la publicación anterior.
Una vez que se ha identificado un objetivo inteligente, el siguiente paso es destilar ese objetivo en una serie de pasos de acción concretos que formarán el trabajo de completar el proyecto. El enfoque que el profesor Borg describe se llama un plan de análisis de pirámide estructurado.
La justificación para usar un plan estructurado como este es evitar el proceso muy ineficiente de explorar un conjunto de datos sin rumbo, sin hipótesis. Esto es especialmente cierto para los equipos de análisis, que tendría dificultades para colaborar sin algún tipo de hoja de ruta para usar para la dirección. En resumen, los planes de este tipo ayudan a analistas de datos:
- concéntrate,
- identificar lagunas en el pensamiento,
- explicar su pensamiento a los demás,
- informar su progreso y
- trabajar junto a otros en un equipo.
Se describe una SPAP en la siguiente imagen. Los términos se definen debajo de él.
Objetivo inteligente: un objetivo específico, medible, alcanzable, realista y vinculado. Variables dependientes: variables que directamente pertenecen al logro de S.M.A.R.T. meta. Preguntas específicas para investigar: ideas e intuiciones sobre qué parámetros pueden afectar las variables independientes. Variables independientes: variables que pueden ayudar a explicar las posibles conexiones en las preguntas anteriores a las variables dependientes. Análisis específicos: análisis estadísticos y gráficos de variables independientes versus dependientes.
¿Cómo hacer un plan de análisis de datos?
Un plan de análisis de datos es una hoja de ruta que define la forma en que organizará y analizará sus datos de investigación, y eso debería ayudarlo a lograr los tres objetivos relacionados para el propósito final que definió antes de comenzar la investigación:
- Segmento a los encuestados a la investigación para comparar las opiniones de diferentes grupos demográficos
Durante la planificación de la encuesta, organiza aplicaciones de investigación generales a las que quería responder mediante el envío de un cuestionario. Retire sus objetivos cuando comience su plan de análisis de datos.
Supongamos que organizó una conferencia escolar y quería saber la opinión de los participantes en el evento. El objetivo de su investigación era obtener los comentarios de las personas que participaron en su conferencia. Con este fin, organizó algunas preguntas de investigación generales diseñadas para proporcionarle más información en profundidad:
El objetivo de la encuesta de comentarios sobre la conferencia: obtener los comentarios de las personas que participaron en mi conferencia escolar. (Me gustaría recibir comentarios de los participantes para que pueda evaluar las fortalezas y debilidades de mi evento, y realizar mejoras específicas en consecuencia).
- Segmento a los encuestados a la investigación para comparar las opiniones de diferentes grupos demográficos
¿Qué es un plan de análisis de datos?
1. ¿Por qué un plan de análisis de datos?
“Un plan de análisis de datos lo ayuda a pensar en los datos que recopilará, para qué los usará y cómo los analizará. La planificación del análisis puede ser una inversión invaluable de tiempo ”(Centro para el Control y Prevención de Enfermedades, 2013)
El método para crear un plan de análisis de datos en el contexto de un NIPN no es muy diferente del método utilizado en un contexto de investigación.
En el contexto de NIPN, el proceso debe ser más simple porque:
- Ya se produce un marco de análisis de datos (paso 3 del proceso de formulación de preguntas) y forma la base del plan de análisis de datos más detallado (después del paso 4 del proceso de formulación de preguntas).
- Sección 3.4, Las páginas 7 a 9 describen metodologías de análisis de datos.
- NIPN se trata del uso de datos existentes, no se trata de diseñar un protocolo para recopilar nuevos datos.
La siguiente sección describe brevemente el contenido de un plan de análisis de datos centrado en lo que es un poco específico para el NIPN.
2. ¿Qué es un plan de análisis de datos?
Secciones principales de un plan de análisis de datos (basado en el módulo CDC):
- Ya se produce un marco de análisis de datos (paso 3 del proceso de formulación de preguntas) y forma la base del plan de análisis de datos más detallado (después del paso 4 del proceso de formulación de preguntas).
- Sección 3.4, Las páginas 7 a 9 describen metodologías de análisis de datos.
- NIPN se trata del uso de datos existentes, no se trata de diseñar un protocolo para recopilar nuevos datos.
=> Estimación del tiempo y los recursos necesarios
3. Pregunta principal y subcuestiones
En esta etapa, la pregunta relevante de la política (y, en algunos casos, sus subcuestiones) ya está bien definida (Sección 3.4, página 11).
Responder todas las subcuestiones proporcionará una respuesta completa a la pregunta principal.
¿Qué es un plan de análisis de resultados?
Un plan de preanálisis es un plan paso a paso que establece cómo un investigador analizará los datos que están escritos antes de que vean estos datos (e idealmente antes de recopilarlos en los casos en que el investigador recopila los datos). Recientemente comienzan a ser populares en el contexto de experimentos aleatorios, con Casey et al. y los documentos recientes de Finkelstein et al. En el QJE los usan. También hay cierta discusión en la ciencia política: ver este artículo reciente de Macarten Humphrey y coautores.
Hay varios objetivos al especificar un plan de análisis, pero una razón importante es evitar muchos de los problemas asociados con la minería de datos y la búsqueda de especificaciones al establecer de antemano las especificaciones que se ejecutarán y con qué variables. Esto es particularmente importante para las intervenciones que tienen una amplia gama de posibles resultados diferentes, como los programas de CDD analizados por Casey et al. Observan 334 resultados diferentes e ilustran que podrían haber elegido 7 resultados que hicieron que su programa pareciera que fortaleció las instituciones, o alternativamente han elegido 6 resultados alternativos que hacen que el programa parezca debilitó las instituciones. Esto es un problema menor en la evaluación de muchas otras políticas en las que existen uno o dos resultados clave más importantes (por ejemplo, ganancias y ventas para una intervención, asistencia y puntajes de la prueba para una intervención escolar o incidencia de alguna enfermedad para algunas intervenciones de salud. ). Pero incluso en esos casos, a menudo hay muchas opciones diferentes de cómo medir el resultado clave, por lo que una disciplina ex antes de cómo se define este resultado puede ser útil.
Soy nuevo en escribir estos, pero ahora los he hecho para cuatro proyectos diferentes. Toman bastante trabajo para armar, pero he encontrado otros dos resultados realmente útiles al hacerlo. Primero, ayudan a pensar en el diseño del cuestionario. Al mapear cada ecuación de interés que queremos estimar a las preguntas específicas en el cuestionario que miden las variables en estas ecuaciones, podemos asegurarnos de no omitir inadvertidamente variables que necesitamos saber, así como pensar con más cuidado sobre cómo medir los resultados de manera que sean más susceptibles de usar en el análisis. En segundo lugar, una vez que se recopilan los datos, el análisis de datos es mucho más rápido y más fácil, ya que el plan de preanálisis proporciona una hoja de ruta para seguir, y prácticamente tiene la mitad del documento ya escrito.
¿Cómo hacer un plan de análisis de resultados?
La clave para evaluar el éxito o el fracaso de un plan de marketing digital se encuentra al tener disponibles todas las herramientas necesarias para analizar y medir su impacto social. Las métricas de marketing digital son realmente útiles para averiguar si el trabajo que se está haciendo es correcto, si está logrando los objetivos establecidos o si el camino que va es adecuado es adecuado para llegar al resultado esperado.
Existen numerosas métricas, todas diseñadas para medir un aspecto concreto del plan de marketing digital. En la elección correcta de las métricas, existe gran parte del éxito de nuestras campañas, ya que la información detectada por las métricas mismas capaces de proporcionar una imagen clara de la situación y proporcionar los detalles de los cambios que se introducirán para obtener los resultados deseados.
El proceso de análisis y medición de un plan de marketing digital se procesa a través de una serie de procesos que es importante seguir para conocer los resultados de una manera concreta. Este proceso de análisis y medición se divide en 3 etapas:
En primer lugar, es importante que el plan de marketing se base en ciertos objetivos a lograr. Sin objetivos es complicado funcionar ya que no conocemos el final de la ruta y el destino final.
Los objetivos deben establecerse antes de lanzar la campaña, estableciendo los aspectos sobre los que se concentrará, el público a abordar y los resultados a obtener. Los objetivos le indicarán al final del proceso si está trabajando bien, si ha alcanzado las expectativas y si el plan propuesto se ha desarrollado correctamente.
¿Qué es el plan de análisis cualitativo?
El análisis de datos debería cambiar lo que hace, no solo cómo lo hace. – Matin Movassate
Si va a elegir el plan de análisis de datos adecuado para su estudio, primero es pertinente recopilar datos cualitativos. Dado que el análisis cualitativo se trata más del significado del análisis, es demasiado confuso con datos no estructurados y enormes. Para realizar análisis de datos para cualquier investigación, también es importante tener la metodología correcta. Si los datos y los métodos del plan de análisis de datos son correctos, tendrá numerosos beneficios, incluida la toma de decisiones correctas.
Pero antes de eso, hay ciertos detalles fundamentales que saber antes de elegir el plan de análisis de datos correcto, que incluye:
QDA se basa en una política interpretativa para examinar el contenido simbólico y significativo de los datos. En otras palabras, está interpretando los datos cualitativos por muchos procesos y procedimientos para transformarlos en grandes ideas para tomar decisiones dinámicas.
Los datos descriptivos que no son numéricos y capturan conceptos y opiniones, valores y comportamientos de las personas en un contexto social se denomina recopilación de datos cualitativos. Son los datos de la observación de grabaciones de audio y video y también leen las transcripciones de entrevistas y copias de documentos.
¿Qué propósito realiza el plan de análisis de datos cualitativos?
A diferencia del análisis de datos cuantitativos, que es más de números y estadísticas, el análisis cualitativo es un análisis de datos cualitativos subjetivos y no numéricos. Por lo tanto, realiza muchas funciones que incluyen:
· Formar la base de conclusiones informadas y verificables
¿Cómo hacer un análisis cualitativo?
La realización de la encuesta cualitativa se lleva a cabo en 4 etapas. Al principio debe decidir sobre las hipótesis y el método que se utilizará. En un segundo paso debe establecer una lista de preguntas que servirán como un cable
Conductor con entrevistas. Luego, debe comunicarse con clientes potenciales y llevar a cabo las entrevistas. Finalmente, debe analizar las respuestas, identificar las tendencias y decidir o no dar el siguiente paso.
De hecho, puede notar al final de la encuesta que sus productos o servicios no interesan a los entrevistados. Si es bastante positivo:
Acabo de evitar entrar al mercado con una oferta comercial que no corresponde a las expectativas de sus consumidores. Debe cambiar su oferta o cambiar
Objetivos de los consumidores y llevar a cabo un nuevo estudio.
Para definir las hipótesis, debe imaginar al consumidor típico y sus expectativas.
Tomemos un ejemplo. Imagine que quiero abrir un restaurante que vende burritos en un área de oficina. Mi consumidor ideal parece
Probablemente algo así:
- Una persona activa y bastante joven
- Trabajando a menos de 10 minutos a pie del restaurante
- amando comer comida picante y comida mexicana
- No necesariamente ya ha comido burritos
- quien está cansado de comer siempre lo mismo al mediodía
- que tiene entre 30 y 60 minutos para el almuerzo
Artículos Relacionados:
