Zrozumieć dane i wyniki

Wyjaśnianie zagadnień zw. z przeprowadzeniem badania statystycznego, ze szczególnym uwzględnieniem gromadzenia danych, sposobów ich weryfikacji oraz interpretacji wyników.

Etapy projektowania badania statystycznego:

1. przygotowanie badania

2. gromadzenie danych i ich weryfikacja;

3. analizy statystyczne

4. prezentacja wyników

5. interpretacja wyników

6. publikacja wyników

1. Przygotowanie badania:

• ocena aktualnego stanu wiedzy

• powołanie zespołu badawczego

• ustalanie wyników celów ogólnych i szczegółowych

• postawienie hipotez

• opracowanie kwestionariuszy badawczych

• przeprowadzenie badania pilotażowego

• korekta i druk kwestionariuszy

1. Gromadzenie danych i ich weryfikacja:

1. Źródłem danych o uczestnikach badania są m.in.:

• kwestionariusz badawczy

• wywiad lekarski

• wynika badań laboratoryjnych

• karty zgonów

• karty szpitalne

• roczniki statystyczne i inne publikacje

1. Pozyskiwanie danych wymaga odpowiedniego przygotowania, które obejmuje:

• organizację zespołów badawczych

• dobór próby do badania

• zgromadzenie sprzętu badawczego, określenie miejsca i czasu badania

• szkolenie personelu badawczego

1. Populacja i próba:

1. Dwa znaczenia słowa populacja:

• wszyscy mieszkańcy danego kraju lub obszaru rozpatrywani łącznie;
  liczba mieszkańców danego kraju lub obszaru;

• całkowity zbiór jednostek („uniwersum”), z którego próba jest pobrana;
  nie koniecznie musi to być populacja osób; jednostkami mogą być instytucje, dokumenty, zdarzenia. Próba ma w założeniu dostarczyć wyników, które są reprezentatywne dla całej populacji.

1. Wiarygodności wyników analiz dokonanych na próbie z populacji;

2. Problem uogólnienia tych wyników na populację, z której pobrana była próba, na inną, podobna populację lub odpowiednio zdefiniowany podzbiór którejś z tych populacji.

Reprezentatywność:

1. krytyczna analiza posługiwania się słowem „reprezentatywność”:

• piśmiennictwo nie naukowe

• piśmiennictwo naukowe z wyłączeniem statystyki

• piśmiennictwo naukowe ze statystyką

1. 7 kategorii reprezentatywności:

• nieobecność czynników selektywnych w doborze próby;

• miniatura populacji

• przypadki typowe lub idealne

• odwzorowania różnorodności pulsacji

• specyficzna metoda dobierania próby

• próba pozwalająca na dobre oszacowania badanych parametrów

• próba odpowiednia dla celu, któremu ma służyć

1. nieobecność czynników selektywnych:

• stronniczość doboru próby: stanowi systematyczny błąd w badaniach naukowych groźny dla wiarygodności i możliwości uogólnienia wyników;

polega on na tym, że próba różni się od populacji, z której została wybrana pod względem częstości występowania jakiejś istotnej cechy sprawiającej, że charakterystyka próby ze względu na tą cechę różni się od charakterystyki populacji;

• by zwiększyć możliwość nie stronniczego doboru próby stosowane są losowe metody selekcji, czyli takie w których każda jednostka z populacji ma jednakową szanse dostania się do próby, a prawdopodobieństwa wylosowania poszczególnych jednostek są od siebie zależne;

• by zapewnić bliższe podobieństwo próby i populacji stosowana jest metoda mieszana: próbkowanie kwotowe; chcąc wylosować próbę w równych proporcjach składająca się z kobiet i mężczyzn możemy wybrać losowo pewną liczbę kobiet wśród kobiet i taka samą liczbę mężczyzn wśród mężczyzn;

• metoda taka może zagwarantować odtworzenie w próbie rozkładu niektórych cech w populacji, jednak w stosunku do innych cech nie objętych kwotowaniem możliwa jest przy tej metodzie bardzo duża stronniczość; im więcej jest kategorii, których proporcje z populacji chcemy uwzględnić w próbie tym próba musi być odpowiednio większa, co podraża koszt badania;

1. miniatura populacji:

• rezultatem wolnego od wszelkiej stronniczości doboru byłaby próba,
  w której rozkład wszystkich cech odpowiada dokładnie rozkładowi tych samych cech w populacji

• problem stanowi kryterium zgodności rozkładów populacji i próby;
  aby orzec tę zgodność musielibyśmy znać rozkłady wszystkich cech pop.

1. próba reprezentatywna jako typowa:

• idea typowości opera się na przekonaniu, że można wybrać jakiś fragment większej całości, który posiada niektóre ważne cechy
  i zależności między nimi takie same jak całość;

• typowość cech próby polega na wysokiej częstości ich występowania
  w populacji lub na tym, że ich wartości bliskie są średniej dla populacji;

• podstawowa trudność w wykorzystaniu takich „typowych” prób
  w badaniach naukowych polega na tym, że rzadko tak wybrana próba jest typowa pod każdym względem;

1. odwzorowanie różnorodności populacji:

• w populacji podzielonej na kategorie pokrycie populacji przez próbę rozumiane jest jako włączenie do próby reprezentantów
  lub przynajmniej jednego reprezentanta każdej kategorii;

• reprezentatywność rozumiana jako pokrycie różnorodności populacji jest odmienna od miniatury populacji, gdyż nie stawia wymogu proporcjonalnej reprezentacji wszystkich podgrup, a tylko włączenie do grupy ich przedstawicieli; jest też sprzeczna z rozumieniem reprezentatywności jako doboru przypadków typowych; nie o typowość lub przeciętność tu chodzi, a raczej o odwzorowanie różnorodności;

1. Analizy statystyczne i prezentacja wyników:

1. Przed przystąpieniem do analiz statystycznych należy bardzo dokładnie przyjrzeć się zebranym danym. Omylność, zawodność urządzeń pomiarowych, brak rzetelności i dokładności w przeprowadzania wywiadu lub zapisie danych w bazie komputerowej są źródłem błędu.

2. W celu ich wykrycia można zasobowa metodę podwójnego kodowania, która polega na wprowadzeniu do bazy przez dwie różne osoby. Zbiory te
   są porównywane, a niezgodności wyjaśniane i korygowane.

3. Inne metody pozwalające na zweryfikowanie błędów to m.in.:

• ustalenie zakresu dopuszczalnych wartości

• zbadanie powiązań logicznych

• zbadanie spójności danych

• sprawdzenie wartości minimalnej i maksymalnej

• ustalenie sposobu zapisu braku danych

• przyglądnięcie się obserwacjom odstającym oraz ustalenie sposobu postępowania z nimi

1. Obserwacja odstająca to wartości badanej cechy znacznie odbiegające od wyznaczonego zakresu wartości, leżące poza tzw. ciałem danych. Źródłem takich obserwacji może być błąd, wtedy jest to błąd gruby, ale może to być wartość rzeczywista, znacznie przekraczająca normę. Błąd gruby można skorygować jedynie w oparciu o dane źródłowe. Jeżeli dostęp do nich nie jest możliwy, to obserwacja taka traktowana jest jako brak danych.

Obserwacje rzeczywiste wymagają natomiast szczególnej uwagi przy analizie danych. Użyteczną metodą zidentyfikowania obserwacji odstających jest narysowanie wykresu punktowego rozrzutu.

Obserwacje odstające mają duży wpływ na nachylenie linii regresji, a w konsekwencji wpływ na wartość współczynnika korelacji. Pojedyncza obserwacja odstająca jest w stanie bardzo zmienić nachylenie linii regresji
i w konsekwencji wartość współczynnika korelacji.

1. Typy danych:

• dane ilościowe (mierzalne): dane, które uzyskuje się w wyniku pomiaru i wyraża w skali liczbowej; mogą być ciągłe, gdy przyjmują wartości z pewnego przedziału liczbowego lub dyskretne, gdy przyjmują wartości liczb całkowitych;

• dane jakościowe (niemierzalne): określane są jedynie przez nazwę; mogą być podawane w skali nominalnej lub porządkowej, gdy prócz nazwy możemy ustalić porządek;

1. Statystyka opisowa:

• dane ilościowe:

• podanie ogólnej liczby badanych,

• podanie liczby obserwacji ważnych,

• średniej arytmetycznej

• odchylenia standardowego;

• dane jakościowe:

• podanie ogólnej liczby badanych,

• liczbę jednostek wyróżnionych,

• procent obserwacji;

1. Prezentacja wyników:

• tabela liczności

• statystyki opisowe

• podsumowująca tabela dwudzielcza