分析软件测量数据

收集相关数据后，我们必须以适当的方式对其进行分析。选择分析技术时需要考虑三个主要事项。

数据的性质

要分析数据，我们还必须查看数据所代表的较大总体以及该数据的分布。

抽样是从大量总体中选择一组数据的过程。样本统计数据描述并总结了从一组实验对象中获得的测量值。

总体参数表示如果测量所有可能的受试者，将获得的值。

总体或样本可以通过集中趋势度量（例如平均值、中位数和众数）和离散度量（例如方差和标准差）来描述。许多数据集呈正态分布，如下图所示。

如上所示，数据将均匀分布在平均值附近。这是正态分布的重要特征。

还存在其他分布，其中数据倾斜，因此平均值一侧的数据点多于另一侧。例如：如果大多数数据都位于均值的左侧，那么我们可以说分布向左倾斜。

通常，实验是按− 进行的

为了实现这些目标，目标应该以假设的形式正式表达出来，分析必须直接针对假设。

调查必须旨在探索理论的真实性。该理论通常指出，使用某种方法、工具或技术会对受试者产生特定的影响，使其在某些方面优于其他方法、工具或技术。

需要考虑两种数据情况：正常数据和非正常数据。

如果数据来自正态分布，并且有两个组需要比较，则可以使用学生 t 检验进行分析。如果有两个以上的组需要比较，则可以使用称为 F 统计量的一般方差分析检验。

如果数据是非正态的，则可以使用 Kruskal-Wallis 检验对数据进行排序来分析数据。

调查旨在确定描述一个或多个变量的数据点之间的关系。

有三种技术可以回答有关关系的问题：箱线图、散点图和相关性分析。

箱线图可以表示一组数据的范围摘要。
散点图表示两个变量之间的关系。
相关性分析使用统计方法来确认两个属性之间是否存在真正的关系。
- 对于正态分布的值，使用皮尔逊相关系数来检查两个变量是否高度相关。
- 对于非正态数据，对数据进行排序并使用斯皮尔曼等级相关系数作为关联度量。另一个非正态数据的度量是肯德尔稳健相关系数，它研究数据点对之间的关系并可以识别偏相关性。

如果排名包含大量并列值，则可以使用列联表上的卡方检验来测试变量之间的关联。同样，可以使用线性回归来生成方程来描述变量之间的关系。

对于两个以上的变量，可以使用多元回归。

在选择分析技术时必须考虑调查的设计。同时，分析的复杂性会影响所选的设计。多组使用 F 统计量，而不是两组学生 T 检验。

对于具有两个以上因素的复杂因子设计，需要更复杂的关联和显著性检验。

统计技术可用于解释一组变量对其他变量的影响，或补偿时间或学习效应。