Το SPSS δεν ξεκινά από το κουμπί Analyze
Η σωστή στατιστική ανάλυση με SPSS ξεκινά από τον ερευνητικό σχεδιασμό: τι ακριβώς μετρά κάθε μεταβλητή, ποιο είναι το επίπεδο μέτρησης, ποιες υποθέσεις εξετάζονται και ποιο δείγμα διαθέτουμε. Η επιλογή ελέγχου πρέπει να ακολουθεί τη λογική της έρευνας και όχι το αντίστροφο.
Κωδικοποίηση μεταβλητών, missing values, reverse scoring, έλεγχος λαθών και δημιουργία σύνθετων δεικτών.
Συχνότητες, μέσοι όροι, διασπορά, πίνακες και διαγράμματα.
t-tests, ANOVA, συσχετίσεις, παλινδρόμηση, χ² ή μη παραμετρικοί έλεγχοι όπου είναι κατάλληλοι.
Πίνακες, effect sizes όπου χρειάζονται, σαφής ερμηνεία και σύνδεση με hypotheses/research questions.
Έλεγχος προϋποθέσεων και επιλογή τεστ
Η ανάλυση χρειάζεται έλεγχο των προϋποθέσεων κάθε τεχνικής και τεκμηρίωση της επιλογής. Για παράδειγμα, η απόφαση μεταξύ παραμετρικού και μη παραμετρικού ελέγχου δεν πρέπει να βασίζεται σε έναν μόνο αυτοματοποιημένο δείκτη αλλά στη συνολική εικόνα των δεδομένων και του σχεδιασμού.
Αξιοπιστία και κλίμακες
Όταν χρησιμοποιούνται ψυχομετρικές ή ερευνητικές κλίμακες, μπορεί να χρειάζονται scoring rules, έλεγχος εσωτερικής συνέπειας και προσεκτική ερμηνεία. Η μετάφραση ή προσαρμογή ενός εργαλείου δεν ισοδυναμεί αυτομάτως με επικύρωση για νέο πληθυσμό.
Πώς παρουσιάζονται τα αποτελέσματα
Η ενότητα αποτελεσμάτων πρέπει να παρουσιάζει τα ευρήματα χωρίς να μετατρέπεται σε ανεξήγητη λίστα από πίνακες SPSS. Κάθε πίνακας ή έλεγχος χρειάζεται σύντομη περιγραφή του τι εξετάστηκε, του βασικού αποτελέσματος και της σχέσης του με το αντίστοιχο ερευνητικό ερώτημα.
Χρειάζεστε υποστήριξη για την εργασία σας;
Στείλτε μας το θέμα, τις οδηγίες, την προθεσμία και το υλικό που έχετε ήδη, ώστε να αξιολογήσουμε πώς μπορούμε να σας υποστηρίξουμε.
Επικοινωνία με το FOITHTIKES PLUS →