Der kommer en masse data ud af ethvert forskningsprojekt, hvoraf nogle er værdifulde og andre ikke. At finde noget nyt, uventet eller forvirrende i forskningen kan hurtigt blive overvældende.

Nogle gange kan man komme galt af sted, når man er under pres for at overholde en deadline. Undgå at bekymre dig om disse utilsigtede resultater, når din nuværende forskning er færdig, ved at udelukke dem fra overvejelserne.

I post-hoc-analyse analyserer man ikke alle tilfældige resultater af et eksperiment. Det er vigtigt at lede efter mønstre, når du observerer noget, der berettiger til et nærmere kig og yderligere undersøgelse for at hjælpe dig med bedre at forstå konceptet.

Efter en post hoc-analyse kan man få yderligere oplysninger og dykke dybere ned i sin emnebase. Lad os se nærmere på post hoc-analyse.

Post-hoc-analyse: Hvad er det?

På latin betyder post hoc "efter dette", dvs. at man analyserer de eksperimentelle data bagefter.

Formålet med en post-hoc-analyse er at finde mønstre, efter at undersøgelsen er afsluttet, og at finde resultater, som ikke var det primære mål. Derfor betragtes alle analyser, der udføres, efter at et eksperiment er afsluttet, og som ikke var planlagt på forhånd, som post-hoc-analyser.

Data, der allerede er blevet indsamlet, bruges i et post-hoc studie. Forskere analyserer disse data for at udvikle nye formål, som ikke indgik i eksperimentets design. Post hoc-undersøgelser kan derfor udføres på aggregerede data fra tidligere forsøg. 

Processen med at udføre post-hoc-analyser er ofte tidskrævende, men den giver en række fordele. For at afdække værdifuld information skal man udvise en rimelig grad af forsigtighed og ikke overvurdere uventede resultater. Det kan være et tegn på noget vigtigt, selv om det er en tilfældig begivenhed.

Post hoc-analyser er nyttige, når man undersøger fejlrater, vurderer betydningen af hypoteser eller afgør, om de er statistisk signifikante.

Hvis man gennemfører flere forsøg eller afviger fra sin primære forskningslinje, øges risikoen for fejl og falske positive resultater. Det er her, post hoc spiller en vigtig rolle. Hvordan fungerer det helt præcist? 

Post-hoc-analyse: Hvordan fungerer det?

Det er stadig muligt at få værdifulde indsigter fra dataene, selvom det primære mål ikke er nået. Eventuelt lægemidlets eftervirkninger og data om dem. Eller andre lignende stoffer kan også være værd at teste.

Formålet med en post-hoc-analyse er at besvare spørgsmål, efter at undersøgelsen er afsluttet, et mål, der ikke er angivet i undersøgelsen.

For at afgøre, hvor forskellene kommer fra, bruger man en post hoc-test, når man har fundet et statistisk signifikant resultat. Post hoc-tests kan bruges til at vurdere forskelle mellem flere grupper, samtidig med at man undgår eksperimentelle fejl. Der er blevet formuleret adskillige post hoc-tests, og de fleste af dem giver lignende resultater. 

Der findes forskellige typer af post hoc-test

De data, der indsamles under en forskning eller et klinisk forsøg, kan analyseres for at finde mønstre og forskellige faktorer. De mest almindelige post hoc-tests er:

  • Bonferroni-procedure: Det er muligt at udføre flere statistiske tests på samme tid ved at bruge denne post hoc multiple-comparison correction.
  • Duncans nye multiple range test (MRT):  Duncans Multiple Range Test vil identificere de par af gennemsnit (fra mindst tre), der er forskellige. 
  • Dunns multiple sammenligningstest: Dette er en post hoc-analyse, der køres efter en ANOVA, en ikke-parametrisk test, der ikke antager, at dine data følger en bestemt fordeling.
  • Fishers mindste signifikante forskel (LSD): Bestemmer, om to gennemsnit er statistisk forskellige.
  • Holm-Bonferroni-procedure: Holms sekventielle Bonferroni-test gør multiple sammenligninger mindre strenge.
  • Ved hjælp af Newman-Keuls kan man identificere stikprøver, der har forskellige gennemsnit fra hinanden. Newman-Keuls sammenligner par af gennemsnit ved hjælp af forskellige kritiske værdier. Som et resultat er der større sandsynlighed for at finde signifikante forskelle.
  • Rodgers metode: Denne statistiske metode bruges til at evaluere forskningsdata post hoc efter en "multivariat" analyse.
  • Scheffés metode: I Scheffes metode justeres teststatistikken forskelligt afhængigt af antallet af sammenligninger, der blev foretaget.
  • Tukey's test: Tukey's test afgør, om din stikprøve består af grupper, der adskiller sig fra hinanden. Hvert gennemsnit sammenlignes med gennemsnittet for alle andre grupper ved hjælp af den "Ærlige Signifikante Forskel", som repræsenterer, hvor langt grupperne er fra hinanden.
  • Dunnetts korrektion: Denne post hoc-test sammenligner gennemsnit. I modsætning til Tukey's sammenligner den hvert middel med et kontrolmiddel.
  • Benjamini-Hochberg (BH) procedure: Et signifikant resultat vil kun opstå ved en tilfældighed, hvis du udfører mange tests. Denne post hoc-test tager højde for den falske opdagelsesrate.

Intet kan slå et fejlfrit visuelt værk, der leverer et komplekst budskab.

Ja, det er rigtigt, ved hjælp af billeder er det meget lettere at sætte de sværeste begreber i perspektiv. I grafikkens tidsalder er det ikke så underligt, at du sandsynligvis kan forstå kvantefysik på en meget enklere måde på grund af grafikkens effektivitet.

Undrer du dig over, hvordan du kommer i gang? Hvorfor bekymre sig, når du har grafen lige ved hånden! Hos os kan du vælge mellem mere end tusind illustrationer i vores galleri og lave plakater ved hjælp af den smarte poster maker, som vi har udviklet til dig. Få mest muligt ud af vores talentfulde teams ekspertise, og få den skræddersyet til dine behov. For mere information, besøg vores hjemmeside.

Relaterede artikler
logo-abonnement

Tilmeld dig vores nyhedsbrev

Eksklusivt indhold af høj kvalitet om effektiv visuel
kommunikation inden for videnskab.

- Eksklusiv guide
- Tips til design
- Videnskabelige nyheder og tendenser
- Vejledninger og skabeloner