Kaikista tutkimushankkeista saadaan paljon tietoa, josta osa on arvokasta ja osa ei. Uuden, odottamattoman tai hämmentävän tutkimustiedon löytäminen voi nopeasti käydä ylivoimaiseksi.
Joskus voi eksyä raiteiltaan, kun on paineita noudattaa määräaikaa. Vältä huolehtimasta näistä tahattomista tuloksista, kun nykyinen tutkimuksesi on valmis, jättämällä ne huomiotta.
Post-hoc-analyysissä ei analysoida kaikkia kokeen satunnaisia tuloksia. On tärkeää etsiä malleja, kun havaitset jotakin, joka ansaitsee tarkemman tarkastelun ja lisätutkimuksen, joka auttaa sinua ymmärtämään käsitettä paremmin.
Post-hoc-analyysin jälkeen voidaan hankkia lisätietoja ja syventyä syvemmälle aihepiiriin. Tutustutaanpa tarkemmin post hoc -analyysiin.
Post-hoc-analyysi: mitä se on?
Latinaksi post hoc tarkoittaa "tämän jälkeen", eli kokeellisten tietojen analysointia jälkikäteen.
Post-hoc-analyysin tavoitteena on löytää kuvioita tutkimuksen päättymisen jälkeen ja löytää tuloksia, jotka eivät olleet ensisijainen tavoite. Näin ollen kaikkia kokeen päättymisen jälkeen suoritettuja analyysejä, joita ei ollut suunniteltu etukäteen, pidetään post-hoc-analyyseinä.
Jo kerättyjä tietoja käytetään post hoc -tutkimuksessa. Tutkijat analysoivat näitä tietoja kehittääkseen uusia tarkoituksia, jotka eivät sisältyneet kokeen suunnitteluun. Post hoc -tutkimuksia voidaan siis tehdä aiemmista kokeista saaduilla kootuilla tiedoilla.
Post-hoc-analyysien tekeminen on usein aikaa vievää, mutta sillä on monia etuja. Jotta arvokasta tietoa saataisiin esiin, käytä kohtuullista varovaisuutta äläkä yliarvioi odottamattomia tuloksia. Se voi olla merkki jostain merkittävästä, vaikka kyseessä olisikin sattuma.
Post hoc -analyysit ovat hyödyllisiä, kun tutkitaan virhetasoja, arvioidaan hypoteesien merkitsevyyttä tai määritetään, ovatko ne tilastollisesti merkitseviä.
Useiden kokeiden tekeminen tai poikkeaminen päätutkimuslinjasta lisää virheiden ja väärien positiivisten tulosten riskiä. Tässä post hoc on avainasemassa. Miten se tarkalleen ottaen toimii?
Post-hoc-analyysi: miten se toimii?
Tiedoista on mahdollista saada arvokkaita oivalluksia, vaikka ensisijaista tavoitetta ei saavutettaisikaan. Mahdollisesti lääkkeen jälkivaikutuksista ja niitä koskevista tiedoista. Tai mahdolliset muut vastaavat lääkkeet voivat myös olla testaamisen arvoisia.
Post-hoc-analyysin tarkoituksena on vastata kysymyksiin tutkimuksen päättymisen jälkeen, mikä on tavoite, jota ei ole mainittu tutkimuksessa.
Tilastollisesti merkitsevän tuloksen löydyttyä käytetään post hoc -testiä, jolla selvitetään, mistä erot johtuvat. Post hoc -testejä voidaan käyttää useiden ryhmien välisten erojen arvioimiseen ja samalla välttää kokeeseen liittyvät virheet. Post hoc -testejä on laadittu useita, ja suurin osa niistä tuottaa samanlaisia tuloksia.
Post hoc -testejä on erityyppisiä
Minkä tahansa tutkimuksen tai kliinisen tutkimuksen aikana kerättyjä tietoja voidaan analysoida kuvioiden ja eri tekijöiden havaitsemiseksi. Yleisimpiä post hoc -testejä ovat:
- Bonferroni-menettely: On mahdollista suorittaa useita tilastollisia testejä samanaikaisesti käyttämällä tätä jälkikäteistä monivertailukorjausta.
- Duncanin uusi MRT-testi (Multiple Range Test): Duncanin moniarvotesti tunnistaa ne keskiarvoparit (vähintään kolmesta), jotka eroavat toisistaan.
- Dunnin monivertailutesti: Tämä on ANOVA:n jälkeen suoritettava post hoc -analyysi, joka on ei-parametrinen testi, jossa ei oleteta, että tiedot noudattavat tiettyä jakaumaa.
- Fisherin pienin merkitsevä ero (LSD): Määrittää, ovatko kaksi keskiarvoa tilastollisesti erilaiset.
- Holm-Bonferroni-menettely: Holmin sekventiaalinen Bonferroni-testi tekee moninkertaisista vertailuista vähemmän tiukkoja.
- Newman-Keulsin avulla voidaan tunnistaa näytteet, joiden keskiarvot eroavat toisistaan. Newman-Keuls vertaa keskiarvopareja käyttämällä eri kriittisiä arvoja. Tämän seurauksena merkittävät erot löytyvät todennäköisemmin.
- Rodgerin menetelmä: Tätä tilastollista menetelmää käytetään tutkimusaineiston arviointiin jälkikäteen monimuuttuja-analyysin jälkeen.
- Scheffén menetelmä: Scheffen menetelmässä testistatistiikkaa mukautetaan eri tavalla riippuen tehtyjen vertailujen määrästä.
- Tukeyn testi: Tukeyn testillä määritetään, muodostuuko otoksesi ryhmistä, jotka eroavat toisistaan. Jokaista keskiarvoa verrataan kaikkien muiden ryhmien keskiarvoon käyttäen "rehellistä merkitsevää eroa", joka kuvaa sitä, kuinka kaukana ryhmät ovat toisistaan.
- Dunnettin korjaus: Tässä post hoc -testissä verrataan keskiarvoja. Toisin kuin Tukeyn testi, siinä verrataan jokaista keskiarvoa kontrollikeskiarvoon.
- Benjamini-Hochberg (BH) -menettely: Merkittävä tulos syntyy vain sattumalta, jos teet useita testejä. Väärän löydöksen osuus otetaan huomioon tällä post hoc -testillä.
Mikään ei voita virheetöntä visuaalista teosta, joka välittää monimutkaisen viestin.
Aivan oikein, visuaalisen havainnollistamisen avulla on paljon helpompaa asettaa vaikeimmatkin käsitteet oikeaan perspektiiviin. Visuaalisuuden aikakaudella ei ole mikään ihme, että voit luultavasti ymmärtää kvanttifysiikkaa paljon yksinkertaisemmin grafiikan tehokkuuden ansiosta.
Mietitkö, miten päästä alkuun? Miksi murehtia, kun sinulla on mind the graph käden ulottuvilla! Meidän avullamme voit valita yli tuhannesta kuvituksesta galleriastamme ja tehdä julisteita kehittämällämme älykkäällä julistevalmistajalla. Hyödynnä lahjakkaan tiimimme asiantuntemusta ja saat sen räätälöitynä juuri sinun tarpeisiisi. Lisätietoja saat vierailemalla osoitteessa verkkosivusto.
Tilaa uutiskirjeemme
Eksklusiivista korkealaatuista sisältöä tehokkaasta visuaalisesta
tiedeviestintä.
Finnish 
English 
Chinese 
Czech 
Dutch 
French 
German 
Italian 
Indonesian 
Japanese 
Korean 
Polish 
Portuguese 
Russian 
Spanish 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Greek 
Hungarian 
Norwegian 
Danish 
Estonian 
Slovenian 
Lithuanian 
Latvian 
Slovak