Det er mye data som kommer ut av et forskningsprosjekt, og noen av dem er verdifulle og andre ikke. Det kan fort bli overveldende å finne noe nytt, uventet eller forvirrende i forskningen.
Noen ganger kan du komme på avveier når du er under press for å overholde en tidsfrist. Unngå å bekymre deg for disse utilsiktede resultatene når den aktuelle forskningen er ferdig, ved å utelukke dem fra vurderingen.
I en post hoc-analyse analyserer du ikke alle tilfeldige utfall av et eksperiment. Det er viktig å lete etter mønstre når du observerer noe som krever nærmere undersøkelser og videre studier for å få en bedre forståelse av konseptet.
Etter en post hoc-analyse kan du få mer informasjon og gå dypere inn i emnebasen din. La oss se nærmere på post hoc-analyse.
Post-hoc-analyse: hva er det?
På latin betyr post hoc "etter dette", dvs. at man analyserer de eksperimentelle dataene i etterkant.
Målet med en post-hoc-analyse er å finne mønstre etter at studien er avsluttet, og å finne resultater som ikke var det primære målet. Alle analyser som utføres etter at et eksperiment er avsluttet, og som ikke var planlagt på forhånd, regnes derfor som post-hoc-analyser.
Data som allerede er samlet inn, brukes i en post-hoc-studie. Forskere analyserer disse dataene for å utvikle nye formål som ikke var en del av eksperimentets design. Post hoc-studier kan derfor utføres på aggregerte data fra tidligere forsøk.
Prosessen med å utføre post hoc-analyser er ofte tidkrevende, men den har en rekke fordeler. Hvis du vil avdekke verdifull informasjon, må du være rimelig forsiktig og ikke overvurdere uventede resultater. Dette kan være et tegn på noe vesentlig, selv om det er en tilfeldighet.
Post hoc-analyser er nyttige når man skal undersøke feilrater, vurdere hypotesers signifikans eller avgjøre om de er statistisk signifikante.
Hvis du gjennomfører flere forsøk eller avviker fra hovedlinjen i forskningen, øker risikoen for feil og falske positive resultater. Det er her post hoc spiller en nøkkelrolle. Hvordan fungerer det egentlig?
Post-hoc-analyse: hvordan fungerer det?
Det er fortsatt mulig å få verdifull innsikt fra dataene selv om det primære målet ikke er nådd. Eventuelt medikamentets ettervirkninger og dataene om dem. Eller andre lignende legemidler kan også være verdt å teste.
Hensikten med en post-hoc-analyse er å besvare spørsmål etter at studien er avsluttet, et mål som ikke er oppgitt i studien.
For å finne ut hvor forskjellene kommer fra, brukes en post hoc-test etter at man har funnet et statistisk signifikant resultat. Post hoc-tester kan brukes til å vurdere forskjeller mellom flere grupper samtidig som man unngår eksperimentelle feil. Det finnes flere post hoc-tester, og de fleste av dem gir lignende resultater.
Det finnes ulike typer post hoc-tester
Data som samles inn i forbindelse med forskning eller kliniske studier, kan analyseres for å avdekke mønstre og ulike faktorer. De vanligste post hoc-testene er:
- Bonferroni-prosedyre: Det er mulig å utføre flere statistiske tester samtidig ved hjelp av denne post hoc-korreksjonen for multiple sammenligninger.
- Duncans nye multiple range test (MRT): Duncans Multiple Range Test identifiserer de parene av gjennomsnitt (av minst tre) som er forskjellige.
- Dunns test for multiple sammenligninger: Dette er en post hoc-analyse som kjøres etter en ANOVA, en ikke-parametrisk test som ikke forutsetter at dataene følger en bestemt fordeling.
- Fishers minste signifikante forskjell (LSD): Bestemmer om to gjennomsnitt er statistisk forskjellige.
- Holm-Bonferroni-prosedyre: Holms sekvensielle Bonferroni-test gjør multiple sammenligninger mindre strenge.
- Ved hjelp av Newman-Keuls kan man identifisere utvalg som har forskjellige gjennomsnitt. Newman-Keuls sammenligner par av gjennomsnitt ved hjelp av ulike kritiske verdier. Dermed er det større sannsynlighet for å finne signifikante forskjeller.
- Rodgers metode: Denne statistiske metoden brukes til å evaluere forskningsdata post hoc etter en "multivariat" analyse.
- Scheffés metode: I Scheffes metode justeres teststatistikken forskjellig avhengig av hvor mange sammenligninger som er gjort.
- Tukeys test: Tukeys test avgjør om utvalget ditt består av grupper som er forskjellige fra hverandre. Hvert gjennomsnitt sammenlignes med gjennomsnittet for alle andre grupper ved hjelp av "Honest Significant Difference", som angir hvor langt fra hverandre gruppene er.
- Dunnetts korreksjon: Denne post hoc-testen sammenligner gjennomsnitt. I motsetning til Tukey's sammenligner den hvert gjennomsnitt med et kontrollgjennomsnitt.
- Benjamini-Hochberg-prosedyre (BH): Et signifikant resultat vil bare oppstå ved en tilfeldighet hvis du utfører mange tester. Denne post hoc-testen tar høyde for den falske oppdagelsesraten.
Ingenting er bedre enn et perfekt visuelt uttrykk som formidler et komplekst budskap.
Ja, det stemmer, ved hjelp av grafikk er det mye enklere å sette de vanskeligste konseptene i perspektiv. I grafikkens tidsalder er det ikke rart at du sannsynligvis kan forstå kvantefysikk på en mye enklere måte takket være grafikkens effektivitet.
Lurer du på hvordan du kommer i gang? Hvorfor bekymre deg når du har grafen til fingerspissene! Hos oss kan du velge mellom mer enn tusen illustrasjoner i galleriet vårt og lage plakater ved hjelp av den smarte plakatprodusenten vi har utviklet for deg. Få mest mulig ut av det dyktige teamets ekspertise og få den skreddersydd etter dine behov. For mer informasjon, besøk vår nettsted.
Abonner på nyhetsbrevet vårt
Eksklusivt innhold av høy kvalitet om effektiv visuell
kommunikasjon innen vitenskap.
Norwegian 
English 
Chinese 
Czech 
Dutch 
French 
German 
Italian 
Indonesian 
Japanese 
Korean 
Polish 
Portuguese 
Russian 
Spanish 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Finnish 
Greek 
Hungarian 
Danish 
Estonian 
Slovenian 
Lithuanian 
Latvian 
Slovak