Z każdego projektu badawczego pochodzi wiele danych, z których niektóre są wartościowe, a inne nie. Znalezienie czegoś nowego, nieoczekiwanego lub mylącego w badaniach może szybko stać się przytłaczające.

Pod presją dotrzymania terminu można czasem zboczyć z kursu. Unikaj martwienia się o te niezamierzone wyniki po zakończeniu bieżących badań, wykluczając je z rozważań.

W analizie post-hoc nie analizujesz każdego losowego wyniku eksperymentu. Ważne jest, aby szukać wzorców, gdy zaobserwujesz coś, co wymaga dokładnego przyjrzenia się i dalszego badania, aby pomóc ci lepiej zrozumieć koncepcję.

Po przeprowadzeniu analizy post-hoc można uzyskać dalsze informacje i zagłębić się w bazę tematyczną. Przyjrzyjmy się bliżej analizie post hoc.

Analiza post-hoc: co to jest?

W języku łacińskim post hoc oznacza "po tym", tj. późniejsza analiza danych eksperymentalnych.

Celem analizy post-hoc jest znalezienie wzorców po zakończeniu badania i znalezienie wyników, które nie były głównym celem. W związku z tym wszystkie analizy przeprowadzone po zakończeniu eksperymentu, które nie zostały wcześniej zaplanowane, są uważane za analizy post-hoc.

Dane, które zostały już zebrane, są wykorzystywane w badaniu post-hoc. Badacze analizują te dane, aby opracować nowe cele, których nie było w projekcie eksperymentu. Badania post hoc mogą być zatem przeprowadzane na zagregowanych danych z poprzednich prób. 

Proces przeprowadzania analiz post-hoc jest często zbyt czasochłonny, ale oferuje szereg korzyści. Aby odkryć cenne informacje, należy zachować rozsądną ostrożność i nie przeceniać nieoczekiwanych wyników. Może to być oznaką czegoś istotnego, nawet jeśli jest to przypadek.

Analizy post hoc są przydatne podczas badania poziomów błędów, oceny istotności hipotez lub określania, czy są one statystycznie istotne.

Przeprowadzanie wielu prób lub odchodzenie od głównego kierunku badań zwiększa ryzyko błędów i wyników fałszywie dodatnich. To właśnie tutaj post hoc odgrywa kluczową rolę. Jak dokładnie to działa? 

Analiza post-hoc: jak to działa?

Nadal możliwe jest uzyskanie cennych informacji z danych, nawet jeśli główny cel nie został osiągnięty. Ewentualnie efekty uboczne leku i dane na ich temat. Lub inne podobne leki mogą być również warte przetestowania.

Celem analizy post-hoc jest udzielenie odpowiedzi na pytania po zakończeniu badania, co nie zostało określone w badaniu.

Aby określić, skąd wzięły się różnice, po znalezieniu statystycznie istotnego wyniku stosuje się test post hoc. Testy post hoc mogą być wykorzystywane do oceny różnic między wieloma grupami przy jednoczesnym unikaniu błędów związanych z eksperymentem. Sformułowano kilka testów post hoc, a większość z nich daje podobne wyniki. 

Istnieją różne rodzaje testów post hoc

Dane zebrane podczas dowolnego badania lub próby klinicznej mogą być analizowane w celu wykrycia wzorców i różnych czynników. Najczęściej stosowanymi testami post hoc są:

  • Procedura Bonferroniego: Możliwe jest przeprowadzenie wielu testów statystycznych w tym samym czasie przy użyciu tej korekty wielokrotnego porównania post hoc.
  • Nowy test wielozakresowy Duncana (MRT):  Test wielokrotnego zakresu Duncana zidentyfikuje pary średnich (z co najmniej trzech), które się różnią. 
  • Test porównań wielokrotnych Dunna: Jest to analiza post hoc, która jest przeprowadzana po ANOVA, nieparametrycznym teście, który nie zakłada, że dane mają określony rozkład.
  • Najmniejsza istotna różnica Fishera (LSD): Określa, czy dwie średnie różnią się statystycznie.
  • Procedura Holma-Bonferroniego: Sekwencyjny test Bonferroniego Holma sprawia, że porównania wielokrotne są mniej rygorystyczne.
  • Za pomocą testu Newmana-Keulsa można zidentyfikować próbki, które różnią się od siebie średnimi. Newman-Keuls porównuje pary średnich przy użyciu różnych wartości krytycznych. W rezultacie bardziej prawdopodobne jest znalezienie znaczących różnic.
  • Metoda Rodgera: Ta metoda statystyczna jest wykorzystywana do oceny danych badawczych post hoc po analizie "wielowymiarowej".
  • Metoda Scheffégo: W metodzie Scheffe'a statystyka testowa jest dostosowywana w różny sposób w zależności od liczby przeprowadzonych porównań.
  • Test Tukeya: Test Tukeya określa, czy próba składa się z grup, które różnią się od siebie. Każda średnia jest porównywana ze średnią wszystkich innych grup przy użyciu "uczciwej istotnej różnicy", która określa, jak daleko od siebie różnią się grupy.
  • Korekta Dunnetta: Ten test post hoc porównuje średnie. W przeciwieństwie do testu Tukeya, porównuje on każdą średnią ze średnią kontrolną.
  • Procedura Benjamini-Hochberg (BH): Znaczący wynik wystąpi tylko przypadkowo, jeśli wykonasz wiele testów. Wskaźnik fałszywych odkryć jest uwzględniany w tym teście post hoc.

Nic nie przebije bezbłędnego elementu wizualnego, który przekazuje złożoną wiadomość

Tak, to prawda, z pomocą wizualizacji o wiele łatwiej jest spojrzeć na najtrudniejsze koncepcje z odpowiedniej perspektywy. W erze wizualizacji nic dziwnego, że prawdopodobnie można zrozumieć fizykę kwantową w znacznie prostszy sposób dzięki skuteczności grafiki.

Zastanawiasz się jak zacząć? Po co się martwić, skoro wykres jest na wyciągnięcie ręki! Z nami możesz wybierać spośród ponad tysiąca ilustracji w naszej galerii i tworzyć plakaty za pomocą inteligentnego kreatora plakatów, który opracowaliśmy dla Ciebie. Wykorzystaj wiedzę naszego utalentowanego zespołu i dostosuj ją do swoich potrzeb. Aby uzyskać więcej informacji, odwiedź naszą stronę strona internetowa.

Powiązane artykuły
logo-subskrybuj

Zapisz się do naszego newslettera

Ekskluzywne, wysokiej jakości treści na temat skutecznych efektów wizualnych
komunikacja w nauce.

- Ekskluzywny przewodnik
- Wskazówki dotyczące projektowania
- Wiadomości naukowe i trendy
- Samouczki i szablony