Tag: opracowania statystyczne

Podstawowym w statystyce zagadnieniem trafności treściowej jest zdefiniowanie badanej sfery zachowań oraz wskazanie, iż pozycje włączone do testu stanowią faktycznie próbę reprezentatywną. Trafność teoretyczna natomiast pokazuje związki narzędzia pomiarowego z konstruktem teoretycznym, zaczerpniętym z danej teorii. Badania trafności teoretycznej testu wymagają licznych analiz.

Metody ustalania trafności

Meehl oraz Cronbach zaproponowali pięć procedur ustalania trafności teoretycznej: analiza różnic międzygrupowych, analiza macierzy korelacji i analiza czynnikowa, analiza struktury wewnętrznej testu, analiza procesu rozwiązywania testu, analiza zmian nieprzypadkowych wyników testu. [1] W związku ze znacznym rozbudowaniem zagadnień poruszanych w ramach  analizy trafności, poniżej skupiono się szerzej na jednym aspekcie, mianowicie na trafności czynnikowej.

Analizując trafność narzędzia badawczego jakim jest kwestionariusz należy mieć na uwadze cztery aspekty trafności:

• Trafność kryterialna, dzieli się ona na trafność diagnostyczną (concurent validity)  i prognostyczną (predictive validity)
• Trafność treściowa (content validity)
• Trafność teoretyczna (construct validity)
• Trafność fasadowa (face validity)[2]

Najmniejsze znaczenie z punktu widzenia własności psychometrycznych ma trafność fasadowa.

Czy istnieje „złoty standard”?

Diagnostyczną trafność kryterialną możemy ocenić porównując wyniki testu do tak zwanego „złotego standardu”. Jest to zagadnienie o tyle skomplikowane, że w niektórych dziedzinach, szczególnie tych do tej pory nie zbadanych, trudno o wskazanie tak zwanego „złotego standardu” czyli testu sprawdzonego i wzorcowego.

Kiedy zasadne jest wdrożenie nowego narzędzia?

W przypadku natomiast gdy taki test już istnieje, należy poważnie rozważyć sens wprowadzania nowego narzędzia, gdyż powinno ono w pewnie sposób być lepsze od stosowanego do tej pory. Nowy test powinien być zarazem tańszy lub szybszy do przeprowadzenia od wyznaczonego testu wzorcowego.

Analiza korelacji

W literaturze zagadnienie trafności kryterialnej jest rozpatrywane (szczególnie przez psychologów) za pomocą analizy korelacji pomiędzy testem wzorcowym a nowym narzędziem. W przypadku poszukiwania testu bardziej trafnego od „złotego standardu” poszukuje się umiarkowanej istotnej korelacji. Jest to kryterium nieformalne, w trakcie analizy literaturowej nie znaleziono bowiem sztywnego kryterium wskazującego dokładną regułę decyzyjną.

Zasadniczym zagadnieniem tego typu trafności jest weryfikacja hipotezy o homogenności narzędzia badawczego. Od podstawowej skali (układu zmiennych) oczekuje się rozwiązania jednoczynnikowego. Analizę czynnikowa można podzielić na dwie grupy:

• Analiza głównych składowych i klasyczna analiza czynnikowa
• Konfirmacyjna analiza czynnikowa

Czym jest czynnikowa analiza danych?

Analiza czynnikowa jest to zbiór metod redukcji liczby zmiennych do kilku niezależnych czynników w oparciu o dekompozycję macierzy współczynników korelacji pomiędzy pierwotnymi pozycjami. Uzyskane w ten sposób czynniki mają merytoryczną interpretację reprezentując zmienne, które nie są obserwowalne bezpośrednio.[1]

Zagadnienia analizy głównych składowych oraz klasycznej, czynnikowej analizy statystycznej są opisywane przez wielu autorów. Na uwagę, poza metodami szacowania modelu analizy czynnikowej, zasługują zagadnienia wyboru liczby czynników oraz metody rotacji.

Jak dokonuje się wyboru liczby czynników?

Wybór liczby czynników następuje zgodnie z jednym z dwóch kryteriów: kryterium osypiska lub kryterium wartości własnej Kaizera. Po zidentyfikowaniu liczby czynników w praktyce badań częstym zjawiskiem jest wstępna przynależność jednej pozycji (zmiennej) do kilku czynników, co utrudnia w dużym stopniu identyfikację ich przynależności, a co za tym idzie interpretację czynników nowopowstałych.

Proces rotacji czynników

Rozwiązaniem w takiej sytuacji jest wykonanie rotacji czynników. Jej celem jest ustalenie takiego układu, aby każda pozycja miała wysokie ładunki (w praktyce powyżej 0,5 lub 0,6) tylko w zakresie jednego czynnika. Metody rotacji dzielą się na dwie grupy:

• Rotacje ortogonalne: Varimax, Quatrimax, Equimax. W wyniku tych rotacji zachowana zostaje niezależność czynników.
• Rotacje ukośne: Oblimin (Quatrimin, Biquatrimin, Covarmin), Oblimax, Promax. W wyniku rotacji ukośnej nie musi być zachowana niezależność czynników [2]

Model konfirmacyjnej analizy

Alternatywą do modelu klasycznego jest model konfirmacyjnej analizy czynnikowej. W metodzie tej używane są dwie grupy zmiennych: obserwowalne (czyli zmienne lub pozycje obserwowane przez badacza i odpowiednio kodowane) oraz zmienne latentne (czynniki będące konstruktami hipotetycznymi).

Podstawową różnicą pomierzy modelem eksploracyjnej (EFA) i konfirmacyjnej analizy czynnikowej (CFA) jest to, że konfirmacyjna analiza czynnikowa to procedura hipotetyczna służąca głównie do testowania hipotez na temat relacji pomiędzy czynnikami wspólnymi. W metodzie tej (w przeciwieństwie do klasycznej analizy czynnikowej) decyzje, co do liczby czynników podejmuje się przed rozpoczęciem ich wyodrębniania.

Metoda ta jest powszechnie stosowana właśnie wtedy, gdy istnieją podstawy do formułowania hipotez na temat związków pomiędzy badanymi zmiennymi. Wynik klasycznej analizy czynnikowej stanowi właśnie układ czynnikowy, który nie jest zadany przed przystąpieniem do badania. W przypadku analizy psychometrycznej kluczowa jest hipoteza homogenności (czyli rozwiązanie jednoczynnikowe) podstawowej skali sumarycznej.[3]

Test chi-kwadrat

Celem zbadania, czy pojedynczy model konfirmacyjnej analizy czynnikowej jest dobrze dopasowany można posłużyć się wskaźnikami dobroci dopasowania. Podstawowym testem dopasowania modelu do danych jest test chi-kwadrat. Test ten jest jednak silnie uzależniony od liczebności próby.

Zastosowanie wskaźnika GFI

Uzupełniająco stosuje się psychometryczny wskaźnik GFI (goodness of fit index) oraz jego korektrę AGFI (adjusted goodness of fit index). Wskaźniki te przyjmują wartość z przedziału 0-1 oraz nie są zależne od wielkości próby. Trudno w przypadku tych mierników (podobnie jak w przypadku współczynnika determinacji dla funkcji regresji) o jednoznaczne określenie jakie zakresy wartości tych mierników są akceptowalne.

Wskaźnik RMR

Kolejnym miernikiem jest RMR (root mean square residual). Wysokie wartości tego wskaźnika reszt są niekorzystne dla jakości modelu (analogicznie jak odchylenie standardowe reszt modelu regresji).

Miernik RMSEA

Jednym z najczęściej podawanych mierników dopasowania modelu konfirmacyjnej analizy czynnikowej jest RMSEA (root mean square error of approximation). Jest to wskaźnik pojawiający się na diagramie ścieżek po dopasowaniu modelu. Miara ta szacuje wielkość popełnianego błędu aproksymacji w populacji. Dobre dopasowanie modelu cechuje się wskaźnikiem RMSEA poniżej 0,05.

Indeksy modyfikacyjne

Dodatkowymi miernikami pomocnymi w procesie poprawy modelu są indeksy modyfikacyjne (modification indices). Pozwalają one zmierzyć o ile obniży się wartość chi-kwadrat w wyniku uwolnienia konkretnego parametru i ponownego oszacowania modelu.[4]

Na zakończenie

Podsumowując syntetyczne rozważania nad możliwościami zastosowania oraz podstawowymi zagadnieniami związanymi z modelami analizy czynnikowej należy zauważyć, iż są to metody powszechnie stosowane w naukach społecznych i medycznych oraz doskonale nadają się do badania własności psychometrycznych skal sumarycznych. Nie podają – tak jak powszechnie stosowana metoda alfa Cronbacha – tylko pojedynczego wyniku, ale pozwalają na analizę układu pozycji (zmiennych) wewnątrz skali oraz odrzucenie zbędnych pytań w kwestionariuszu.

Studenci oraz doktoranci przygotowujący się do obrony pracy dyplomowej powinni rozważyć możliwość skorzystania z usług statystycznych dedykowanych medycynie. Wnioski z badań statystycznych stanowią doskonałe uzupełnienie części teoretycznej doktoratu.

Analizy prowadzone na własną rękę są jednak obarczone sporym ryzykiem błędów oraz wymagają poświęcenia bardzo dużej ilości wolnego czasu. Dlatego też decyzja o skorzystaniu z oferty firmy badawczej może okazać się strzałem w dziesiątkę.

Statystyka medyczna – jakie analizy warto przeprowadzić?

W celu przygotowania opracowania na potrzeby pracy doktorskiej zazwyczaj wystarczające jest wykonanie podstawowych testów opisowych oraz porównawczych. Najczęściej wykonywane są w tym zakresie analizy korelacyjne oraz testy istotności statystycznej. Nie znaczy to jednak, że prowadzenie obliczeń z wykorzystaniem pozostałych testów parametrycznych oraz nieparametrycznych jest pozbawione sensu.

Mając na uwadze specyfikę nauk medycznych, warto rozważyć zwłaszcza możliwość zastosowania:

1. Testów przeżywalności;
2. Testów ewolucyjnych,
3. Analiz koszykowych;
4. Analiz z wykorzystaniem modeli regresji;
5. Analiz wariancji.

Analizy danych: konsultacje i usługa korekty

Profesjonalne firmy badawcze, takie jak Biostat, świadczą pomoc statystyczną w zakresie analizy danych już od etapu projektowania założeń metodologicznych. Zapewniają odpowiedni dobór próby badawczej, a także metod i testów analitycznych. Poza tym oferują usługę korekty obliczeń wykonanych przez inne osoby lub podmioty, a także konsultacji dotyczących dowolnie wybranego obszaru analizy statystycznej.

Automatyczne obliczenia statystyk medycznych

Decydując się na wybór firmy zajmującej się statystyką do doktoratu czy pracy magisterskiej, warto dowiedzieć się wcześniej, czy dysponuje ona nowoczesną platformą analityczną, przystosowaną do prowadzenia obliczeń statystycznych w sposób całkowicie zautomatyzowany. Powinna być ona także wyposażona w moduł intuicyjnego kodowania danych oraz ich walidacji. Poza tym wysokiej jakości oprogramowanie statystyczne umożliwia sporządzanie cyklicznych kopii zapasowych (Date Backup), dzięki czemu udaje się zniwelować ryzyko utraty cennych danych.

Jak wybrać najlepszą firmę?

Ściśle statystyką medyczną zajmuje się jedynie kilka firm badawczych na rynku, spośród których największym doświadczeniem może się pochwalić agencja BioStat. Jest to firma specjalizująca się w wykonywaniu analiz statystycznych dla farmacji i ośrodków medycznych, która funkcjonuje już od 15 lat w branży. Co istotne, zatrudnia ona doświadczonych statystyków i analityków, którzy mieli okazję współpracować z największymi koncernami farmaceutycznymi w kraju i za granicą.

Podsumowanie

Nie warto zatem zajmować się prowadzeniem analiz statystycznych do doktoratu na własną rękę. Wówczas jesteśmy bowiem narażeni na spore ryzyko błędów, co na pewno nie zadowoli promotora ani recenzenta. Dlatego też zlecenie zadania wykonania obliczeń zewnętrznej firmie badawczej jest najbardziej optymalnym spośród wszystkich rozwiązań. 

Zdobywanie habilitacji za niedługo może się okazać zupełnie niepotrzebne, ponieważ ten stopień naukowy miał być już wielokrotnie znoszony. Mimo to, cały czas istnieje obowiązek jego uzyskiwania na drodze awansu zawodowego, przez co trzeba się zdobyć na ten wysiłek i ukończyć habilitację w danym kierunku. Często obejmuje ona wyjście daleko poza swoją normalną dziedzinę wiedzy.

Nastawienie na matematykę
Współczesny świat naukowy bardzo mocno stawia na narzędzia matematyczne. Od czasu, kiedy matematyka na dobre zadomowiła się nawet w filozofii, co miało miejsce trochę ponad sto lat temu, stała się ona narzędziem wymaganym przy niemalże wszystkich naukowych rozprawach.

Człowiek wykształcony nie może się takiemu stanowi rzeczy dziwić, ponieważ matematyka, w tym przede wszystkim statystyka, pozwala nam na zdobywanie wiedzy, która w przeciwnym razie nie byłaby dla nas dostępna. Mowa tutaj o takich kwestiach, jak na przykład:

• kwantyfikowanie zjawisk miękkich, trudnych do określenia, zwłaszcza w naukach społecznych;
• umożliwianie dokonywania porównań pomiędzy dwiema populacjami;
• sprawdzanie losowości próby badawczej;
• znajdowanie zależności ukrytych dzięki procedurze data mining;
• oczyszczanie danych pierwotnych z zaburzeń wywołanych czynnikami zewnętrznymi (tzw. kontrolowanie danych ze względu na czynnik X).

Powyższa lista to tylko kilka prostych przykładów tego, jak bardzo pomocna może być statystyka do habilitacji. Dzięki niej możliwe jest uzyskanie do tej pory niedostępnych informacji, jak również błędnego odczytania danych, które w jakiś sposób są zafałszowane przez najróżniejsze czynniki.

Wsparcie techniczne
Wykorzystanie statystyki dla habilitacji to także zadanie czysto techniczne, czyli polegające nie tyle na wyciąganiu konkretnych wniosków z posiadanych danych, ale na ich odpowiedniej obróbce, czyli prowadzenie konkretnych badań pierwotnych i analiz wtórnych.
Wsparcie z zakresu statystyki dla habilitacji może polegać na:

• przygotowywaniu badań (np. tworzenie ankiet);
• digitalizacji wyników badań;
• prowadzeniu realnych obliczeń statystycznych;
• tworzeniu baz danych;
• prezentacji uzyskanych danych.

W ramach wszystkich tych kwestii kandydat do habilitacji może liczyć na wykonanie dla niego konkretnych usług, jak również na wsparcie obejmujące przede wszystkim konsultacje jego metodologii czy sprawdzenie wyników. Ważnym aspektem wsparcia dla naukowców są również kursy prawidłowego korzystania z najpopularniejszych narzędzi statystycznych, takich jak SPSS czy Statistica.

Statystyka

Dane statystyczne otaczają nas w dzisiejszym świecie jak powietrze. Spotykamy się z nimi niemal wszędzie, w rozmaitych sytuacjach i przy różnych okazjach. Jednocześnie, kiedy pojawia się hasło „statystyka”, najczęściej do głowy przychodzi nam popularna anegdota o psie i jego właścicielu, którzy statystycznie posiadają po trzy nogi. A przecież prawdziwa statystyka to tak dużo więcej, niż umiejętność obliczenia średniej.

Najważniejsze jest wyczucie

Mediana, moda, średnia, kwartyle… nie w każdym przypadku skuteczna będzie ta sama metoda. Wszystko zależy od tego, jaki jest charakter pytań stawianych przez badacza. Zbiór danych stanowi znakomite źródło odpowiedzi, których interpretacja pozwoli skonstruować wskazówki, dzięki którym rzeczywistość stanie się lepsza. Tylko wykwalifikowani, rozumiejący intencję swojej pracy specjaliści są w stanie efektywnie pozyskiwać kluczowe informacje.

Spotkania w prawdziwym świecie

Każde dobrze poprowadzone szkolenie ze statystyki zmierza w kierunku wskazania i wyjaśnienia powiązań analiz wielkich zbiorów danych ze światem rzeczywistym. Celem statystyki jest operowanie na ogromnych ilościach informacji, aby uchwycić prawidła rządzące światem w liczbach – niestety po takim przetworzeniu bywają one dla większości z nas niezrozumiałe. Prawidłowo przeprowadzona analiza statystyczna jest pomostem między abstrakcją liczb, a praktyką życia w społeczeństwie.

Praktyka pod okiem akademika

Umiejętności związane z badaniami statystycznymi są kwestią poznania sprawdzonych metod, które umożliwiają operowanie na dużych zbiorach danych, a następnie praktyki w ich stosowaniu. Wystarczy kilka godzin odpowiednio prowadzonego szkolenia, aby zyskać umiejętność podążania za tokiem analizy. Podobnie jak w przypadku obsługi specjalistycznego oprogramowania, kluczem do sukcesu jest kombinacja profesjonalnego a za razem przystępnego instruktażu oraz praktyki. Szkolenia ze statystyki to dająca wymierne efekty intelektualna przygoda, jeżeli na przewodnika po świecie liczb wybierzemy prawdziwego akademickiego specjalistę.

Korzystanie z umiejętności

Statystyka jest bardzo istotnym narzędziem pozwalającym w szybki i przystępny sposób rozpoznać i opisać prawidłowości otaczającego nas świata. Staje się niezbędna przy pracach nad dedykowanymi strategiami marketingowymi czy rozpoznaniem rynku – wszędzie tam, gdzie kluczowe jest uzyskanie maksymalnie szerokiego obrazu, w oparciu o duże ilości danych. Szkolenia ze statystyki mogą zawierać wiedzę dotyczącą ściśle określonych metod i ich zastosowania w konkretnych przypadkach lub w sposób bardziej ogólny prezentować możliwości poszczególnych sposobów działania – wiele zależy od oczekiwań uczestników i ustaleń z prowadzącym kurs.

Czego oczekiwać?

Biorąc udział w fachowym szkoleniu z statystyki powinniśmy zadać sobie podstawowe pytania: czego chcemy się dowiedzieć o otaczającym nas świecie? Jak planujemy wykorzystywać uzyskaną wiedzę? Poza nauką rozmaitych metod i wiedzą dotyczącą trendów z dziedziny badań społecznych, warto skupić się na umiejętności tworzenia raportów z prowadzonych badań. W końcu sukces badania statystycznego to nie tylko sprawne jego przeprowadzenie, ale również pozyskanie wyników, które będzie można wykorzystać w praktyce. A żeby to było możliwe, niezbędna jest umiejętność prawidłowej interpretacji wyników i prezentowania ich w przystępnej postaci.

Czytanie z korzyścią

Statystyka to nie tylko umiejętność gromadzenia i przetwarzania, ale również zdolność odczytywania danych. W firmowej codzienności posługiwanie się statystyką jest absolutnie niezbędne. Potoczne, nieprawidłowe jej użycia dają rezultaty równie komiczne, jak w przypadku wspomnianej anegdoty o właścicielu z czworonogiem: pies kuleje, a pan się potyka o własne nogi. Znacznie mniej do śmiechu robi się jednak, kiedy sami popełnimy omyłkę i wskutek złej interpretacji danych napytamy sobie sprzedażowych kłopotów.  Dobre szkolenie ze statystki pozwoli tego uniknąć, dając okazję opanowania sposobów działania na dużych zbiorach danych oraz praktycznego wykorzystania ich w analizie, tak by w naszych działaniach nie powinęła się nam noga.