什么时候清理数据?
数据清理发生在数据收集还有数据分析。但是您甚至可以在收集数据之前使用一些方法。
对于干净的数据，您应该从设计收集有效数据的度量开始。在数据输入或收集时进行数据验证可帮助您最大限度地减少需要执行的数据清理量。
在数据收集之后，可以使用数据标准化和数据转换来清理数据。您还将处理任何缺失值、异常值和重复值。
表面有效性而且内容效度相似之处在于它们都评估测试内容的合适程度。区别在于表面有效性是主观的，在表面上评估内容。
当一次考验已经坚强表面效度,任何人都会同意，测试的问题似乎衡量了他们想要衡量的东西。
例如，在四年级的数学考试中，学生们必须做加法和乘法，大多数人会认为它有很强的说服力表面有效性(也就是说，它看起来像一个数学测试)。
另一方面，内容效度评估一个测试如何很好地代表一个主题的所有方面。内容效度的评估更加系统，依赖于专家评价。对于每个问题，分析每个问题是否涵盖了测试设计要涵盖的方面。
四年级的数学考试会有高内容效度如果它涵盖了那个年级教的所有技能。专家(在这种情况下，数学老师)必须通过将测试与学习目标进行比较来评估内容效度。
再现性和可复制性是相关术语。
分层抽样而且定额抽样两者都涉及到人口分成子组，并从每个子组中选择单元。这两种情况的目的都是选择一个有代表性的样本和/或允许在子组之间进行比较。
主要的区别是在分层抽样中，你从每个子组中抽取一个随机样本(概率抽样)．在配额抽样中，您以非随机方式选择预定数量或单位比例(non-probability抽样)．
便利抽样而且定额抽样都是non-probability抽样方法。他们都使用非随机标准，如可用性、地理邻近性或专家知识来招募研究参与者。
然而，为了方便抽样，你继续抽样单位或情况，直到你达到所需的样本量。
在配额抽样中，首先需要将感兴趣的总体划分为子组(分层)，并估计它们在总体中的比例(配额)。然后，您可以开始数据收集，使用方便抽样来招募参与者，直到每个子组中的比例与总体中的估计比例一致。
根据经验，问题与思想、信仰和感情在焦点小组中工作出色。花点时间提出有力的问题，特别注意措辞。注意避免主要的问题，这会让你的回答产生偏差。
总的来说，你的焦点小组问题应该是:
归纳推理是一种自下而上的方法，而演绎推理是自上而下的。
归纳推理把你从具体到一般，而在演绎推理中，你通过从一般前提到具体结论进行推论。
在归纳研究在美国，你从观察或收集数据开始。然后，对数据进行大范围的扫描并搜索模式。最后，你会得出可以纳入理论的一般性结论。
主要有四种类型三角测量：
一般而言，同行评审流程如下:
每个数据集都需要不同的技术清理脏数据，但你需要系统地解决这些问题。您专注于寻找和解决与数据集的其余部分不一致或不匹配的数据点。
这些数据可能是缺失值、异常值、重复值、格式不正确或不相关。您将从筛选和诊断数据开始。然后，您将经常标准化并接受或删除数据，以使数据集一致且有效。
科研不端行为是指在研究报告中编造或伪造数据、操纵数据分析或歪曲结果。这是一种学术欺诈。
这些行为是故意的，可能会造成严重后果;研究不端行为不是一个简单的错误或分歧，而是一个严重的问题道德的失败。
匿名意味着你不知道参与者是谁，而保密意味着你知道他们是谁，但从你的研究报告中删除识别信息。两者都很重要道德的考虑．
您只能通过不收集任何个人身份信息(例如姓名、电话号码、电子邮件地址、IP地址、身体特征、照片或视频)来保证匿名性。
你可以在你的研究报告中使用汇总信息来保持数据机密，这样你就只提到参与者的群体而不是个人。
研究伦理事关科学诚信、人权和尊严以及科学与社会之间的合作。这些原则确保参与研究是自愿的、知情的和安全的。
相关系数总是在-1和1之间。
系数的符号告诉你关系的方向:正值意味着变量在同一个方向上一起变化，而负值意味着它们在相反的方向上一起变化。
一个数的绝对值等于不带符号的数。相关系数的绝对值告诉你相关性的大小:绝对值越大，相关性越强。
如果要使用这些数据，则必须满足这些假设皮尔森的r：
调查问卷可以是自我管理，也可以是研究者管理。
自行填写的问卷可以在网上或纸笔形式、亲自或通过邮件发送。所有的问题都是标准化的，这样所有的受访者都会收到相同的问题，措辞相同。
研究人员管理的问卷调查是通过电话、面对面或在线方式在研究人员和受访者之间进行的访谈。你可以通过向受访者澄清问题或提出后续问题来获得更深入的见解。
你可以有逻辑地组织问题，从简单到复杂，或随机在应答者之间进行排序。逻辑流程有助于受访者更容易、更快地处理问卷，但这可能会导致偏见。随机化可以最小化顺序效应带来的偏差。
封闭式或限制选择的问题为受访者提供了一组固定的选择。这些问题更容易快速回答。
开放式或长形式的问题允许受访者用自己的话来回答。由于受访者的选择没有限制，他们可以用研究人员可能没有考虑到的方式回答问题。
相关描述变量之间的关联:当一个变量发生变化时，另一个变量也会发生变化。相关性是变量之间关系的统计指标。
因果关系意味着一个变量的变化会导致另一个变量的变化;变量之间有因果关系。这两个变量是相互关联的，它们之间也有因果关系。
一个相关通常一次测试两个变量，但您可以测试三个或更多变量之间的相关性。
一个相关系数是描述变量之间关系的强度和方向的单个数字。
不同类型的相关系数可能适用于您的数据测量水平而且分布．的皮尔逊积矩相关系数r）通常用于评估两个定量变量之间的线性关系。
随机和系统误差测量误差有两种类型。
随机误差是某物的观测值与真实值之间的偶然差异(例如，研究人员误读了称量秤，记录了不正确的测量)。
系统误差是某物的观测值与真实值之间的一致或成比例的差异(例如，校准错误的天平始终记录的权重高于实际值)。
两者之间的区别解释变量和响应变量很简单:
一个中介变量解释了两个变量相互关联的过程，而a主持人变量影响关系的强度和方向。
是的，您可以创建一个分层抽样使用多个特征，但必须确保研究中的每个参与者都属于且仅属于一个子组。在本例中，您将每个特征的子组数量相乘，以得到组的总数。
例如，如果按地理位置划分为三个子组(城市、农村或郊区)，按婚姻状况划分为五个子组(单身、离异、丧偶、已婚或有伴侣)，那么就有3 x 5 = 15个子组。
一个实验组，也被称为治疗组，接受研究人员希望研究其效果的治疗对照组没有。它们在其他方面应该是相同的。
不。a的值因变量依赖于一个自变量，所以一个变量不能同时是独立的和依赖的。不是原因就是结果，不能两者兼有!
确定因果关系是科学研究中最重要的部分之一。重要的是要知道哪个是原因独立变量-哪个是效果-因变量。
在non-probability抽样，样本是基于非随机准则选择的，并不是每个成员的人口有机会被包括在内。
抽样误差是总体参数和样本统计量．
一个统计指有关的措施样本，而参数指有关的措施人口．
样品都是用来推断的人口．样本更容易收集数据，因为它们实用、具有成本效益、方便且易于管理。
纵向研究可以持续几周到几十年，尽管它们往往至少持续一年。
的1970年英国队列研究该调查收集了17000名英国人自1970年出生以来的生活数据纵向研究．
纵向研究更好地建立正确的事件顺序，识别随时间的变化，并提供对因果关系的洞察，但它们也往往比其他类型的研究更昂贵和耗时。
信度和效度都是关于一个方法度量某物的好坏:
如果你在做实验研究，你还必须考虑内部有效性和外部有效性你的实验。
我们的团队通过以下方式帮助学生毕业:
Scribbr擅长编辑与研究相关的文件．我们校对:
的Scribbr剽bob综合app官网窃检查是由元素驱动的Turnitin的相似性检查器，即抄袭检测软件和互联网档案和优质学术出版物内容数据库．
的Scribbr引文生成器是用开源开发的吗引用风格语言(CSL)项目和弗兰克·贝内特的citeproc-js．它与其他几十种流行引用工具使用的技术相同，包括Mendeley和Zotero。bobapp官方下载
您可以在我们的公共访问中找到所有在Scribbr引文生成器中使用的引用风格和地区Github上的存储库．
