Un buen plan de análisis de datos

Aprendiendo sobre el análisis de datos

Contar con un plan de este tipo es de vital importancia porque lo guiará en la manera cómo va a recoger sus datos y posteriormente, para hacer el análisis correspondiente de lo que ha recopilado.

Por esa razón, debe asegurarse de que ha creado su plan de antemano, para que pueda estar seguro de que está haciendo todas las preguntas que necesita. Tener un buen plan puede ahorrarle una gran cantidad de tiempo, mientras que tener uno malo o nada en absoluto, significa que estará luchando para dar sentido a los datos o en el peor de los casos, los encontrará inútiles.

Para asegurarse de que su plan será exitoso y bien elaborado, siga estas sugerencias y consejos:

  • Calcule cuántas personas necesita

Como se suele decir, se necesita un mínimo de 20 participantes por celda para registrar cualquier tipo de efecto. Así que si usted está haciendo un diseño de 2 X 2 (que es muy común) necesitará al menos 80 participantes.

Si estás buscando un efecto de género (que es el primer ‘2’) y espera que sea moderado por si fueron a la universidad o no (el otro ‘2’) te tienes un buen viejo 2 X 2 y necesitará al menos 80 participantes. Y, a decir verdad, eso todavía significará que te vas a perder la mayor parte del tiempo.

Una apuesta mucho mejor es ir con el doble de ese número por celda. Más si tienes el tiempo y la inclinación. De esa manera, será mucho más probable encontrar realmente algún tipo de efecto. Y eso es algo bueno, ya que es mucho más divertido encontrar algo que le dará algo para escribir (y posiblemente podría darle una razón para publicar).

  • Dibuja las tablas y las figuras que quieras

Algunas personas piensan que es tonto hacer tablas falsas, ya que no tienen ninguna estadística. Estoy en desacuerdo. Las tablas y las figuras pueden ser enormemente útiles porque pueden desenterrar las suposiciones que usted puede estar haciendo en su modelo y no era consciente.

Y eso es vital, ya que estas suposiciones pueden llevarlo por un mal camino, lo que lleva a que su recopilación de datos no cree resultados significativos, porque se olvidó de medir alguna dimensión o porque no pensó lo suficiente acerca de lo que estaba pasando.

Así que redacte las cifras y no les pongas tonterías. En su lugar, trate de elaborar de una manera realista y el trabajo de lo que usted necesita para que funcionen de esa manera. Lo más probable es que eso ayude mucho.

  • Mapa de todas las variables

Volverse loco. Escriba todo lo que de alguna manera pueda estar relacionado con las variables que desea recopilar. ¿Crees que el color del cabello puede afectar el coeficiente intelectual? Luego anótelo. ¿Crees que la propiedad de mascotas puede jugar un papel en cómo son las personas creativas? Escríbelo. Ir un poco loco si es necesario. Piense lateralmente (algo que le ayudará a mejorar su escritura y ser más creativo).

Ahora, lo mejor que puedes hacer es anotar la conexión, la dirección y el papel de estas variables. Si desea hacerlo muy bien, asegúrese de citar fuentes en las que se haya establecido previamente dicha conexión. Eso hará que sea más fácil, al final, elegir qué variables realmente desea incluir en su diseño.

Por supuesto, no podrás medirlas todas, pero te darás las gracias por poner todo ya que a menudo te darás cuenta de que necesitarás una variable que de otra forma podrías haber ignorado.

  • Piense en mediadores y moderadores

Sí, lo sé, es difícil saber la diferencia entre los dos. En resumen, los mediadores son esenciales, mientras que los moderadores se pueden prescindir. Así que cuando voy al bar, el número de bebidas que tengo allí decidirá mi resaca. Si fui al bar y no bebí nada, no habría una resaca. Por lo tanto, un número de bebidas son un mediador.

El número de amigos que van conmigo al bar, por otro lado, solo influirá en cuánto bebo. Por lo tanto, son un moderador. Todavía puedo tener resaca sin ellos, pero los compañeros más están ahí, el borracho que probablemente se convertirá.

Personalmente, dibujo a menudo varios modelos diferentes. De esta manera, puedo ver lo que pasa, por dónde y por qué creo que ese es el caso. Luego, puedo probar el modelo principal, así como algunos de los modelos alternativos.

  • Asegúrese de granular sus variables

Muchas personas parecen pensar que las mejores variables son sí o no, activado o desactivado, 0 o 1.

Esas variables son terribles ya que no hay granulación en ellas. Es mucho mejor tener una variable que se puede medir en una escala (de 1 a 7 normalmente). ¿Por qué? Porque al hacerlo estás creando más matices y permitiendo una oportunidad mucho mayor de que si tu efecto es real, de hecho encontrarás algo.

¿Por qué?

Piensa en esto, de esta manera. Si divido el color del cabello en ‘rubio’ y ‘no’ eso me cuesta un montón de variación. Estoy reuniendo a los rubios sucios con los rubios cabelludos de ángel y los pelirrojos.

¿No sería mucho mejor si granulado el asunto de realmente ligero a muy oscuro? Entonces la graduación es mucho más suave y estoy mucho más probable de encontrar un efecto si está allí.

Por esa razón, dése tanta oportunidad como sea posible teniendo una escala para su variable dependiente (y también para sus variables independientes, mientras está en ella).

Últimas palabras

Un buen plan de datos puede salvar su investigación. Y ni siquiera es tan difícil de elaborar. Simplemente siéntese y piense lógicamente acerca de lo que está midiendo y por qué, así como dónde pertenece en su diseño. De esta manera, puede evitar los errores antes de que sucedan. Y eso es importante, ya que puede ser increíblemente difícil arreglarlos después.

No me enojo, he visto a tantos estudiantes recolectar datos, sólo para darse cuenta después de que se olvidaron de su variable más importante y que los datos que recogieron eran absolutamente inútiles. Podrían haber evitado esto (y todo el trabajo extra de tener que recopilar los datos de nuevo) si hubieran elaborado un mejor plan de datos y estar mejor preparados. Así que no sea una de esas personas. Elabore un plan y lo agradecerá después.

Texto escrito originalmente en inglés por Janet Anthony

http://www.analyticbridge.com/

Traducido y editado por el equipo de Marketing de IT-NOVA

Leave a Reply

Your email address will not be published. Required fields are marked *