จุดประสงค์ของการรายงานสถิติเชิงพรรณนาคืออะไร

ฉันเพิ่งทำการวิเคราะห์ข้อมูลของฉันโดยใช้การถดถอยโลจิสติก แต่ฉันก็จำเป็นต้องมีส่วนสถิติเชิงพรรณนาในรายงานของฉัน ฉันไม่เห็นประเด็นนี้และฉันหวังว่าบางคนอาจอธิบายได้ว่าทำไมถึงจำเป็น

ตัวอย่างเช่นถ้าฉันพล็อตฮิสโตแกรมของหนึ่งในตัวแปรอิสระต่อเนื่องของฉันและมันแสดงให้เห็นถึงความปกติหรือมันแสดงให้เห็นความเบ้สิ่งนี้จะเพิ่มมูลค่าให้กับรายงานอย่างไร

ข้อมูลของฉันประกอบด้วยตัวแปรตามจริงหรือเท็จในการรับงานและตัวแปรอิสระคือคะแนนในช่วงกลางภาคเรียนเกรดในการสอบปลายภาคและชายหรือหญิง

ในฟิลด์ของฉันส่วนที่เป็นคำอธิบายของรายงานมีความสำคัญอย่างยิ่งเพราะมันตั้งบริบทสำหรับความสามารถทั่วไปของผลลัพธ์ ตัวอย่างเช่นนักวิจัยมีความประสงค์ที่จะระบุตัวทำนายการบาดเจ็บของสมองจากอุบัติเหตุรถจักรยานยนต์ในตัวอย่างจากโรงพยาบาล ตัวแปรตามเธอคือไบนารีและเธอมีชุดของตัวแปรอิสระ การถดถอยโลจิสติกหลายตัวแปรอนุญาตให้เธอสร้างสิ่งที่ค้นพบต่อไปนี้:

• ไม่มีการปรับการใช้หมวกนิรภัยหรือ = 4.5 (95% CI 3.6, 5.5) เมื่อเปรียบเทียบกับการใช้หมวกนิรภัย
• ตัวแปรอื่น ๆ ทั้งหมดไม่รวมอยู่ในรุ่นสุดท้าย

เพื่อความชัดเจนไม่มีปัญหากับการสร้างแบบจำลอง เรามุ่งเน้นคุณค่าที่สถิติเชิงพรรณนาสามารถเพิ่มได้

หากไม่มีสถิติเชิงพรรณนาแล้วผู้อ่านไม่สามารถระบุสิ่งที่ค้นพบเหล่านี้ในมุมมอง ทำไม? ผมขอแสดงสถิติเชิงพรรณนาให้คุณดู:

age, years, mean (SD)                  54 (2)
males, freq (%)                       490 (98)
blood alcohol level, %, mean (SD)    0.10 (0.01)
...

คุณสามารถเห็นได้จากด้านบนว่าตัวอย่างของเธอประกอบด้วยผู้ชายที่มีอายุมากกว่าและมึนเมา ด้วยข้อมูลนี้ผู้อ่านสามารถพูดได้ว่าถ้ามีผลลัพธ์เหล่านี้สามารถพูดเกี่ยวกับการบาดเจ็บในชายหนุ่มหรือการบาดเจ็บในนักปั่นที่ไม่เมาหรือในนักปั่นหญิง

โปรดอย่าเพิกเฉยต่อสถิติเชิงพรรณนา

จุดประสงค์ของการจัดทำสถิติเชิงพรรณนาคือการอธิบายตัวอย่างของคุณเพื่อให้ผู้คนในศูนย์หรือประเทศอื่น ๆ สามารถประเมินได้ว่าผลลัพธ์ของคุณเป็นไปตามสถานการณ์ของพวกเขาหรือไม่ ดังนั้นในกรณีของคุณทำเป็นตารางเพศเกรดและอื่น ๆ จะเป็นประโยชน์นอกเหนือจากการถดถอยโลจิสติก ไม่อนุญาตให้คนอื่นตรวจสอบสมมติฐานของคุณแม้ว่าพวกเขาอาจพยายามทำเช่นกัน

============== แก้ไขเพื่อให้ลิงก์กับแนวทางที่ใช้ในด้านสุขภาพ

ในด้านที่ฉันคุ้นเคยสุขภาพมีแนวทางเฉพาะสำหรับการรายงาน สิ่งเหล่านี้ได้รับการรวบรวมเข้าด้วยกันในเครือข่าย EQUATORซึ่งควรได้รับการพิจารณารายละเอียดล่าสุด

ตัวอย่างเช่นเราอาจทำการทดลองทางคลินิกโดยมีแนวทางที่เกี่ยวข้องคือ CONSORT ในเอกสารสรุปแนวทางที่มีให้ที่นี่และที่อื่น ๆ ที่เราอ่านในตารางที่ 1 คำแนะนำ 15 "ตารางแสดงลักษณะทางประชากรศาสตร์พื้นฐานและลักษณะทางคลินิกสำหรับแต่ละกลุ่ม"

มีคำแนะนำที่คล้ายกันสำหรับประเภทการศึกษาอื่น ๆ

อีกสิ่งหนึ่งคือการแสดงให้เห็นว่าตัวแปรของคุณมีความประพฤติดีเพียงใด ตัวอย่างเช่นหากหนึ่งในตัวแปรของคุณคือเงินเดือนและคุณได้สัมภาษณ์อย่างแน่นอนหนึ่งพันล้านเมื่อคุณป้อนเงินเดือนของเขาลงในการถดถอยโลจิสติกจะครอบงำทุกอย่างอื่นดังนั้นคุณจะเรียนรู้ที่จะไม่สนใจเงินเดือนโดยไม่คำนึงถึง อาจมีข้อมูลจริงมากน้อยเพียงใด

วิธีการบางอย่างมีความอ่อนไหวมากกว่าวิธีอื่น ๆ สำหรับความเบ้และค่าที่สูงมากและการถดถอยแบบโลจิสติกนั้นค่อนข้างที่จะอ่อนไหว แน่นอนหลักฐานสุดท้ายอยู่ในพุดดิ้งและคุณสามารถเปรียบเทียบผลลัพธ์ที่ได้กับข้อมูลดิบหรือด้วยคุณสมบัติแต่ละอย่างเปลี่ยนไปสู่ภาวะปกติ

ส่วนที่เป็นคำอธิบายช่วยให้ผู้อ่านเข้าใจชุดข้อมูลของคุณ ใน econ ที่ใช้นั้นมักจะแนะนำเป็นอย่างยิ่งเนื่องจากอาจแสดงข้อบกพร่องที่อาจเกิดขึ้นครั้งแรกในการวิเคราะห์ของคุณ

คุณอาจใช้ข้อมูลจากแหล่งต่าง ๆ เพื่ออธิบายรายละเอียดของคุณ

1 ตารางควรเพียงพอ สิ่งที่คุณแนบมานั้นไม่ง่ายนัก