What do I need to consider?Variable

What do I need to consider?
Variables
A variable is any measured characteristic or attribute that differs for different subjects. Quantitative variables are measured on an ordinal, interval, or ratio scale, whereas qualitative variables are measured on a nominal scale (note in SPSS the Interval and Ratio levels are grouped
together and called scale). There are a range of variables that need to be understood, dependent/independent, controlled/continuous/discrete in the application of statistical tests. The independent variable answers the question “What do I change?”, the dependent variable answers the
question “What do I observe?” and the controlled variable answers the question “What do I keep the same?”. A variable which can have any numerical value is called a continuous variable (e.g. time). A variable which can only have whole numbers (integers) is called a discrete variable (e.g. the number of people in a group). It is important to understand the variable you have for analysis of data in statistical packages such as SPSS.

Inference
If working with inferential statistics you need a sound understanding of your population (the set of individuals, items, or data, also called universe) and your sample (a subset of elements taken from a population). See the section on quantitative surveys for further discussion on populations and samples. We make inferences (conclusions) about a population from a sample taken from it, therefore it is important that population and sampling is well understood, as any error will influence your inferences (conclusions). In some situations we can examine the entire population, then there is no inference from a sample.

Confidence & Significance
The confidence interval is an interval estimate of a population parameter, this is the plus-or-minus figure reported in, for example, newspaper or television opinion poll results. If you use a confidence interval of 4 for example, and 54% percent of your sample picks one answer, you can be “sure” that if you had asked the question of the entire relevant population, between
50% and 58% would have picked that answer (plus or minus 4). There are three factors that determine the size of the confidence interval for a given confidence level. These are: sample size, percentage and population size (see below).

• The confidence level tells you how sure you can be that this inference is correct. Most social science researchers use the 95% confidence level, which means you can be 95% certain; while
the 99% confidence level means you can be 99% certain. When you apply the confidence level and the confidence interval together, you could say that you are 95% sure that between 50%
and 58% would have picked that answer.In statistics, a result is called statistically significant if it is unlikely to have occurred by chance. In statistics, “significant” means probably true, and not ‘important’. The findings of your research may be proved to be ‘true’ but this does not necessarily mean that the findings are ‘important’. In social science, results with a 95% confidence level are
accepted as significant. Factors that affect the confidence interval The confidence interval is affected by three factors. These are the sample size, percentage and population size.

Sample Size
The larger your sample, the more confident you can be that their answers truly reflect the population. The relationship between the confidence interval and sample size is not linear. An example can be found below:

ผลลัพธ์ (ไทย) 1:

ฉันต้องการอะไรตัวแปร ตัวแปรคือ ลักษณะวัดใด ๆ หรือแอตทริบิวต์ที่แตกต่างกันในเรื่องต่าง ๆ ตัวแปรเชิงปริมาณที่วัดบนลำดับ ช่วง หรือ สเกลอัตราส่วน ในขณะที่ตัวแปรเชิงคุณภาพคือวัดในระดับที่ระบุ (หมายเหตุในโปรแกรมระดับช่วงและอัตราส่วนการจัดกลุ่ม ด้วยกัน และเรียกว่ามาตราส่วน) มีเป็นของตัวแปรที่ต้องการที่จะเข้าใจ อิสระ / ควบคุม/ต่อเนื่อง/ไม่ต่อเนื่องในการประยุกต์ใช้สถิติทดสอบ ตัวแปรอิสระตอบคำถาม "อะไรเปลี่ยนไร" คำตอบขึ้นอยู่กับตัวแปร คำถาม "อะไรทำผม สังเกต" และตัวแปรควบคุมตอบคำถาม "อะไรทำผมให้เหมือนกัน" ตัวแปรที่ได้มีค่าเป็นตัวเลขเรียกว่าตัวแปรต่อเนื่อง (เช่นเวลา) ตัวแปรที่สามารถมีตัวเลขจำนวนเต็ม (จำนวนเต็ม) จะเรียกว่าตัวแปร discrete (เช่นจำนวนคนในกลุ่ม) จึงควรทำความเข้าใจตัวแปรที่คุณมีสำหรับการวิเคราะห์ข้อมูลในแพคเกจทางสถิติเช่นโปรแกรมข้อถ้าทำงานกับสถิติเพียงน้อยนิด คุณจำเป็นต้องทำความเข้าใจเสียงของประชากร (ชุดของบุคคล สินค้า หรือ ข้อมูล จักรวาลยังเรียก) และตัวอย่าง (ชุดย่อยขององค์ประกอบที่มาจากประชากร) ดูส่วนกับการสำรวจเชิงปริมาณสำหรับการสนทนาเพิ่มเติมประชากรและตัวอย่าง เราทำ inferences (บทสรุป) เกี่ยวกับประชากรจากตัวอย่างที่นำมาจาก ดังนั้น จึงเป็นสิ่งสำคัญที่ประชากรและสุ่มตัวอย่างไม่ดีเข้าใจ เป็นข้อผิดพลาดใด ๆ จะมีผลต่อคุณ inferences (บทสรุป) ในบางสถานการณ์ เราสามารถตรวจสอบประชากรทั้งหมด แล้วมีข้อไม่จากตัวอย่างความเชื่อมั่นและความสำคัญช่วงความเชื่อมั่นเป็นการประเมินช่วงของพารามิเตอร์ประชากร นี้เป็นบวก หรือลบเลขรายงาน ตัวอย่าง ผลสำรวจความคิดเห็นหนังสือพิมพ์หรือโทรทัศน์ ถ้าคุณใช้ช่วงความเชื่อมั่นของ 4 ตัว และ 54% เปอร์เซ็นต์ของตัวอย่างการเลือกหนึ่งคำตอบ คุณสามารถ "แน่ใจ" ที่คุณถามคำถามของประชากรทั้งหมดที่เกี่ยวข้อง ระหว่าง 50% และ 58% จะได้รับคำตอบว่า (บวก หรือ ลบ 4) มีปัจจัย 3 ประการที่กำหนดขนาดของช่วงความเชื่อมั่นในระดับความเชื่อมั่นที่กำหนด นี่คือ: ตัวอย่างขนาด เปอร์เซ็นต์ และประชากรขนาด (ดูด้านล่าง)•ระดับความมั่นใจให้คุณแน่ใจว่าคุณได้ข้อนี้คือถูกต้อง นักวิจัยสังคมส่วนใหญ่ใช้ระดับความเชื่อมั่น 95% ซึ่งหมายความว่า คุณได้ 95% บาง ในขณะที่ ระดับความเชื่อมั่น 99% หมายความว่า คุณได้ 99% แน่นอน เมื่อคุณใช้ระดับความเชื่อมั่นและช่วงความเชื่อมั่นเข้าด้วยกัน คุณสามารถพูดว่า คุณจะแน่ใจว่า 95% ที่ระหว่าง 50% และ 58% จะได้รับคำตอบว่าสถิติ ผลลัพธ์คืออย่างมีนัยสำคัญทางสถิติไม่น่าจะเกิดขึ้นโดยบังเอิญ สถิติ "สำคัญ" หมายความว่า คงจริง และไม่ 'สำคัญ' อาจพิสูจน์ผลการวิจัยของวิจัยของคุณเป็น 'ความจริง' แต่นี้ไม่ได้หมายความว่า วิจัยพบ 'สำคัญ' ในสังคม มีผลกับระดับความเชื่อมั่น 95% ยอมรับเป็นสำคัญ ปัจจัยที่มีผลต่อช่วงความเชื่อมั่นช่วงความเชื่อมั่นเป็นผลจากปัจจัยสามประการ นี่คือขนาดตัวอย่าง ขนาดเปอร์เซ็นต์และประชากร ขนาดตัวอย่าง ใหญ่กว่าตัวอย่างของคุณ ความมั่นใจมากขึ้นคุณสามารถให้คำตอบของพวกเขาอย่างแท้จริงสะท้อนประชากรได้ ความสัมพันธ์ระหว่างขนาดตัวอย่างช่วงความเชื่อมั่นไม่เชิงเส้น สามารถพบตัวอย่างด้านล่าง:

ผลลัพธ์ (ไทย) 3:

อะไรบ้างที่ต้องพิจารณา ?

ตัวแปรคือตัวแปรใด ๆหรือคุณลักษณะที่แตกต่างเพื่อวัดลักษณะวิชาต่าง ๆ ตัวแปรเชิงปริมาณที่วัดได้ในช่วงเวลาที่สำคัญ หรืออัตราส่วน ในขณะที่ตัวแปรเชิงคุณภาพวัดได้ในระดับปกติ ( หมายเหตุในโปรแกรม SPSS ช่วงเวลาและอัตราส่วนระดับการจัดกลุ่ม
ด้วยกัน และเรียกว่ามาตราส่วน )มีช่วงของตัวแปรที่ต้องเข้าใจตัวแปรอิสระ ควบคุม / ต่อเนื่อง / ไม่ต่อเนื่องในโปรแกรมของการทดสอบทางสถิติ ตัวแปรอิสระที่ตอบคำถาม " อะไรจะเปลี่ยน ? " ตัวแปรคำตอบ
คำถาม " อะไรที่ฉันสังเกต ? " และตัวแปรควบคุมตอบคำถาม " ทำไมฉันอยู่เหมือนกัน "ตัวแปรที่สามารถมีตัวเลขค่าเรียกว่าตัวแปรต่อเนื่อง ( เช่นครั้ง ) ตัวแปรซึ่งมีทั้งจำนวน ( จำนวนเต็ม ) เรียกว่า ตัวแปรไม่ต่อเนื่อง ( เช่น จำนวนของผู้คนในกลุ่ม ) มันเป็นสิ่งสำคัญที่จะเข้าใจตัวแปรคุณมีการวิเคราะห์ข้อมูลในแพคเกจทางสถิติ เช่น SPSS


การอนุมานถ้าทำงานกับสถิติอ้างอิงที่คุณต้องการความเข้าใจเสียงของประชากรของคุณ ( การตั้งค่าของแต่ละบุคคล สินค้า หรือ ข้อมูล เรียกว่า จักรวาล ) และตัวอย่างของคุณ ( เป็นเซตย่อยขององค์ประกอบ ถ่ายจากประชากร ) เห็นส่วนในการสำรวจเชิงปริมาณสำหรับการสนทนาเพิ่มเติมเกี่ยวกับประชากรและตัวอย่าง เราให้อ้างอิง ( สรุป ) เกี่ยวกับประชากรตัวอย่างที่ถ่ายจากดังนั้นจึงเป็นสิ่งสำคัญที่ประชากรและการสุ่มตัวอย่างดีเข้าใจอย่างผิดพลาดใด ๆ ที่จะมีผลต่ออ้างอิง ( สรุป ) ในบางสถานการณ์เราสามารถศึกษาประชากรทั้งหมดแล้ว ไม่มีการอนุมานจากตัวอย่าง


&ความเชื่อมั่นระดับความเชื่อมั่นคือช่วงเวลาประมาณของประชากร พารามิเตอร์นี้เป็นบวก หรือ ลบรูปในรายงาน เช่นหนังสือพิมพ์หรือความคิดเห็นโทรทัศน์ผลโพลล์ ถ้าคุณใช้ช่วงความเชื่อมั่น 4 ตัวอย่าง และ 54 เปอร์เซ็นต์ของกลุ่มตัวอย่างเลือกตอบ คุณสามารถ " มั่นใจ " ว่า หากคุณถามคำถามของประชากรที่เกี่ยวข้องทั้งหมด ระหว่าง
50% และ 58 % จะเลือกตอบ ( บวก หรือ ลบ 4 )มีสามปัจจัยที่กำหนดขนาดของช่วงความเชื่อมั่นสำหรับความเชื่อมั่นที่ระดับ เหล่านี้คือ : ขนาดตัวอย่าง ร้อยละ และขนาดของประชากร ( ดูด้านล่าง ) .

แต่ละระดับความเชื่อมั่นบอกคุณมั่นใจว่าคุณสามารถที่อนุมานได้ถูกต้อง นักวิจัยทางสังคมศาสตร์ส่วนใหญ่ใช้ระดับความเชื่อมั่นร้อยละ 95 ซึ่งหมายความว่าคุณสามารถ 95% แน่นอน ในขณะที่
ที่ระดับความเชื่อมั่น 99% หมายความว่าคุณสามารถ 99% แน่นอน เมื่อคุณใช้ระดับความเชื่อมั่นและความเชื่อมั่นร่วมกัน คุณสามารถพูดได้ว่าคุณเป็น 95% แน่ใจว่าระหว่าง 50% และ 58 %
คงจะเลือกคำตอบนั้น ในทางสถิติ ผลเรียกว่า อย่างมีนัยสำคัญทางสถิติ ถ้ามันไม่น่าที่จะเกิดขึ้นโดยบังเอิญ ในสถิติ " อย่างมีนัยสำคัญ " หมายความว่า อาจจะจริงและไม่สําคัญ ' ' ผลของการวิจัยอาจจะพิสูจน์ได้ว่าจริง แต่ไม่ได้หมายความว่าข้อมูลสําคัญ ' ' ในทางสังคมศาสตร์ ผลลัพธ์ ด้วยระดับความเชื่อมั่น 95% คือ
รับเป็นสำคัญ ปัจจัยที่มีผลต่อความเชื่อมั่นที่ช่วงความเชื่อมั่นที่ได้รับผลกระทบ โดยทั้งสามปัจจัย เหล่านี้เป็นจำนวน ร้อยละ และขนาดของประชากร


ตัวอย่างขนาดตัวอย่างขนาดใหญ่ของคุณ คุณสามารถมั่นใจได้ว่า คำตอบของพวกเขาอย่างแท้จริงสะท้อนให้เห็นถึงจำนวนประชากร ความสัมพันธ์ระหว่างความเชื่อมั่นและขนาดตัวอย่างที่ไม่ใช่เชิงเส้น ตัวอย่างสามารถพบอยู่ด้านล่าง :