Een statistische analyse voor het vergelijken van drie of meer gegevenssets hangt af van het type gegevens dat is verzameld. Elke statistische test heeft bepaalde veronderstellingen waaraan moet worden voldaan om de test op de juiste manier te laten werken. Welke aspecten van de gegevens u zult vergelijken, heeft ook invloed op de test. Als elk van de drie gegevensverzamelingen bijvoorbeeld twee of meer metingen heeft, hebt u een ander type statistische test nodig.

ANOVA

Een van de meer gebruikelijke statistische tests voor drie of meer datasets is de Analysis of Variance of ANOVA. Om deze test te gebruiken, moeten de gegevens aan bepaalde criteria voldoen. Ten eerste moeten de gegevens numeriek zijn. Ordinale gegevens - zoals 5-puntsschaalbeoordelingen, Likert-schalen genoemd - zijn geen numerieke gegevens en de ANOVA levert geen nauwkeurige resultaten op bij gebruik met ordinale gegevens. Ten tweede moeten de gegevens normaal verdeeld zijn in een belcurve. Als aan deze aannames is voldaan, kan de ANOVA-test worden gebruikt om de variantie van één afhankelijke variabele in drie of meer monsters of gegevensverzamelingen te analyseren. Vergeet niet dat de afhankelijke variabele de factor is die u in het onderzoek meet.

MANOVA

In gevallen waarin aan de aannames voor ANOVA is voldaan maar u meer dan één afhankelijke variabele wilt meten, zult u hebben de Multivariate Analysis of Variance of MANOVA nodig. De afhankelijke variabelen zijn de factoren die u meet en die u wilt onderzoeken. De onafhankelijke variabele of variabelen beïnvloeden de afhankelijke variabele. Stel bijvoorbeeld dat u de effecten van zware inspanning op bloeddruk, gewichtsverlies en hartslag meet. De onafhankelijke variabele is de oefening en de afhankelijke variabelen zijn bloeddruk, gewichtsverlies en hartslag. In deze situatie zou u MANOVA gebruiken. Deze statistische test is erg ingewikkeld om te berekenen en vereist het gebruik van een computer en speciale software.

Niet-parametrische, inferentiële statistieken

Er zijn veel verschillende niet-parametrische tests, maar in het algemeen niet-parametrische parametrische statistieken worden gebruikt wanneer de gegevens ordinaal en /of niet normaal verdeeld zijn. Niet-parametrische tests omvatten de tekentoets, chikwadraat en de mediatoets. Deze tests worden vaak gebruikt wanneer u enquêtegegevens analyseert waarbij de respondenten verschillende verklaringen moesten beoordelen; een schaal van 'helemaal mee oneens, mee oneens, mee eens, zeer mee eens' zou bijvoorbeeld als ordinale gegevens kwalificeren. Deze tests zijn vaak eenvoudig met de hand te berekenen, hoewel een spreadsheet helpt.

Beschrijvende statistiek

Naast inferentiële tests kunt u ook eenvoudige beschrijvende statistieken gebruiken om de gebruiker snel en eenvoudig te bekijken. gegevenssets. U kunt het gemiddelde, standaardafwijkingen en percentages voor elk van de drie gegevenssets rapporteren. Beschrijvende statistieken helpen om de gegevens snel te bekijken, maar kunnen niet worden gebruikt om conclusies te trekken. Als een van de drie gegevenssets bijvoorbeeld een variabele heeft die 20 procent hoger is dan de andere twee gegevenssets, kunt u niet zeggen dat het verschil "statistisch significant" is zonder enige inferentiële statistische test, zoals ANOVA, MANOVA of een niet-parametrische test.