वर्णनात्मक आंकड़ों की रिपोर्टिंग का क्या मतलब है?

21

मैंने सिर्फ लॉजिस्टिक रिग्रेशन का उपयोग करके अपने डेटा का विश्लेषण किया है, हालांकि मुझे अपनी रिपोर्ट में एक वर्णनात्मक सांख्यिकी भाग भी आवश्यक है। मैं ईमानदारी से इस बिंदु को नहीं देखता हूं और मैं उम्मीद कर रहा था कि कोई व्यक्ति यह समझाने में सक्षम हो सकता है कि यह क्यों आवश्यक है।

उदाहरण के लिए यदि मैं अपने स्वतंत्र निरंतर चर में से एक हिस्टोग्राम लगाता हूं और यह सामान्यता दिखाता है या यह तिरछापन दिखाता है तो यह रिपोर्ट में किसी भी मूल्य को कैसे जोड़ेगा?

मेरे डेटा में एक आश्रित चर सच है या नौकरी पाने का झूठा है और स्वतंत्र चर मध्यावधि में ग्रेड, अंतिम परीक्षा में ग्रेड और पुरुष या महिला है।

descriptive-statistics reporting

— user3223190
स्रोत

यदि आप अपने IVs के हिस्टोग्राम की साजिश रचने में कोई मूल्य नहीं देख सकते हैं, तो शायद आपको ऐसा नहीं करना चाहिए, लेकिन क्या ऐसा कोई डेटा है जिसे आपने एकत्र किया है जो आपको लगता है कि आपके द्वारा प्रस्तुत किए जा रहे कार्य के लिए कुछ मूल्य का है रिपोर्ट?

— इयान_फिन

हाय इयान, मैंने अपनी समस्या के बारे में कुछ और विवरण जोड़ दिए हैं। मैं आँकड़ों के लिए काफी नया हूँ और मैं सोच रहा था कि क्या कोई सामान्य दृष्टिकोण है जिसे हम लॉजिस्टिक प्रतिगमन करने से पहले लेते हैं।

— user3223190

मेरा सुझाव है कि संभवतः डेटा के विभिन्न भूखंडों को भी देखें। उदाहरण के लिए, आप अंतिम ग्रेड बनाम मिड-टर्म ग्रेड रंग-कोडित कर सकते हैं लिंग और प्रतीक-कोड द्वारा "नौकरी मिली" और "नौकरी पाने में विफल"।

— एमिल एम फ्रीडमैन 19

42

मेरे क्षेत्र में, रिपोर्ट का वर्णनात्मक भाग अत्यंत महत्वपूर्ण है क्योंकि यह परिणामों की सामान्यता के लिए संदर्भ निर्धारित करता है। उदाहरण के लिए, एक शोधकर्ता एक अस्पताल से नमूने में मोटरसाइकिल दुर्घटनाओं के बाद दर्दनाक मस्तिष्क की चोट के पूर्वानुमानकर्ताओं की पहचान करना चाहता है। उसका आश्रित चर द्विआधारी है और उसके पास स्वतंत्र चर की एक श्रृंखला थी। बहुक्रियाशील लॉजिस्टिक रिग्रेशन ने उन्हें निम्नलिखित निष्कर्षों का निर्माण करने की अनुमति दी:

हेलमेट उपयोग की तुलना में कोई भी हेलमेट समायोजित या = 4.5 (95% CI 3.6, 5.5) का उपयोग नहीं करता है।
अन्य सभी चर अंतिम मॉडल में शामिल नहीं थे।

स्पष्ट होने के लिए, मॉडलिंग के साथ कोई समस्या नहीं थी। हम उस मूल्य पर ध्यान केंद्रित करते हैं जो वर्णनात्मक आंकड़े जोड़ सकते हैं।

वर्णनात्मक आंकड़ों के बिना, एक पाठक इन निष्कर्षों को परिप्रेक्ष्य में नहीं रख सकता है। क्यूं कर? मुझे आपको वर्णनात्मक आंकड़े दिखाते हैं:

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

आप ऊपर से देख सकते हैं कि उसके नमूने में पुराने, नशीले पुरुष शामिल थे। इस जानकारी के साथ पाठक कह सकता है कि क्या, यदि कोई हो, ये परिणाम युवा पुरुषों में चोट लगने या गैर-नशे में सवार या महिला सवारों में चोट लगने के बारे में कह सकते हैं।

कृपया वर्णनात्मक आंकड़ों को अनदेखा न करें।

5

अच्छा उदाहरण है। क्या यह वास्तविक है या बना हुआ है?

— अमीबा ने

5

धन्यवाद, @amoeba संख्या और आँकड़े वास्तविक हैं। हालांकि, मैंने निर्दोष की रक्षा के लिए विषय को दर्दनाक मस्तिष्क की चोट में बदल दिया।

3

तो, नशे में धुत लोग बिना हेलमेट के मोटरसाइकिल चला रहे हैं ... किसने सोचा होगा कि आप एक दर्दनाक मस्तिष्क की चोट के साथ हवा कर सकते हैं?

— गूँग -

मैं उस समय अच्छे ऑस्ट्रेलियाई लाल का एक गिलास का आनंद ले रहा हूं और बॉब के अपने चाचा ...

25

वर्णनात्मक आँकड़े प्रदान करने की बात यह है कि आपके नमूने की विशेषता है ताकि अन्य केंद्रों या देशों के लोग यह आकलन कर सकें कि आपके परिणाम उनकी स्थिति के सामान्य हैं या नहीं। इसलिए आपके मामले में, सेक्स, ग्रेड और इतने पर सारणीबद्ध करना लॉजिस्टिक रिग्रेशन के लिए एक लाभदायक अतिरिक्त होगा। यह लोगों को आपकी मान्यताओं की जांच करने में सक्षम नहीं है, हालांकि वे ऐसा करने की कोशिश कर सकते हैं।

============== स्वास्थ्य में प्रयुक्त कुछ दिशानिर्देशों के लिंक देने के लिए संपादित करें

जिस क्षेत्र में मैं परिचित हूं, स्वास्थ्य के क्षेत्र में, रिपोर्टिंग के लिए विशिष्ट दिशानिर्देश हैं। इन्हें एक्वाटर नेटवर्क में एक साथ एकत्र किया गया है, जिसे अद्यतित विवरण के लिए परामर्श किया जाना चाहिए।

एक उदाहरण के रूप में हम क्लिनिकल परीक्षण कर सकते हैं जहां प्रासंगिक दिशानिर्देश CONSORT है। यहाँ उपलब्ध दिशानिर्देशों को रेखांकित करते हुए और अन्य जगहों पर हमने तालिका 1 की अनुशंसा 15 में पढ़ा है "प्रत्येक समूह के लिए आधारभूत जनसांख्यिकीय और नैदानिक विशेषताओं को दर्शाने वाली तालिका"।

अन्य अध्ययन प्रकारों के लिए समान सिफारिशें हैं।

— mdewey
स्रोत

धन्यवाद mdewey, इसलिए जब हम विभिन्न वर्णनात्मक कथानक करते हैं और यदि हम सामान्यता या तिरछापन देखते हैं तो केवल इस पर टिप्पणी क्यों करते हैं। और इसलिए मूल रूप से वर्णनात्मक आँकड़े केवल वास्तविक उपयोग के पाठक को सूचित करते हैं कि आप किस डेटा के साथ काम कर रहे हैं। वास्तव में खेद है अगर यह प्राथमिक लग सकता है

— user3223190

यह स्वास्थ्य के क्षेत्र में काम करने का तरीका है, जो कि मैं सबसे अधिक परिचित हूं।

— mdewey

8

+1। पहले मैं दूसरे केंद्रों या देशों में "अन्य शताब्दियों में" के रूप में "गलत सूचना" देता हूं।

— अमीबा ने

4

एक और बात यह दिखाना है कि आपके चर कितने अच्छे व्यवहार करते हैं। यदि, उदाहरण के लिए, आपका एक चर वेतन है, और आपने बिलकुल एक अरबपति का साक्षात्कार लिया है, जब आप उसके वेतन को लॉजिस्टिक रिग्रेशन में डालते हैं, तो वह हर चीज पर हावी होने वाला होता है, इसलिए आप वेतन की अनदेखी करना सीखेंगे, भले ही आप इसकी परवाह न करें यह कितनी वास्तविक जानकारी हो सकती है।

कुछ विधियां दूसरों की तुलना में तिरछी और चरम मूल्यों के प्रति अधिक संवेदनशील हैं, और लॉजिस्टिक प्रतिगमन संवेदनशील पक्ष पर नहीं है। बेशक, अंतिम प्रमाण हलवा में है, और आप कच्चे डेटा के साथ प्राप्त परिणामों की तुलना कर सकते हैं, या प्रत्येक सुविधा के साथ सामान्यता की ओर बदल सकते हैं।

— Davidmh
स्रोत

1

एक वर्णनात्मक हिस्सा पाठक को आपके डेटासेट को समझने में मदद करता है। लागू ईकोन में यह आमतौर पर अत्यधिक अनुशंसित है क्योंकि यह आपके विश्लेषण में पहली संभावित खामियों को दिखा सकता है।

आप अपने विवरणों को उड़ाने के लिए विभिन्न स्रोतों से डेटा का उपयोग कर सकते हैं।

1 टेबल पर्याप्त होना चाहिए। जो आप संलग्न हैं वह बहुत सहज नहीं है।

— Bonsaibubble
स्रोत