Me he encontrado con un estadístico que es lo que sugiere que para los análisis secundarios, que no lo haría revisar los supuestos del modelo (por ejemplo, la linealidad, normalidad). Los tamaños de muestra para cada grupo son de 26 y 28, y esto es un poco de un estudio piloto. Yo soy de la persuasión de que los supuestos del modelo siempre debe ser revisada, y otro modelo utilizarse si es necesario, a menos que usted tenga una muestra bastante grande. De lo contrario, ¿cuál es el punto de hacer el análisis secundarios si el modelo es incorrecta? Estoy equivocado? Gracias de antemano!
Respuesta
¿Demasiados anuncios?
Likso
Puntos
68
Estoy seguro de que hay mucho debate en torno a cómo tratar el piloto o la viabilidad de datos. Yo voy a contar mi experiencia como un estadístico/investigador de una agencia federal - otros que son más "pura" de los estadísticos pueden tener opiniones diferentes, y que sin duda puede ser más correcta que la mía.
Cuando hemos hecho los estudios piloto preámbulo más grandes (que son contingentes sobre los resultados de los pilotos), hemos abordado el análisis piloto de manera diferente que el total de la escala de análisis. Los propósitos del estudio piloto, no son lo mismo que el análisis completo - normalmente no están destinados a ser generalizable, así que cosas como la evaluación de la invariancia son menos importantes. Tamaño pequeño de la muestra excluye más complejo de análisis - usted no puede ser capaz de hacer todas las interacciones que quieres hacer, regresiones no lineales puede estar fuera de la cuestión, etc. Realmente el análisis de un estudio piloto es asegurarse de que usted puede recoger los datos, los datos son utilizables, las distribuciones son más o menos lo que esperaba, que ninguna de las construcciones que han aguantar, que bivariante y multivariante (en la medida en que son comprobables) son como se esperaba, que los encuestados entiendan lo que están haciendo y cualquier lógica de los cheques que se han incorporado en los instrumentos de pie.
Tan lejos como la comprobación de los supuestos del modelo, yo personalmente no veo por qué alguien se opondría a hacerlo. Si los supuestos espera, gran, es compatible con el modelo específico que usted está usando. Si no, entonces usted podría argumentar que no es un gran problema ya que este es el piloto de datos, el tamaño de la muestra por lo que hay menos estabilidad, tendrás más datos (¡ojalá!) para la recogida completa de datos por lo que será más robusto a las violaciones o al menos más estable de las estimaciones.
