Điểm báo cáo thống kê mô tả là gì?

Tôi vừa thực hiện phân tích dữ liệu của mình bằng phương pháp hồi quy logistic tuy nhiên tôi cũng được yêu cầu phải có phần Thống kê mô tả trong báo cáo của mình. Tôi thực sự không nhìn thấy điểm trong điều này và tôi đã hy vọng rằng ai đó có thể có thể giải thích tại sao nó lại cần thiết.

Ví dụ: nếu tôi vẽ biểu đồ của một trong các biến liên tục độc lập của mình và nó hiển thị tính quy tắc hoặc nó cho thấy sự sai lệch làm thế nào điều này sẽ thêm bất kỳ giá trị nào vào báo cáo?

Dữ liệu của tôi bao gồm một biến phụ thuộc đúng hoặc sai khi nhận việc và biến độc lập là điểm ở giữa kỳ, điểm trong các kỳ thi cuối cùng và nam hoặc nữ.

Trong lĩnh vực của tôi, phần mô tả của báo cáo là vô cùng quan trọng bởi vì nó đặt bối cảnh cho tính tổng quát của kết quả. Ví dụ, một nhà nghiên cứu muốn xác định các yếu tố dự đoán chấn thương sọ não sau tai nạn xe máy trong một mẫu từ bệnh viện. Biến phụ thuộc của cô là nhị phân và cô có một loạt các biến độc lập. Hồi quy logistic đa biến cho phép cô đưa ra những phát hiện sau:

• không sử dụng mũ bảo hiểm được điều chỉnh OR = 4,5 (95% CI 3.6, 5.5) so với sử dụng mũ bảo hiểm.
• tất cả các biến khác không được đưa vào mô hình cuối cùng.

Để rõ ràng, không có vấn đề với mô hình. Chúng tôi tập trung vào giá trị mà số liệu thống kê mô tả có thể thêm vào.

Không có số liệu thống kê mô tả, một người đọc không thể đặt những phát hiện này trong quan điểm. Tại sao? Hãy để tôi chỉ cho bạn các số liệu thống kê mô tả:

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

Bạn có thể thấy từ trên rằng mẫu của cô ấy bao gồm những người đàn ông lớn tuổi, say sưa. Với thông tin này, người đọc có thể nói những gì, nếu có, những kết quả này có thể nói về chấn thương ở nam thanh niên hoặc chấn thương ở những tay đua không say hoặc ở những tay đua nữ.

Xin đừng bỏ qua số liệu thống kê mô tả.

Điểm cung cấp số liệu thống kê mô tả là mô tả mẫu của bạn để mọi người ở các trung tâm hoặc quốc gia khác có thể đánh giá xem kết quả của bạn có khái quát với tình huống của họ hay không. Vì vậy, trong trường hợp của bạn lập bảng giới tính, điểm số và như vậy sẽ là một bổ sung có lợi cho hồi quy logistic. Nó không phải là để cho phép mọi người kiểm tra các giả định của bạn mặc dù họ cũng có thể cố gắng làm điều đó.

============== Chỉnh sửa để cung cấp liên kết đến một số nguyên tắc được sử dụng trong y tế

Trong lĩnh vực mà tôi quen thuộc, sức khỏe, có những hướng dẫn cụ thể để báo cáo. Chúng đã được thu thập cùng nhau trong mạng THIẾT BỊ cần được tư vấn để cập nhật chi tiết.

Để làm ví dụ, chúng tôi có thể thực hiện các thử nghiệm lâm sàng trong đó hướng dẫn liên quan là TIẾP XÚC. Trong tài liệu phác thảo hướng dẫn có sẵn ở đây và bất kỳ nơi nào khác, chúng tôi đọc trong khuyến nghị Bảng 1 15 "Một bảng hiển thị các đặc điểm nhân khẩu học và lâm sàng cơ bản cho mỗi nhóm".

Có những khuyến nghị tương tự cho các loại nghiên cứu khác.

Một điều nữa là cho thấy các biến của bạn hoạt động tốt như thế nào. Ví dụ, nếu một trong các biến của bạn là tiền lương và bạn đã phỏng vấn chính xác một tỷ phú, khi bạn đưa tiền lương của anh ta vào hồi quy logistic sẽ chi phối mọi thứ khác, vì vậy bạn có thể sẽ học cách bỏ qua tiền lương, bất kể bao nhiêu thông tin thực tế nó có thể giữ.

Một số phương pháp nhạy cảm hơn các phương pháp khác đối với độ lệch và giá trị cực trị, và hồi quy logistic là ở khía cạnh nhạy cảm. Tất nhiên, bằng chứng cuối cùng là trong pudding và bạn có thể so sánh kết quả thu được với dữ liệu thô hoặc với từng tính năng được chuyển đổi theo quy tắc.

Một phần mô tả giúp hiểu người đọc tập dữ liệu của bạn. Trong econ ứng dụng, nó thường rất được khuyến khích vì nó có thể hiển thị các lỗ hổng tiềm năng đầu tiên trong phân tích của bạn.

Bạn có thể sử dụng dữ liệu từ các nguồn khác nhau để làm nổ tung các mô tả của bạn.

1 bàn là đủ. Một trong những bạn đính kèm không phải là rất trực quan.