در دنیای کنونی ما، دسترسی دائمی به اطلاعات و عقاید، اعتماد و صداقت دست نیافتنی شده‌است. به عنوان محقق، ما به حقیقت متعهد هستیم و باید برای زنده نگه داشتن این کلمات تلاش کنیم. در مقیاس جهانی، ارائه نادرست نتایج یک مطالعه دارویی می‌تواند از نظر تئوری به فردی که دارو را مصرف می‌کند، آسیب برساند. اگرچه این مورد باید درنتیجه‌ی یک خطای فاحش و سیستماتیک باشد، اما به هر حال این احتمال وجود دارد. در مقیاس واقعی تر، تفسیر نادرست نتایج تحقیقات باعث اتلاف وقت، پول و منابع انسانی می شود و اعتماد عمومی به علم یا دانشمندان را از بین می برد و همچنین به شغل محقق نیز کمکی نمی کند. در حالی که استفاده صحیح از آمار می تواند گیج کننده باشد، اما نباید ترسناک باشد. این مقاله چند پیشنهاد ساده را ارائه می‌دهد تا در تجزیه و تحلیل آماری نتایج دقیق مطالعه به شما کمک کند حتی اگر آمار یکی از نقاط قوت شما نباشد.
دلایلی که محققان ممکن است اشتباه کنند.
آمار رشته‌ی عجیبی است که باعث ایجاد وحشت در بسیاری از افراد می شود. آمار شامل تعداد زیادی عدد و رقم است اما پاسخ های درست و مشخصی مانند جبر یا حساب دیفرانسیل و انتگرال ارائه نمی دهد.
ترس از آمار یکی از دلایل اصلی اشتباهات محققان در تجزیه و تحلیل و گزارش داده‌ها و نتایج مطالعات است. پیامد این تنفر از آمار معمولاً باعث اجتناب از همه زمینه‌های آماری می‌شود و در نتیجه‌ی آموزش ناکافی است و می تواند منجر به شلختگی و عدم توجه کافی به دقت و اطمینان از نتایج مطالعه گردد. البته ترس از اعداد تنها دلیل اشتباهات آماری محققان نیست. دلایل دیگرمی‌تواند شامل موارد زیر باشد:
-
فقدان آموزش رسمی
برخی از محققان ممکن است آموزش رسمی کافی در زمینه آمار دریافت نکرده باشند، اگرچه کلاس‌ها و وب سایت‌های متعددی در اینترنت این مشکل را از طریق خودآموزی برطرف می‌کنند.
-
فقدان حمایت
اگر در آمار قوی نیستید، باید فردی را پیدا کنید که بتواند کار شما را بررسی کند.
-
کمبود منابع
محققانی که زمان یا بودجه محدودی دارند ممکن است توجه کافی به جمع‌آوری و تجزیه و تحلیل داده‌ها برایشان دشوار باشد و درنهایت منجر به خطا می‌شوند. به عنوان مثال، کمبود زمان ممکن است باعث بررسی نکردن داده‌ها شود و کمبود بودجه ممکن است به معنای تعداد ناکافی پرسنل پروژه باشد.
8 خطای آماری قابل اجتناب محققین
خطاهای آماری می تواند در مراحل مختلف فرآیند تحقیق از جمله در حین جمع آوری داده‌ها، تجزیه و تحلیل و گزارش دهی رخ دهد. در اینجا برخی از اشتباهات اساسی که محقق باید از آن‌ها آگاه باشد تا از گزارش های نادرست اجتناب کند، آورده شده است.
1- عدم استفاده از داده‌های واضح و شفاف
این خطا معمولاً برای خوانندگان قابل لمس نیست مگر اینکه به داده‌های واقعی نگاه کنند، که یکی از دلایل افزایش نیاز مجله به شفافیت داده‌ها است. مجموعه داده‌هایی که حاوی مقادیر دورافتاده و مقادیر گمشده هستند باید قبل از تجزیه و تحلیل به دقت مورد بررسی قرار گیرند. اگر میانگین قد دانشجویان سال اول کالج را گزارش می‌دهید، و یک چهارم رکوردهای داده‌های شما خالی است، یا اگر چند نفر از دانشجویان در تیم بسکتبال هستند، احتمالاً میانگین دقیقی دریافت نخواهید کرد. راه حل این است که به سادگی اطلاعات خود را بشناسید. ایجاد چند نمودار: نمودارهای پراکنده، هیستوگرام، هر چیزی که به داده های شما کمک می کند نشان دهند که داده‌ها چگونه به نظر می رسند.
2- اتخاذ روش نمونه‌گیری ضعیف
این موضوع اغلب در مطالعات مربوط به نظرسنجی، نشان داده می‌شود. اشتباه اساسی این است که فرض کنیم داده‌های جمع آوری‌شده نشان‌دهنده‌ی جامعه آماری موردنظر است. با این حال، در نظرسنجی ها، به دست‌آوردن یک نمونه نماینده واقعی از جامعه بسیار دشوار است.
به عنوان مثال، برای به دست‌آوردن تعداد مورد نیاز نظرسنجی، محققان اغلب راحت ترین روش را انتخاب می کنند. این کار ممکن است به معنای ایستادن در خارج از سوپرمارکت یا تماس با شماره تلفن های منازل باشد. استفاده از هر یک از این روش‌های رایج، داده‌های حاصل را منحرف می‌کند. هنگام جمع آوری داده‌های خود، به دقت در مورد جمعیت مورد علاقه خود و اینکه واقعاً از چه جمعیتی نمونه برداری می کنید، فکر کنید.
3- گزارش همبستگی‌های جعلی
در مورد یافتن همبستگی‌های معنادار بین متغیرهایی که واقعاً به هم مرتبط نیستند، توجه داشته باشید. به عنوان مثال، یک همبستگی قوی بین تعداد مدرک کارشناسی ارشد در ایالات متحده و درآمد باکس آفیس یافت شد. بدیهی است که این متغیرها ارتباط نزدیکی با هم ندارند.
4- فرض اینکه همبستگی دلالت بر علیت دارد.
همبستگی مثبت یا منفی معنادار بین متغیرها دلیلی بر این نیست که تغییر در یکی باعث تغییر در دیگری شود. یک مثال محبوب در این مورد، همبستگی مثبت قوی بین حملات کوسه و مصرف بستنی است آیا این همبستگی به این معنی است که حملات کوسه ها ناشی از خوردن بستنی است؟ عقل سلیم به شما می گوید که هر دو ناشی از یک عامل سوم، یعنی تابستان است.
5- استفاده از روش تحلیل اشتباه
برای جلوگیری از این اشتباه، لازم نیست در دانش آماری تسلط کامل داشته باشید. تا زمانی که کمکی نداشته باشید، احتمالاً از هیچ روش تحلیل پیچیده‌ای روی داده‌های خود استفاده نخواهید کرد. به عنوان مثال، آیا می توان از یک رگرسیون خطی ساده بر روی متغیرهای طبقه‌ای استفاده کرد؟ آزمون t تفاوت معنی داری را بین چند گروه پیدا می کند؟ می‌توانید با مطالعه، از برخی اشتباهات شرم‌آور اجتناب کنید.
6- عدم بررسی مفروضات تحلیل
این مورد مربوط به خطای نوع اول است. تمام روش های تحلیل، براساس فرضیاتی که در مورد آن‌ها داده‌ها جمع آوری شده‌اند، می‌باشند. به عنوان مثال، بسیاری از روش‌ها بر این فرض استوار هستند که داده‌های اساسی توزیع نرمال دارند. اگر داده‌های شما توزیع متفاوتی دارند، نتایج ممکن است دقیق نباشند. راه حل این است که مطمئن شوید که متغیرها و داده‌های مربوطه را کاملاً درک کرده باشید. بازهم، نمودارها می توانند در اینجا کمک شایان توجهی بکنند.
7- عدم گزارش صحیح نتایج
یک خطای مکرر که محققان انجام می‌دهند، عدم تفسیر و گزارش صحیح نتایجی است که به دست می‌آورند و اغلب در نتایج خود اغراق می‌کنند. این بدان معناست که آن‌ها می نویسند که چیزی را ثابت کرده‌اند، در حالی که نتایج فقط نشان می دهد که ممکن است چیزی در یک مورد خاص و کوچک درست باشد. آمار زبانی بسیار دقیق و محافظه کارانه است. اگر نتایج شما نشان می‌دهد که فرضیه صفر شما قابل رد نیست، به این معنی نیست که ثابت شده‌است. این فقط به این معنی است که نمی توان آن را رد کرد و نتایج شما فقط می تواند شواهدی را ارائه دهد که این فرضیه را تأیید می کند.
8- استفاده از داده‌ها و نتایجی که از قبل مشخص هستند.
هرگزایده خوبی نیست که یک مطالعه را از قبل با دانستن اینکه چه نتایجی نیاز دارید، انجام دهید. این کار ممکن است منجر به دستکاری داده‌ها یا یافتن آزمایشی شود که نتیجه مطلوب را ایجاد کند. یکی دیگر از رویکردهای غیراخلاقی، ایجاد فرضیه پس از به دست‌آوردن و بررسی داده‌ها است.
با استفاده از عقل سلیم و مقداری توجه می توان از بسیاری از این خطاها جلوگیری کرد. با این حال، بسیاری از اشتباهات پیچیده‌تر، اغلب در مطالعات تحقیقاتی ظاهر می شوند. مثل همیشه بهترین راه حل این است که با یک دوست یا همکار که دانش و تجربه آماری زیادی دارد، مشورت کنید.
