गुम डेटा और आउटलाईयर सहायक
डेटा क्लीनिंग से STROBE पैराग्राफ
गुम डेटा और आउटलाईयर सहायक
डेटा क्लीनिंग से STROBE पैराग्राफ
सामग्री की झलक
विवरण
जब आप अपना नमूना आकार, गुम डेटा का अनुपात/पैटर्न (MCAR/MAR/MNAR), इस्तेमाल की गई गुम डेटा विधि (listwise deletion, multiple imputation आदि) और आउटलाईयर पहचानने की विधि (Z-score, IQR, Mahalanobis) दर्ज करते हैं, तो यह आपके लेख के "डेटा प्रीप्रोसेसिंग" अनुभाग में सीधे जोड़ा जा सकने वाला अकादमिक पैराग्राफ तैयार करता है। यदि आपकी विधि और गुम डेटा पैटर्न के बीच पद्धतिगत असंगति हो—जैसे MNAR पैटर्न में listwise deletion का उपयोग—तो यह उसे स्पष्ट रूप से बताता है। यह सर्वेक्षण या क्लिनिकल डेटा का विश्लेषण करने वाले उन स्नातकोत्तर छात्रों और शोधकर्ताओं के लिए उपयुक्त है, जो डेटा प्रीप्रोसेसिंग अनुभाग जल्दी और सही ढंग से लिखना चाहते हैं।
द्वारा अनुशंसित
Shuting@YouMind
हमें यह कौशल क्यों पसंद है
यह डेटा सफाई के चरणों को STROBE-अनुरूप और समीक्षकों के सामने बचाव योग्य डेटा प्रीप्रोसेसिंग खंड में बदलता है।
किनके लिए उपयोगी
सर्वेक्षण या क्लिनिकल डेटा का विश्लेषण करने वाले छात्रों और शोधकर्ताओं के लिए उपयुक्त।
इस Skill का उपयोग कैसे करें
अपना इनपुट दें
नमूना आकार, गुम डेटा का अनुपात और पैटर्न, इस्तेमाल की गई विधि, आउटलाईयर का तरीका और अंतिम नमूना आकार दें।
Skill चलाएँ
सहायक आपके डेटा प्रीप्रोसेसिंग की पद्धतिगत संगति का आकलन करके उसे अकादमिक पाठ में बदलता है।
परिणाम देखें
आपको अपने लेख में जोड़ने योग्य डेटा प्रीप्रोसेसिंग पैराग्राफ, विधि का औचित्य और पावर विश्लेषण संबंधी चेतावनी मिलती है।
संबंधित कौशल
सभी देखें
अनुसंधानवर्णनात्मक सांख्यिकी लेखक
उपयोगकर्ता के वर्णनात्मक सांख्यिकी आउटपुट (औसत±SD या माध्यिका(IQR), n(%)) को सीधे शोधपत्र में शामिल किए जा सकने वाले अकादमिक "प्रतिभागी विशेषताएँ" अनुच्छेद और Table 1 प्रारूप वाली तालिका में बदलता है। सामान्यता की स्थिति के अनुसार सही वर्णनात्मक सांख्यिकी (औसत±SD बनाम माध्यिका(IQR)) चुनता है और इन्हें कभी मिलाता नहीं है। किनके लिए उपयुक्त: स्नातकोत्तर विद्यार्थी और मात्रात्मक शोध करने वाले अकादमिक, जो अपने शोधपत्र का "प्रतिभागी" अनुभाग तेज़ी और सटीकता से लिखना चाहते हैं।
अनुसंधानगुम डेटा रिपोर्टिंग सहायक
जब आप अपना नमूना आकार, गुम डेटा का अनुपात/पैटर्न (MCAR/MAR/MNAR), गुम डेटा की विधि (listwise deletion, multiple imputation आदि) और आउटलेयर पहचानने की विधि (Z-score, IQR, Mahalanobis) दर्ज करते हैं, तो यह एक अकादमिक पैराग्राफ तैयार करता है, जिसे आपकी पांडुलिपि के "Data Pre-processing" अनुभाग में सीधे शामिल किया जा सकता है। यदि आपकी चुनी हुई विधि और गुम डेटा पैटर्न के बीच कोई पद्धतिगत विरोधाभास हो (जैसे, MNAR पैटर्न में listwise deletion का उपयोग), तो यह उसे स्पष्ट रूप से बताता है। इनके लिए उपयुक्त: सर्वेक्षण या क्लिनिकल डेटा विश्लेषण करने वाले स्नातक विद्यार्थी और शोधकर्ता, जो डेटा प्री-प्रोसेसिंग अनुभाग जल्दी और सही ढंग से लिखना चाहते हैं।
अनुसंधानCronbach Alpha विश्वसनीयता लेखक
उपयोगकर्ता द्वारा दर्ज किए गए विश्वसनीयता आँकड़ों (Cronbach alpha, मदों की संख्या और उप-आयामों) को लेख में सीधे शामिल किए जा सकने वाले अकादमिक "विश्वसनीयता विश्लेषण" पैराग्राफ में बदलता है। यह उप-आयाम के आधार पर स्वीकार्यता तालिका प्रस्तुत करता है और कम alpha (<.60) का पता चलने पर उसे छिपाए बिना स्पष्ट रूप से बताता है। इनके लिए उपयुक्त: स्नातकोत्तर छात्र और स्केल का उपयोग करने वाले शोधकर्ता, जो थीसिस या लेख के विधि अनुभाग को तेज़ी और सटीकता से लिखना चाहते हैं।
जानकारी
- संस्करण
- v2
- आखिरी अपडेट
- रन क्रेडिट
- उपयोग के अनुसार
- मॉडल
- स्वचालित
- उपयोग के मामले
- लेखन और सामग्रीशोध और विश्लेषण
- आपको क्या मिलेगा
- लेख
