Statystyka do dyplomu

Analizy statystyczne do prac dyplomowych

Analizy statystyczne do badań ilościowych w ramach prac dyplomowych, licencjackich i magisterskich wykonywane przez psychologa i certyfikowanego data scientist. Głównie w naukach społecznych i naukach o zdrowiu. Dokładna wycena zależy od liczby hipotez i stanu bazy danych. Ceny rozpoczynają się od 700 zł.

Materiały edukacyjne

Jeśli potrzebujesz tylko polepszyć swoje rozumienie statystyki, zerknij na mojego bloga – nieobliczalne.pl. Znajdziesz tam teksty tłumaczące statystykę od podstaw.

Co oferuję

Przykładowe wykresy

Wykres kolumnowy

średnie w podziale na grupy

Wykres interakcji

do modeli z analizą moderacji

Wykres skrzypcowy

rozkład zmiennej ilościowej w grupach

Wykresy kolumnowe średnich

Kumulacyjny wykres kolumnowy proporcji

Duży wykres kolumnowy proporcji

Dla kogo pracowałem?

Centrum Nauki Kopernik

Analiza danych statystycznych i sporządzenie raportu w ramach projektu unijnego Make It Open (grant EU Horizon nr 872106)

Polski Instytut Sztuki Filmowej

Za pośrednictwem agencji Difference; przygotowanie systemu organizacji i automatycznej analizy danych wraz z interfejsem użytkownika

UNICEF

Za pośrednictwem Instytutu Badań Edukacyjnych w Warszawie; przygotowanie systemów zbierania danych, projektowanie procedur i czyszczenie zbiorów danych

Uniwersytet Wrocławski

Projektowanie badań, analiza i czyszczenie danych, zarządzanie danymi jako wykonawca grantu NCN i członek Zakładu Psychologii Twórczości

Certyfikaty

Data Scientist Professional Certificate

Excel Power Tools for Data Analysis

Zarządzanie danymi badawczymi dla naukowców

Przykładowe fragmenty analiz

Hipoteza: Ludzie z różnych grup wiekowych mają różny poziom wiedzy w zakresie onkologii

Celem sprawdzenia hipotezy o związku grupy wiekowej z poziomem wiedzy ankietowanych przeprowadzono jednoczynnikową analizę wariancji. Wyniki testu wskazują na istotne różnice w poziomie wiedzy w zależności od wieku uczestników badania (t(2) = 4,98; p = 0,008;  = 0,06). Następnie przeprowadzono test Tukey’a z poprawką Holma w ramach analizy post-hoc. Wyniki testu wskazują, że grupa osób starszych niż 55 lat posiada istotnie, umiarkowanie niższą wiedzę w zakresie onkologii niż grupa osób młodszych niż 25 lat (p = 0,041; d = 0,63) oraz grupa osób w wieku 41-55 lat (p = 0,005; d = 0,75). Nie stwierdzono istotnych różnic w poziomie wiedzy między grupą osób młodszych niż 25 lat a grupą osób w wieku 41-55 lat (p = 0,649).

Hipoteza: klienci, którzy nie odczuli skutków ubocznych, częściej stwierdzają, że są zadowoleni z zabiegu epilacji

Istotnie więcej klientów odczuło (n = 67) niż nie odczuło (n = 35) skutków ubocznych epilacji (χ²(1, N = 102) = 10,0; p = 0,002). Celem określenia związków między zadowoleniem z efektów epilacji a doświadczeniem efektów ubocznych przeprowadzono test χ². Wyniki testu wskazują na istotny związek między tymi zmiennymi (χ²(1, N = 102) = 6,55; p = 0,011). Klienci, którzy nie doświadczyli efektów ubocznych, byli częściej zadowoleni.

Hipoteza: Osoby posiadające specjalizację z pielęgniarstwa onkologicznego cechują się wyższą wiedzą niż osoby bez specjalizacji

W celu zbadania związku między posiadaniem specjalizacji z pielęgniarstwa onkologicznego a poziomem wiedzy przeprowadzono jednostronny test t-Studenta. Wyniki testu wskazują na istotne różnice w poziomie wiedzy w zależności od posiadania specjalizacji z pielęgniarstwa onkologicznego (t(28,46) = 1,94; p = 0,031; d = 0,45). Osoby posiadające specjalizację z pielęgniarstwa onkologicznego (M = 18,44; SD = 5,52; n = 25) uzyskały wyższe wyniki w teście wiedzy niż osoby nieposiadające tej specjalizacji (M = 16,21; SD = 4,43; n = 180).

Hipoteza: hamowanie pamięciowe i uwagowe wykazują niezależne związki z twórczością

Początkowo dopasowano model pomiarowy celem sprawdzenia, na ile rzetelne jest zastosowanie latentnej miary hamowania pamięciowego. Model zbudowany z trzech wskaźników wykazywał znamiona przeuczenia (CFI = 1,0, TLI = 1,05, RMSEA = 0,0, SRMR = 0,03), w związku z czym jako wskaźnik wykorzystano różnicę między skutecznością przypominania sobie zastosowań przedmiotów, po których następował AUT i tych, po których AUT nie następował.

Następnie przeprowadzono modelowanie równań strukturalnych. Dopasowano model, w którym hamowanie uwagowe stanowiło zmienną latentną na podstawie trzech powtórzeń testu Stroopa, zaś pozostałe zmienne były zmiennymi mierzonymi. Model ten był satysfakcjonujący (CFI = 1,0, TLI = 1,04, RMSEA = 0,0, SRMR = 0,019). Zależności między zmiennymi zaprezentowano na Rysunku 2.

Ponieważ trudno jest porównać wielkości efektów między zmiennymi latentnymi i mierzonymi, dopasowano również model regresji liniowej, w którym hamowanie uwagowe wyrażone zostało jako średnia z trzech powtórzeń testu Stroopa. Model okazał się istotny statystycznie (F(2, 297) = 5,95, p = 0,003). Skorygowany współczynnik determinacji wyniósł = 0,032. Standaryzowany współczynnik regresji dla hamowania uwagowego wyniósł w tym modelu β1 = 0,152 (p = 0,008), zaś dla hamowania pamięciowego β2 = 0,13 (p = 0,023).