Bei jedem Forschungsprojekt fallen eine Menge Daten an, von denen einige wertvoll sind und andere nicht. Wenn man in der Forschung etwas Neues, Unerwartetes oder Verwirrendes findet, kann das schnell überwältigend werden.
Wenn Sie unter Termindruck stehen, können Sie manchmal vom Weg abkommen. Vermeiden Sie es, sich über diese ungewollten Ergebnisse Gedanken zu machen, wenn Ihre aktuelle Forschung abgeschlossen ist, indem Sie sie ausschließen.
Bei der Post-hoc-Analyse wird nicht jedes zufällige Ergebnis eines Experiments analysiert. Es ist wichtig, nach Mustern zu suchen, wenn Sie etwas beobachten, das eine genauere Betrachtung und eine weitere Untersuchung zum besseren Verständnis des Konzepts rechtfertigt.
Nach einer Post-hoc-Analyse können weitere Informationen gewonnen werden, um die Themenbasis zu vertiefen. Schauen wir uns die Post-hoc-Analyse genauer an.
Post-hoc-Analyse: Was ist das?
Im Lateinischen bedeutet "post hoc" "danach", d. h. die Analyse der experimentellen Daten im Nachhinein.
Das Ziel einer Post-hoc-Analyse ist es, nach Abschluss der Studie Muster zu erkennen und Ergebnisse zu finden, die nicht das primäre Ziel waren. Daher gelten alle Analysen, die nach Abschluss eines Experiments durchgeführt werden und nicht im Voraus geplant waren, als Post-hoc-Analysen.
Bereits gesammelte Daten werden in einer Post-hoc-Studie verwendet. Die Forscher analysieren diese Daten, um neue Ziele zu entwickeln, die nicht in der Versuchsplanung enthalten waren. Post-hoc-Studien können daher mit aggregierten Daten aus früheren Versuchen durchgeführt werden.
Die Durchführung von Post-hoc-Analysen ist oft zeitaufwändig, bietet aber eine Reihe von Vorteilen. Um wertvolle Informationen aufzudecken, sollten Sie mit einem angemessenen Maß an Vorsicht vorgehen und unerwartete Ergebnisse nicht überbewerten. Dies könnte ein Zeichen für etwas Bedeutendes sein, auch wenn es sich um ein zufälliges Ereignis handelt.
Post-hoc-Analysen sind nützlich, um Fehlerquoten zu untersuchen, die Signifikanz von Hypothesen zu bewerten oder festzustellen, ob sie statistisch signifikant sind.
Wenn Sie mehrere Versuche durchführen oder von Ihrer Hauptforschungsrichtung abweichen, erhöht sich das Risiko von Fehlern und falsch positiven Ergebnissen. Hier spielt die Post-hoc-Methode eine wichtige Rolle. Wie genau funktioniert das?
Post-hoc-Analyse: Wie funktioniert sie?
Auch wenn das primäre Ziel nicht erreicht wird, lassen sich aus den Daten wertvolle Erkenntnisse gewinnen. Möglicherweise die Nachwirkungen des Medikaments und die dazugehörigen Daten. Auch andere, ähnliche Medikamente könnten einen Test wert sein.
Der Zweck einer Post-hoc-Analyse besteht darin, Fragen zu beantworten, nachdem die Studie abgeschlossen wurde, ein Ziel, das in der Studie nicht angegeben wurde.
Um festzustellen, woher die Unterschiede stammen, wird nach der Feststellung eines statistisch signifikanten Ergebnisses ein Post-hoc-Test durchgeführt. Post-hoc-Tests können verwendet werden, um Unterschiede zwischen mehreren Gruppen zu bewerten und dabei experimentelle Fehler zu vermeiden. Es wurden mehrere Post-hoc-Tests formuliert, und die meisten von ihnen führen zu ähnlichen Ergebnissen.
Es gibt verschiedene Arten von Post-hoc-Tests
Die während einer Forschung oder klinischen Studie gesammelten Daten können analysiert werden, um Muster und verschiedene Faktoren zu erkennen. Die häufigsten Post-hoc-Tests sind:
- Bonferroni-Verfahren: Es ist möglich, mehrere statistische Tests gleichzeitig durchzuführen, indem man diese Post-hoc-Mehrfachvergleichskorrektur verwendet.
- Duncans neuer Mehrbereichstest (MRT): Mit dem Duncan-Mehrbereichstest werden die Paare von Mittelwerten (von mindestens drei) ermittelt, die sich unterscheiden.
- Dunn's Multiple Comparison Test: Hierbei handelt es sich um eine Post-Hoc-Analyse, die nach einer ANOVA durchgeführt wird, ein nicht-parametrischer Test, der nicht davon ausgeht, dass Ihre Daten einer bestimmten Verteilung folgen.
- Fisher's Least Significant Difference (LSD): Bestimmt, ob zwei Mittelwerte statistisch unterschiedlich sind.
- Holm-Bonferroni-Verfahren: Der sequentielle Bonferroni-Test von Holm macht Mehrfachvergleiche weniger streng.
- Mit Hilfe von Newman-Keuls können Stichproben identifiziert werden, deren Mittelwerte sich voneinander unterscheiden. Newman-Keuls vergleicht Mittelwertpaare anhand unterschiedlicher kritischer Werte. Dadurch ist es wahrscheinlicher, dass signifikante Unterschiede gefunden werden.
- Rodger's Methode: Diese statistische Methode wird verwendet, um Forschungsdaten nach einer "multivariaten" Analyse post hoc auszuwerten.
- Die Scheffé-Methode: Bei der Scheffe-Methode wird die Teststatistik je nach Anzahl der durchgeführten Vergleiche unterschiedlich angepasst.
- Tukey's Test: Mit dem Tukey-Test wird festgestellt, ob Ihre Stichprobe aus Gruppen besteht, die sich voneinander unterscheiden. Jeder Mittelwert wird mit dem Mittelwert aller anderen Gruppen unter Verwendung der "ehrlichen signifikanten Differenz" verglichen, die angibt, wie weit die Gruppen voneinander entfernt sind.
- Dunnett's Korrektur: Dieser Post-Hoc-Test vergleicht die Mittelwerte. Im Gegensatz zu Tukey's vergleicht er jedes Mittel mit einem Kontrollmittelwert.
- Benjamini-Hochberg (BH)-Verfahren: Ein signifikantes Ergebnis tritt nur dann zufällig auf, wenn Sie zahlreiche Tests durchführen. Die Falschentdeckungsrate wird durch diesen Post-hoc-Test berücksichtigt.
Nichts ist besser als ein makelloses visuelles Werk, das eine komplexe Botschaft vermittelt
Ja, das stimmt, mit Hilfe von Bildern ist es viel einfacher, die schwierigsten Konzepte ins rechte Licht zu rücken. Im Zeitalter des Visuellen ist es kein Wunder, dass man die Quantenphysik dank der Wirksamkeit von Grafiken wahrscheinlich viel einfacher verstehen kann.
Sie fragen sich, wie Sie anfangen sollen? Kein Problem, wenn Sie mind the graph zur Hand haben! Bei uns können Sie aus mehr als tausend Illustrationen in unserer Galerie wählen und mit dem von uns entwickelten intelligenten Poster Maker Plakate erstellen. Nutzen Sie das Know-how unseres talentierten Teams und lassen Sie es sich auf Ihre Bedürfnisse zuschneiden. Für weitere Informationen besuchen Sie unsere Website.
Abonnieren Sie unseren Newsletter
Exklusive, qualitativ hochwertige Inhalte über effektive visuelle
Kommunikation in der Wissenschaft.
German 
English 
Chinese 
Japanese 
Spanish 
Portuguese 
Dutch 
Russian 
French 
Italian