skip to Main Content

Hvordan vælger man den rigtige statistiske metode?

Når du vælger en statistisk metode til din forskning, er der selvfølgelig rigeligt med metoder at vælge fra – og det kan være lidt af en jungle at finde den rigtige. Der skal bl.a. tages højde for studietypen, hypotesen, og data.

Baseret på det forskningsspørgsmål man vil forsøge at svare på, har man som regel det man kalder en “afhængig variabel” og en eller flere “forklarende variable”. Den afhængige variabel er det primære outcome – “det forskningsprojektet handler om”. I et forskningsprojekt, der undersøger om risikoen for komplikationer er højere hos ældre patienter, vil forekomsten af komplikationer være den afhængige variabel. De forklarende variable i dette forskningsprojekt vil så være alderen. Hvis man fra tidligere undersøgelser ved at mænd har en større risiko for komplikationer kan det være, at man også vil justere for betydningen af køn. Køn vil derfor også være en forklarende variabel. (Kært barn har mange navne, så forklarende variable kan også kaldes uafhængige variable. Den afhængige variabel kan kaldes respons variablen osv. – fælles for navnene er at y (afhængig variabel) skal forklares ud fra x (forklarende variabel).

Herefter kan man kigge på hvilken type data ens variable er – er det kategorier (komplikation vs. ikke komplikation)? eller en numerisk score (VAS (0-10)?

Når man ved hvilke typer data man godt vil bruge i sine analyser, snævrer det som regel antallet af mulige statiske analyser ind. Baseret på datatypen for ens afhængige variabel og ens forklarende variable, kan nedenstående hjemmeside give en et praj om hvilken analyse, der kan anvendes. Derudover giver den også vejledning i hvordan analyses udføres i forskellige hyppigt anvende statistik programmer.

En vigtig ting at huske er, at alle statiske metoder har visse statistiske antagelser (assumptions), som skal være opfyldt for at metodens resultater er pålidelige. Visse analyser, som kan anvendes på numerisk data kræver eksempelvis, at data er normal fordelt.  Antagelserne varierer fra analyse til analyse, hvorfor det er en god idé at undersøge de statiske antagelser for den metode, man tænker at anvende.

Mange universiteter og forskningsenheder har statistikere til rådighed, som kan vejlede hvis man er i tvivl.

Hvilke programmer kan du anvende?

Der er flere programmer, der er nyttige til at udføre statistiske analyser indenfor forskning. Nogle populære valg inkluderer:

  • SPSS (Statistical Package for the Social Sciences): Et omfattende statistisk program, der kan udføre en bred vifte af analyser, herunder deskriptiv statistik, inferens, regression, og meget mere.
  • R: Et populært og fleksibelt programmeringssprog og miljø til statistiske beregninger og grafisk visualisering. R giver dig mulighed for at udføre avancerede analyser og tilpasse dine statistiske modeller efter behov.
  • STATA: Et kraftfuldt statistisk softwareprogram, der er bredt anvendt inden for sundhedsvidenskab og samfundsvidenskab. Det tilbyder et bredt udvalg af statistiske metoder og datahåndteringsfunktioner.
  • Excel: Selvom Excel ikke er dedikeret til statistik, kan det stadig være nyttigt til grundlæggende statistiske beregninger og visuel præsentation af data. Det har indbyggede funktioner til beregning af gennemsnit, standardafvigelse, korrelation og mere.

De fleste programmer har nogenlunde ens muligheder for at lave de fleste basale statistiske analyser, derfor er valget statistik program ofte overladt til hvilke programmer der er tilgængelige via det hospital/universitet du forsker på. Vores helt klare anbefaling er at vælge det statistik program, som de fleste i din forskningsenhed bruger. Så er der nemlig større sandsynlighed for at man kan få noget hjælp, når programmet driller.

Hvordan rapporterer du dine forskningsmetoder i din artikel?

Når du rapporterer dine forskningsmetoder i din artikel, er det vigtigt at følge de retningslinjer, der er angivet af tidsskriftet, du vil indsende til. Eksempelvis har Acta Orthopaedica følgende anbefalinger til at rapportere statistiske metoder: https://actaorthop.org/actao/statisticsguidelines

Yderligere vejledning i hvordan man skal rapportere sine statistiske metoder kan læses i denne artikel: https://actaorthop.org/actao/article/view/11656/16368 under “Reporting the Statistics section”.