Planera min studie

Gör idén så konkret att du vet vilka data du behöver. Ange populationen du vill uttala dig om, vilket utfall du ska mäta och vilken jämförelse eller vilket samband du vill undersöka.

Bestäm ett primärt utfall och dess mättidpunkt i förväg. Det är utfallet som huvudfrågan och planeringen av stickprovsstorleken utgår från. Ange vilka andra utfall som är sekundära, så att huvudutfallet inte väljs efter vilket resultat som blir signifikant.

En konfirmerande analys prövar en hypotes med en analys som bestämts innan du sett resultaten. En explorativ analys söker mönster och utvecklar frågor utifrån data. Båda kan vara användbara, men redovisa dem separat och beskriv när besluten togs. I en kvalitativ studie kan du formulera ett syfte och öppna forskningsfrågor utan statistiska hypoteser.

Utgå från vilka personer som jämförs och när de mäts. Använd sedan testväljaren för att hitta en analys som passar utfall, antal grupper och mättillfällen. Länkarna här är ingångar, inte automatiska analysval.

Skilj också på slumpmässigt urval ur en population och slumpmässig tilldelning till villkor. Det första gäller vilka som deltar, det andra vilken jämförelse studien möjliggör.

Välj i första hand etablerade instrument med stöd för användning i den population och på det språk du studerar. Kontrollera vad instrumentet faktiskt mäter, hur poängen beräknas och om du får använda det. Ett bekant namn räcker inte som motivering.

Beskriv variablernas skalnivå och hur svar blir analyspoäng. För flerdelade skalor kan intern konsistens vara en del av bedömningen av reliabilitet. Hög intern konsistens visar inte ensam att skalan mäter rätt sak.

Slumpmässiga mätfel kan öka spridningen och försvaga observerade samband. Då blir det svårare att upptäcka den effekt du vill undersöka, och power kan sjunka vid samma stickprovsstorlek. Tydliga instruktioner, lämpliga instrument och likvärdiga mätförhållanden behöver därför planeras från början.

Utgå från den minsta effekt som skulle vara intressant för din fråga. Motivera den i sak, gärna i instrumentets ursprungliga enhet, och ange vilket antagande om spridning som behövs för att uttrycka den som en standardiserad effekt. Välj inte en stor effekt bara för att få ett hanterligt deltagarantal.

Effektstorlekar från små pilotstudier är osäkra eftersom skattningarna varierar mycket mellan stickprov. Piloten kan hjälpa dig att pröva rekrytering och mätning, men dess observerade effekt är en osäker grund för huvudstudiens deltagarantal.

Power är sannolikheten att få ett statistiskt signifikant resultat givet en viss sann effekt, den planerade analysen, stickprovsstorleken och signifikansnivån. Beräkningen förutsätter att modellens antaganden håller.

Ett konstruerat exempel med två oberoende grupper

Anta att den minsta intressanta effekten är d = 0.50. Det är ett valt planeringsantagande för exemplet, ingen allmän gräns för vad som är viktigt. Vi planerar ett tvåsidigt oberoende t-test med lika gruppstorlekar, gemensam populationsvarians och oberoende, normalfördelade observationer inom grupperna. Signifikansnivån är α = .05 och målet är power = .80.

Gör om beräkningen i jpower eller G*Power för din egen design. Upprepade mätningar, kluster och flera primära test kräver andra antaganden än detta exempel. Om antalet inte går att rekrytera behöver du ompröva frågan eller designen och redovisa begränsningen.

Följ guiden till poweranalys och undersök sambanden i visualiseringen av power och stickprovsstorlek och bortfall. I en kvalitativ studie motiverar du i stället urvalets omfattning utifrån syftet, deltagarnas variation och materialets djup, i samråd med handledaren.

Kopiera mallen till ditt arbetsdokument och fyll i konkreta beslut. Ange vad du ska jämföra, hur du ska bedöma resultatet och vad som får ändras om förutsättningarna inte håller.

Fråga och population:
Hypotes och förväntad riktning (eller öppet syfte vid kvalitativ studie):
Design, grupper eller villkor och mättillfällen:
Deltagare och urval: rekrytering, inklusion, exklusion och när rekryteringen avslutas:
Stickprovsstorlek: motivering, planeringsantaganden och bortfallspåslag:
Primärt utfall: instrument, poängberäkning och mättidpunkt:
Sekundära utfall och explorativa frågor:
Analys: modell eller metod, primär jämförelse och effektmått:
Antaganden: hur de kontrolleras och planerade alternativ om de inte håller:
Bortfall: hur det dokumenteras, undersöks och hanteras:
Extremvärden: kontroll av fel, förutbestämda kriterier och känslighetsanalys:
Stöd för hypotesen: riktning, signifikansnivå, ensidigt eller tvåsidigt test och eventuell hantering av multipla test:
Tolkning: effektstorlek, konfidensintervall och praktisk betydelse:
Vid kvalitativ studie: urvalsmotivering, analyssteg, reflexivitet och hur tolkningar underbyggs:
Datum, version och hur avvikelser från planen ska redovisas:

Ett signifikant resultat ger inte i sig besked om praktisk betydelse. Redovisa effektstorleken och beskriv konfidensintervallet som värden förenliga med data och modellens antaganden. Ett icke-signifikant resultat visar inte automatiskt att effekten saknas.

Förregistrering innebär att du registrerar frågan, hypoteserna och planen innan resultaten är kända, här före datainsamlingen. Det finns mallar hos OSF och AsPredicted. Se god forskningssed för länkar till tjänsterna. Redovisa senare ändringar med skäl och skilj planerade analyser från explorativa.

Gå igenom deltagarinformation, samtycke, möjliga belastningar och hantering av personuppgifter med handledaren innan rekryteringen börjar. Använd sajtens vägledning om etikprövning och god forskningssed för att hitta vidare information.

Bestäm var data ska lagras, vem som ska ha tillgång och hur deltagare ska kodas. Planera variabelnamn, svarskoder och markeringar för saknade värden innan du skapar en enkät eller datafil. Följ guiden till dataformat inför jamovi.

• Frågan är så bred att varje utfall verkar passa. Avgränsa population, utfall och jämförelse innan du väljer instrument.
• Analysen väljs först när data är insamlade. Skriv en analysplan nu och kontrollera att designen ger de data som analysen behöver.
• Deltagarantalet bygger på en stor effekt i en liten pilot. Motivera minsta intressanta effekt och undersök hur känslig beräkningen är för antagandena.
• Huvudutfallet väljs efter lägsta p-värdet. Bestäm primärt utfall och mättidpunkt i förväg och redovisa övriga analyser som sekundära eller explorativa enligt planen.
• Bortfall hanteras först när det uppstår. Planera rekryteringsmarginal, dokumentation av bortfallsorsaker och analys av ofullständiga data.
• Extremvärden tas bort för att resultatet ska bli tydligare. Kontrollera registreringsfel, tillämpa motiverade kriterier och redovisa hur slutsatsen påverkas av analys med och utan berörda värden.
• Ett samband beskrivs som en orsak. Anpassa slutsatsen till designen och överväg alternativa förklaringar.

Kryssa när beslutet är dokumenterat och gå igenom öppna punkter med handledaren. För en kvalitativ studie gäller motsvarande beslut om syfte, material och tolkning.

• Fråga, population och jämförelse eller samband är avgränsade.
• Primärt utfall och mättidpunkt är bestämda, eller kvalitativt syfte är avgränsat.
• Designen kan besvara frågan och gränserna för kausala slutsatser är tydliga.
• Instrument, skalnivå och poängberäkning är motiverade, eller intervjuguide och material är planerade.
• Stickprovsstorlek och bortfallspåslag är motiverade, eller det kvalitativa urvalets omfattning är motiverad.
• Rekrytering, urvalskriterier och regel för när insamlingen avslutas är bestämda.
• Analys, antagandekontroller och alternativa förfaranden är dokumenterade.
• Hantering av bortfall, registreringsfel och extremvärden är planerad.
• Kriterier för stöd och tolkning är tydliga, liksom vad som är konfirmerande och explorativt.
• Planen har datum och version, och frågan om förregistrering har diskuterats.
• Etik, deltagarinformation och datahantering är genomgångna med handledaren.
• Dataformat och kodning är förberedda för den valda analysen.

Kryssen sparas bara i den här webbläsaren när lokal lagring är tillgänglig.