Analizzare i dati statistici e interpretare i risultati delle survey da campioni complessi

 

Il Modulo Complex Samples permette di costruire disegni di campionamento, fornendo stime statistiche corrette per dati campionari complessi, incrementando la precisione e la rappresentatività del campione. 

​

Può essere usato in ambito di:

• Ricerca sanitaria, per analizzare dataset di grandi dimensioni, ad esempio per diffondere informazioni sullo stato della salute pubblica, della nutrizione nazionale o mondiale oppure sulla diffusione nell’uso di alcol o sull’incidenza degli incidenti stradali come causa di feriti che giungono in ospedale

• Scienze sociali, ad esempio per sondaggi pubblici oppure per raggruppare determinati atteggiamenti su questioni politiche

• Indagini di mercato, per le analisi di dati sulla soddisfazione dei clienti

 

Statistics Complex Samples fornisce statistiche e strumenti di pianificazione avanzati per progettare piani di campionamento complessi, in modo da:

• Integrare i disegni di campionamento nell'analisi delle survey per risultati più accurati.

• Conservare i parametri di pianificazione delle survey per usi futuri per accelerare le analisi e aumentare l'efficienza.

• Gestire dati di survey complessi per analisi dettagliate e approfondite.

• Utilizzare un'interfaccia intuitiva e procedure guidate utili per analizzare e interpretare i risultati delle survey.

 

Integrare i disegni di campionamento nell'analisi delle survey

 

• Incrementare la precisione dei campioni o ottenere campione rappresentative dalla popolazione di partenza.

• Selezionare cluster per effettuare survey più economiche

 

Conservare i parametri di pianificazione delle survey per usi futuri

​

• Salvare piani di campionamento complessi come modello per poter essere usati su una nuova popolazione.

• Condividere e salvare i disegni di campionamento per poterli riprendere in un secondo momento.

 

Gestire dati di survey complessi

 

• Visualizzare le tabelle di frequenza o le tabulazioni incrociate e gli errori standard associati, gli effetti dei progetti, gli intervalli di confidenza e i test delle ipotesi.

• Sviluppare modelli di regressione lineare, analisi della varianza (ANOVA) e analisi della covarianza (ANCOVA).

• Stimare medie, somme e percentuali, calcolare gli errori standard, gli intervalli di confidenza degli effetti dei progetti e i test delle ipotesi per i campioni progettati tramite modelli di campioni complessi.

• Eseguire analisi di regressione logistica binaria e analisi di regressione logistica multipla (MLR).

• Applicare la regressione dei rischi proporzionali di Cox all'analisi di sopravvivenza.

 

Utilizzare un'interfaccia intuitiva e procedure guidate

 

• Utilizzare la procedure guidata APW (Analysis Preparation Wizard) per specificare le modalità di definizione dei campioni e di stima degli errori standard.

• Utilizzare Sampling Plan Wizard per definire lo schema e progettare il campione, quando si creano modelli personalizzati.

• Utilizzare la procedura Statistics Complex Samples Selection (CSSELECT) per selezionare i campioni complessi in base alle probabilità, riducendo i rischi di errata rappresentazione di un sottogruppo.