Datu analīzes metodes ļauj pētniekiem pārskatīt savāktos datus un izdarīt secinājumus vai noteikt no informācijas. Lielākā daļa metožu koncentrējas uz kvantitatīvu metožu izmantošanu datu pārskatīšanai. Dažas no populārākajām kvantitatīvās datu analīzes metodēm ietver aprakstošo statistiku, izpētes datu analīzi un apstiprinošu datu analīzi. Pēdējie divi ietver iepriekš noteiktas hipotēzes atbalstīšanu vai neatbalstīšanu. Grupas, kas var izmantot šīs metodes, ir atsevišķi pētnieki, studenti, uzņēmumi, valsts aģentūras un aktuāri, kā arī citas personas, kurām nepieciešama informācija un dati.
Kvantitatīvā datu analīze mēģina noņemt pētnieku aizspriedumus no savāktajiem datiem. Spēcīga statistikas, varbūtību vai citu matemātisku metožu izmantošana ļauj indivīdiem izmantot standarta metodes datu interpretēšanai. Kad pētnieki mēģina izmantot kvalitatīvas datu analīzes metodes — bieži vien balstās uz indivīda personīgo izcelsmi, vēlmēm vai pamatpētījumu un argumentācijas principiem — savāktie dati var tikt nepareizi nolasīti vai nepareizi interpretēti. Tāpēc matemātiskās metodes ir mazāk pakļautas šīm kļūdām, un tās bieži vien vairāk pieņem citas personas vai pētnieki.
Aprakstošā statistiskā analīze atdala vai apkopo datus noteiktās grupās. Demogrāfiskie dati ir izplatīta aprakstošās statistikas kopa. Pētnieki apkopos informāciju par iedzīvotāju vecumu, dzimumu, mājsaimniecības lielumu, ienākumiem, darba veidu un citu informāciju. Cits aprakstošās statistiskās analīzes veids ir ceturkšņa aizsarga pabeigšanas procents, spēlējot futbola spēlē. Ja aizsargs izpilda sešus no astoņiem piespēles mēģinājumiem, viņam ir 75 procenti. Šīs tehnikas trūkums ir statistikas nespēja sniegt papildu informāciju, piemēram, katras piespēles garumu.
Izpētes datu analīzes metodes bieži ietver lodziņu, histogrammu, Pareto diagrammu, izkliedes diagrammu vai stumbra un lapu diagrammu izmantošanu. Šīs metodes galvenais mērķis ir atbalstīt pētnieka izvirzīto hipotēzi. Piemēram, pētnieks var vēlēties pierādīt hipotēzi par to īpašnieku vecuma diapazonu, kuri brauc ar noteikta veida automašīnu, piemēram, minivenu. Lai pārbaudītu un atbalstītu šo hipotēzi, pētnieks apkopos informāciju un izveidos lodziņu, lai noteiktu īpašnieku skaitu viņa norādītajā diapazonā. Statistika sniegs informāciju, kas apstiprina vai neatbalsta hipotēzi, un parādīs, cik nobīdes ir savāktajos datos.
Apstiprinošās datu analīzes metodes ir pretējas izpētes metodēm. Šajos testos pētnieks cenšas atspēkot nulles hipotēzi, kas ir apgalvojums, ko vairums cilvēku parasti atzīst par patiesiem. Lai atspēkotu nulles hipotēzi, pētnieks apkopos konkrētu informāciju saistībā ar hipotēzi un pārbaudīs vidējo, dispersiju, p vērtības un ticamības intervālus. Ticamības intervāls, kas pierādīts ar apstiprinošo datu analīzi, sniegs informāciju par to, cik pārliecinātam pētniekam vajadzētu būt par to, vai nulles hipotēze ir patiesa vai nepatiesa.
SmartAsset.