Robusta skaidrojošā izpēte — uz ārējām vērtībām noturīga cēloņsakarību noteikšana
Robustā skaidrojošā izpēte apvieno skaidrojošo mērķi noteikt, kāpēc un kā mainīgie cēloņsakarībā ietekmē viens otru, ar robustām statistikas metodēm, kas paliek derīgas, kad dati pārkāpj klasiskās pieņemtības — īpaši normalitāti, homoskedasticitāti un ietekmīgu ārējo vērtību neesamību. Tā vietā, lai izmestu ārējās vērtības vai piespiestu datus atbilst parastās mazāko kvadrātu (OLS) pieņēmumiem, šis dizains izmanto novērtētājus un inferenču procedūras, kas samazina vai pretojas ārkārtēju novērojumu kropļojošajai ietekmei, vienlaikus saglabājot pētījuma skaidrojošo mērķi.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Huber, P. J. (1981). Robust Statistics. Wiley. ISBN: 978-0471418054
- Wilcox, R. R. (2012). Introduction to Robust Estimation and Hypothesis Testing (3rd ed.). Academic Press. ISBN: 978-0123869838
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Explanatory Research Design. ScholarGate. https://scholargate.app/lv/research-design/robust-explanatory-research
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Cēloņu salīdzinošā izpētePētījuma dizains↔ salīdzināt
- Skaidrojošā pētniecībaPētījuma dizains↔ salīdzināt
- Hipozēžu pārbaudes pētījumiPētījuma dizains↔ salīdzināt
- Daudzvariablā skaidrojošā izpētePētījuma dizains↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →