1. 변수에 맞는 통계 방법, 현상에 맞는 통계 방법을 사용했는지 확인한다. (1)간호 현상에는 명목 변수가 많이 쓰인다. 그런데 Likert scale을 단순히 연속형 변수로 생각하고 사용하면 결과가 유의임에도 유의하지 않을 가능성이 있다. 이는 Likert가 5점 넘으면 연속형으로 된다는데, 등간격이 아니기 때문이다.(심리학 등에서는 주로 7점 Likert사용)(2)명목 변수 등을 이분형 자료로 할 때의 문제점(Crudecategorization&Artificial dichotomization)현재 관행을 따르는 경우가 많지만 만약 cut off point이 계속 바뀌면 이분형 자료를 만드는 것에 의미가 있는지에 대해서 생각하고 봐야 한다. 통상은 cut-off point를 설정하는 기준이 애매한 경우가 많다. 제대로 된 분석을 위해서는 clinical reason과 statistical reason이 일치해야 한다. 2. 군 간 분포를 비교한다.얼마 random을 해도 unknown factor가 영향을 미친 경우 군 간 분포에 차이가 있다. 군 간 분포가 다른 경우 다른 통계 방법을 고려해야 한다. histogram을 그리며 분포를 그리면 변수를 잘못 설정했는지를 확인한다. 3.log등을 띄우고 다시 시작한다. 그러나 보통 log등을 씌워도 정규 분포하지 않는 경우가 많다. 4. 여러가지 통계 방법을 쓰고 돌려서 보고 그 의미를 다시 한번 살펴보고 보자. 예)t-test로 유의하지 않았다. -정규 분포를 확인하고 t-test는 평균을 보지만 quantile을 해야 할지, 다층 회귀 분석과 봐야 할지, random을 해도 selection bias이 확인되면 propensity score matching을 해야 할지 생각한다. -평균처럼 고정 관념에 사로잡히면, 중요한 것을 놓치는 일이 있다. 5. 진짜 연구 목적이 무엇인지 고민한다. simulation할 때 전체 점수는 변화하지 않았다. 이때 simulation을 통해서 얻고자 하는 것은 무엇인지 찾아봐야 한다. 연구에서는 세부 항목 가운데 critical thinking결과를 변화시켰으나 이 항목만 변화하고 전체 점수는 변화하지 않았다. Simulation에 변화시키려는 것이 무엇인지 알아야 한다. 6. 하나의 현상을 설명하기 위해서 하나의 통계 방법만 적용할 수 없다. 그러므로, 변수를 다양하게 수집하면 좋다. ~~예)nurse retention을 설명하기 위해서 publishing된 통계 방법-multiple linear regression:종속 변수가 두분 간 survival analysis:종속 변수가 시간에 따른 이분 간 GEE:반복 측정-Multilevel model:병동으로 병원별로 최근의 간호사 관련 모델은 다층 모델을 많이 사용-Multilevel logistic regression:종속 변수가 두분 간 Multilevel Poisson model(Countmodel)연속형 변수가 없을 경우 사용-푸아송의 중요한 가정:평균과 분산이 동일하지 않으면 안 된다. Ex)ER1시간에 몇명이 도착했는지 7. 진짜 현장에 가서 실질적인 정보를 얻는다.
