탐색 적 데이터 분석 (EDA)은 종종 초기 가설 세트에 속하지 않는 다른 "트랙"을 탐색하게한다. 나는 제한된 표본 크기와 다른 설문지 (사회 인구 통계학 데이터, 신경 심리학 또는 의료 규모-정신 또는 신체 기능, 우울증 / 불안 수준, 증상 검사 목록)를 통해 수집 된 많은 데이터를 가진 연구의 경우 그러한 상황에 직면합니다. ). EDA는 추가적인 질문 / 가설로 해석되는 예기치 않은 관계 ( "예기치 않은"관계가 초기 분석 계획에 포함되지 않았 음을 의미 함)를 강조하는 데 도움이됩니다.
과적 합의 경우와 마찬가지로 데이터 준설 또는 스누핑 은 일반화되지 않은 결과를 초래합니다. 그러나, 많은 데이터가 이용 가능할 때, 연구 자나 의사는 제한된 가설을 가정하는 것이 매우 어렵다.
소 표본 연구의 경우 EDA를 설명하는 데 도움이 될 수있는 잘 알려진 방법, 권장 사항 또는 경험 법칙이 있는지 알고 싶습니다.