Allt möjligt Flashcards
Vilka fyra olika skalor finns det?
Nominal, ordinal, intervall och kvot
Vad är nominal för typ av skala?
Siffrorna används för att identifiera och har inte en matematisk mening. Skalan är kategorisk och går inte att rangordna.
Ge exempel på något som kan vara nominalskala?
Tex att 1=ja 2=nej eller att 1=man 2=kvinna
Berätta om ordinal skala.
Siffrorna har en betydelse men avståndet mellan två variabler kan vara olika. En högre siffra = mer av något och en längre siffra = mindre av något.
Ge exempel på något som kan vara ordinalskala?
Tex högsta utbildningsnivå (1=grundskola, 2=gymnasie, 3=universitet)
Berätta om intervallskala.
Både siffror och avstånd har betydelse däremot finns det ingen absolut nollpunkt. Den är kontinuerlig. Det går visserligen att bestämma en nollpunkt men den är då inte absolut.
Ge exempel på något som kan vara intervallskala?
Tex uppfattning om glass (1=äckligt, 5=mycket gott).
Berätta om kvotskala.
Denna skala har en absolut nollpunkt vilket ingen annan skala har. Det innebär att det kan finnas en total avsaknad av det vi mäter. Denna är också kontinuerlig och har både rangordning och ekvidistans.
Kan du ge exempel på något som kan vara kvotskala?
Till exempel ålder eller längd.
Nämn några olika statistiska fallgropar.
- samband är inte samma som kausalitet.
- outliers (extremvärden)
- post hoc-fynd
- flera tester ökar risken för typ 1-fel
- urvalsstorleken påverkar beräkningarna
- begränsning av räckvidd kan vara ett problem
- resultat på gruppnivå är inte generaliserbara till individnivå
- regression to the mean
Vad innebär det att samband och kausalitet inte är samma sak?
Det innebär att man inte får anta att ett uppvisat samband = kausalitet ett samband kan bero på det vi tror men det kan också bero på en tredje variabel vi inte har räknat in.
Vad innebär outliers?
Det innebär att man kan få extremvärden. Det kan bero på att någon svarat fel eller att det är ett extraordinärt fall. I vissa fall kan dessa behövas ta bort för att tex medelvärdet blir missvisande. Detta påverkar mer om man har ett litet urval.
Vad finns det för risker med post-hoc fynd?
Post hoc-fynd (oförutsedd resultat) handlar om att man hittar resultat och sedan applicerar en förklaring till dessa. Att utföra många tester (data fishing) för att fiska efter signifikanta resultat är vetenskapligt oetiskt och
kan ge falska resultat.
Vad menas med att flera tester ökar risken för typ 1-fel?
Typ 1-fel innebär att man förkastar H0 när man egentligen inte ska det. Om vi sätter p-värdet till 0,05 säger vi att vi accepterar en 5% risk för ett typ 1-fel, eller att vi avvisar H0 när det faktiskt är sant
Det gäller för varje test som vi gör
Så för det första testet är risken för ett typ 1-fel 5%. Om vi gör två test av samma hypotes ökar risken för ett typ 1-fel till 0,10 om p-värdet sätts till 0,05
Om vi ska göra flera test på samma gång behöver vi därför göra bonferroni justering = alpha/antal test
Vad menas med att urvalsstorleken påverkar beräkningarna?
Ett litet urval kan öka risken för typ 2-fel alltså att vi accepterar H0 när den egentligen ska förkastas. Detta på grund av brist på power. I stora urväl däremot kan resultatet vara signifikant men effekten vara liten. Därför är det viktigt att ta hänsyn till p-värde + effektstorleken + urvalsstorleken vid tolkning av resultatet.
