Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

INT010 - Anvendt Metode > Begreper ( start + avansert) > Flashcards

Begreper ( start + avansert) Flashcards

1
Q

Statistisk inferens (slutningsstatistikk):

A

Trekke slutninger om en bakenforliggende populasjon basert på et utvalg. - Estimering og hypotesetesting

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Statistic practioner

A

En person som anvender statistiske teknikker på en korrekt utført måte.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Forskjell mellom statistisk signifikans og økonomisk signifikans

A

Med nok data blir selv den minste forskjell statistisk signifikant, men hva betyr estimatet? Er forskjellen viktig?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Hva er en teoretisk modell?

A

Forenklet bildet av virkeligheten. Inneholder begreper og påstår sammehenger mellom disse. Eks. Monopolistens tilpasning Sannsynlighetsmodell for en terning

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Deduktiv forskning

A

Fra teori til empiri - Setter opp hypoteser som testes.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

‘Induktiv forskning

A

Fra empiri til teori - Kartlegger regularitetr i dataene og prøver å forklare disse ved å sette opp en modell

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Reaktivitet

A

Aktørene som studeres, eagerer på at de blir studert, slik at atferden blir utypisk

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Refleksivitet

A

Den kunnskapen som genereres, preges av forskerens bakgrunn, erfaringer, referanserammer og metoder.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Hva handler økonometri om?

A

Handler om å trekke kausale slutninger på bakgrunn av øknomiske observasjonsdata og er derfor noe mer enn statistikk.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Hva er de tre hovedoppgavene for samfunnsvitenskapen (samfunn kan byttes ut med bedrift eller økonomi, osv)

A

Analytisk oppgave: Drøfting av ulike typer samfunnsforhold med utgangspunkt i mer generelle samfunnsvitenskapelige begreper, teorier og innsikter. Kritisk oppgave: Problematisering og kritiske drøftinger av etablerte ordninger og mønstre i samfunnet, sett i forhold til ulike verdier og modeller for sosial samhandling og samfunnsmessig organisering. Konstruktiv oppgave: Studier av ulike samfunnsmessige problemer med sikte på å initiere og fremme bestemte løsninger av disse problemene.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Hva er metode?

A

Teknikker og prosedyrer som brukes for å samle inn data og hente informasjon ut av dem

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Ontologi

A

(styrer hva som kan studeres) Læren om tingenes eksistens Hva er virkelig, hva eksisterer? - Individualisme vs kollektivisme - Er menneske rasjonelt eller styrt av følelser og normer? - Finnes det lover i samfunnsvitenskapen? (positivisme)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Epistemologi

A

styrer valg av metode) - Hvordan kan vi få kunnskap om virkeligheten? - Hva er forholdet mellom data og virkeligheten? - Er det det som skjer som er viktig (da kan vi måle) eller er det hva det betyr for dem det gjelder? (da må vi fortolke - hermeneutikk)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Hva er Data?

A

Registreringer av virkeligheten. - Virkeligheten er mangfoldig, kompleks og oppleves ulikt av ulike personer. – Slik at virkeligheten er mer en data. Data er mer enn tall. I samfunssvitenskapelig metode benyttes derfor både kvantitative og kvalitative metoder. Valg av metode og hva slags data som samles inn avhenger av problemstilling og tilgjengelige ressurser Empirisk forskning avhenger av data.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Kvalitative metoder

A

Data tekst og lyd. Kvantitative data består av tall. Kvalitative metoder kan utdype det vi lærer fra kvantitative metoder eller peke ut redningen for hvordan kvantitative studier bør legges opp Eks på kvalitative metoder er observasjon og intervju.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Metodetriangulering

A

Kvalitativ og kvantitativ metode utfyller hverandre, og kan ofte brukes sammen i en undersøkelse. Det er problemstillingen som avgjør hvilke data man trenger og hvilken metode man må bruke for å samle inn data. Validiteten til en undersøkelse øker om man studerer problemstillingen med flere innfallsvinkler - Bruk flere metoder - Flere datasett - Flere teoretiske perspektiver - Flere forskere Begrepet kommer fra landmåling - Observasjoner fra to punkter brukes til å beregne avstanden til et tredje Hjelper oss å motstå fristelsen til å velge metoder som gir oss de resultatene vi vil ha …

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Populasjon

A

Alle enhetene som en problemstilling gjelder for.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Utvalg

A

Den delmengden av populasjonen som blir undersøkt.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Tilfeldig utvalg

A

Alle enheter i populasjonen har samme sannsynlighet for å komme med i utvalget. Et tilfeldig utvalg sikrer representativitet og mulighet for å generalisere fra utvalget til populasjonen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Parameter

A

En tallstørrelse som beskriver en eller annen egenskap ved en populasjon, f.eks. forventningen Dette er «sanne», men ofte ukjente størrelser

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Observator (“Statistic”)

A

En observator er en tallstørrelse som beskriver en egenskap ved utvalget, f.eks. gjennomsnitt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Hva gir observatoren informasjon om?

A

Observatoren gir oss informasjon om den bakenforliggende parameteren Presisjonen avhenger av utvalget og variasjonen i populasjonen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Primærdata

A

Data som vi samler inn selv.. Direkte observasjon(f.eks. registrere kjøp) Eksperimenter Spørreundersøkelser/oppgaveinnhenting Eks. Markedsundersøkelser

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Sekundærdata

A

Data som andre har samlet inn Eksempler: Statistiske oversikter (Eks. makrodata fra SSB eller OECD) Generelle databaser (Eks. Atekst, Yr) Data fra tidligere studier (Eks. NSD og grunnlagsdata fra SSB) Registerdata (Eks. Brønnøysund, Skatteetaten) Bedriftsinterne databaser (Eks. NHHs karakterdatabase)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Enkel tilfeldig trekning (Utvalgsplan i spørreundersøkelser)

A

Trekker tilfeldig fra hele populasjonen Alle mulige utvalg av samme størrelse har samme sannsynlighet for å bli trukket

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Proporsjonal stratifisering

A

Deler populasjonen inn i separate strata: Eks. kjønn, alder og landsdel for individer; næring og sysselsetting for foretak Trekker like mange fra hvert strata som deres andel av populasjonen tilsier Øker presisjonen, men man må i utgangspunktet kjenne noen egenskaper ved observasjonene

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Disproporsjonal stratifisering

A

Definerer strata Bruker høyere trekksannsynlighet (opp til 100 %) for små strata eller strata som er viktige for formålet Må vekte gruppene for å konstruere riktige estimater for totalpopulasjonen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Klyngeutvelgelse

A

Trekker hele grupper basert på deres lokasjon, f.eks. alle arbeidere i utvalgte bedrifter Taper presisjon, men trenger ikke kjenne alle enkeltenheter i populasjonen for å gjøre trekningen eller dekke store geografiske områder

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Hva avgjør presisjonen ved en undersøkelse?

A

Det er den absolutte størrelsen på utvalget som avgjør presisjonen, ikke den relative.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Svarprosent og bortfallsanalyse

A

Det er nesten alltid frafall av observasjoner Frafallet trenger ikke være tilfeldig! Viktig å legge opp undersøkelsen slik at frafallet blir minst mulig Formål, lengde, tillit, «bry» … Kan rette opp noe utvalgsskjevhet med vekting, men man kan sjelden være trygg på at de man sitter igjen med er representative

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Hva er viktig ved utforming av spørreskjema?

A

Vær kort! Gjør det lett for respondenten: å tolke spørsmålet å hente fram relevant informasjon å forstå målestokken i svaralternativene å formulere svar Ja/nei, ferdige svaralternativer hvis mulig Linkertskala (4 til 7 gradskategorier, 5 vanligst) Start med enkle demografiske spørsmål Unngå ledende spørsmål Test ut spørreskjemaet i forkant

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Reliabilitet

A

Målesikkerhet, dataenes pålitelighet Vil vi få det samme om vi måler på nytt eller andre gjentar undersøkelsen? Eks. IQ-tester

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

Validitet

A

Måler vi det vi tror vi måler? Er det samsvar mellom data og problemstilling? Eks. Lærerkvalitet - IQ Reliabilitet er en nødvendig, men ikke tilstrekkelig forutsetning for å få valide (gyldige) resultater Teoretiske begreper har ikke alltid en enkel og entydig korrespondanse i målbare variabler

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Hva omfatter forskningsetikken?

A

Forskningsetikk omfatter etiske aspekter ved forskerrollen og utøvelsen av forskningsarbeidet - Redelighet, habilitet og uavhengighet osv. Forskningsetikken har en formell, juridisk side og en «personlig» side - Forskning skal være etterprøvbar, men det er oftest vanskelig å etterprøve om forskeren var i «god tro» - Etikk er ikke vanskelig før man står overfor et etisk dilemma Generell test: Tåler valgene dine «dagens lys»? Gjelder også studentinnleveringer og masteroppgaver!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Hvor robuste skal resultatene være før vi påstår en sammenheng?

A

God forskning krever at man er åpen om usikkerhetsmomenter og tar nødvendige forbehold God formidling krever at man er tydelig, tar stilling og spisser budskapet

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Hva gjør beskrivende studier?

A

Bearbeider og presenterer data for å belyse faktiske forhold

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

Hva gir beskrivende kvantitative studer en analytisk oversikt over?

A

Fordelinger (f.eks. karakterer eller lønn) - Sentraltendens - Variasjon Sammenhenger (f.eks. mellom karakter og lønn) - Korrelasjon - Regresjon Strukturelle mønstre (f.eks. styrenettverk) Slike oversikter kan også omfatte sammnelikninger og endringer

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

Rensing av rådata

A

Håndtere manglende variabler ved å fjerne observasjoner eller imputere manglende informasjon Ta bort eller justere «uteliggere» Eks. «Trimme» halene av fordelingen eller «winsorise» Datarensingen må dokumenteres og rapporteres

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

Variablers målenivå Hvilke to hovedkategorier kvantitative data har vi?

A

Hvilke analyser som er mulige eller meningsfylte avhenger av målenivået 1. Kategoridata (inkl. rangeringsdata) 2. Måledata

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

Kategoridata (inkl. rangeringsdata)

A

Diktotome (dummy, indikator) Nominale variabler Ordinale data(rangeringsdata)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

Diktotome (dummy, indikator)

A

To kategorier Eksempel: Ja, nei; Mann, kvinne; Drift, konkurs Kan representeres med 0/1

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

Nominale variabler

A

Dikotome variabler er et spesialtilfelle av nominale Kategorier som ikke kan rangeres Eksempel: Utdannelser, varemerker Mulige regneoperasjoner: ≠

43
Q

Ordinale data (rangeringsdata)

A

Grupper som kan ordnes i en rekkefølge Eksempel: Rangeringer, data fra spørreskjema med linkert-skala, karakterer - Kan si at B er bedre enn E, men kan ikke si at det er dobbelt så bra. Kan heller ikke si at forskjellen mellom B og E tilsvarer forskjellen mellom C og F. (Gjelder også om det var tallkarakterer.) - Regner vi ut gjennomsnittskarakter legger vi på forutsetninger det strengt tatt ikke er dekning for - Vanlig «feil» og kan fungere som en forenkling Kan bruke metoder for nominale data, men taper informasjon Mulige regneoperasjoner: ≠ < >

44
Q

Målevariabler

A

Intervalldata(avstand mellom verdier) Forholdsdata (forhold mellom verdier) For vårt formål er skille mellom intervall- og forholdsdata ikke viktig. Boken snakker kun om intervalldata Kan bruke metoder for ordinale data, men mister informasjon.

45
Q

Intervalldata (avstand mellom verdier)

A

Eksempel: IQ, Temperatur i ºC Mulige regneoperasjoner: ≠ < > + -

46
Q

Forholdsdata (forhold mellom verdier)

A

En forholdsskala har et absolutt nullpunkt Eksempel: kg, meter, sekund, kroner, antall ansatte Mulige regneoperasjoner: ≠ < > + - • ÷

47
Q

Beskrivende sentraltendens

A

Gjennomsnitt Median Typetall(mode)

48
Q

Gjennomsnitt

A

Kun relevant for målevariabler Aritmetisk Geometrisk (vekstrater)

49
Q

Median

A

Relevant for målevariabler og ordinale variabler Informativt når utvalget ikke kommer fra en symmetrisk fordeling eller inneholder ekstremobservasjoner

50
Q

Typetall (mode)

A

Typetallet i et utvalg er den vanligste verdien Kan også beregnes for nominale variabler, men representerer da ikke noe «sentrum»

51
Q

Sannsynlighetsfordelinger
Hvordan kommer Gjennomsnitt median og mode frem?

A
52
Q

Variansen til populasjonen

Variansen til populasjonen

A

Merk: Vi deler på utvalgsstørrelsen (n) minus 1!

53
Q

Variasjonskoeffisientene

A
54
Q

Tolkning av standardavviket

A

Bilde 1: Ca 68% av observasjonene ligger
mindre enn ett standardavvik fra
gjennomsnittet

Bilde 2: Ca 95% av observasjonene ligger
mindre enn to standardavvik fra gjennomsnittet

Bilde 3: Ca 99,7% av observasjonene ligger
mindre enn tre standardavvik fra
gjennomsnittet

55
Q

Formel for korrelasjon mellom to variabler

A
56
Q

Formel for enkel regresjon

a

A
57
Q

Formel for enkel regresjon

Beta

A
58
Q

Forventning og varians til et gjennomsnitt

A

Altså: Forventet utvalgsfeil(presisjonen) påvirkes av størrelsen på utvalget.

59
Q

Forventning og varians til hver enkelt observasjon når man ønsker å finne fordelingen til en andel. (Nominale data).

A

EIj = p·1+(1-p) ·0 = p

Var(Ij) = E(Ij2)-(EIj)2 = E(Ij)-(EIj)2 = p-p2 = p(1-p)

60
Q

Antall suksesser i et utvalg på n

Regneregler for summer av stoakstiske variabler?

A

Xn = =∑

61
Q

Forventning og varians for andelen suksesser,

A

(

62
Q

Korreksjonsfaktor ved inferens om endelige populasjoner

A

Det kommer inn en korreksjonsfaktor (bilde) i uttrykket for variansen, der n er utvalget og N er populasjonsstørrelsen
Dette kalles lotterimodellen
Når utvalget er lite i forhold til populasjonene kan vi ignorere denne korreksjonsfaktoren
Når utvalget er stort i forhold til populasjonen går variansen mot null fordi all usikkerhet elimineres

63
Q

HVa kan vi si om Z-verdien når X’ene er normalfordelte?

A
64
Q

HVa kan vi si om t-verdien når X’ene er normalfordelte?

A
65
Q

Sammenligning av to gjennomsnitt fra to uavhengige utvalg (toutvalgsmodellen)

A

Hvis de to populasjonene er normalfordelte er
(bilde).

Z er en standard normalfordelt variabel som kan brukes som testobservator.

Denne testobservatoren ahr midilertid liten praktisk nytte fordi standardavvikene vanligvis er ukjente og må estimers med utgangspunkt i de to utvalgene.

66
Q

Sammenligning av gjennomsnitt fra to uavhengige utvalg. Hvis vi antar lik varians, hvordan kan vi estimere variansen?

A
67
Q

Med henhold til en sammenligning av to gjennomsnitt fra to uavhengige utvalg med lik varians. Hvordan ser t-observatoren ut? Hvordan blir det med frihetsgradene?

A

En kan vise at testobservatoren (bilde) er t-fordelt med v = n1+n2 - 2 frihetsgrader.

68
Q

Hvordan ser testobservatoren ut dersom vi har ulik varians ved sammenligning av to utvalg med to uavhengige utvalg?

A
69
Q

Hvordan ser frihetsgradene ut ved en tilnærmet t-fordelt testobservator med ulik varians, når vi skal sammenligne gjennomsnitt for to uavhengige utvalg.

A
70
Q

Forholdet mellom to kjikvadratfordelte variabler delt på deres respektive frihetsgrader

A

F-fordelt med v1=(n1-1) og v2=(n2-1) frihetsgrader

71
Q

Sammenligning av to andeler. Hva blir nullhypotesen? Hvordan ser den standardiserte variabelen ut?

A

Vi kan konstruere en standardsiert variabel (bilde). Her er var(p’1 - p’2) være tallene under roten.

72
Q

SST

A

Står for Sum of Squares Treatment. Dvs den variasjonen som kan forklares med “treatment-kategori”.

Det utgjør variasjonen mellom gruppene.

73
Q

SSE

A

SSE står for “Sum of Squares Error” dvs. den variasjonen som ikke kan forklares.

Dette utgjør variasjonen innen gruppene.

74
Q

SS

A

Utgjør Totalvariasjonen (SS(Total)). Den er gitt ved (bilde), og vi har at SS(Total) = SST + SSE

75
Q

Hva kan vi si om SST og SSE i forhold til fordeling?

A

Gitt normalfordelte responser og nullhypotesen om like forventninger kan en vise at SST og SSE er kjikvadratfordelte med hhv (k-1) og (n-k) frihetsgrader.

Da er (bilde)

Dersom variasjonen mellom gruppene er stor relativt til variasjonen innen gruppene, er det lite sannsynlig at observasjonene i de ulike gruppene kommer fra en felles fordeling med samme forventning

76
Q

Hva er SSE et mål for?

Hvordan kan den totale variasjonen skrives?

A

Kvadratsummen av alle slike avvik er et mål for samlet uforklart variasjon:

Den totale variasjonen kan skrives som: SS(Total) = SS(A) + SS(B) + SSE

Vi kan bruke forholdstall mellom disse komponentene til å teste hypoteser om hvilke faktorer som har betydning.

77
Q

Hvordan kan vi teste om en hypotese om at en av to faktorer ikke har innvirkning på forventningen?

A

Vi kan kjøre en F-test mhp den aktive faktoren, eks. (bilde)

Vi forkaster hypotesen om ingen faktor av faktor A for stor FA.

78
Q

Hvordan ser mu og std ut for wilcoxon-rank-sum test?

A
79
Q

Hvordan ser mu og std ut for wilcoxon-signed-rank-sum test?

A
80
Q

Hva kan vi vise med Kruskal-Wallis-testen?

A

Vi kan vise at (bilde) er tilnærmet kjikvadratfordelt med k-1 frihetsgrader hvis H0 er riktig (der k er antall grupper)

81
Q

Oppsummering: Hvilke tester kan vi benytte ved sammenligning av median eller gjennomsnitt for to grupper?

A
82
Q

Oppsummering: Hvilke tester kan vi benytte ved sammenligning av median eller gjennomsnitt for flere grupper?

A
83
Q

Hva blir et mål for det samlede avviket mellom faktisk antall observasjoner og forventet antall observasjoner (fi-ei) ved en kjikvadrattest for tilpasning til en diskret modell?

A

Et mål for det samlede avviket er (bilde).

En kan vise at Ec2 = k-1 og at c2 er tilnærmet kjikvadratfordelt med k-1 frihetsgrader
Tilnærmingen er god når ei er større enn 5 for alle i
Intuisjon for antall frihetsgrader: Antall frie parametre (pi) er k-1
Vi forkaster modellen når c2 blir større enn en kritisk verdi

84
Q

Hva blir testobservatoren ved Kjikvadrattest for uavhengighet?

A

Testobservatoren for uavhengighetstesten blir (bilde), som er tilnæmet kjikvadratfordelt med v=(r-1)(s-1) frihetsgrader.

Intuisjon: Ved uavhengighet er det (r-1)(s-1) fri parametre.

85
Q

Samvariasjon mellom målevariable

A

Vi har tidligere lært om et mål for lineær samvariasjon for kontinuerlige variable, nemlig den empiriske korrelasjonskoeffesienten.

Hvis vi antar at (X,Y) er uavhengig binormalt fordelt, kan det vises at (bilde)

er t-fordelt med n-2 frihetsgrader. Se kapittel 16.4, s. 642.
Dette kan brukes til å teste hypotesen ρ(X,Y)=0 med (observert korrelasjon(rho’) = r)

86
Q

Sum of Squared Errors (ved en regresjonsmodell) (minste kvadraters metode)

A
87
Q

Hvordan regnes standardavviket til residualene, Sε?

A

For ikke-stokastiske forklaringsvariabler er Sε også anslaget for standardavviket til Y, for stokastiske forklarende variable kun betinget gitt X

88
Q

Hvordan regner vi SS(Total) i en regresjonsmodell?

A
89
Q

Hvordan regner vi SSE(“Sum of Squared Error”) i en regresjonsmodell?

A
90
Q

Hvordan ser et typisk bilde av heteroskedastisitet ut?

A
91
Q

Et annet bilde med heteroskedastisitet ( Residuals Versus the fitted values)

A
92
Q

Hvordan kan tidsseriedata uten autokorrelasjon se ut?

A
93
Q

Hvordan kan tidsseriedata med autokorrelasjon se ut?

A
94
Q

Hvordan kan et bilde av tidsserie med negativ autokorrelasjon se ut?

A
95
Q

Hvordan regner vi testobservatoren T når vi skal teste en hypotese om stigningstallet beta1?

A

En egnet testobservator er (bilde), som er t-fordelt med n-2 frihetsgrader under Ho.

96
Q

Hvordan regnes standardavviket til b1 når man skal teste en hypotese for regresjonslinjen b1.

Hvordan påvirkes standardavviket med endringer i de ulike underliggende variablene?

A

Vi ser at standardavviket

  • Øker med variansen til ε
  • Avtar med antall observasjoner, n
  • Avtar med variasjonen til forklaringsvariabelen X
97
Q

Konfidensintervall for EY

A

Et 95% konfidensintervall for E(Y|X) kan konstrueres som (bilde), der t- er kritisk grense fra en t-fordeling. For stor n og 95% CI er t ~1,96.

98
Q

Hva er formelen for S(Y’)?

Hva sier den?

A

Formelen for S(Y’) er (bilde), der de to leddene har med usikkerhet i hhv konstantleddet og stigningstallet å gjøre.

  • Merk at første leddet er identisk med uttrykket for variansen til et gjennomsnitt i målemodellen, og at usikkerheten til det estimerte stigningstallet (b1) gjør at konfidensintervallet til Ŷ vider seg ut jo lengre X-verdiene ligger fra sitt gjennomsnitt.
  • Vi kan tenke på S(Ŷ) som usikkerheten til vårt estimat for gjennomsnittet av mange Y-verdier for gitt X
99
Q

Hvordan finner vi standardavviket mellom den nye Y-verdien og dets estimerte forventning (S(Y-Ŷ))?(Estimert standardavvik til prediksjonsfeilen)

A

Generelt har vi at (bilde).

Et 95% prediksjonsintervall til Y er for stor n

Ŷ +- 1,96*S(Y-Ŷ)

100
Q

Hvordan kan innflytelsesrike observasjoner påvirke et diagnoseplott, og dermed regresjonslinjen?

A

Blå uten, rød med innflytelsesrik observasjon.

101
Q

Kapitalverdimodellen

Hva er grunnideen?

A

CAPM er en modell for hvordan et perfekt kapitalmarked priser en risikabel investering.

Grunnideen er at risikoen til en aksje (eller annen investering) består av to komponenter

  1. Usystematisk eller bedriftsspesifikk risiko:
  • Denne kan diversifiseres bort siden summen av mange “usystematiske plusser og minuser” blir null
  • Fordi man kan unngå denne risikoen ved å spre investeringene på mange prosjekter, kan en investor ikke regne med å bli belønnet for å ta på seg slik risiko
  1. Systematisk risiko:
  • Dette er svinginger i avkastning pga. konjunkturer og makrosjokk som preger hele markedet og som man derfor ikke kan bli kvitt ved å diversifisere
  • En risikoavers investor vil kreve kompenasjon for å bære slik risiko
  • Jo mer følsom en aksje er for konjunkturer og makrosjokk, desto mer risikabel er den, og desto høyere avkastning bør den gi
102
Q

Hvordan ser en multippel regresjonsmodell ut?

A

Den enerelle lineære regresjonsmodellen er (bilde)

103
Q

Hvordan skriver vi den multiple regresjonsmodellen gitt n sammenhørende observasjonssett?

A
104
Q
A

INT010 - Anvendt Metode (2 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions