Föreläsning 1 Introduktion Flashcards
Vad är nyttan med kvantitativa undersökningar?
- Förstå orsakssamband och samband
- Kan användas för att generalisera
- Man kan hantera stor variation och stora urval
- Man kan testa teori
Vad är en variabel?
En variabel är någon form av egenskap eller attribut.
Exempel på variabel är: kön, klasstillhörighet, inkomst, partisympati, åsikt om trivsel på jobbet.
Hur många skalnivåer finns det och vilka är dessa?
4 stycken
- Nominalskala
- Ordinalskala
- Intervallskala
- Kvotskala
När används nominalskala?
För kategorier som inte bär på en rangordning, exempelvis kön. Dessa kan tilldelas siffror, exempelvis män=1 kvinnor=2
När används ordinalskala?
För kategorier som bär en rangordning men ej har mätbara avstånd (ej ekvidistans). Exempelvis betyg A-F, attityder som ex. håller helt med, håller inte alls med.
När används intervallskala?
När värden kan rangordnas och avständet kan mätas. Det finns ekvidistans. Det finns ingen meningsfull nollpunkt. Exempelvis temperatur och indexskalor
När används kvotskala?
Liknar intervallskala men används när det finns en meningsfull nollpunkt. Exempelvis vikt mätt i kg, ålder mätt i år, inkomst mätt i kronor.
Vad har nominal- och ordinalskala gemensamt?
De båda är diskreta variabler som också innefattar kvalitativa varibaler
Vad har intervallskala och kvotskala gemensamt?
De båda är kontinuerliga variabler som innefattar kvantitativa variabler
Vad innebär univariat analys?
Univariat analys innebär att vi analyserar en variabel i taget. För att göra detta används ofta frekvenstabeller.
När används frekvenstabeller?
Vilka typer av diagram används vid univariat analys för nominal och ordinalvariabler?
- Stapeldiagram
- Cirkeldiagram
Vilken typ av diagram används vid univariat analys för kvot och intervallvariabler?
Histogram
Vad innebär centralmått?
Ett mått som beskriver det typiska eller centrala värdet i en datamängd. Exempelvis medelvärde, median och typvärde. Genom detta kan man få en översikt över data genom att sammanfatta var mitten eller det vanligaste värdet ligger.
Vad innebär spridningsmått?
Spridningsmått beskriver hur mycket observationerna varierar. 2 olika grupper kan exempelvis ha samma medelvärde men olika spridning vilket betyder att värdena är fördelade på olika sätt. Det handlar alltså om hur utspridda eller samlade värdena i en datamängd är. Med spridningsmått kan vi få mer information än bara medelvärde. Man kan exempelvis se att det finns stora skillnader exempelvis i betyg eller om många i klassen ligger på ungefär samma nivå.
Vilka spridningsmått finns?
Variationsbredd
Standardavvikelse
Interkvartilavstånd
Vilket centralmått är lämpligast för nominalskala?
Tyvärde (mode) då det anger det vanligaste värdet. Brukar skrivas som “n”
Vilket centralmått är lämpligast för ordinalskala?
Medianen (Md) centralmått som anger mittenvärdet
Vilket centralmått är lämpligast för kvotskala?
Aritmetiskt medelvärde. Summan av alla observationer delat med antalet observationer. Vid extremvärde är det bra att komplettera med median.
Vilket spridningsmått är mest relevant för kvotskala?
Standardavvikelse
Vad innebär inferens?
När vi generaliserar resultat från vårt urval till hela populationen
Hur är inferens möjlig?
Man gör ett slumpmässigt urval och frågar individerna exempelvis hur långa de är. Sen räknar vi ut medellängden i urvalet. Sen gör vi det ingen med 1000 nya individer tills att vi får många urval med många medelvärden. Medelvärdena bildat ett mönster där vissa värden dyker upp oftare än andra.
Vad innebär centrala gränsvärdessatsen?
Det är en teori som säger att när vi tar många stickprov ur en population kommer medelvärdet i urvalen bilda en normalfördelning som representerar populationens sanna medelvärde. Med CGS kan vi räkna ut sannolikheten för att just vårt medelvärde ligger nära populationens.
Konfidensintervall
Intervall av värden som uttrycker graden av osäkerhet. Exempelvis kring vad det sanna medelvärdet är i en population eller vad det sanna sambandet mellan två variabler är.
Bivariat analys?
Bivariat analys studerar relationen eller ett eventuellt samband mellan TVÅ variabler. Man vill se om variationen i en variabel sammanfaller med variationen i en annan variabel. Exempelvis att inter bara undersöka medelinkomst utan också undersöka hur medelinkomsten skiljer sig mellan könen.
Kausalitet
Orsaksförhållande. Innebär att det exempelvis mellan två variabler finns ett samband i form av orsak och verkan.
Samband tänks ofta ha en riktning, berätta!
Den oberoende variabeln påverkar den beroende variabeln. För att den oberoende variabeln ska påverka den beroende variabeln måste den oberoende variabeln komma före i tiden.
Exempelvis påverkar Kön (X) –> Inkomst (Y) men inkomst påverkar inte vilket kön man har. Då blir kön den oberoende variabeln.
Korstabell
Används för nominal- och ordinalskala. Man lägger den oberoende variabeln i “kolumn”. Exempelvis sambandet mellan klass och vem man röstar på. Här blir den obereonde variabeln “klass”. Samband finns om vi kan se skillnad i hur olika klasser röstar på olika partier.
Spridningsdiagram
Används för intervall- och kvotskala. Visar sambandet genom att rita ut analysenheterna som punkter utifrån två axlar.
Hur kan vi se samband med hjälp av spridningsdiagram?
Positiva samband: Stigande värden - > stigande värden Exempelvis: Inkomst på x-axeln ökar med antalet yrkesverksamma år på y-axeln.
Negativa samband: Stigande värden -> Sjunkande värden
Nollsamband: Inget samband
Vad innebär signifikans?
Sannolikheten för att vi skulle observera ett samband i urvalet trots att det är ett nollsamband i populationen. Alltså risken för att sambandet bara är en produkt av ett olyckligt stickprov.
Vad är P-värde?
- P-värdet anger signifikansen
- Varierar mellan 0 och 1
- Det är risken i procent för att få resultatet i urvalet trots nollsamband i populationen
- P-värde högre än 0,05 innebär ingen signifikans och under 0,05 är det signifikant. Sannolikheten att resultatet skulle ha inträffat är stark.
- Man ska alltid ange p-värdet
