Föreläsning 4 - Datahantering

Question 1

Hur ser processen ut för att hantera data?

Answer 1

1. Skapa struktur
2. Mata in data
3. Rengöra data
4. Beskriv data
5. Omvandla data (valfri)
6. Skapa en kodbok

Question 2

Om man manuellt måste mata in data, vad är viktigt att se upp för?

Answer 2

Fel värden
Dubletter
Missade data

Question 3

När man rengör data, vad bör man tänka på?

Answer 3

Felaktigt inmatade data
Misstänkt svarsmönster
Hantera extremvärden
Hanterade missade data

Question 4

Att fånga felaktigt inmatade data är lika viktigt som att inte mata in dåliga data på egen hand. Hur kan sådant uppstå?

Answer 4

I en situation där intervjuaren har influerat svaren som samlats in. Kan göras medvetet eller omedvetet.

Datainmatningsfel från undersökningsteamet eller från respondenten som av misstag matat in fel data tex stavat fel.

Question 5

Vissa svarsmönster borde väcka misstanke, vilka?

Answer 5

Straight liners: en respondent ger samma svar på alla frågor, dvs bara klickar sig igenom. Man kan hitta detta genom att använda omvända skalor på vissa frågor.

Inkonsekventa svar: en respondent svarar olika på samma frågor eller svar som går i konflikt med varandra.

Question 6

Det finns tre typer av extremvärden, vilka?

Answer 6

Misstag
Enstaka ytterligheter
Kombinerade ytterligheter

Question 7

Vilka typer av missade data finns?

Answer 7

Inga svar i enkäten från en respondent
Alla frågor är inte besvarade av en respondent

Question 8

Det finns tre fall av missade data, vilka?

Answer 8

MCAR: data är borta slumpmässigt

MAR: den missade datan är beroende av en variabel

MNAR: den missade datan är beroende på svaret på frågan

Question 9

Nämn exempel på univariata grafer och tabeller.

Answer 9

Histogram, stapeldiagram, box plot, frekvenstabell

Question 10

Vad säger univariat statistik?

Answer 10

Ger oss en uppfattning om hur värden fördelas för en enskild variabel.

Exempelvis medelvärde, median, utspridning (varians och standardavvikelse)

Question 11

Vad är skewness och kurtosis?

Answer 11

Båda är mått på karaktär på en normalfördelning.

Skewness = symmetrin på fördelningen. Negativ betyder längre svans åt vänster, positiv tvärtom.

Kurtosis = hur spetsig fördelningen är. Låg betyder en mer flack topp, hög tvärtom.

Question 12

Vad säger bivariat statistik?

Answer 12

Beskriver relationen och sambanden mellan två variabler.

Question 13

Nämn grafer och tabeller för bivariat statistik.

Answer 13

scatter plot, crosstabs.

Question 14

Vad är kovarians?

Answer 14

Beskriver i vilken utsträckning två variabler varierar gemensamt. Svår att använda i praktiken.

Question 15

Vad är korrelation?

Answer 15

Beskriver sambandet mellan två variabler. Mycket lättare att använda i praktiken.

0,00<r<0,30 –> svagt samband.
0,30 < r < 0,49 –> medel samband.
0,50 < r < 1,00 –> stark

Question 16

Vad gör Chi-square test?

Answer 16

Testar ifall fördelningen av en kategori följer den förväntade fördelningen.

Question 17

När använder man ett one-sample chi-square test?

Answer 17

När man vill testa om fördelningen över en kategori följer den förväntade fördelningen.

Question 18

När använder man chi-square test of independence?

Answer 18

När man vill testa för flera kategorier.

Question 19

Vad är kraven för chi-square?

Answer 19

inga frekvenser som är 0
Förväntade frekvenser ska vara större än 5

Question 20

På vilka två sätt kan data omvandlas?

Answer 20

Genom att omdefiniera variabeln, tex från kontinuerlig till kategorisk.

Genom att omvandla skalan.

Question 21

Vilken struktur gäller för en kodbok?

Answer 21

Introduktion
Frågor
Variabeldefinitioner
Deskriptiv statistik
Datasets