Forskningsmetod

Question 1

Nominaldata

Answer 1

Enkla frågor som inte går att storleksordna, typ frågor om kön (man/kvinna/annat)

Question 2

Ordinaldata

Answer 2

Mätningar som går att rangordna men som är svåra att mäta avståndet mellan, typ svaret på frågan “Hur är läget?” om svaren är “dåligt, helt okej, fantastiskt”.

Question 3

Intervalldata

Answer 3

Mätningar som går att rangordna och som går att på ett konkret sätt mäta avstånd mellan de olika punkterna, innehåller “fejknollor” som t.ex 0 grader celcius.

Question 4

Kvotdata

Answer 4

Mätningar som går att rangordna och som går att på ett konkret sätt mäta avstånd mellan de olika punkterna, som också innehåller “äkta nollor”, t.ex 0 sekunder, 0 cm, och 0 på kelvinskalan, eftersom inget kan existera under de.

Question 5

Reliabilitet

Answer 5

Kan liknas vid en gammal rostig våg, trots att din vikt inte förändras kommer vågen att ge olika slumpmässiga utslag vid upprepade mätningar.

I en enkät skulle detta kunna vara en tvetydlig fråga som tolkas på olika sätt och därför genererar olika slumpmässiga svar, detta kan motverkas genom att ställa samma fråga flera gånger och på olika sätt.

Question 6

Test-retest

Answer 6

Om den BV man mäter är oförändrad bör man vid upprepade mättillfällen få samma eller likvärdiga mätresultat, om man mäter på samma sätt.

Question 7

Test-retest reliabilitet

Answer 7

Uppnås genom att utföra flera mätningar, för att undvika slumpmässiga felkällor.

Question 8

Validitet

Answer 8

Mäter vi verkligen det vi avser att mäta?

Hög reliabilitet är ett krav för god validitet, hög validitet är dock inte ett krav för hög reliabilitet.

Har vi en våg vi använder för att mäta vikt kan vi säg att den har hög validitet i ärendet, men om vågen förser oss med massa slumpmässiga fel spelar det ingen roll hur passande vårt verktyg är.

Har vi en måttstock som vi använder för att mäta vikt kan vi utan tvekan säga att verktyget har låg validitet, men måttstocken kan vid upprepade mätningar ge samma/likvärdiga utslag och därför ha god reliabilitet.

Alltså, god reliabilitet är ett krav för god validitet, men god validitet är inte ett krav för god reliabilitet.

Question 9

Typvärde

Answer 9

Det svarsalternativ som förekommer flest gånger i t.ex en enkät, finns det 2 eller flera svarsalternativ med lika många svar kallas de båda för typvärden.

Question 10

Median

Answer 10

Medianen går att peka ut när man har mätvärden som går att storleksordna, man gör detta genom att peka ut det värdet som är i mitten, finns det två värden i mitten lägger man ihop de och delar summan på 2.

Question 11

Medelvärde

Answer 11

Medelvärdet räknas ut genom att summera alla mätvärden och dela summan på antal svarsalternativ.
Detta är bara användbart på intervallnivå och över.

Question 12

Standardavvikelse

(det vanligaste måttet på variationer i svar)

Answer 12

Standardavvikelsen beskriver hur stor skillnad det är variation det är i de olika svaren/resultaten, lägre standardavvikelse betyder att svaren ligger nära varandra, stor standardavvikelse betyder en stor variation i svaren/resultaten.

Question 13

MAD (Mean absolute deviation)

(mindre vanligt)

Answer 13

Ett sätt att räkna ut standardavvikelse genom att titta på hur mycket svaren skiljer sig från medelvärdet.

Question 14

Representativt urval

Answer 14

Ett stickprov som speglar hur det ser ut i den breda populationen, detta görs ofta genom att slumpa i en demokratisk slump där alla har exakt lika stor sannolikhet att bli valda.

Question 15

Meta-analys

Answer 15

Att sammanställa och tolka resultat från flera studier

Question 16

Sannolikhetsfördelningar

Answer 16

Det är störst sannolikhet att svaret hamnar någon stans runt mitten, lite mindre sannolikt med något steg åt vänster eller höger och ännu mindre sannolikt att svaren hamnar ute på kanterna

Question 17

Normalfördelningar

Answer 17

När man undersöker ett fenomen så kan ens mätvärden vara fördelade på många olika sätt. En väldigt vanlig fördelning är den så kallade normalfördelningen. En normalfördelning har egenskapen att de flesta av mätvärdena är nära medelvärdet, och ju längre ifrån medelvärdet man tittar desto färre mätvärden ser man.

Question 18

Normalfördelad sannolikhetsfördelning

Answer 18

En normalfördelad kurva med en jämn negativ fördelning utifrån medianen

Question 19

Kontinuerliga och diskreta fördelningar

Answer 19

I kontinuerliga fördelningar är alla mätvärdena möjliga att få som svar, i diskreta fördelningar finns det mätvärden som inte går att få.

Exempel på kontinuerlig fördelning kan vara en person som hoppas längdhopp, allt över 0 är möjligt.

Exempel på diskret fördelning är att kasta en tärning, eftersom det då inte går att få en siffra över 6, trots att det finns betydligt fler siffror.

Question 20

Centrala gränsvärdesatsen

Answer 20

Säger, något förenklat att om något är fördelat på många olika variabler så kommer summan vara normalfördelad eller något normalfördelad