icke-paramteriska test Flashcards
Vad handlar p-värdet om?
- Givet att nollhypotesen är sann, vad är sannolikheten att vi får dessa eller mer extrema resultat?
- Handlar om typ 1 fel och alfa
–> att vi förkastar H0, nollhypotesen trots att vi inte har någon effekt.
–> Risken att hitta effekten fast effekten inte finns
Vad handlar d-värdet om?
- d-värdet talar om HUR MYCKET gruperna skiljer sig åt (eller överlappar
- Handlar om typ 2 fel eller beta
–> Att vi behåller H0 trots att vi bör förkasta den pga vi har en effekt.
–> risk att inte hitta effekten när effekten finns
beskriv power!
- Förmågan hos ett test att upptäcka om en effekt faktikst har förekommit
- Sannolikheten att förkasta nollhypotesen när alternativhypotesen är sann
3.Sannolikheten att INTE göra ett typ 2-fel (1-beta)
vad påverkas power av?
- Alfa-nivån
–> om alfa nivån minskar, dvs risken för typ 1 fel minskar, då ökar risken för typ 2 fel.
–> minskande alfanivå= högre Zkrit - Sanna effektstorleken, cohens d
–> ju större cohens d, destå större skullnad mellan gruppmedelvärdena, desto enklare att hitta en effekt
–> Ju högre cohens d, desto högre power - Stickprovsvarians
–> Ju större stickprov, desto lägre varians, ju lägre varians destå lättare att hitta en effekt, desto högre power
–> Större stickprov - högre power - Typ av experimentell design
–> Designer som leder till mindre icke-systematisk variation leder till högre power
Hur vet man om man har tillräckligt med power i studien?
Man får beräkna power genom:
- Baserat på tidigare studier
- Baserat på förstudier
- baserat på riktlinjer (0.2,0.5,0.8) –> ej rekommenderat
Men samtliga av dessa är gissningar.
När skall man använda sig av icke-parametriska tester?
- Om data inte är normalfördelad
- Om man har beroendevariabel på nominal/ordinalskala
- Använda deskriptiv statistik
- transformera datan
- använda icke-parametriska tester
Vilka olika typer av icke-parametriska tester finns?
- chi-två
–> 2 grupper
–> olika individer
–> OV på dikotom skala - Mann-Whitney
–> två variabler
–> olika individer
–> beroende variabel på nominal/ordinalskala - Kruskal-Wallis
–> tre variabler eller fler
–> olika individer
–> beroende variabel på nomincal/ordinal skala. - Friedman test
–> tre eller flera variabler
–> SAMMA individer
–> beroende variabel på nominal/ordinalskala
Vad är det för skillnad på icke-parametriska test och variansanalys
- Icke-parametriska test är ett alternativ till variansanalys
- Icke-parametriska metoder bygger på rangordning
- Inga krav på normalfördelning och homogen varians
- Mindre av informationen som finns i datan används
- Varken medelvärde eller standardavvikelse används i beräkningarna.
Beskriv chi-två testet!
- chi^2= (observerade värden- förväntade värden)^2/ förväntade värden
- phi är associationen mellan binära variabler –> liknar korrelationskoefficient.
–> Positivt phi värde med p<0.05 innebär att vi har ett positivt samband mellan våra variabler
vad menas med inferens statistik?
- Induktiv vetenskap, drar slutsatser ur empiriska data under en osäkerhet orsakad av slumpmässighet i data.
- Utifrån antagandet om normalfördelning kan vi uttala oss om sannolikheter att få vissa resultat av ren slump
Varför gör vi anova?
För att förstå vartifrån variansen kommer
–> är det mellan grupperna?
–> är det inom grupperna?
–> är det systematisk varians?
–> är det icke-systematisk varians/fel varians
Vad är idealet gällande varians?
Idealet är att ha hög systematisk varians och låg icke-systematisk varians. Då fr man högre F-värde.
Vad innebär ett signifikant anova?
Någonting skiljer sig i det vi undersöker men man vet inte VART
Varför gör man ett Post-hoc test e.g. bonferroni test?
Post-hoc test görs för att få reda på VART skillnaden ligger, mellan vilka variabler.
fördelar och nackdelar med beroende anova?
Fördel:
1. Mindre fel
Nackdel:
1. Färre frihetsgrader –> större Fkrit
2. risk för ordningseffekter
