Kap 10 & 11

Question 1

Ta utgangspunkt i de fire analysene korrelasjon, regresjon, t-test og variansanalyse og formuler spørsmål som kan testes med hver av disse ulike analysene.

Answer 1

Korrelasjon → Sammenheng mellom to variabler (ikke kausalitet).

Regresjon → Prediksjon (hvordan en eller flere variabler påvirker en annen).

T-test → Sammenligning av to gruppers gjennomsnitt.

ANOVA → Sammenligning av tre eller flere gruppers gjennomsnitt.

Question 2

Formuler ulike problemstillinger og diskuter hvilken analyse som vil være mest egnet dersom problemstillingen skal undersøkes empirisk

Answer 2

1. Er det en sammenheng mellom fysisk aktivitet og depresjonssymptomer blant studenter?
   Analyse: Korrelasjonsanalyse
   Begrunnelse: Dette spørsmålet handler om å undersøke en sammenheng mellom to variabler (fysisk aktivitet og depresjonssymptomer), uten å anta en årsakssammenheng. Pearsons korrelasjon vil være egnet hvis begge variablene er kontinuerlige og normalfordelte, mens Spearmans rho kan brukes hvis fordelingen er skjev.
2. Kan sosial støtte og søvnkvalitet forutsi akademiske prestasjoner?
   Analyse: Multippel regresjon
   Begrunnelse: Regresjonsanalyse er passende fordi vi ønsker å undersøke hvor godt to eller flere uavhengige variabler (sosial støtte og søvnkvalitet) kan predikere en avhengig variabel (karaktergjennomsnitt). Dette gir mer informasjon enn korrelasjon, da det kontrollerer for andre variabler og estimerer hvor stor innflytelse hver prediktor har.
3. Har personer som praktiserer mindfulness lavere stressnivå enn de som ikke gjør det?
   Analyse: Uavhengig t-test
   Begrunnelse: Vi sammenligner gjennomsnittlig stressnivå mellom to grupper (de som praktiserer mindfulness vs. de som ikke gjør det). En uavhengig t-test er passende når vi har én kategorisk uavhengig variabel med to nivåer (praktiserer mindfulness: ja/nei) og en kontinuerlig avhengig variabel (stressnivå).
4. Har forskjellige mengder koffein (0 mg, 100 mg, 200 mg) en effekt på reaksjonstid?
   Analyse: Énveis ANOVA
   Begrunnelse: Vi undersøker om tre eller flere grupper (basert på koffeinmengde) har signifikant forskjellige gjennomsnitt for reaksjonstid. En énveis ANOVA er egnet fordi den tester om det er en variansforskjell mellom gruppene. Hvis ANOVA viser en signifikant effekt, kan vi bruke post hoc-tester for å finne ut hvilke grupper som skiller seg fra hverandre.
5. Har både koffeinmengde og søvndeprivasjon en effekt på reaksjonstid?
   Analyse: Toveis ANOVA
   Begrunnelse: Her undersøkes to uavhengige variabler samtidig (koffeinmengde og søvndeprivasjon). En toveis ANOVA lar oss teste både hovedeffekter (hvordan hver faktor påvirker reaksjonstid individuelt) og interaksjonseffekten (om effekten av koffein avhenger av søvndeprivasjon).

Question 3

Hva gjør vi for å få mening ut av dataene vi har samlet inn?

Answer 3

1. Rensing og forberedelse av data
   Fjerne feil, manglende verdier og ekstreme outliers.
   Strukturere data i et analysbart format.
2. Beskrivende statistikk (for kvantitative data)
   Beregne gjennomsnitt, median, standardavvik og frekvenser.
   Visualisere data med grafer og tabeller.
3. Identifisere mønstre og sammenhenger
   Kvantitative analyser: Korrelasjon, regresjon, t-tester, ANOVA osv.
   Kvalitative analyser: Tematisk analyse, koding av tekst, identifisering av hovedtemaer.
4. Tolkning av resultater
   Er funnene signifikante og praktisk relevante?
   Hvordan passer de inn i eksisterende forskning?
5. Formidling av funn
   Skrive rapporter, lage presentasjoner eller publisere artikler.
   Tilpasse budskapet til målgruppen (forskere, beslutningstakere, allmennheten).

Question 4

Hva er måling, begrep, teori, validitet og reliabilitet?

Answer 4

Måling: Prosessen med å samle inn data for å kvantifisere eller kategorisere et fenomen. Eksempel: Måle stressnivå med en spørreskala.

Begrep: En abstrakt idé eller teoretisk konstruksjon som brukes for å beskrive et fenomen. Eksempel: “Intelligens” eller “motivasjon.”

Teori: Et sett med sammenhengende begreper og prinsipper som forklarer et fenomen. Eksempel: Piagets teori om kognitiv utvikling.

Validitet: Hvor godt en måling faktisk måler det den skal måle. Eksempel: En IQ-test har høy validitet hvis den virkelig måler intelligens.

Reliabilitet: Hvor konsistente og pålitelige målingene er over tid. Eksempel: En vekt er reliabel hvis den viser samme vekt hver gang du veier deg.

Question 5

Hva er beskrivende statistikk?

Answer 5

Handler om å oppsummere og organisere data.
Brukes til å gi en oversikt over mønstre og trender i et datasett.

Eksempler:

Sentralmål: Gjennomsnitt, median, modus.

Spredningsmål: Standardavvik, varians, rekkevidde.

Visualisering: Histogram, stolpediagram, boksplot.

Eksempel i psykologi: Hvis vi måler stressnivået til 100 studenter, kan vi bruke beskrivende statistikk til å finne gjennomsnittlig stressnivå og standardavviket for utvalget.

Kort sagt: Oppsummerer data

Question 6

Hva er slutningsstatistikk?

Answer 6

Brukes for å trekke konklusjoner om en større populasjon basert på et utvalg.
Hjelper med å avgjøre om funn i en studie er tilfeldige eller generaliserbare.

Eksempler:

Hypotesetesting: T-tester, ANOVA, regresjonsanalyse.

Sannsynlighetsberegninger: p-verdier, konfidensintervaller.

Eksempel i psykologi: Hvis vi undersøker om en ny terapimetode reduserer angst, bruker vi slutningsstatistikk (f.eks. t-test) for å avgjøre om forskjellen mellom terapigruppen og kontrollgruppen er signifikant.

Kort sagt: Trekker konklusjoner om populasjonen basert på utvalget.

Question 7

Hvordan beskrive og drøfte viktige feilkilder i forskning og hvordan de kan forebygges

Answer 7

1. Seleksjonsbias
   Problem: Hvis deltakerne i en studie ikke er tilfeldig valgt, kan resultatene være skjeve og ikke generaliserbare til hele populasjonen.
   Forebygging: Bruke randomisert utvalg eller matche grupper for å sikre at utvalget er representativt.
2. Målingsfeil
   Problem: Feil i måleinstrumenter eller inkonsekvente målinger kan føre til upålitelige data.
   Forebygging: Bruke standardiserte måleinstrumenter med høy validitet og reliabilitet, samt kalibrere måleinstrumenter jevnlig.
3. Eksperimentell bias
   Problem: Forskeren kan (ubevisst) påvirke resultatene gjennom forventninger eller behandling av deltakerne.
   Forebygging: Bruke dobbeltblind-design, der verken forskeren eller deltakerne vet hvilken gruppe som mottar hvilken behandling.
4. Hawthorne-effekten
   Problem: Deltakere endrer atferd fordi de vet at de blir observert.
   Forebygging: Bruke naturlige observasjoner eller habituering (la deltakerne venne seg til observasjonssituasjonen).
5. Placeboeffekt
   Problem: Deltakere kan oppleve en effekt bare fordi de tror de får en behandling.
   Forebygging: Inkludere en placebogruppe for å skille mellom reelle effekter og forventningseffekter.
6. Replikasjonskrisen
   Problem: Mange studier kan ikke reproduseres, noe som skaper tvil om funnenes holdbarhet.
   Forebygging: Øke åpen vitenskap ved å preregistrere hypoteser, dele data, og oppfordre til replikasjonsstudier.
7. Publiseringsbias
   Problem: Studier med signifikante resultater publiseres oftere enn studier med nullfunn, noe som kan skape en skjev fremstilling av virkeligheten.
   Forebygging: Oppfordre tidsskrifter til å publisere nullfunn og preregistrerte studier.

Question 8

Hvordan belyse holdbarheten i psykologiske studier og teorier?

Answer 8

1. Replikasjon
   Er studien blitt replikert med samme resultater? Replikasjon er en viktig indikator på holdbarhet.
2. Metodisk kvalitet
   Har studien brukt et robust design? Er måleinstrumentene pålitelige og valide?
3. Langtidseffekter
   Er teorien eller studien relevant over tid, eller har ny forskning utfordret den?
4. Praktisk anvendelse
   Har teorien prediktiv verdi og fungerer den i virkelige situasjoner?
5. Generalisering
   Er resultatene generaliserbare til ulike populasjoner eller kontekster?

Ved å vurdere disse faktorene kan vi bedømme om psykologiske studier og teorier er holdbare og fortsatt relevante.

Question 9

Hvordan vurdere sentrale studier og teorier ut fra deres forskningsmessige grunnlag?

Answer 9

1. Forskningsdesign
   Er designet passende for å svare på forskningsspørsmålet? Er det et eksperimentelt design (med kontroll og randomisering), eller er det et korrelativt design (som viser sammenhenger, ikke årsak)?
2. Datakvalitet
   Er datainnsamlingen grundig og valid? Er målingene reliabelt og validert? Er det brukt et representativt utvalg?
3. Statistisk analyse
   Er de statistiske metodene riktige og passende for datatypen? Er analysene utført på en måte som reduserer risikoen for feil? Har resultatene blitt validert med ulike statistiske tester?
4. Repeterbarhet
   Er studien replikert av andre forskere med lignende resultater? Forskning som ikke kan replikere kan tyde på svakheter i grunnlaget.
5. Teoretisk grunnlag
   Er teorien godt fundert i eksisterende litteratur? Er den basert på solid empirisk forskning, eller er den spekulativ? Hvordan passer den med annen relevant forskning på området?
6. Etiske hensyn
   Ble studien gjennomført på en etisk forsvarlig måte, med hensyn til deltakernes velferd og informert samtykke?