Kvantitativ metod

Question 1

Vad kan man göra med kvantitativ forskning?

Answer 1

att kunna uttala sig stort och brett (generalisera från urval till population)
att studera systematiskt = med hjälp av teori (som vi prövar)
att mäta egenskaper hos våra observationsenheter (tex individer) - dessa kvantifieras dvs. transformeras till siffror
att analysera egenskapernas fördelning (beskrivning av forskningsfrågor) och hur de hänger ihop (jämförande och förklarande forskningsfrågor) - att analysera siffrorna med hjälp av statistisk analys

Question 2

Tre olika forskningsfrågor inom kvantitativ metod?

Answer 2

Deskriptiva forskningsfrågor - fenomens/egenskapers förekomst/utbredning
Komperativa (Jämförande) forskningsfrågor - hur fenomen/egenskaper är fördelade i olika grupper
Förklarande forskningsfrågor - hur fenomen/egenskaper är relaterande till andra egenskaper (orsak - verkan)

Question 3

Operationalisering

Answer 3

operationalisering = ta fram begrepp ur teorin
göra begreppen mätbara (så att det blir möjligt att undersöka)
operationalisering = hur mäter du ditt begrepp?
Flera frågor för att spegla ett begrepp

Question 4

Variabel

Answer 4

Är indikationer eller mått på dina koncept/begrepp.
En variabel är en egenskap eller ett attribut som kan variera i värde mellan enheter i ett urval eller en population

Question 5

Likert scale

Answer 5

en skala som betygsskala som används för att mäta undersökningsdeltagares åsikter, attityder, motivation mm.

Question 6

Olika typer av variabler

Answer 6

Nominalvariabel
Ordnialvariabel
Kvotvariabel
Intervallvariabel

Question 7

Ordinalvariabler

Answer 7

går att rangordna utifrån inkodade siffrorna, men siffrorna säger inget om avstånden mellan de olika svarsalternativen
Utbildning (Grundskola/Gymnasiet/Universitet)
Satisfaction level (Very dissatisfied/Dissatisfied/Very satisfied)

Question 8

Nominalvariabler

Answer 8

Variabler som inte går att rangordna.
Region (Öst/Väst/Norr/Syd), ex. vart man är född.
Ingen ordning, bara olika alternativ (grupper/kategorier) ex. kön

Question 9

Kvotvariabler

Answer 9

Rangordning och absolut nollpunkt (Ålder) ex. ange kön

Question 10

Intervallvariabel

Answer 10

går alltid att mäta med siffror, där de inkodade siffrorna kan säga något om hur stort avståndet mellan olika svarsalternativ är (Temperatur)

Question 11

Datanivåer (typer av variabler)

Answer 11

Kvalitativa variabler = kategorivariabler (nominala & ordniala) kan ej rangordnas, ex. kön & blodtyp
Kvantitativa variabler = numeriska variabler (kvot & intervall). värden ska jämföras, skillnader och summor kan beräknas. ex, inkomst, vikt, ålder.

Question 13

Urval

Answer 13

De vi valt ut ur populationen (ex 100 i malmö)

Question 14

Inferens

Answer 14

Om vi vill säga något om hela populationen, inferell statistik. Välgrundade gissningar på hela populationen, ex alla i malmö även om de bara va 100 som var med i enkäten.
Att säga något om många baserat på information om få .
Generalisera resultaten från ett urval till en större population
Vill att urvalet ska vara ett “mikrokosmos” av den större befolkning, det vill säga representativt i alla relevanta avseenden

Question 15

Statistical inference

Answer 15

en liten del av populationen → vårt urval → baserat på urval → dra slutsats om hela populationen = inferens

Question 16

Sannolikhetsurval

Answer 16

en urvalsteknik som innebär att man slumpmässigt väljer ut en liten grupp människor (ett urval) från en större population sedan förutsäger sannolikheten att alla deras svar tillsammans kommer att matcha den från den totala befolkningen

Question 17

Slumpmässigt urval (standard)

Answer 17

Slumpmässigt: slumpen avgör vilka 1000 invånare från listan som väljs ut

Question 18

Stratifierat urval

Answer 18

Delar upp invånare efter ex. stadsdel (småpopulationer) och drar sedan separata slumpmässiga urval ur dessa småpopulationer
För att se till att man får svar från alla olika stadsdelar
populationen → stickprovet

Question 19

Total urval

Answer 19

fråga hela populationen. Rimligt med en liten population (ex alla studenter inom ett program)

Question 20

Bekvämlighetsurval

Answer 20

man tar vad man kan få. Det går bra att tillämpa i uppsats (tidsbrist/svårt att få tillgång till hela populationen). måste vara noggrant om vad det innebär för dina studier.

Question 21

Statistisk undersökning - från början till slut

Answer 21

1. bestäm en population som ska studeras → 2. samla in data → 3. organisera, sammanfatta och analysera data → 4. ta alla datasammanfattningar, diagram, grafer och analyser och dra slutsatser från dem för att försöka besvara forskarens ursprungliga fråga

Question 22

Interval

Answer 22

Vi vet inte den true zero (nollpunkt), ingen satte på tiden när de börja
löpare kan inte sätta i proportion till varandra, kan vara se intervallen - inte hur många gånger snabbare en var

Question 24

Ratio

Answer 24

True zero - vet när alla startade, klockade marathon - mäter tiden, en kommer in efter 2 h , en kommer in efter 6 h, den första har varit 3 ggr snabbare än den sista.

Question 25

Beroende och oberoende variabel

Answer 25

oberoende: förklarande variabel (x) beroende: det vi vill förklara (y) X kan vara födelseland, ålder, kön (bestäms direkt vid födsel och förblir) Y kan vara sådant som sker senare i livet, ex åsikter, intressen, beteenden Ex. X kön, Y inkomst

Question 26

Reliabilitet

Answer 26

gäller tillförlitlighet i vår mätning, kommer upprepad mätning att ge samma resultat Hur exakt är vårt mätverktyg?

Question 27

Validitet

Answer 27

Huruvida åtgärden överensstämmer med konceptet * Giltighet i måttet – att mäta det (begrepp) man avser att mäta * External validity: Är resultaten giltiga i verkligheten * Hur väl kan man generalisera sina resultat (från urval till population) Använder vi rätt mätverktyg?

Question 28

Univariat analys

Answer 28

Univariat analys inom den kvantitativa metoden innebär att man undersöker och analyserar en enda variabel i taget. Syftet är att beskriva och sammanfatta data för den variabeln utan att ta hänsyn till andra variabler. Detta ger en grundläggande förståelse för fördelningen, centrala tendenser och spridningen av värdena för den enskilda variabeln

Question 29

Frekvenstabell

Answer 29

ex. beskriva religiös tillhörighet vissa fördelningen ut i en variabel - frekvens på hur många som valt varje alternativ när man enkelt vill beskriva sitt datamaterial från univariat analys

Question 30

Grafisk analys

Answer 30

stapeldiagram (nominal, ordinal - ex kön), histogram (används för numerisk, ex ålder), cirkeldiagram (nominal, ordinal - ex religion)

Question 31

Centralmått

Answer 31

Typvärde: det vanligast numret, de som förekommer flest gånger (223452) - 2 = typvärde Medelvärdet: summan av alla observerade värden, dividerat med antal värden. Medianen: Mittpunkten i en datauppsättningen, hälften är mindre, hälften är större - i mitten vår median

Question 32

Spridningsmått

Answer 32

fördelning på en variabel och hur spridningen ser ut runt mittpunkten variationsvidden (range). avståndet mellan det högsta och det lägsta värdet

Question 33

Standardavvikelsen

Answer 33

Det statistiska måttet på hur utspridda värdena för en datamängd är från medelvärdet. Kort sagt, det mäter variationen av värdena från medelvärdet. Till exempel, om du tittar på lönerna för alla i ett visst företag, inklusive alla från studentpraktikanten till VD:n, kan standardavvikelsen vara mycket stor. Å andra sidan, om du begränsar gruppen genom att bara titta på studentpraktikanterna, är standardavvikelsen mindre, eftersom individerna i denna grupp har löner som är mindre varierande

Question 34

Bivariat analys

Answer 34

Samband mellan två variabler kan undersökas med bivariat metod samband: relationen mellan två variabler korrelationer: hur starkt två variabler är relaterade (ex. längd och vikt) (ålder och lön) Helt enkelt: förekomsten av en relation (vissa värden på en variabel tenderar att förekomma samtidigt med vissa värden på den andra variabeln)

Question 35

Två olika sätt att tänka om hypotestestning

Answer 35

Generellt/teoretiskt - vi utgår från en eller flera teorier = en grupp antaganden eller påståenden som förklarar fenomen av något slag och systematiserar vår kunskap om dem En hypotes = ett antagande om hur två eller flera fenomen är relaterade till varandra. Mothypotes. Statistiskt - Vi ställer upp hypoteser om populationen (vi vill generalisera från urval till population) Nollhypotesen = det finns ingen skillnad / inget samband Mothypotesen = det finns en skillnad / ett samband STATISTISKT är det nollhypotesen vi testar VI VILL: förkasta nollhypotesen, säga att mothypotesen gäller

Question 36

Korstabell

Answer 36

En korstabell är en tabell som visar sambandet mellan två eller flera variabler

Question 37

Inferentiell statistik

Answer 37

att generalisera från urval till population med en viss (o)säkerhet

Question 38

Statistisk inferens

Answer 38

att dra slutsats om en population utifrån ett urval

Question 39

Statistisk inferens - Signifikanstest

Answer 39

om ett resultat är statistiskt signifikant - då har vi goda grunder att tro att vi kan generalisera från urval till populationen vi tar fram ett p-värde. p=propability=sannolikhet. Vi vill att det skall vara så lågt som möjligt p < 0.05 – vanlig gräns för statistisk signifikans. ✓ Vetenskapssamhällets tumregel: Den sannolikheten (p) får inte vara högre än 0,05 (= 5 %) ✓ För att: Vi vill vara 95 % säkra på att resultatet inte har uppstått av en slump..

Question 40

Statistisk signifikans (p-värde)

Answer 40

P-värdet < (mindre) 0,05 ✓ Sannolikheten att resultatet har uppstått av en slump i vårt urval (och att nollhypotesen därmed gäller för populationen) är låg ✓ Med 95 % säkerhet kan vi förkasta nollhypotesen ✓ Mothypotesen gäller tills vidare ✓ Resultatet är statistiskt signifikant P-värdet > (större) 0,05 ✓ Sannolikheten att resultatet har uppstått av en slump i vårt urval (och att nollhypotesen därmed gäller för populationen) är för hög ✓ Vi behåller nollhypotesen ✓ Resultatet är inte statistiskt signifikant

Question 41

T-test (bivariatanalys)

Answer 41

Jämföra två grupper ett väldigt vanligt test för att undersöka hur en grupp skiljer sig mot en annan grupp T-testet undersöker om skillnaden är statistiskt signifikant, det vill säga, att resultatet av en stickprovsundersökning har liten sannolikhet att ha uppstått på grund av slumpen Ex: Jämföra män och kvinnor’s lön. hur stor är skillnaden mellan de två medelvärdena?

Question 42

Korrelation (positiv - negativ)

Answer 42

sista steget i bivariat analys den visar riktningen och styrkan i ett samband mellan två variabler. riktningen avser om det är positivt eller negativt samband korrelationerna vi kommer att lära oss sträcker sig från -1 till 1 när en variabler ändras, hur reagerar den andra? positiv korrelation - den ena variabeln ökar, då ökar den andra också negativ korrelation - när en variabel ökar, går den andra ner ingen korrelation - ingen korrelation/samband mellan variablerna

Question 43

Pearson's korrelationskoefficient ( r )

Answer 43

samband/samvariation mellan två kvantitativa variabler (numerisk) Pearsons r är kanske det vanligaste sättet att beskriva sambandet mellan två variabler Pearsons korrelation (även kallad Pearsons r) är en korrelationskoefficient (r) Återigen mäter korrelationskoefficienten styrkan och riktningen för det linjära sambandet mellan två variabler. 0.0 = r: ingen korrelation 0.0 < r < 0.2: väldigt svag korrelation 0.2 ≤ r < 0.4: svag korrelation 0.4 ≤ r < 0.6: moderately strong korrelation 0.6 ≤ r < 0.8: stark korrelation 0.8 ≤ r < 1.0: väldigt stark korrelation 1.0 = r: perfekt korrelation styrkan alltid bara siffran, minus = negativ, annars positiv