Kvantitativ Metode Flashcards

1
Q

Statistik

A

Teknikker til både planlægning af dataindsamling,
den efterfølgende analyse og
præsentation af data

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Deskriptiv statistik

A

Beskriver data:
Tabeller,
Diagrammer,
Gennemsnit og procent

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Analytisk statistik

A

Samenhæng og sandsynlighedsberegning

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Repræsentativ stikprøve

A
  1. Alle i populationen har haft mulighed for at deltage
  2. Udvælgelsen er sket tilfældigt
  3. Man kender sandsynligheden for at den enkelte bliver udvalgt.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

µ

A

Populations middelværdi

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Punkt-estimat

A

Et enkelt tal, der er vores bedste gæt på en ”den sande

værdi”. F.eks. et gennemsnit

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Interval-estimat

A

Interval omkring punktet, hvor vi det tænkes, at den

‘sande værdi’ ligger. F.eks. et konfidensinterval

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Standardafvigelse

A

Vi kan bruge standardafvigelsen fra
vores stikprøve til at udregne
standardfejlen, så vi kan estimere

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Standardfejl for gennemsnit

A

Standardfejl=
standardafvigelse/
√𝑎𝑛𝑡𝑎𝑙 𝑝𝑒𝑟𝑠𝑜𝑛𝑒𝑟

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Standardfejlen for en andel

A

Standardfejl= √
(𝑎𝑛𝑑𝑒𝑙 1−𝑎𝑛𝑑𝑒𝑙)/
𝑎𝑛𝑡𝑎𝑙 𝑝𝑒𝑟𝑠𝑜𝑛𝑒𝑟

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Spørgeskemaundersøgelse

A
  1. Formål
  2. Målgruppe
  3. Udvægelse - hvem (hvor mange)
  4. Indsamlingsmetode
  5. Opeartionalisering
  6. Spørgsmål og svar
  7. Rækkefølge
  8. Kvalitet af spørgeskemaet

De første to punkter er mest væsentlige. Alt afhænger af den enkelte undersøgelse

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Svarprocent

A

Svar divideret med antallet af potentielle respondenter

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Målgruppe

A

Hvem er modtager / relevante respondenter

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Opeartionalisering

A

Målbare centrale begreber

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Tilfældig sampling

A

Tilfældig udvælgelse af respondenter.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Stratificeret udvælgelse

A

Undergrupper, hvor man vælger yderligere undergrupper.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Klyngeudvælgelse

A

Indsamling på overordnet niveau

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Typer af spørgsmål

A

Faktuelle
Holdning
Kundskabs
Baggrundsspørgsmål

Opddeles i:
Bagudskuende
Aktuelle
Fremtidsrettede spørgsmål

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Otte råd til spørgsmålsformulering

A
Anvend alemene termoer og dagligdagssporg
Anvend prævist sprogbrug
Overvej, hvor meget respondenten kan huske
Undgå antagelser
Spørg kun én ting ad gangen
Undgp negationer
Undgå følelsesladede ord
Undgå suplerlativer
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Svarkategorier

A

Give mening
Udtømmende
Afbalanceret

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Lukkede spørgsmål

A

Fast defienret svarkategorier
Kodning givet på forhånd
Begrænset indflydelse for respondenten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Åbne spørgmsål

A

Udefienret svarkategorier
Kodning foretages efterfølgende
Respondenten definere selv mulige svar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Bortfald

A

Svarprocent.

Antal af svar) / (Antal af potentielle respondenter

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Pilottest

A

Sikre kvaliteten af survey / interview

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Hypoteser
Antagelse / påstand om en sammenhæng / forhold Falsificerbar som videnskabeligt kriterie Forudsætning for videnskabelig progression Deduktiv tilgang: hypoteser fremsættes før indsamling og analyse af data
26
Nulhypotese
Udgangspunktet for ¨'ingen effekt' eller at to værdier er lig med hinanden Skrevet som H0 Defineret således, at der ingen sammenhæng er
27
Alternativhypotese
Afvisning af nulhypotesen Skrevet som Ha eller H1 Modstykke af H0
28
P-værdier
Sandsynlighedsværdier Sandsynlighed for at have opnået de givne svar / data. Mindre p-værdi -> stærkere beviser for H0 forkastes P-v. mål for, hvor langt data ligger fra H0 Sandsynlighedsværdi mellem 0 og 1
29
Signifikanstest
1. Ordinale/nominelle (kategoriske) eller intervalskala (kvantitative) variable 2. Er det tilfældig udvælgelse 3. Antagelse om populationsfordeling 4. Stikprøvestørrelse / antal besavrelser Sammenhæng mellem to variable.
30
Procedure for signifikanstest
1. Tjek antagelserne for signifikanstest - type data, tilfældig udvælgelse, krav om populationsfordeling 2. Formuler nulhypotese 3. Udregn testværdi 4. Udregn p-værdi 5. Konkluder om H0 kan forkastes
31
Signifikans
Bestemmer hvornår vi afviser en nulhypotese Hvilken p-værdi er den kritiske grænse Signifikansniveauet kaldes også alpha-niveau Alpha-niveau oftest sat til 0,05 Forkost H0m ved p-værdi på 0,05 eller mindre H0 kan kun være sand eller falsk
32
Type 1 fejl
H0 sand Type I fejl Korrekt konklusion
33
Type 2 fejl
H0 falsk Korrekt conclusion Type II fejl
34
Signifikanstest do's and don'ts
- Undlad at afrepportere signifikante resutlater | - Vær kritisk overfor signigikante resultater
35
Kategoriske variabler
- Variabler der omhandler grupperingerne i populationen | - Data med kendte og ofte bregrænset antal udfald - nominale og ordinale variable
36
Chi i anden benyttes
Anvendes til at teste, om der er sammenhæng mellem to kategoriske variable Afprøver hvorvidt der er forksel mellem en observeret og forventet frekvensfordeling i den anden variabels kategorier
37
Afhængige variable
Det der påvirkes at de uafhængige variable
38
Uafhængige variable
Variable der kan stå for sig selv
39
Frihedsgrader
Hvordan den underliggende chi2 ser ud. Om man skal afvise eller ikke afvise H0. Des flere rækker og tabeller, des mere ligner det en normalfordeling. (antal rækker - 1)*(antal kolonner-1)
40
CHI i anden test komponenter
Excel, chi2.test kontekst: Krydstabel (Kolonne total) x (rækketotal) / (total totalen)
41
Signifikans
P-værdi der er under 0,05, afviser nulhypotese
42
Komponenter i Chi2-test
Observerede og forventede værdier Forventede værdier udregnes som (kolonnetotal * rækketotal) / samlet total Antal af frihedsgrader = (antal rækker - 1) * (antal kolonner - 1) Pbg. Chi2-værdi og antallet af frihedsgrader, kan man udlede en p værdi
43
Tosidet hypotese
Hvorvidt 'ingen forskel' er mellem to grupper
44
Ensidet hypotese
Hvorvidt en gruppe har større eller mindre værdi end en anden gruppe (ensidet) Antager noget - teoretisk og fagbegundet Overvægt af en mulighed af to mulige
45
T-test
T-værdier bruges til at teste, hvorvid der er forskel mellem to gruppers gennemsnit (independent-samples t-test) Independent-samples t-test: Hvorvidt der er forskel mellem to grupperse gennemsnit One-sample t-test : Teste en gruppe mod en given testværdi Paired samples: Test mellem de samme personer observeret på to forskellige tidspunkter
46
T-test forudsætninger
Tilfældig udvælgelse (stikprøve af population) Kvantitativ/intervalskaleret afhængig T-test antager en normal populationsofrdeling Robust med stort antal besvarelser og tisudet hypotesetest Antagelse om en varians for de to grupper T-fordelingen har tykkere haler end en normalfordeling
47
T-test formler
T= (gennemsnit gruppe 2 - gennemsnit gruppe 1) / standardfejl
48
Statisisk signifikans i t-test
Stor forskel i gennemsnit for to grupper øger sandsynligheden for, at der er en signifikant forskel på gennemsnitene. Mindre standardafvigelse øger sansynligheden for en signifikant forskel
49
T-test Excel
haler = 1 eller 2 afhængig af om ensidet eller tosidet hypotese
50
Intervalskalerede variable
Variable med mange mulige udfald såsom ratio- og intervalvariable. Meningsfyldt udregning af gennemsnit
51
Punktdiagram
Illustrere sammenhænge mellem variabler med mange dataværdier
52
Korrelationskoeffeicienten
Sammenhængen mellem to intervalskalerede variable, der kan antage værdi fra -1 til +1 afhængig af styrken og retning ``` 1 = Perfekt positiv korrelation 0 = ingen sammenhæng -1 = perfekt negativ correlation ```
53
Spuriøse sammenhænge
Man kan finde en visuel sammenhæng, men der er ingen reel sammenhæng
54
Tendenslinje
Regrssionslinjen, - viser r-værdi - viser sammenhæng
55
Regression
Aller observationer er indbyrdes uafhængige Y har konstant standardafvigelse Middelværdien af Y afhænger linært af X
56
Kausalitet
Årsagssammenhæng
57
Lineær regression
``` Y = a*x+b a= skæring med y-aksen b= hældningskoefficienten r= korrelationskoefficienten ```
58
Statistisk signifikans
Store froskelle i gennemsnittende for to grupper øger sansynligheden for, at der er en signifikant forskel på gennemsnittene. Mindre standardafvigelse giver mindre overlap mellem grupperne - øger sandsynligheden for en signifikant forskel mellem de to gruppers gennemsnit
59
Nominal variabel
Ingen rangorden eller
60
Normalfordeling
Klokkeformet symetrisk fordeling | Optræder ved stort datasæt
61
Konfidensinterval
Angiver et interval for hvor den sande værdi ligger | Intervalestimater tager højde for usikkerhed