Kvantitativa metoder

Question 1

Vad gör en kvantitativ metod

Answer 1

• Ger en bredare förståelse av flera personer, kan säga MER men inte lika djupgående information som kval
• Beskriva fenomen utefter t.ex. vad, hur många, hur ofta, hur vanligt
• Samband och förståelse mellan två eller fler variabler för att få förståelse kring relationer mellan fenomen.

Question 2

Vad kan inte en kvantitativ metod göra

Answer 2

Eftersom man inte kan få djupare förståelse tillåter inte den kvantitativa metoden att studera vad datainsamlingen beror på.
- En generalisering där datan i sig inte säger något om det inte sätts i relation till ett annat fenomen.

Question 3

Vad är en variabel

Answer 3

En representation av ett mätbart objekt som kan ha flera olika värden.

Question 4

Kvalitativ kategorisk variabel

Answer 4

Går inte att dela upp i decimaler.
- Nominal skala: Kan inte bli rangordnande (ex. kön, nationalitet)
- Ordinal skala: Kan bli rangordnade, men man kan inte avgöra avståndet mellan dem (ex. låg, mellan, hög)

Question 5

Kvantitativ pågående variabel

Answer 5

Värderna kan vara heltal (diskreta) eller decimaler (kontinuerliga)
- Intervall: Skalor där skillnaden mellan varje steg är lika långt men 0 är inte en nollpunkt (ex. Cgrader, datum)
- Kvot: Varje steg är lika långt, men 0 är en nollpunkt (ex. ålder, inkomst)

Question 6

Univariat analys

Answer 6

Undersöker EN enskild variabel och dess egenskaper. Används för att få en grundläggande förståelse av data och hitta mönster/avvikelser.
(medelvärde, median, spridning, frekvens) = Vill se att utan är normalt fördelad.

Kval: tabell, cirkeldiagram, typvärde, median, Chi2 test (ex. kön)

Kvant: histogram, medelvärde, standardavvikelse, t-test (ålder)

Question 7

Univariat analys variation

Answer 7

Vilka mönster som finns i variabeln i förhållande till mätvärden eller antal observationer.
(ex. attityder, inkomstnivå)

Question 8

Univariat analys fördelning

Answer 8

Preciserar variationen för att förklara hur många observationer vi har beroende på hur den är fördelad över variabelvärderna.

Centraltendensen i fördelningen

Question 9

Univariat analys spridning

Answer 9

Hänger samman med fördelning och centraltendensen och förklarar hur observationerna är kring fördelningens tyngdpunkt.

Standardavvikelse: Observationernas genomsnittliga avvikelser från medelvärdet

Question 10

Bivariat analys

Answer 10

Studerar sambandet mellan TVÅ variabler och den eventuella orsaksrelationen som kan avspeglas mellan dessa.

Testar enkla hypoteser*

ex. skiljer sig närvaron hos vår klass mellan år 2023 (X variabel) och år 2024 (Y variabel)

Question 11

Vad är en regressionsanalys?

Answer 11

Analyserar oberoende mot en beroende för att visa effekten av den oberoende variabeln – MEN den beroende måste vara kvantitativ.

Koefficienten
Ger förståelse om det finns samband mellan de två variablerna
- Positivt (ökar tillsammans)
- Negativt (minskar tillsammans)
- Inget samband

Ex. upplevd tillgång till information (beroende) ålder (oberoende)

Question 12

Multivariat analys

Answer 12

Analyseras tre eller fler variabler samtidigt.

Innan man gör en multivariat analys är det vitkigt att göra bivariat för att förstå hur de olika variablerna hänger ihop innan man gör större samband

kan man bara använda två typer av variabler (dummyvariabler och binära variabler): används vid exempelvis coworking role som har tre olika kategorier, man behöver göra om de tre kategorierna till ett antal dummyvariabler eller binära variabler

Question 13

Nominal skala

Answer 13

Vi ger namn till saker men det finns inget antagande mellan relationen mellan dem (exempelvis kön, nationalitet, färger).

Kvalitativ variabel, kan inte rangordnas

Question 14

Ordinal skala

Answer 14

Finns en ordning, något är bättre än något annat. Men vi vet inte hur mycket bättre. Kan både vara lite och mycket bättre beroende på vilken deltagare som svarar. Exempelvis 1-5 instämmer mycket - instämmer inte alls. Man kan alltid göra en ordinal skala till en nominal skala.

Kan också kallas likertskala

Kvalitativ variabel

Question 15

Intervall skala

Answer 15

Lika stor varians mellan punkterna på skalan, men 0 är inte en nollpunkt exempelvis temperatur, datum

Kvantitativ variabel

Question 16

Kvot skala

Answer 16

Lika stor avstånd mellan punkterna men 0 är en nollpunkt kan inte vara minus exempelvis datum, inkomst, ålder

Kvantitativ variabel

Question 17

Standardavvikelse

Answer 17

Standardavvikelse är ett mått på hur mycket variation det finns i fördelningen av datan. Ju högre standardavvikelse, desto mer spridd är datan.

Vi gör stickprov för att se standardavvikelsen i datan, något fel i relation till hur verkligheten är till hela populationen.

Question 18

Normalfördelning

Answer 18

Fördelning av data som följer en specifik form. Används som modell för många naturliga fenomen och är grunden i många statistiska analyser.

Kurva hög i mitten

Question 19

Normalfördelning Skewness

Answer 19

Normalfördelningen drar åt antingen höger eller vänster

Question 20

Normalfördelning kurtosis

Answer 20

Antingen är den tillplattad eller toppig

Question 21

Statistisk signifikans

Answer 21

Visar på hur osannolikt det är att en skillnad bara uppstår av slumpen baserat på att det inte finns någon skillnad i verkligheten.

Om ett värde är under 0.05 (5%) är resultatet statistiskt signifikant.

Question 22

Standardfel

Answer 22

Mått på osäkerheten av ett populationsmedelvärde baserat på ett urval av mätningar. Ju större standardfelet är desto mindre pålitlig är uppskattningen.

Hjälper oss dra slutsatser om sannolikheten av värdet i vårt urval är samma som värdet i populationen.

Question 23

Statistisk inferens

Answer 23

Vi kan dra slutsatser för en hel population via stickprov vilket är statistisk inferens

Representativt stickprov för att uttala sig om populationen

Statistisk inferens = urvalet är representativt

Question 24

Korstabellsanalys

Answer 24

Jämför två kvalitativa variabler för att presentera dem som överskådliga. Vi förenklar variablerna genom att slå samman variabelvärderna.

Validiteten kan dock påverkas av detta.

Question 25

Indexvariabel

Answer 25

Syftar till att förenkla. Slår ihop variabler istället för att ett antal variabler som mäter samma fenomen.

För att kunna skapa en indexvariabel behöver man titta på medelvärdet och medianen för att se vad deltagare har svarat.

Question 26

Dummyvariabel

Answer 26

Används i regressionsmodellen eftersom vi inte kan mäta kvalitativa variabler på en skala.

Dummyvariabel omvandlar kvalitativa variabler till kvantitativa variabler.

Dummyvariabler gör kategoriska variabler till binära variabler så att de är mätbara på en ordinalskala.

Kategoriseras in i 1 och 0. Exempelvis man och kvinna?

Question 27

Cronbach’s alpha

Answer 27

Cronbachs alpha går ihop med indexering, dvs, när man slår ihop variabler till en index för att förenkla datan.

När man har slagit ihop variablerna måste man se om de är kompatibla med varandra → då mäter vi Cronbachs alpha.

**Med andra ord är Cronbach ett mått på hur stark korrelationen är mellan variabler. **

När man vill jämföra variablerna och se så att de inte har för hög eller för låg korrelation. Man bör ha ett värde på över 0,7 men under 0,95.

Question 28

T-test

Answer 28

*Metod för hypotesprövning.
Ett test mellan två variabler. Mäter sambandet mellan två variabler för att se om det är statistiskt signifikant.

Är sannolikheten mellan två variabler sann eller falsk genom att jämföra medelvärden.

Får ut ett P-värde. Vi vill att det är under 0,05 (5%) för att det ska vara statistiskt signifikant.

Om P-värdet är lågt kan vi konstatera att det är sant och inte slumpen.

Question 29

Nollhypotes

Answer 29

Datan visar inte någon riktig skillnad, det beror på slumpen.

Men om t-testet visar att sambandet mellan två variabler är statistiskt signifikant, kan man förkasta nollhypotesen och förlita sig på den alternativa hypotesen.

Question 30

ANOVA

Answer 30

*Metod för hypotesprövning. Den oberoende variabeln har fler än två kategorier. Bivariat analys, 2 eller fler variabler.

Används för att undersöka skillnader i medelvärde.

Question 31

F-test

Answer 31

Kollar på alla oberoende variabler samtidigt, görs inom multivariat regressionsanalys.

Tittar på ifall varje enskild oberoende variabel korrelerar till den beroende variabeln - statistisk signifikans.

Question 32

När gör man f-test och när gör man t-test?

Answer 32

I f-testet kan vi få fram alla korrelationers statistiska signifikans samtidigt medan i t-testet tittar vi på en korrelation i taget.

Question 33

Nämn de olika metoderna i bivariat analys beroende på vilka variabler vi har.

Answer 33

kval kval –> korstabellsanalys, Chi2-test

Kvant kval –> jämföra medelvärden, t-test, anova

Kvant kvant –> regressionsanalys, spridningsdiagram, kolla korrelationer

Question 34

Multikollinearitet

Answer 34

När man gör en reggresionsanalys är det ett vanligt problem att kämpa med multikollinearitet.

Betyder att flera stycken av de oberoende variablerna korrelerar väldigt mycket med varann. Man kan säga att de överlappar varandra. Problemet är att det blir svårt att avgöra vilken av de oberoende variablarna som står för utfallet.
ex. cigg o alkohol

Tumregel: om man har flera oberoende variabler, som sinsemellan har en korrelationskoffecient som är större än 0,7 = problem med multikollinearitet. Detta kan testas genom exempelvis Chi2 -test

Question 35

Korrelationskoefficient

Answer 35

Sambandet i en regresionsanalys kan förklaras genom korrelationskoefficienten som är ett mått på hur stark korrelationen är i regressionsanalysen.

Stark och positiv (homoskedacitet och går uppåt)
Stark och negativ (homoskedacitet och går nedåt)
Svag och positiv (Heteroskedasticitet och går uppåt)
Svag och negativ (Heteroskedasticitet och går nedåt)