L13 Intern/ekstern + faktoranalyse

Question 1

Hvordan er den interne validitet ved deskriptive studier?

Answer 1

Trick question :’) Intern validitet er på metode ll ikke en ting for deskriptive studier, da målet for dem ikke er at begå kausal inferens.

Question 2

Hvad er en god test i STATA for om en kontrolvariable bør medtages?

Answer 2

Regression mellem x og z. Er de to variable ikke korreleret, så er det en dårligt kontrolvariabel.

Question 3

Hvornår er målefejl et problem ift. intern validitet?

Answer 3

Når der er tilfældige målefejl i x! Da vil effekten blive biased (undervurderet)

Question 4

Er følgende udsagn sandt eller falsk:

Faktoranalyse er anvendeligt ifm. formative indeks

Answer 4

NEJ. Det er kun relevant for refleksive indeks, da udnytter korrelationen mellem items.

Question 5

Kan du bruge kategoriske variable eller dikotome variable til faktoranalyse?

Answer 5

Nej! De skal være intervalskalerede pga. antagelsen om linearitet. For at vi kan tale om linearitet, så skal forskellen mellem at gå fra 2-3 og fra 3-4 være den samme.

Question 6

Hvordan vurderes kvaliteten af et forskningsdesign?

Answer 6

Overordnet set på tre parametre: intern og ekstern validitet samt gentagelighed .

Intern validitet knytter sig til antagelserne omkring kausal identifikation, mens ekstern omhandler generaliserbarheden fra stikprøven til populationen. Gentagelighed omhandler studiets transperans og om hvorvidt det er reliabelt (statistisk styrke).

Question 7

Hvad er intern validitet og hvordan vurderer man den interne validitet af en analyse?

Answer 7

Intern validitet knytter sig til antagelserne om kausal identifikation og hvorvidt de synes overholdte (eller om der er bekymring for selektionsbias).

Metoder:

• kontrolvariable
• balancetest
• placebotest

Samt argumenter gennem forskningsdesign.

Question 8

Hvad er ekstern validitet og hvordan vurderer man den eksterne validitet af en analyse?

Answer 8

Ekstern validitet handler om at vurdere, om der er overensstemmelse mellem det undersøgte (stikprøven) og problemstillingen (populationen).

Man kan både går induktivt (flere studier, variable, metadata mv.) og deduktivt til værks (vurdering pba. teoretiske overvejelser; situation, enheder og variable).

Question 9

Hvordan bruges faktoranalyse i indekskonstruktion?

Answer 9

Faktoranalyse er et redskab til at udvælge og undersøge korrelation mellem items. Der er tre formål:

1) Sandsynliggøre kriterievaliditet (er der høj korrelation blandt items?)
2) Sandsynliggøre distinkte fænomener (to indeks, som måler forskellige latente begreber)
3) Eksplorativt (personlighedsundersøgelser)

Question 10

Hvad er faktoranalyse og hvad kan det bruges til?

Answer 10

Faktoranalyse tillader en eksplorativ/fleksibel undersøgelse af data/items, for at identificere underliggende faktorer, som har stærk korrelation blandt items.

+ det fjerner støj (mindre SE <3)
+ bedre ekstern (pga. mere præcis måling af begreb)

Det kan altså bruges til at danne refleksive indeks.

Question 11

Hvad er antagelserne for faktoranalyse?

Answer 11

Der er tre antagelser:

• linearitet mellem item og faktor (implicerer intervalskalerede variable min 4 kategorier). Pas på skæve fordelinger!
• ingen kausalitet blandt items (kun faktor –> item)
• et vist antal item >2

Question 12

Hvad er forskellen mellem et naturligt eksperiment og et kvasieksperiment?

Answer 12

samfundet/helt tilfældigt).

• udtrækning af soldater til Vietnam i USA
• lotto

Kvasieksperimenter er studie, hvor man studere variation i den uafhængig, hvor vi er begrundet i at tro, at der er mindre selektionsbias end almindeligt tværsnit.

• kommunesammenlægningen (mindre selektion end ved at kigge på store eller små kommuner)

Question 13

Skal vi være bekymrede for målefejl ift. den interne validitet?

Answer 13

JA, men kun hvis det er tilfældige målefejl i x. Det giver problemer, fordi vi klassificerer nogen som mere treatede eller mindre treatede end de måske er og derfor over-/undervurderer vi effekten

Question 14

Hvad ligger der i kausal identifikation?

Answer 14

Vi skal gøre os nogle antagelser for at kunne snakke om kausale effekter.

Det indebærer, at grupperne har samme potentielle outcomes - altså ingen selektionsbias eller aka at fejlleddet er ukorreleret med x (Når x ændrer sig med 1, ændres ingen andre faktorer, der påvirker Y).

Kausal identifikation beror altså argumenter ift. forskningsdesign!

Question 15

Hvad styrker den interne validitet?

Answer 15

Gode kontrolvariable
Balancetest
Placebotest (kan vi også observere at y er anderledes ved fravær af x)

Question 16

Hvilke tre parametre vurderer Mutz ekstern validitet?

Answer 16

Situation
- er den undersøgte situation i overensstemmelse med det vi møder i ‘virkeligheden’?

Enheder

• for kvantitativ: simpel tilfældig, stort n <3
• er der sampling bias? (systematisk frafald)

Variable

• målingsvaliditet! Får vi lavet nogle gode operationaliseringer/konceptualiseringer?
• er treatment virkelighedstro? (økologisk validitet)

Question 17

Hvad er forskellen mellem induktiv og deduktiv vurdering af ekstern validitet?

Answer 17

Induktivt handler om at blive i data. Inkludere flere varianter af variable, situationer mv. derefter kigge bredt på tendenser i data.

Da induktivt er meget krævende ift. økonomiske midler er deduktiv/teoretiske ofte at foretrække: situation, enheder og variable (overensstemmelse mellem data og virkelighed?)

Question 18

Hvordan påvirker forskellige målefejl den interne validitet?

Answer 18

Systematiske målefejl i x og y
- blot en parallelforskydning af hældningen (ligegyldigt for effekten)

Tilfældige målefejl (fejl-40) i y
- mere støj og dermed større SE

Tilfældig målefejl i x
- noget pis! nogen fra kontrol bliver treatment og omvendt! Skaber bias

Question 19

Hvad er vigtigt ifm. afrapportering?

Answer 19

Ved afrapportering er følgende vigtigt:

• Udtrækningsmetode (principal component)
• Kriterie for udvælgelse (eigenværdi-tærskler)
• Evt. begrundelse for rotation
• Afrapportering af faktorer og factor loadings
• Hvilke items til hvilke faktorer
• Fordelingsanalyse af indeks (univariat inspektion)

Question 20

Hvad er fremgangsmåden for faktoranalyse?

Answer 20

Indledningsvist en argumentation for refleksivt indeks ellers:

• udvælge items (flere end færre)
• lave faktoranalyse
• udvælg faktorer (eigenvalue >1)
• roter, hvis flere faktorer (enten med eller uden korrelation)
• inspircer faktorloadings
• find det bagvedliggende begreb, og dan indeks (suppler med Cronbachs Alpha).

Question 21

Hvad er en eigenvalue?

Answer 21

Et mål for, hvor godt en faktor forklarer items. Alle faktorer med EV >1 er interessant. Har en faktor 0,96, kan den også være interessant.

OBS faktor 1 vil altid have fordelen ved at have “valgt først”, derfor vil den altid have en stor eigenvalue.

Question 22

Hvad betyder det at rotere ved en faktoranalyse?

Answer 22

Her udligner man den fordel, som faktor 1 havde ved at vælge først. Det er altså relevant, med >1 faktor.

Man kan vælge enten promax (tillader korrelation) eller varmax (ingen korrelation –> faktorer/dimensioner er ortogonale).

Question 23

Hvad er factorloadings?

Answer 23

Et mål for korrelation mellem faktor og item.

Vi vil helst have faktorloadings/korrelationer >0,6, men vi kan gå så langt som at accepterer >0,3 (hvis der er få items). Jo højere faktorloading, jo bedre må-les items af det bagvedliggende begreb.

Question 24

Hvilke STATA-kommandoer er vigtige?

Answer 24

Describe: hvad fortæller enkelte items

factor var, pcf: selve faktoranalyse

rotate, pro(var)max blank(0.3): rotation enten med/uden korrelation blandt faktorer

estat common: tester korrelation mellem faktorer

alpha var*, item casewise: cronbachs alpha

alpha var*, gen(indeks) min(4)