Metod 2 Flashcards
Intern validitet
Hur väl experimentet är utformat för att visa ett orsakssamband mellan en beroende och oberoende variabel
- i vilken grad man kan lita på att resultaten beror på det man testade och inte på andra faktorer
Confoundings
Störfaktor
En annan faktor än den oberoende variabeln som påverkar den beroende variabeln
Något som “blandas in” och gör att man inte säkert kan säga vad som orsakar vad
Slumpmässigt urval (random sample)
Metod för att välja deltagare till en studie där alla i populationen har lika stor chans att bli vald
Gör att urvalet blir representativt och kan generalisera resultatet på hela populationen
När har en studie intern validitet
När resultatet är fritt från confoundingsvariabler
2 kontrolltekniker för att eliminera confoundings
- Balansering - slumpmässig fördelning osv
- Hålla variabler konstanta - kontrollerar möjliga confoundings så den isf är lika för alla - naturaliserar
Nominalskala
Mätskala inom statistisk forskning
Kategoriserar data utan någon inbördes ordning mellan kategorierna
t.ex : man, kvinna, icke-binär
Födelseort : Sverige, Danmark, Finland
Ordningen spelar ingen roll alla har samma påverkan
Ordinalskala
Mäter data som rangordnas i ordning
Vi vet vilken kategori som är större eller mindre men inte hur mycket avstånd (alltså hur mycket de skiljer sig)
T.ex placering i en tävling utan resultat
Intervallskala (scale)
Numerisk mätskala med lika stora avstånd mellan alla mätvärden
Har inget 0 värde
t.ex temperatur - 0 betyder inte ingen temperatur
Selektivt bortfall
selective attrition eller non-random dropout
Uppstår när vissa typer av deltagare hoppar av en studie i högre grad än andra, vilket påverkar resultatet.
t.ex studie om tålamod på folk med adhd, de med adhd kan inte fullfölja studien
Betingelse
Olika nivåer av en oberoende variabel
t.ex oberoende variabel sömn
betingelser : 4h, 6h och 8 h
Oberoende variabel
Variabel som forskaren manipulerar för att undersöka om den påverkar den beroende variabeln
Beroende variabel
Det som mäts
Kausal inferens (causal inference)
Påverkar en viss variabel förändring i en annan variabel
3 villkor för kausal inferens
- Samvariation - statistisk koppling
- Tidsordning - Den oberoende variabeln måste komma före den beroende, orsaken måste inträffa innan effekten
- Eliminering av confoundings -
p-värde
- Används för att testa nollhypotsen
Ett litet p-värde = lägre än 0,05 innebär förkastning av nollhypotesen
Ett värde över 0,05 innebär nollhypotesen är sann och det finns ingen effekt
Cohen’s d
Ett mått på effektstorlek (medelvärde)
- undersöker storleken på skillnaden mellan två grupper
För att förstå hur stor effekten är i praktiken (inte bara signifikant eller ej)
Nollhypotesen
Ett antagande om att det inte finns någon effekt eller skillnad mellan de grupper eller variabler vi har testat
Om nollhypotsen är sann = inget orsakssamband finns
Cohen’s d olika skalor
0,2 liten effekt mellan variablerna
0,5 medel effekt mellan variablerna
0,8 stor effekt mellan variablerna
Matched-groups design
Deltagarna i varje experimentgrupp paras ihop på baserat på specifik likhet som kan ha en påverkan på resultatet
Syfte att minimera skillnader mellan grupperna för som kan påverka den beroende variabeln’
Matchas först i par baserat på likheter och slumpas sedan ut i grupper
t.ex barnen och deras kroppstemperatur
Independent groups design (Between-subjects design)
Övergripande termen
Deltagarna slumpas in i grupper där de olika grupperna sedan testas på olika betingelser
Varje deltagare är endast med i en grupp
t.ex under samma test
grupp A : lyssnar på pop-musik
grupp b : lyssnar på klassisk musik
grupp C : lyssnar inte på musik
Multiple level between-subjects design (independent groups design
Deltagare slumpas in i grupper
De olika grupperna testas på olika betingelser
Denna termen används bara specifikt när betingelserna är många
Extern validitet
Hur väl resultatet från studien kan generaliseras till andra situationer, miljöer, individer eller tidpunkter
Random groups design : (mellan-subjekt design)
Deltagarna fördelas slumpmässigt till olika grupper eller betingelser
Ett stort antal deltagare krävs för att kväva skillnader
Blockrandomisering används ofta för gruppindelningen
Blockrandominisering
Metod för att skapa slumpmässig gruppindelning i ett experiment
Deltagarna kan t.ex delas in i block baserat på kön
Blocken slumpas sedan utifrån en sifferföljd som symboliserar de olika betingelserna
Natural groups design (eller pre-existing groups design)
Använder grupper som redan existerar i den verkliga världen
t.ex kön, ålder, stadsdel osv
Finns alltså ingen experimentell manipulation
Individuella variabler
Representerar egenskaper eller karaktärsdrag hos deltagarna som kan ha en påverkan på resultatet, men som inte är manipulerat av forskaren
t.ex kön, ålder, socioekonomisk bakgrund
Coplex design
En design med flera oberoende variabler
För att undersöka huvudeffekten och interaktionnseffekten
Hur flera faktorer samverkar för att påverka den beroende variabeln
(not mixed) complex design
Använder antingen inomperson eller mellanpersons variabel
t.ex inomperson - alla delatgare gör alla uppgifter
eller mellanperson - grupp 1 gör uppgift A, grupp 2 görr uppgift B
Mixed complex design
När vi säger att en design är “blandad” (mixed), innebär det att vi kombinerar mellanpersons-variabel design och inomperson- variabel design
t.ex grupp 1 och grupp 2
mellanperson : grupp 1 testas på låg stressnivå , grupp 2 testas på hög stressnivå
inomperson - båda grupperna gör alla 3 uppgifter (A, B och C)
Complete design
repeated measures (upprepade mätningar)
En design där varje deltagare utsätts för alla betingelser av den oberoende variabeln
Samma grupp testas på olika nivåer
incomplete design
repeated measures (upprepade mätningar)
Alla deltagare utsätts inte för alla olika betingelser
Kan ske genom slumpmässig fördelning, eller andra praktiska skäl
Mindre data men sparar tid och resurser
Vad består en complex design alltid av?
två eller fler oberoende variabler
Within-subjects variables -inompersonvariabel
Alla deltagare utsätts för alla nivåer av den oberoende variabeln
Between-subjects variable- Mellanpersonsvariabel
Olika grupper av deltagare testas i olika nivåer av den oberoende variabeln
Urval
Vilka deltagare eller enheter du väljer att ta med i din studie eller undersökning. Det är alltså den del av hela målgruppen (populationen) som du faktiskt samlar in data från.
Vad är effektstorlek - effect size
Visar hur stor skillnaden eller sambandet är mellan den beroende och den oberoende variabeln
Vika slutsatser kan man dra från konfidensintervall?
- Inte överlappar alls kan vi dra slutsatsen om att skillnad finns
- Innehåller en annan grupps medelvärde kan vi dra slutsatsen att skillnad inte finns
- Överlappar de lite kan vi inte dra någon slutsats
Träningseffekt (practice effect)
Förbättring i prestation då personen gör samma test eller uppgift flera gånger
Huvudeffekt (Main effect)
Effekten av en oberoende variabel på den beroende variabel, utan hänsyn till andra variabler i experimentet
Räknar ut genom att använda medelvärdet för varje nivå av den oberoende variabeln
jämför skillnaderna och är skillnaden stor finns en tillräckligt stor effekt för att säga att de finns en påverkan
t.ex generella effekten av hur musik påverkar
Enkel huvvudeffekt (simple main effect)
Kan bara undersökas på en betingelse av den oberoende variabeln
Görs efter att man undersökt interaktionseffekten
t.ex endast hur musik påverkar på en viss tidpunkt under dagen
Interaktionseffekt
Effekten av en oberoende variabel beror på nivån av en annan oberoende variabel
Alltså : påverkar deras kombination resultatet?
Parallella linjer : ingen interaaktionseffekt
Subtraktionsmetoden används för att se om det finns en skillnad mellan värdarna, är skillnaden stor kommer det finnas en interaktionseffekt, är värdarna samma kommer linjerna också vara parallella
Subtraktionsmetoden
Subtrahera medelvärdena man fått från huvudeffekten, subtrahera dessa och jämför sedan med värdet från den andra oberoende variabeln för att se hur de skiljer sig och om de finns en interaktionseffekt
Golveffekt
En uppgift är för svår vilket leder till att de flesta deltagare misslyckas eller får väldigt låga poäng
Takeffekten (ceiling effekt)
Uppgiften är för lätt
alla får väldigt höga poäng och kommer placera sig utanför grafen
ABBA - metoden
Balansering av practice effekt i experimentet
Varje betingelse presenteras flera flera gånger för samma deltagare i en slumpmässig ordning
t.ex B, A, A, B
Practice effekt
Övningseffekter - kan innebära förbättring eller försämring i prestation på grund av upprepade försök
Differential transfer
Effekten av den första betingelsen kan påverka prestationen hos den andra
t.ex matteuppgifter
grupp 1. gör A först, sen B
grupp 2. gör B först, sen A
De som gör A först kanske lärde sig något för att lättare lista ut B men de som gör B först blir trötta och förvirrade
Situationsvariabel
Något i omgivningen som kan manipuleras för att påverka resultatet
Type error
Förkastar noll hypotsen fast att den är sann
Type II error
Behåller noll hypotsen fast att den är falsk
