Statistisk inferens begreber

Question 1

Average treatment effekt

Answer 1

Den gennemsnitlige effekt vores treatment har på vores udfald.
ATE er sammen med selektionsbias lig forskellen i treatmentgruppens gennemsnitlige udfald og kontrolgruppens gennemsnitlige udfald.

Question 2

Beskrivende statistisk

Answer 2

Beskriver data, ikke statistisk inferens.
Tendens-, sammenhængs- og spredningsmål Fx gennemsnit, standard afvigelse, spredning osv.

Question 3

Cohens D

Answer 3

Et standardiseret mål for effektstørrelsen.
Tommelfingerregel(!): lille effekt: d=0,2; medium effekt: d=0,5; stor effekt: d=0,8

forskel i gennemsnit/SD

OBS: bruges kun for intervalskalerede variable.

Question 4

Densityplot

Answer 4

grafisk fremstilling af en fordeling

Question 5

Dikotome variable

Answer 5

Antager enten 1 eller 0 alt efter om man er i den pågældende kategori (1) eller ej (0)

Question 6

Efficient

Answer 6

Den mest efficiente estimator er den estimator med lavest varians, da risikoen for at ramme langt fra populationsparameteret her er mindst.

Question 7

Eksperimentelle data

Answer 7

Data fra eksperimenter, hvor treatment er tilfældigt uddelt af undersøgeren.

Question 8

Ekstern validitet

Answer 8

Kan vores undersøgelse generaliseres til populationen? Ligner stikprøven populationen tilstrækkeligt.

Question 9

Estimat

Answer 9

En specifik værdi, som estimaterne kan antage, udregne pba. en stikprøve.
Vores bedste bud på et populationsparameter fx populations gennemsnit.

Question 10

Estimator

Answer 10

En regel, der benytter stikprøvedata til at beregne et bud(et estimat) på en (uobserveret populationsparameter)
fx: vi bruger en estimator for populationsgennemsnittet til at estimere populationsgennemsnittet.

Question 11

Felteksperiment

Answer 11

Treatment tildelt uden for laboratorie eller survey

Question 12

inferens

Answer 12

Vi bruger noget vi har set (målt og vejet) til at sige noget om noget vi ikke har set (målt og vejet).

Question 13

Intern validitet

Answer 13

Identifikationsantagelse
Fravær af selektionsbias (parallelle trends). Bedst ved stort N, hvis randomiseringen er foretaget succesfuldt. Måler vi det vi tror vi måler eller er der måske nogle baggrunds variable, som spiller ind - altså selektionsbias.
Kan sandsynliggøres (blance-/placebo-test) og styrkes (kontrol), men ikke observeres.

Question 14

Intervalskalerede variable

Answer 14

Rangordnede med lige langt mellem kategorierne
Fx højde, alder i år
Diskrete: Falder i enkelte punkter. Fx alder målt i hele år eller indkomst afrundet til 10.000ene
Kontinuerte: Sandsynligheden for at falde i et enkelt punkt er nærmest lig nul. Fx alder målt i dage, timer, sekunder osv. Eller indkomst.

Question 15

Kausal effekt

Answer 15

forskellen mellem de potentielle udfald (=udfaldet i det faktiske og udfaldet i det kontrafaktiske).
I en kausalpåstand påvirker den uafhængige variabel x den afhængige variabel y.

Question 16

Kausal inferens

Answer 16

Da kausalitet ikke kan observeres er der tale om kausal inferens (=”det at udlede et forhold, en størrelse eller et element der ikke fremgår direkte af sammenhængen”)

Question 17

konfidensinterval

Answer 17

Et interval hvor vi kan sige at populationsgennemsnittet med en vis sikkerhed ligger inden for.
Et statistisk baseret troværdigt bud på et interval, hvorfor populationsparameret befinder sig.

Question 18

Konsistent

Answer 18

Når stikprøve størrelsen vokser nærmer stikprøvemålene sig populationsparameterne.

Question 19

Kurtosis

Answer 19

Siger noget om spidshed.
>3 spidsere
<3 fladere
= 3 “normal”

Question 20

Laboratorie eksperiment

Answer 20

Treatment tildelt i laboratorie

Question 21

Middelret/unbiases

Answer 21

Gennemsnittet af stikprøvemål fra en række stikprøver er lig populationsparameteret.

Question 22

Nominelle variable

Answer 22

Ingen rangorden fx fritidsinteresse, nationalitet

Question 23

Observationelle data

Answer 23

Data fra fx surveys hvor treatment ikke er tilfældigt uddelt dvs. der er ikke manipuleret.

Question 24

Ordinale variable

Answer 24

Rangorden, men ikke lige langt mellem kategorierne fx uddannelsesniveau

Question 25

P-værdien

Answer 25

P-værdien er sandsynligheden for at trække en stikprøve og opnå et estimat som afviger mindst lige så meget fra nulhypotesen som det konkrete resultat, givet at H0 er sand.

Question 26

Panel data

Answer 26

Data fra flere enheder indsamlet på flere tidspunkter.

Question 27

Populations fordelingen

Answer 27

Fordelingen i hele populationen på alle mulige værdier. Ofte ukendt

Question 28

Posttreatment variable

Answer 28

Variable bestemt efter treatment fx holdning, motivation. Her må grupperne gerne variere

Question 29

Pretreatment variable

Answer 29

Variable bestemt inden treatment fx alder, køn. Her skal grupperne være ens for at sikre mod selektionsbias.

Question 30

Reabilitet

Answer 30

Hvor præcise er vores mål. Hvis vi ønsker at måle sundhed, hvordan gøres dette så. Er IQ et pålideligt mål for intelligens?

Question 31

Selektionsbias

Answer 31

hvis der i fravær af treatment er en forskel i gruppernes forventede udfald er der tale om en selektionsbias, da grupperne ikke er ceteris paribus (=alt andet lige).

Question 32

Skævhed

Answer 32

Fortæller om de fleste store afvigelser ligger over eller under gennemsnittet.
<0 venstreskæv
>0 højreskæv
=0 symmetrisk

Question 33

Standard afvigelse

Answer 33

Gennemsnitlig afvigelse fra gennemsnittet.
Kan siger noget om relativ størrelse af forskel/effekt.

Question 34

standard fejl

Answer 34

• Standardfejlen er standardafvigelsen i stikprøven - den gennemsnitlige afvigelse fra gennemsnittet i stikprøvemålsfordeling. Altså et udtryk for hvor meget vores estimat vil variere fra stikprøve til stikprøve.
• Standardfejlen kan estimeres ved at dividere standardafvigelsen i stikprøven med kvadratroden af antal observationer.
• Standardfejlen bruges til at beregne t-værdier - hvor mange standardfejl ligger estimatet fra testværdien givet ved nulhypotesen. t-værdien bliver større når standardfejlen bliver mindre.
  t-værdien kan vi sidenhen bruge til at finde p-værdien. Jo lavere standardfejl, jo højere t-værdi og jo lavere p-værdi

Question 35

Standard normalfordeling

Answer 35

klokke formet og symmetrisk fordeling med Gennemsnittet μ=0, standard afvigelse σ=1.
Alle normalfordelinger kan standardiseres dvs. gøres til standard normalfordeling. Dette kaldes også en z-transformation.

Question 36

statistisk inferens

Answer 36

Er et værktøj til at undersøge og afgøre med hvor høj sikkerhed et stikprøveresultat kan generaliseres til en population. Der vil altid være en usikkerhed, ofte vil man sige at populationens gennemsnit ligger inden for X af stikprøven.

Question 37

Stikprøve fordelingen

Answer 37

Fordelingen i stikprøven på alle mulige værdier.
viser statistik på én enkelt stikprøve - fx varians og gennemsnit.

Question 38

stikprøvemålsfordelingen

Answer 38

• Vi forestiller os at vi trækker uendeligt mange stikprøver og finder fx gennemsnittet af hver stikprøve. Stikprøvemålsfordelingen vil være fordelingen af disse gennemsnit.
• viser statistik på uendeligt mange stikprøver - fx gennemsnittet i alle stikprøver. Ud fra stikprøvemålsfordelingen kan man fx finde det gennemsnitlige gennemsnit i stikprøverne (Y-streg) og den gennemsnitlige standardafvigelse (standardfejlen) .

Question 39

stokastisk variabel

Answer 39

Bestemt med et element af tilfældighed, men det er muligt at beregne og analysere usikkerheden ved denne tilfældighed.

Question 40

Surveyeksperiment

Answer 40

Treatment tildelt i survey fx nogen der får særligt information inden spørgsmål.

Question 41

Tidsinvariante variable

Answer 41

Variere ikke efter måletidspunkt fx køn, social baggrund

Question 42

Tidsserie data

Answer 42

Data for en enhed indsamlet på flere tidspunkter.

Question 43

Tidsvariante variable

Answer 43

Variere muligvis efter måletidspunkt fx holdninger, værdier.

Question 44

Varians

Answer 44

Gennemsnitlig kvadrerede afvigelse fra gennemsnittet.
Ofte bruger man dog standardafvigelsen som er kvadratroden af variansen

Question 45

Z-transformation

Answer 45

At gøre en normalfordeling til en standard normalfordeling.
Samme som standardisering.
Subtraherer gennemsnit og dividere med standardafvigelse

Question 46

t-værdi

Answer 46

t-værdien er antallet af standardafvigelser som den observerede værdi ligger fra den forventede værdi (givet nulhypotesen).
Det er her vi bruger 1,96 når vi snakker 95% konfidensinterval.

Question 47

To-sidet test

Answer 47

P-værdien = arealet til højre for t-værdien OG arealet til venstre for t-værdien.
Her sætter vi en ikke en retning på.
Er mere konservativ end en en-sidet test, da den kræver dobbelt:
P to-sidet =2*p en-sidet

Question 48

En-sidet test

Answer 48

P-værdien = arealet til højre for t-værdien Eller arealet til venstre for t-værdien.

Her sætter vi en retning på og ser kun på den ene side.

Question 49

Type 1 fejl

Answer 49

Når vi afviser H0 selvom den er sand
-> falsk positiv
Risikoen for dette svare til signifikansniveauet fx 0,05 (=5%)

Question 50

Type 2 fejl

Answer 50

Falsk negativ - vi accepterer H0 selvom den er falsk. Det er når signifikansniveauet er meget lavt.
Risikoen for dette afhænger af type 1 fejlen. Des højere signifikansniveau jo større risiko for type 2 fejl. Afhænger også af hvad, der er sandt ude IRL.
* Sandheden langt fra H0 = lille sandsynlighed for type 2 fejl
* Meget information/data = lille sandsynlighed for type 2 fejl