T-test: Oberoende och beroende mätningar

Question 1

Vad är oberoende mätningar?

Answer 1

vi har varken populationsmedelvärde eller populationens standardavvikelse och vill mäta medelvärdesskillnaden mellan två olika grupper.

Question 2

Vad är beroende mätningar?

Answer 2

Vi har varken populationsmedelvärde eller populationens standardavvikelse och vill mäta medelvärdesskillnaden i samma grupp vid två olika tillfällen.

Question 3

Varför använd t-test?

Answer 3

Medelvärdesjämförelser:
Man vill jämföra medelvärden för att se skillnaden är riktig eller slumpmässig.

Så två gruppers medelvärden =
t-test
eller: 1 medelvärde från ett stickprov som skall jämföras med ett medelvärde från en population.

Question 4

Hur läser vi av t-test på SPSS tabellen?

Answer 4

Vi ser att: före mätningen var 2.6 och eftermätningen var 3.7. det var 10 personer i varje mätning.

Std devisation = standardavvikelsen. I detta fallet före: 0.96 och efter 1.15. inga jättestora skillnader.

Den nedersta rektangeln visar själva t-testets värden. De 3 sista är de relevanta. Här ser vi att t värdet är -2.181 och att frihetsgraderna är 9 och att sig (2-tailed) som betyder signifikansvärde är 0.057

Då signifikansvärdet inte är mindre än 0.05 är det av signifikans. Det finns alltså INTE en signifikant skillnad mellan innan och före

Question 5

Vad är Cohens d?

Answer 5

medelvärdet från populations 1 - medelvärdet för populationens 2 , delat på standardavvikelse i population.

Cohen’s d är en effektstorleksmått som används för att mäta den standardiserade skillnaden mellan två medelvärden. Det ger en kvantitativ indikation på hur mycket två grupper skiljer sig åt, uttryckt i standardavvikelser. Cohen’s d är särskilt användbart när du jämför medelvärden mellan olika grupper och vill förstå storleken på skillnaden på ett standardiserat sätt.

Cohen’s d beräknas med följande formel:

—– kunde inte få med.

Här är hur du tolkar värdet av Cohen’s d:

Liten effekt (d ≈ 0.2): Skillnaden är liten och svår att observera med blotta ögat.
Måttlig effekt (d ≈ 0.5): Skillnaden är måttlig och märkbar.
Stor effekt (d ≈ 0.8 eller mer): Skillnaden är stor och tydlig.
Cohen’s d används ofta inom forskning för att rapportera effektstorleken efter att en signifikant skillnad har hittats mellan två grupper. Det ger forskare och läsare en känsla av hur praktiskt betydelsefull skillnaden är, oavsett om den är statistiskt signifikant eller inte.