Begrepp Flashcards

Question 1

Q

Icke-parametriskatest

Answer

A

När våra data inte uppfyller de krav som parametriska test ställer så använder vi alternativa icke-parametriska test t.ex. istället för t-test för beroende mätningar använder vi Wilcoxons test.

Andra icke-parametriska test är Mann Whitney U-testet, Kruskal Wallis, Chi-två testet och Spearmans. Parametriska testens krav: Våra data måste vara tillräckligt normalfördelade och våra variabler måste vara kvantitativa.

Question 2

Q

Parametriska test

Answer

A

Paramteriska test är de test ställer lite hårdare krav på våra data. Det viktigaste kravet är att variablerna ska vara kvantitativa, dessutom kräver de att variabeln ska vara tillräckligt normalfördelad. Parametriska test är de vi helst vill använda oss av, men om våra data inte uppfyller krav får vi vända oss till de icke-parametriska testerna. Exempel på parametriska test är Pearsons, t-test för beroende mätningar, t-test för oberoende mätningar och ANOVA (vilket vi inte lärt oss något om i den här kursen). De olika testerna har olika egenskaper t.ex. ANOVA används när man vill jämföra tre grupper och t-test används när vi vill jämföra två medelvärden av olika slag.

Question 3

Q

Korrelationer

Answer

A

En korrelation är ett mått på en samvariation mellan två variabler, t.ex känslan av ansträngning (variabel 1) ökar när jag cyklar (variabel 2), där cyklingen påverkar ansträngningskänslan

Question 4

Q

Centralmått

Answer

A

Ett centralmått anger vad som är det normala, det typiska eller det genomsnittliga värdet för en viss variabel. Det finns tre typer av centralmått: Typvärde, median och medelvärde. Varje centralmått har ett spridningsmått ner

Question 5

Q

Spridningsmått

Answer

A

Spridningsmått är ett sammanfattande mått över hur mätvärdena är utspridda i datamängden t.ex. en

standardavvikelsepå1,3vsenstandardavvikelsepå4,2👉 Spridningenärjustörreidendatamängddär

standardavvikelsen = 4,2 än den datamängd där standardavvikelsen = 1,3. Det finns olika typer av spridningsmått: Variationsbredd, kvartilavstånd/kvartilavvikelse och standardavvikelse & varians (de två sistnämnda är närbesläktade).

Question 6

Q

Standardavvikelser och varians

Answer

A

Som sagt närbesläktade spridningsmått, skillnaden är en kvadrering. Standardavvikelsen är ett mått på observationernas genomsnittliga avstånd från medelvärdet. Standardavvikelsen är kvadratroten ur variansen. s = standardavvikelse, s^2 = varians

Question 7

Q

Medelvärde

Answer

A

Enda centralmåttet som låter sig påverkas av varje enskild observation, på det sättet är medelvärdet ”demokratiskt”. Medelvärdet är det vanligaste och viktigaste centralmåttet inom psykologisk forskning eftersom vi från medelvärdet kan generalisera från våra resultat. Medelvärdet är ett väntevärdesriktigt estimat vilket innebär att medelvärdet ger oss den bästa uppskattningen (jämfört med de överila centralmåtten) på hur verkligheten faktiskt ser ut och hur det ser ut i en hel population, vilket gör att vi som sagt kan generalisera från våra resultat, det funkar ju inte lika bra med t.ex. typvärdet.

Question 8

Q

Frekvenser

Answer

A

Antal förekomster av något variabelvärde

Question 9

Q

Pearsons

Answer

A

Ett av de parametriska testerna för korrelationer. Förkortas r för stickprov och ρ för population. Vanligaste

sättet att beräkna en korrelation och mäter enbart graden av linjär samvariation (icke-linjär samband t.ex. mellan arousal och prestation råder ett U-samband kolla figur 6:7 sida 142). Ger ett r-värde mellan -1 och 1 där ett perfekt/väldigt starkt samband är lika med -1 eller +1.

Question 10

Q

Cohens riktlinjer för graden av korrelationensstyrka

Answer

A

Utgår från Pearsons:

Svagt: r = ±0,10

Medelstarkt: r = ±0,30

Starkt: r = ±0,50

OBS! Överdriv ej användandet av Cohens riktlinjer, bara för att ett samband enligt riktlinjerna är starkt betyder det inte att det är intressant, det beror ju på vad man mäter!

Question 11

Q

Spearmans

Answer

A

Ett av de icke-parametriska testerna för korrelationer. Uppfyller dina data inte kraven för ett parametriskt test? Använd Spearmans. Spearmans kräver att båda variablerna har mätts på ordinalskalenivå. Spearmans är lämplig när man vill beräkna korrelationen mellan snedfördelade variabler, särskilt om stickprovet är litet. Om man har extremvärden/outliers som påverkar r kraftigt kan vi göra om våra data till ordinalskalenivå och använda oss av Spearmans istället för Pearsons, r-värdet kan förändras kraftigt (t.ex. i boken från r = 0,77 (signifikant) till r = 0,36 (icke-signifikant) bara genom att byta från Pearsons till Spearmans). OBS! Det kan bli problematiskt att transformera våra data till ordnialskalenivå.

Question 12

Q

t-test för beroende mätningar

Answer

A

Ett av de parametriska testerna för medelvärden. Används vid en inomindividsdesign med mätningar vid två tillfällen på samma individer. När man vill mäta ett stickprovs två olika medelvärden som mäts vid två olika tillfällen, t.ex. om jag vill mäta skillnaden i individers ångestkänslor innan och efter en ångestreducerande medicin. Man beräknar då ett medelvärde för de individuella skillnaderna (d) mellan tillfällena.

Question 13

Q

t-test för oberoende mätningar

Answer

A

Ett av de parametriska testerna för medelvärden. Används vid en mellanindividsdesign med ett stickprovsmedelvärde för vardera gruppen. När man vill jämföra två olika grupper/två olika stickprovsmedelvärden och se om det finns en skillnad mellan dem, t.ex. om du vill jämför en experimentgrupp som fått ångestreducerande medicin och en kontrollgrupp som fått sockerpiller för att se om den ångestreducerande medicinen gör någon verkan.

Question 14

Q

ANOVA

Answer

A

Ett av de parametriska testerna för medelvärden. Detta har vi bara nämnt i kursen för att förstå att ANOVA är det alternativ om man vill jämföra tre olika grupper (innan har vi bara lärt oss hur vi jämför två olika grupper).

Question 15

Q

Wilcoxon

Answer

A

Ett av de icke-parametriska testerna för medelvärden. Icke-parametriskt alternativ för t-test till beroende mätningar då våra data inte uppfyller t-testets krav. Bygger på rangordning av differenserna mellan observationerna snarare än de direkta värdena på observationerna. Parametern från de summerade rangerna kallas T.

Question 16

Q

Mann-Whitney U-test

Answer

A

Ett av de icke-parametriska testerna för medelvärden. Icke-parametriskt alternativ till t-test för oberoende mätningar då våra data inte uppfyller t-testets krav. Bygger på rangordning av observationerna. Parametern från de summerade rangerna kallas U.

Question 17

Q

Kruskal Wallis

Answer

A

Ett av de icke-parametriska testerna för medelvärden. Icke-parametriskt alternativ till ANOVA då våra data inte uppfyller ANOVA-testets krav.

Question 18

Q

Chi-två test

Answer

A

Ett av de icke-parametriska testerna för frekvenser. Chi-två används när våra data inte är normalfördelad, när våra data ligger på nominalskalenivå och när data är från oberoende stickprov. Används när vi t.ex. jämför en fördelningsform för ett stickprov med dem fördelningsform som slumpen skulle ge. Är fördelningsformen för stickprovet tillräckligt osannolik att få av en slump (är p

Envägs chi-två test är den enklaste situationen för x^2 och det är när vi vill avgöra om fördelningen av ett antal observationer på en variabels olika variabelvärden kan ha uppstått av en slump, där observationerna ska vara oberoende av varsnar (t.ex. deltagare får antingen välja alternativ A eller B) - Exempelfråga: Hur många fler måste välja det ena alternativet för att skillnaden i popularitet ska vara signifikant? Innan man sätter in värden i formeln måste man räkna ut e = 1/k (antalet kolumner).

Chi-två samvarierar med antalet frihetsgrader (df = k (antalet kolumner) - 1)
Tvåvägs chi-två test är när vi vill jämföra två variabler, och se om de är beroende eller oberoende av varandra - Påverkar variabel 1 variabel 2? Finns det ett samband mellan de två variablerna? Innan man sätter in värden i formeln måste man räkna ut e = n (antal personer)/k (antal kolumner). Chi-två samvarierar med antalet frihetsgrader (df = (r (antal rader) - 1)(k (antalet kolumner) - 1).

Question 19

Q

z-transformering

Answer

A

När man omvandlar sina mätvärden till ett och samma språk t.ex. att omvandla 195 cm och 65 kg till varsitt z- poäng. Detta gör man för att kunna se vart t.ex. din längd på 195 cm befinner sig på normalfördelningskurvan vilket i sin tur kan svara på frågan; är längden 195 cm vanlig eller ovanlig? Detta kan man endast göra om man vet om ett medelvärde och standardavvikelse. Om medelvärdet för ett stickprov om längd är 175 cm och standardavvikelsen är 10 så beräknas din längds z-poäng såhär: 195-175/10=2. Om vi vet om hur z- fördelningen ser ut på normalfördelningskurvan vet vi att ett z-poäng på 2 ligger långt ut på den högra svansen, vi kan därav säga att 195 cm i längd är ovanligt i det givna stickprovet.

Question 20

Q

z-poäng

Answer

A

z-poäng är det värde man får ut från en z-transformering, detta jämförs sedan med tabell 1 och 2 i appendix C

Question 21

Q

z-test

Answer

A

Ett av de parametriska testerna för medelvärden. Används när man jämför ett stickprovsmedelvärde med ett populationsmedelvärde där populationens standardavvikelse är känd.

Question 22

Q

t-test: ett stickprovsmedelvärde

Answer

A

Ett av de parametriska testerna för medelvärden. Snarlik z-testets formel där enda skillnaden är att man bytt ut populationens standardavvikelse (σ) med stickprovets standardavvikelse (s). Används när man jämför ett stickprovsmedelvärde med ett populationsmedelvärde där populationens standardavvikelse är okänd (därav bytet från σ till s i formeln.

Question 23

Q

t-värde

Answer

A

Det värde man får ut av beräkningen av ett t-test

Question 24

Q

tkrit

Answer

A

Det kritiska värde man jämför sitt erhållna t-värde med för att kunna förkasta eller behålla H0, och över få ut sig p-värde härigenom

Question 25

Q

Effektstyrka

Answer

A

Effektstyrkan säger något om hur stark den effekten som vi observerar är, till skillnad från signifikansen som bara talar om ifall det finns en effekt eller inte. Det finns olika typer av effektstyrkor bl.a. r som vi pratat om och även Cohens d.

Cohens d: Används för skillnaden mellan två medelvärden t.ex. vid beroende och oberoende t-test, Mann Whitney U-test och Wilcoxon.

Effektstyrka

Liten: d = 0,20
Måttlig: d = 0,50
Stor: d = 0,80 (eller mer)

Normalfördelning

Klockformad och symmetrisk, och mellan två värden i en normalfördelad variabel återfinns alltid en bestämd proportion av alla observationer. Exempelvis är det alltid så att man mellan
medelvärdet och en standardavvikelse ovanför medelvärdet återfinner
34,13% (avrundat) av alla observationer t.ex. från 0 till 1 vad gäller z-poäng
eller 100 till 115 vad gäller IQ-värden

Positivsnedfördelning

När våra värden från våra data är snett fördelade med ”svansen” åt höger och ”huvudet” åt vänster. Tänk: ”Det börjar bra”

Negativsnedfördelning

När våra värden från våra data är snett fördelade med ”svansen” åt vänster och ”huvudet” åt höger. Tänk: ”Det börjar dåligt”

Bimodalfördelning

När våra värden från våra data har bildat två normalfördelningskurvor, två toppar

Question 26

Q

p-värde

Answer

A

p-värdet förklaras som sannolikheten att ett resultat ska vara slumpmässigt. Om resultatet är signifikant bör p- värdet vara under en viss gräns, även kallad alfanivå (0,05 (5%) = kutym i psykologisk forskning). Om resultatet däremot är icke-signifikant bör p-värdet vara över alfanivån. Om vi får ett p = 0,018 innebär det en risk på 1,8% att vi säger fel om vi säger att vårt resultat är signifikant (att det finns en skillnad), vilket är godtagbart inom psykologisk forskning eftersom 0,018 < 0,05. Det innebär även en risk på 1,8% att vi gör ett typ I-fel (att vi förkastar H0 även fast den är sann).

Question 27

Q

Kritiskt gränsvärde/kritisktp-värde/tabellvärde

Answer

A

Det värde vi jämför vårt erhållna/färdigberäknade värde med för att se om vi fått ett signifikant eller icke- signifikant resultat

Question 28

Q

n

Answer

A

antalet deltagare

Question 29

Q

H0

Answer

A

Nollhypotesen är den vi prövar när vi genomför en hypotesprövning, den vi vill förkasta till förmån för H1. Nollhypotesen innebär att det inte finns en skillnad/effekt/verkan

Question 30

Q

H1

Answer

A

Alternativhypotesen till skillnad från nollhypotesen säger att det finns en skillnad/effekt/verkan, det är den hypotesen som vi tror på

Question 31

Q

Frihetsgrader (df)

Answer

A

För att kontrollera n

Question 32

Q

Reliabilitet

Answer

A

Handlar om hur mycket slumpen kan förvränga resultatet, än hit än dit. Tillförlitligheten i testet, att det mäter rätt, att man använder sig av rätt mätinstrument, t.ex. när vi mäter längd föredrar vi ett stålmåttband före en gummisnoddsmåttband för att få så bra uppskattning av vår faktiska längd. Ett annat exempel är att vi använder oss av ett icke-parametriskt alternativ till t-test (t.ex. Mann Whitney U) när när våra data kräver det för att få så tillförlitligt resultat som möjligt.

Question 33

Q

Validitet

Answer

A

Att vi mäter det vi avser att mäta t.ex. när vi ska mäta längd och använder en våg som mätinstrument skulle det ge en väldigt låg validitet, men om vi däremot använder oss av en stålmåttband för att mäta längd ger det en hög validitet

◦Begreppsvaliditet
Att begreppen för våra variabel och de begrepp vi använder oss av i forskningsfråga är väldefinierade

◦Intern validitet
Att det verkligen är den oberoende variabeln som påverkar den beroende, t.ex. att det verkligen är skärmtid som påverkar stress

◦Extern validitet
Handlar om vi kan generalisera från våra resultat till en hel population, om vi kan det så har vi en hög extern validitet men om våra data däremot inte är tillräckligt representativt urval har vi en lägre extern validitet

Question 34

Q

Operationalisering

Answer

A

Innebär att förtydliga vad man menar genom att beskriva hur det fungerar/inverkar på annat t.ex. när vi beskrev olika former av vård för psykisk ohälsa och olika symtom av psykisk ohälsa

Question 35

Q

Inferentiellstatistik

Answer

A

Även känd som hypotesprövande/signifikanstestande statistik handlar om att dra slutsatser t.ex. om ett samband mellan två variabler är av en slump eller inte (är det signifikant eller icke-signifikant?)

Question 36

Q

Deskriptiv statistik

Answer

A

Beskriver data i ett stickprov

Question 37

Q

Riktningsproblemet

Answer

A

Vad påverkar egentligen vad, hönan eller ägget?/är det stressen som påverkar psykisk ohälsa eller är det psykiska ohälsan som påverkar stressen? osv. Detta problem uppstår inte om man har kontroll över vår oberoende variabel, som man endast har i experiment

Question 38

Q

Bakomliggande-variabel-problemet

Answer

A

Man kan ha ett skensamband där det verkar som att en viss variabel påverkar en annan variabel, men så är det egentligen en tredje variabel som är boven i dramat t.ex. ”ju mer glass som äts, desto fler drunkningsolyckor” nej, drunkningsolyckorna orsakas snarare av vädertypen, ju bättre väder desto mer glass köps OCH desto fler människor badar och i sin tur orsakas fler drunkningar

Question 39

Q

Mellanliggande-variabel-problemet

Answer

A

En variabel som både påverkas av en oberoende variabel och som i sin tur påverkar den beroende variabeln

Question 40

Q

Nominalskala/nominaldata

Answer

A

Exempel på variabler: Kön, civilstånd, vilken linje man går i på gymnasiet, vilken yrkesgrupp man tillhör osv. Kan ej rangordnas. Enda centralmåttet som kan tillämpas är typvärde.

Question 41

Q

Kvotskala/kvotdata

Answer

A

Rangordning, lika långt intervall mellan 1-2 som mellan 5-6 på en skala, den har dessutom en absolut nollpunkt. Exempel på variabler: Ålder, antalet barn man har, antalet besök man gjort hos tandläkaren osv. Alla centralmått kan tillämpas

Question 42

Q

Ordinalskala/ordinaldata

Answer

A

Rangordning, kvalitativa variabler. Exempel på variabler: Betyg (MVG/VG/G/U), ”hur ofta använder du munskydd?” (aldrig/sällan/ofta), placering i tävling

Question 43

Q

Intervallskala/intervalldata

Answer

A

Rangordning, lika långt intervall mellan 3-4 som mellan 6-7, har inte en absolut nollpunkt. Exempel på variabler: Examensår, temperatur (eftersom det kan vara under noll t.ex. -12) osv

Question 44

Q

Korstabell

Answer

A

Tabell som redovisar frekvenser för två kvalitativa variabler

Question 45

Q

Fyrfältstabell

Answer

A

Korstabell där de två kvalitativa variablerna är delade i två

Question 46

Q

Frekvenstabell

Answer

A

Tabell som redovisar frekvenser för olika variabelvärden för antingen kvalitativa eller kvantitativa variabler

Question 47

Q

Skewness

Answer

A

Beräkning av hur sned en fördelning är i förhållande till den symmetriska normalfördelningen. Skewness i normalfördelning = 0. Tumregel: Skewness på ± 0,5 innebär att variabeln är något snedfördelad; ± 1 innebär att variabeln är ganska snedfördelad; ± 2 innebär att variabeln är kraftigt snedfördelad

Question 48

Q

Kurtosis

Answer

A

Beräkning av graden toppighet. Kurtosis i normalfördelning = 0.

Question 49

Q

Extremvärden

Answer

A

Ett variabelvärde som ligger extremt långt från övriga variabelvärden och som kan misstänkas vara behäftat med fel eller är icke-representativt på något sätt t.ex. alla deltagare är mellan åldrarna 18-30 medan en av deltagarna är 66 år gammal, vilket blir ett extremvärde i våra data

Question 50

Q

Signifikans

Answer

A

Resultatet av en mätning (observation) sägs vara signifikant om det är osannolikt att resultatet beror på slumpen

Question 51

Q

Determinationskoefficienten

Answer

A

Om man kvadrerar korrelationskoefficienten r, får man determinationskoefficienten r^2, som anger proportion förklarad varians

Question 52

Q

TypI-fel

Answer

A

Om nollhypotesen är sann och man ändå förkastar den. Man har alltså råkat få ett signifikant resultat av en slump. Sannolikheten för att göra ett typ I-fel är lika med alfanivån. När man påstår att det finns en effekt/ skillnad/samband men att det i verkligheten inte gör det. Vi är mest rädda för att göra typ I-fel, det är mer förödande att låsta att det finns en effekt även fast det i själva verket inte gör det. Lösning: Vi har från början total kontroll över alfanivån, sätt den mest lämpliga och rimliga nivån

Question 53

Q

Typ II-fel

Answer

A

Om nollhypotesen är falsk och man ändå behåller den. Vad minskar risken för typ II-fel? En högre alfanivå och fler undersökningsdeltagare med mera

Question 54

Q

Tvåsidigprövning

Answer

A

När vår prövning är oriktad, t.ex. vi är både intresserade om den ångestreducerande medicinen skulle ge effekt men också om den skulle få testpersonerna att må sämre (H0 = 0; H1 ≠ 0)

Question 55

Q

Ensidigprövning

Answer

A

När vår prövning är riktad åt ett visst håll t.ex. om vi vill se om ansträngningskänslorna ökar i takt med löpning, men ansträngningskänslorna kan knappast minska i takt med löpning (H0 = 0; H1 > 0)

Question 56

Q

Observationer

Mätvärden

Answer

A

Mätvärden är de olika svar vi fått från varje enskild deltagare t.ex. i en studie om längd är 175 cm, 152 cm och 181 cm tre olika mätvärden

• Variabel

Beroende

Den variabeln som påverkas t.ex. upplevd ljudstyrka, depressiva symtom (t.ex. pga dåliga arbetsförhållanden), hjärtfrekvens (t.ex. pga löpning)

Oberoende

Den variabeln som påverkar den beroende variabeln, i experiment är det denna variabeln man manipulerar för att kunna uttala sig om orsakssamband t.ex. stress, könstillhörighet, ålder, löpning, dåliga arbetsförhållanden

Kvantitativa

T.ex. ålder, ”hur många gånger har du varit hos tandläkaren?”, examensår, födelseår

Kvalitativa

T.ex. kön, civilstånd, vilken linje man går i gymnasiet, vilken yrkesgrupp man tillhör

Question 57

Q

Typvärde

Answer

A

Det mest förekommande talet

Question 58

Q

Median

Answer

A

Talet i mitten förutsatt att datamängden är rangordnas

Question 59

Q

Kvartilavstånd/kvartilavvikelse

Answer

A

Differensen mellan den tredje och den första kvartilen

Question 60

Q

Variationsbredd

Answer

A

Det högsta minus det lägsta värdet i datamängden

Question 61

Q

Estimat

Answer

A

Stickprovets medelvärde och standardavvikelse

Question 62

Q

Parametrar

Answer

A

Populationens medelvärde och standardavvikelse

Question 63

Q

Väntevärdesriktigtestimat

Answer

A

Medelvärdet i ett stickprov är ett väntevärdesriktigt estimat vilket innebär att man inte gör några systematiska fel om man uppskattar populationsmedelvärdet utifrån det

Question 64

Q

Fördelningsform

Answer

A

Hur data fördelar sig runt medelvärdet, i en normalfördelning fördelar sig datan jämnt runt medelvärdet, precis så som kurvan ser ut, medan i en positiv fördelningsform fördelar sig data längre ifrån till vänster om

medelvärdet (fördelningsform = olika former på hur data kan fördela sig kring vårat medelvärde)

Brainscape's Knowledge GenomeTM

Begrepp Flashcards

Brainscape's Knowledge Genome^TM