Kafli 12: Fylgnisnið Flashcards
Einkenni & Markmið
Markmið: Staðfesta tengsl á milli breytna & lýsa eiginleikum tengslana
Ekki orsakasamband - útskýrir ekki tengslin
Engin stjórn á frumbreytu
Gagnaform
Amk 2 mæligildi fyrir hvern einstakling
Gögn koma í pörum: X & Y
Tölugildi (numerical data):
a) Listi:
- 1 dálkur er þáttakandi - 2 mæligildi fyrir hvern þáttakanda
b) Dreifirit (Scatter plot):
- Skor þáttakanda sýnd sem punktur sem hefur gildi á X & Y ás
Fylgnistuðull (Correlation coefficient)
Lýsir 3 eiginleikum
1. Stefna tengsla (Direction)
Formerki:
+ eða - segir til um stefnu sambandsins (jákvætt/neikvætt)
a) Jákvæð fylgni: +
X & Y hækka/lækka
Punktar eru nálægt aðhvarfslínu
b) Neikvæð fylgni: -
X hækkar en Y lækkar
Punktar nálægt aðhvarfslínu
c) Engin fylgni: 0
Aðhvarfslína er lárétt
Punktar eru út um allt
Fylgnistuðull (Correlation coefficient/Pearson)
Lýsir 3 eiginleikum
2. Gerð tengsla (Form)
Aðferð Pearson/Spearman:
Segir til um form sambandsins
Línulegt = Pearson
Einhalla (monotonic) = Spearman
a) Línulegt samband (Linear relationship):
PEARSON
Báðar breytur eru jafnbila- eða hlutfallsbreytur (interval- or ratio scale)
b) Einhalla samband (Monotonic):
SPEARMAN (notað á raðgögn/ordinal scale)
Sveiglínu samband en einhalla (ekki S eða U)
Ekki línulegt - mikil aukning/minkun fyrst svo hægir á
Jákvætt samband:
- Aukning Y minni eftir því sem X hækkar
Neikvætt samband:
- Aukning Y meiri eftir því sem X hækkar
Fylgnistuðull (Correlation coefficient/Pearson)
Lýsir 3 eiginleikum
3. Styrk tengsla (Strenght/Consistency)
Tölugildi:
0.0 til 1.0 egir til um styrk sambandsins
-1 & +1:
Sami styrkur en ekki sama stefna
Sterkt samband
Punktar nálægt línu
Sjaldan sem er fullkomið samband í félagsvísindum
0 = engin fylgni
Endurtekning
Pearson
Lýsir & mælir línuleg sambönd
Báðar breytur eru jafnbila- eða hlutfallsbreytur (interval- or ratio scale)
Endurtekning
Spearman
Notað á gögn sem eru einhalla (monotonic)
Breytur eru raðtölur (ordinal scale/ranks)
Umbreytum gildi listans í raðtölur
Lægsta gildi X fær raðtöluna 1, næsta gildi fær 2 o.s.fr.
Sama er gert við Y
Röð X & Y er ekki eins
Styrkur tengsla
Skýringarhlutfall (Coefficient of determination)
Fylgnistuðull í öðru veldi
Hversu mikið breytileiki einnar breytu útskýrir breytileika hinnar
Skýrð dreifing:
Hversu mikið af dreifingunni á breytu Y er hægt að skýra með dreifinguni á breytu X
T.d r = 0.10 & r í annað veldi = 0.01 eða 1% -breytileiki breytunnar Y er hægt að útskýra að 1% (einum prósenti) með breytileika breytunnar X
Marktæk Fylgni (Statistically significant correlations)
& p-gildi
Getum aldrei verið 100% viss en við viljum áætla líkur á að niðurstöður eru réttar og ekki tilviljun
“Hverjar eru líkurnar á því að finna þennan, eða meiri, mun á hópum/inngripum ef núltilgátan er rétt/ef engin munur er í þýði?”
Þurfum núlltilgátu:
Getur einungis afsannað hana ekki sannað
Yfirleitt fullyrðing um hlutlaust ástand: Engin munur milli hópa eða engin fylgni
Ákveðum fyrirfram marktektarkröfu a = alpha (level of significance)
Algengast að miða við a = 0.05: 5% líkur á að við höldum að munur eða fylgni sé til staðar þegar það er í raun ekki
Kanna p-gildi:
Ef p-gildi <0.05 (minna en a) - þá höfnum við núlltilgátunni & segjum að það sé munur eða fylgni
Lágt: sterk vísbending um að núltilgáta sé ekki rétt
Ólíklegt að fylgni sé tilkomin fyrir tilviljun
Höfnunarvilla (Type I Error):
Hafna núlltilgátu sem er sönn
Fastheldnisvilla (Type II Error):
Halda í núltilgátu sem er ósönn
Í raunheimum tengjast ótrúlegustu breytur að einhverju leyti:
Getum fundið veika fylgni hér og þar sem verður marktæk ef við erum með nógu stórt úrtak - sem skiptir samt ekki máli
Mikilvægt að spyrja: er þetta fylgni sem skiptir einhverju máli?
Hvernig nýtum við fylgnirannsóknir
Forspá (prediction):
Þegar tekst að staðfesta samband 2 breytna getum við spáð fyrir um hegðun annarrar breytunnar, út frá gildum hinnar
Forsagnarbreyta/skýribreyta (predictor variable):
Breytan sem við spáum útfrá
Hliðstæð frumbreytu í eiginlegum tilraunum
Viðmiðunarbreyta (criterion variable):
Breytan sem við spáum fyrir um
Hliðstæð við fylgibreytu
Forspá með Aðhvarfsgreiningu (Regression)
Tölfræðileg aðferð til að spá fyrir um eina breytu út frá annarri eða fleiri forsagnarbreytum
Markmið: finna þá jöfnu sem gefur nákvæmustu forspá um breytu Y út frá breytu X
Jafna línu (linear regression): Y = a + bx:
Leitum að besta a og b
a: fasti, skurðpunktur við Y ás
b: hallatala línunnar
X: gildi breytunnar X
Y: spágildið á breytunni Y
Áreiðanleiki (Reliability)
Fylgnisnið oft notað til að meta áreiðanleika & réttmæti mælinga og mælitækja
Ef mælitæki er áreiðanlegt ætti að vera fylgni:
Á milli svara sama einstaklings á 2 mismunandi tímum
Á milli spurninga sem ætlað er að meta sömu hugsmíðina
Réttmæti (Validity)
Ef mælitæki er réttmætt ætti að vera:
Samleitniréttmæti (Convergent validity):
Fylgni á milli nýja mælitækisins & annarra sem reynsla er af í mælingum á sama fyrirbæri
Sundurgreiningaréttmæti (Divergent validity):
Ekki ætti að vera fylgni milli mælitækja sem mæla ólíkar hugsmíðar
Prófun kenninga
Staðfestir ekki orsakasambönd:
En upplagt að hrekja kenningar með fylgnisamböndum
Fylgni segir ekki til um orsakir, en orsakasambönd hljóta að leiða til fylgni
Styrkleikar
Lýsa tengslum breytna vel
Ekki ágeng aðferð: getum skoðað náttúrulega hegðun
Ytra réttmæti hátt
