Kap 4. Mätningar och analys av data

Question 1

Vad menas med operationalisering?

Answer 1

Göra om ett begrepp som inte är direkt mätbart till något som är mätbart.

Question 2

Vad menas med reliabilitet?

Answer 2

Att få samma resultat eller mätvärde vid flera prövningar av samma mått.

Question 3

Hur bedöms reliabiliteten i en studie?

Answer 3

Reliabiliteten av en studies mätobjekt beror på mängden mätfel som finns. Många mätfel ger låg reliabilitet och vice versa. Alla experiment har åtminstone en liten del av fel, men idealen är att ha en väldigt liten mängd fel så det som är observerat är så nära verkligheten som möjligt.

Question 4

Vad menas med content validity? (innehållsvaliditet)

Answer 4

Hur väl ens items verkligen mäter konstruktet. Det man mäter ska vara korrelerat med något men inte med något annat. T.ex ett test som mäter utbrändhet ska korrelera mycket mer med med upplevd stress på jobbet än vokabulär förmåga.

Hur väl representerar frågorna sin domän. Items bör representera alla möjliga items.

Alltså hur väl syftar frågorna till att mäta sin domän.
(Validitet i mätinstrumentet)

Question 5

Vad menas med Face validity (ytvaliditet)

Answer 5

Ser testet ut att mäta vad det har för avsikt att mäta. Ser det ut att vara ett validt test.

Question 6

Vad menas med Criterion validity? (kriterievaliditet)

Answer 6

Denna handlar delvis om a) hur bra mätningen kan predicera framtida beteenden samt b) om är relaterat till någon annan bra typ av mätning av samma beteende.

Ett IQ test ska alltså bra kunna predicera framgång i skolan samt vara korrelerat med test andra test som mäter intelligens.

Question 7

Vad menas med construct validity? (begreppsvaliditet)

Answer 7

Construct validity syftar till hur pass bra och adekvat den oberoende- och beroende variabeln har operationaliseras. Är de operationaliserade på ett trovärdigt och passande sätt eller finns bättre sätt att operationalisera dem för att mäta det konstrukt det man vill uttala sig om.

Question 8

Vad menas med convergent validity och discriminant validity?

Answer 8

Convergent validity: Poäng på ett test som mäter ett begrepp borde relatera till poäng på andra test som också är teoretiskt relaterade till begreppet

▪ Discriminant validity: Poäng på ett test borde inte relatera med andra test som inte relaterar till begreppet

Question 9

Vad säger boken om hur vida en mätmetod kan bara reliabelt utan att vara validt osv?

Answer 9

Mätmetoder kan vara reliabla utan att vara variabla, men variabla mått måste vara reliabla.

Question 10

Vilka dataskalor finns det och vad innebär de?

Answer 10

Nominal - Olika grupper utan rangordning. Kategorier.

Ordinal - Data som kan rangordnas men som inte har något ekvivalent avstånd mellan sig. Det går alltså inte att säga hur långt det ä’r mellan varje steg.

Intervall - Stegen i denna skala är lika långa. Men det finns ingen nollpunkt. 0 är inte avsaknad av något här utan bara ett värde.

Kvot (ratio) - Stegen i skalan är lika långa samt att det finns en nollpunkt. Här kan man då alltså också uttala sig om att någon är dubbelt eller hälften så lång som någon.

Question 11

Vad är skillnaden mellan deskriptiv- och inferentiell statistik?

Answer 11

Deskriptiv statistik sammanfattar data som kommer ifrån stickprovet medan inferentiell statistik
drar slutsatser om den population som stickprovet är representativt för.

Question 12

När är medianen bra att beränka?

Answer 12

När man har extremvärden. Eftersom medianen utgår från den mittersta positionen av alla värden så är det inte lika känsligt för extremvärden.

Därför använder man t.ex medianen när man ska beräkna genomsnittlig lön i en population.

Question 13

Vilka variationsmått finns?

Answer 13

Range - Skillnaden mellan det högsta- och lägsta värdet.

Standardavvikelse - Standardavvikelsen är värdets genomsnittliga avvikelse från medelvärdet.

Varians - är kvadererad standardavvikelse.

Question 14

Hur många procent i en normalfördelning ligger -1 SD och +1SD? Alltså en standardavvikelse från medelvärdet på varje sida?

Answer 14

68%

Question 15

Vad är noll och alternativ hypotesten?

Answer 15

Nollhypotesen = H0 är ens första hypotes man prövar, vilken är att resultatet man har fått kan ha uppkommit av en slump.

Förkastar man den går man istället till H1 = Alternativhypotesten - Skillnaden har inte uppkommit av en slump.

Question 16

Vad menas med typ 1 och 2 fel?

Answer 16

• Typ I-fel:
  Vi förkastar nollhypotesen trots att den är sann. Vi påstår att det finns en skillnad, trots att det inte finns en verklig skillnad. Risken att detta händer är samma som den satta alfa-nivån. Typ I-fel misstänks ofta om studien replikeras och inte får samma resultat. Slumpen gör att det finns en skillnad trots att den inte är verklig.
• Typ II-fel:
  Vi accepterar nollhypotesen trots att den är falsk. Vi kan inte konstatera att det finns en statistisk signifikant skillnad, trots att det finns en verklig skillnad, det gick bara inte att se i just det stickprovet. Tvärtom mot Typ I-fel. Händer ofta om mätmetoden inte är reliabel eller känslig nog att upptäcka skillnader mellan grupper.

Question 17

Vad menas med systematisk och felvarians när man analyserar varians?

Answer 17

Systematisk varians är variationen mellan de betingelser man jämför.

Felvarians är icke-systematisk varians inom betingelserna som beror på individuella
skillnader, eller andra slumpmässiga och oförutsägbara effekter som kan ha skett.

Idealet är att resultaten har stor varians mellan betingelser och att variansen inom
betingelserna är liten.

Question 18

Vad kan man tänka på om man inte får ett signifikant resultat i sin studie?

Answer 18

Att inte kunna förkasta nollhypotesen behöver inte betyda att forskare ger upp studien. Finns det ingen statistisk signifikant skillnad, kan man pröva att replikera testet, och inte omedelbart ge upp (att göra typ II fel). Eller så kan det ibland vara så att ett intressant resultat uppstår även om det inte finns en signifikant skillnad.

Exempel på studie där lärare av bort sina föreläsningsanteckningar. Man såg ingen skillnad. Vilket alltså var ett fullgott resultet och gjorde att läraren kunde fortsätta ge ut anteckningar och eleverna fortfarande gick på föreläsningarna.

Question 19

Vad menas med “effektstorlek”?

Answer 19

Resultatet kan bli statistiskt signifikant mellan två eller flera betingelser, men det säger ingenting om storleken av skillnaderna. För det används effektstorlek som ger en uppskattning av storleken på variansen. (liten, mellan eller stor effekt) Olika typer av effektstorlek används för olika typer av tester. Fördelen med effektstorlek är att man kan titta på olika typer av tester med liknande variabler, kombinera effektstorleken som blev i varje, och sen sammanställa dem för att få en generell överblick om det fenomen som mättes. Detta görs i vad som kallas meta-analys.

Question 20

Vad menas med “konfidensintervall”?

Answer 20

Konfidensintervall används för att dra slutsatser om populationen som helhet baserad på ett stickprov, vilket är poängen med inferentiell statistik. Vi beräknar, utifrån våra data, ett intervall som har en viss konfidensgrad, vanligen 95 %.

Då kan vi säga att vi är 95 % säkra på att det sanna värdet μ (populationens medelvärde) finns inom intervallet. Så länge betingelsernas konfidensintervall inte överlappar varandra kan vi anta att det finns en statistisk signifikant skillnad.

Question 21

Vad menas med “power”?

Answer 21

Ett test med hög power har resulterat i en hög sannolikhet att kommer finnas en verklig skillnad i studien. När power ökar så minskar risken för typ II fel och vice versa. Power påverkas av alfanivån, effektstorlek och speciellt storleken på stickprovet. Det sistnämnda kan forskare påverka. Ett för litet stickprov leder ofta till
att det inte finns en signifikant skillnad.