Statistik - bivariat analys Flashcards

1
Q

Bivariat analys

Typ av variabler – viktigt veta inför val av analysmetod!

  • Kvantitativ variabel (siffror)

Hur presenterar vi siffrorna?

A
  • Om normalfördelad – presentera med medelvärde (SD)
  • Om ej normalfördelad – presentera med median och kvartilavstånd (IQR)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Bivariat analys

Typ av variabler – viktigt veta inför val av analysmetod!

  • Kvalitativ variabel
    • Kategorier

Hur presenterar vi siffrorna?

A
  • Antal (procent)
    • Hur många har valt respektive svarsalternativ ex, grundskola, gymnasium och högskola
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Forskningshypotes respektive hypotesprövning

Skillnad på dessa?

A
  • Forskningshypotes
    • Formuleras innan studiestart
  • Hypotesprövning
    • Används vid statistiska analyser
    • För varje analys som görs prövas hypotesen
    • En forskningshypotes kan generera flertalet hypotesprövningar – typ 4-5 st
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Du ska göra en urvalsbeeräkning, vad behöver du ha koll på om du ska göra den utefter normogram?

A
  • Differens
    • Medelvärde och standardavvikelse
  • P-värde
  • Power
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Urvalsberäkning

  • Standardiserad differens vid normalfördelning och även kvalitativa variabler (proportioner)

​Så hur får du fram ett medelvärde?

A
  • Finns studier sen innan som har kommit fram till medelvärde
  • Om inte det finns, vad är en rimlig skillnad för att det ska vara meningsfullt (kliniskt gångbart)
  • Finns ingenting att stödja sig på, så kan man göra en pilotstudie för att få fram vissa värden
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Urvalsberäkning

  • Standardiserad differens vid normalfördelning och även kvalitativa variabler (proportioner)
    • Medelvärde
      • Finns studier sen innan som har kommit fram till medelvärde
      • Om inte det finns, vad är en rimlig skillnad för att det ska vara meningsfullt (kliniskt gångbart)
      • Finns ingenting att stödja sig på, så kan man göra en pilotstudie för att få fram vissa värden

Differens

Så hur får du fram differens?

A
  • Medelvärdet använder vi i förhållande till den andra gruppen vilket ger differens
  • Om standardavvikelsen är hyfsat lika så tar vi det rakt av
  • OM det är olika spridning så får vi använda formel för att få fram gemensam standarddeviation (standardavvikelse)
  • OM det inte är normalfördelat får vi använda annan metod
  • Sen tar vi bara fram linjalen!!
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Vad säger egentligen power?

A
  • Anger sannolikheten att finna en differens om den existerar i just denna studie, dvs vilken styrka har studien i att finna skillnader
    • Hur hög är sannolikheten att vi hittar en skillnad om den finns
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q
  • Power
    • Anger sannolikheten att finna en differens om den existerar i just denna studie, dvs vilken styrka har studien i att finna skillnader
      • Hur hög är sannolikheten att vi hittar en skillnad om den finns
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Vad säger egentligen p-värdet?

A
  • Gränsvärde för om vi tolkar statistiska analyser som signifikanta eller ej signifikanta
    • Hur stor är chansen att vi förkastar nollhypotesen trots att den är sann!!!!!??!?!!?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Vad säger H0 och vad säger H1?

A
  • H0 = Det finns ingen skillnad
  • H1 = Det finns en skillnad
  • När vi gör statistiska analyser utgås ifrån H0
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q
A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Vad anger egentligen p-värdet?

A

P-värdet anger hur sannolikt det är att finna en skillnad ifall H0 är sann

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Vad innebär ett typ I-fel?

A
  • Vi förkastar H0 trots att H0 gäller (p-värdet tyder på H0 kan förkastas men slumpen spökade)
    • Denna risk minskar vid lägre p-värde
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Vad innebär ett typ-II fel?

A
  • H0 godtas trots att den är falsk (beror mer på bristande power)
    • I 20 % av fallen ses ingen skillnad trots att den finns (power)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Hur kan både typ-I och typ-II fel undvikas helt?

A
  • Om hela populationen undersöks
17
Q

Tolka resultat

  • P -< 0,05 = Signifikant H0 förkastas och H1 accepteras
  • P > 0,05 = Ej signifikant, H0 kvarstår

När vi tolkar resultat så måste alltid p-värdet tas i relation till uträknade siffror i studien, för att göra en fullständig tolkning. Räcker inte med att bara säga att det är signifikant eller inte – varför räcker inte detta?

A

VIKTIGT! ÄR DET KLINISKT SIGNIGIKANT/RELEVANT!?

18
Q
  • Innebär att man har två variabler samtidigt i en analys (två mättillfällen)
    • Jämföra grupper för att se om det finns någon skillnad mellan grupperna och en annan variabel
    • Jämföra olika mättillfällen för att se om det finns en förändring över tid

vad beskrivs?

A

Bivariat analys

19
Q
  • Analyser utgår från en kvantitativ variabel som är normalfördelad. Det ska vara hyfsat många individer/observationer att räkna på

Vad beskrivs?

A

Parametrisk analys

20
Q

Vid denna typ av analys finns inga krav på normalfördelning

  • Kravet finns inte eftersom de inte använder sig av medelvärde och standardavvikelse

Vad är det för typ av analys?

A

Icke parametrisk analys

21
Q

Vilket parametriskt test kan vara lämpligt vid 2 grupper respektive 3 grupper?

A

t-test

ANOVA

22
Q
  • Kruskal-Wallis
  • Wilcoxon teckenrang

Vad är dessa exempel på?

A

Icke parametrisk analys

23
Q
  • Variabeln säger om vi kör parametrisk eller icke parametrisk
  • Situation säger vad vi väljer under

Vad kan vara lämpligt ex vid 2 mättillfällen?

A

Parat t-test