Eksamenssett.no
Ressurser
Skolenytt
Hoderegning
MET 3592
Cheat Sheet
Formler, begreper og oppsummering
Anvendt metode
eksamenssett.no
Symboloversikt
Statistiske symboler
•
x
ˉ
\bar{x}
x
ˉ
= gjennomsnitt |
s
s
s
= standardavvik |
s
2
s^2
s
2
= varians |
n
n
n
= utvalgsstørrelse
•
N
N
N
= populasjonsstørrelse |
μ
\mu
μ
= populasjonsgjennomsnitt |
σ
\sigma
σ
= populasjonens standardavvik
Hypotesetesting
•
H
0
H_0
H
0
= nullhypotese |
H
1
H_1
H
1
= alternativhypotese |
α
\alpha
α
= signifikansnivå (vanligvis
0,05
0{,}05
0
,
05
)
•
p
p
p
=
p
p
p
-verdi |
β
\beta
β
= type II-feilrate |
1
−
β
1-\beta
1
−
β
= statistisk styrke (power)
Regresjon
•
Y
Y
Y
= avhengig variabel |
X
X
X
= uavhengig variabel |
β
0
\beta_0
β
0
= konstantledd
•
β
i
\beta_i
β
i
= regresjonskoeffisient |
ε
\varepsilon
ε
= feilledd |
R
2
R^2
R
2
= forklart varians
•
r
r
r
= korrelasjonskoeffisient |
S
E
SE
SE
= standardfeil |
t
t
t
= testobservator
Kvalitetsmål
•
α
\alpha
α
(Cronbach) = indre konsistens |
κ
\kappa
κ
(Cohen) = inter-rater-reliabilitet
•
VIF = Variance Inflation Factor | ICC = Intraclass Correlation Coefficient
Formler
Hypotesetesting
•
Signifikansnivå:
α
=
0,05
\alpha = 0{,}05
α
=
0
,
05
(standard)
•
Forkast
H
0
H_0
H
0
hvis
p
<
α
p < \alpha
p
<
α
•
Standardfeil:
S
E
=
s
n
\displaystyle SE = \frac{s}{\sqrt{n}}
SE
=
n
s
•
Konfidensintervall:
x
ˉ
±
z
α
/
2
⋅
S
E
\bar{x} \pm z_{\alpha/2} \cdot SE
x
ˉ
±
z
α
/2
⋅
SE
•
Statistisk styrke:
1
−
β
≥
0,80
1 - \beta \geq 0{,}80
1
−
β
≥
0
,
80
Regresjon
•
Enkel:
Y
=
β
0
+
β
1
X
+
ε
Y = \beta_0 + \beta_1 X + \varepsilon
Y
=
β
0
+
β
1
X
+
ε
•
Multippel:
Y
=
β
0
+
β
1
X
1
+
⋯
+
β
k
X
k
+
ε
Y = \beta_0 + \beta_1 X_1 + \cdots + \beta_k X_k + \varepsilon
Y
=
β
0
+
β
1
X
1
+
⋯
+
β
k
X
k
+
ε
•
R
2
=
1
−
S
S
r
e
s
S
S
t
o
t
\displaystyle R^2 = 1 - \frac{SS_{res}}{SS_{tot}}
R
2
=
1
−
S
S
t
o
t
S
S
res
•
t
=
β
^
i
S
E
(
β
^
i
)
\displaystyle t = \frac{\hat{\beta}_i}{SE(\hat{\beta}_i)}
t
=
SE
(
β
^
i
)
β
^
i
•
VIF
=
1
1
−
R
j
2
\displaystyle = \frac{1}{1 - R_j^2}
=
1
−
R
j
2
1
(multikollinearitet)
Korrelasjon og effektstørrelse
•
Pearsons
r
r
r
:
−
1
≤
r
≤
1
-1 \leq r \leq 1
−
1
≤
r
≤
1
•
Cohens
d
d
d
: liten (
0,2
0{,}2
0
,
2
), middels (
0,5
0{,}5
0
,
5
), stor (
0,8
0{,}8
0
,
8
)
•
χ
2
=
∑
(
O
−
E
)
2
E
\displaystyle \chi^2 = \sum \frac{(O - E)^2}{E}
χ
2
=
∑
E
(
O
−
E
)
2
•
Cronbachs
α
≥
0,70
\alpha \geq 0{,}70
α
≥
0
,
70
(akseptabel reliabilitet)
Utvalg og responsrate
•
Responsrate
=
antall svar
antall kontaktet
×
100
%
\displaystyle \text{Responsrate} = \frac{\text{antall svar}}{\text{antall kontaktet}} \times 100\%
Responsrate
=
antall kontaktet
antall svar
×
100%
•
Sannsynlighetsutvalg: enkel tilfeldig, stratifisert, klynge, systematisk
•
Metning (kvalitativ): typisk 12–20 intervjuer
Kvalitetskriterier
•
Kvantitativ: validitet (intern, ekstern, begreps-) + reliabilitet
•
Kvalitativ: credibility, transferability, dependability, confirmability
•
FFP: Fabrication, Falsification, Plagiarism
•
IMRaD: Introduction, Method, Results and Discussion
Nøkkelformler per tema
Forskningsdesign
•
Eksplorativt design: utforske → generere hypoteser (kvalitativt)
•
Deskriptivt design: beskrive → kartlegge kjennetegn (kvantitativt)
•
Kausalt design: årsak-virkning → eksperiment med randomisering
•
Deduktiv: teori → hypotese → data → test
•
Induktiv: observasjon → mønster → teori
Kvalitativ metode
•
Semistrukturert intervju: temaguide + fleksibilitet + åpne spørsmål
•
Metning: ingen nye temaer ved ytterligere datainnsamling
•
Tematisk analyse: data → koder → temaer → rapport (6 steg)
•
Troverdighet: credibility, transferability, dependability, confirmability
•
Refleksivitet: forskerens bevissthet om egen rolle og påvirkning
Kvantitativ metode
•
p
p
p
-verdi: sannsynligheten for data gitt at
H
0
H_0
H
0
er sann
•
Signifikant:
p
<
α
p < \alpha
p
<
α
(vanligvis
α
=
0,05
\alpha = 0{,}05
α
=
0
,
05
)
•
Type I-feil (
α
\alpha
α
): forkaster sann
H
0
H_0
H
0
•
Type II-feil (
β
\beta
β
): beholder usann
H
0
H_0
H
0
•
Statistisk styrke
=
1
−
β
≥
0,80
= 1 - \beta \geq 0{,}80
=
1
−
β
≥
0
,
80
Datainnsamling og utvalg
•
Ikke-sannsynlighetsutvalg: bekvemmelighet, kvote, snøball
•
Primærdata: samlet inn for formålet; sekundærdata: allerede innsamlet
•
Pretest: test spørreskjemaet på liten gruppe først
Regresjonsanalyse
•
Enkel regresjon:
Y
=
β
0
+
β
1
X
+
ε
Y = \beta_0 + \beta_1 X + \varepsilon
Y
=
β
0
+
β
1
X
+
ε
•
R
2
=
1
−
S
S
r
e
s
S
S
t
o
t
\displaystyle R^2 = 1 - \frac{SS_{res}}{SS_{tot}}
R
2
=
1
−
S
S
t
o
t
S
S
res
(andel forklart varians)
•
t
=
β
^
i
S
E
(
β
^
i
)
\displaystyle t = \frac{\hat{\beta}_i}{SE(\hat{\beta}_i)}
t
=
SE
(
β
^
i
)
β
^
i
(signifikanstest for koeffisient)
•
VIF
>
10
> 10
>
10
: alvorlig multikollinearitet
•
Dummyvariabler:
k
k
k
kategorier →
k
−
1
k-1
k
−
1
dummyer
Validitet og reliabilitet
•
Begrepsvaliditet = konvergent + diskriminant validitet
•
Intern validitet: kan vi slutte kausalitet?
•
Ekstern validitet: kan vi generalisere?
•
Cronbachs
α
≥
0,70
\alpha \geq 0{,}70
α
≥
0
,
70
: akseptabel indre konsistens
•
Reliabilitet er nødvendig, men ikke tilstrekkelig for validitet
Forskningsetikk
•
Informert samtykke + frivillighet + konfidensialitet + ikke-skade
•
Anonymisering (irreversibelt) vs. pseudonymisering (reversibelt)
•
Preregistrering: motvirker p-hacking og HARKing
•
Sikt/NSD: meldeplikt FØR datainnsamling ved personopplysninger
Akademisk skriving
•
APA i tekst: (Forfatter, år), to: (A & B, år), tre+: (A et al., år)
•
Rapporter: testtype, frihetsgrader, testverdi,
p
p
p
-verdi, effektstørrelse
•
Diskusjon: funn → teori → implikasjoner → begrensninger → videre forskning
Vanlige feil å unngå
Forskningsdesign
•
Velger kausalt design men gjennomfører en tverrsnittstudie — da kan du ikke fastslå kausalitet
•
Blander operasjonalisering med begrepsdefinisjonen — operasjonalisering er *hvordan* du måler, ikke *hva* begrepet betyr
•
Formulerer hypoteser som ikke er testbare eller mangler retning
Kvalitativ metode
•
Bruker tilfeldig utvalg i kvalitativ forskning — det er formålsutvelging som gjelder
•
Presenterer koder som temaer — temaer er overordnede mønstre, ikke enkeltobservasjoner
•
Glemmer refleksivitet — uten det svekkes troverdigheten betydelig
Kvantitativ metode
•
Tolker
p
p
p
-verdi som sannsynligheten for at
H
0
H_0
H
0
er sann — det er feil:
p
p
p
er sannsynligheten for data gitt at
H
0
H_0
H
0
er sann
•
Rapporterer kun signifikans uten effektstørrelse — begge deler er nødvendig
•
Bruker parametriske tester når forutsetningene (normalfordeling, intervalldata) ikke er oppfylt
Datainnsamling og utvalg
•
Hevder generaliserbarhet med bekvemmelighetsutvalg — det er bare mulig med sannsynlighetsutvalg
•
Bruker ledende eller dobbeltløpede spørsmål uten å reflektere over bias
•
Ignorerer lav responsrate som trussel mot representativiteten
Regresjonsanalyse
•
Tolker
R
2
R^2
R
2
som kausalitet —
R
2
R^2
R
2
viser bare samvariasjon, ikke årsak
•
Glemmer «kontrollert for øvrige variabler» i tolkningen av koeffisienter
•
Ignorerer multikollinearitet — høy VIF gjør enkeltvise koeffisienter upålitelige
Validitet og reliabilitet
•
Forveksler reliabilitet med validitet — reliabilitet handler om konsistens, validitet om gyldighet
•
Hevder kausalitet basert på tverrsnittsdata med korrelasjon
•
Rapporterer ikke Cronbachs alfa for sammensatte skalaer
Forskningsetikk
•
Tror anonymisering og pseudonymisering er det samme — anonymisering er irreversibelt
•
Starter datainnsamling uten NSD/Sikt-godkjenning
•
Undervurderer selv-plagiat som forskningsetisk brudd
Akademisk skriving
•
Blander resultater og diskusjon — resultater er objektive funn, diskusjon er tolkning
•
Bruker sekundærkilder ukritisk uten å finne primærkilden
•
Trekker for bastante konklusjoner uten hedging
Eksamenstips
Forskningsdesign
•
Vis at du forstår sammenhengen mellom design og slutninger: eksplorativt gir innsikt, deskriptivt gir beskrivelser, kausalt gir årsaksforklaringer
•
Bruk alltid forskningsmodellen som utgangspunkt for å forklare variabelsammenhengen
Kvalitativ metode
•
Vis at du kan skille mellom analysemetoder: tematisk analyse vs. grounded theory vs. fenomenologi
•
Bruk alltid Lincoln & Gubas fire kvalitetskriterier når du vurderer kvalitativ forskning
Kvantitativ metode
•
Øv på å velge riktig test basert på målenivå og antall grupper — dette er en svært vanlig eksamensoppgave
•
Vis alltid hele prosedyren: hypoteser → testnivå → testobservator →
p
p
p
-verdi → konklusjon
Datainnsamling og utvalg
•
Kunne forklare forskjellen mellom sannsynlighets- og ikke-sannsynlighetsutvalg med eksempler
•
Drøft alltid bias-typer når du vurderer en studies datakvalitet
Regresjonsanalyse
•
Øv på å tolke regresjonstabeller:
b
b
b
,
S
E
SE
SE
,
β
\beta
β
,
t
t
t
,
p
p
p
og
R
2
R^2
R
2
•
Vis alltid at du sjekker forutsetningene (LNHMU) i metodeoppgaver
Validitet og reliabilitet
•
Drøft alltid hvilken type validitet som er mest relevant for studien som beskrives
•
Vis at du kan identifisere trusler mot intern validitet og foreslå tiltak for å styrke den
Forskningsetikk
•
Vis kjennskap til GDPR-krav og meldeplikt til Sikt — dette er svært eksamensrelevant
•
Kunne diskutere p-hacking og replikasjonskrisen med eksempler
Akademisk skriving
•
Vis at du kan rapportere statistiske resultater korrekt i APA-format
•
Øv på å skrive metodeavsnitt med design, utvalg, instrument og analysemetode