•Forveksler normative påstander («demokrati er bra») med empiriske hypoteser – bare empiriske påstander er testbare
•Tror at én bekreftet observasjon beviser en hypotese – bekreftelse styrker teorien, men falsifisering er prinsipielt viktigere
•Blander deduktiv og induktiv tilnærming – kvantitative studier i STV1020 er primært deduktive
•Oppfatter positivisme og post-positivisme som ytterpunkter uten middelposisjon – de fleste kvantitative statsvitere er post-positivister
Forskningsdesign
•Forveksler analyseenhet med observasjonsenhet – enheten er hva vi trekker slutninger om, ikke nødvendigvis hva vi samler data fra
•Antar at ekstensivt design alltid er bedre – valget avhenger av problemstillingen
•Glemmer å spesifisere tidsdesign (tverrsnitt vs. panel) – dette er viktig for kausal inferens
•Blander kontrollvariabel med konfunderende variabel – kontrollvariabler er inkludert i analysen; konfunderende variabler er de vi ikke har kontrollert for
Kausalitet og kausale slutninger
•Likestiller korrelasjon med kausalitet – kovariasjon er nødvendig, men ikke tilstrekkelig for kausal slutning
•Glemmer tidsrekkefølge-betingelsen – X må komme før Y for at X kan forårsake Y
•Tror at statistisk kontroll løser alle konfunderingsproblemer – vi kan bare kontrollere for observerte variabler
•Forveksler spuriøs sammenheng med mediering – en mediator M ligger på den kausale stien X→M→Y og er ikke spuriøs
•Husker bare Mills tre betingelser når oppgaven eksplisitt ber om Kellstedt og Whittens fire kriterier – inkluder mekanisme, ingen omvendt kausalitet, kovariasjon og ingen bakenforliggende Z
•Tegner stimodellen med variablene i feil tidsrekkefølge eller med flere piler mellom samme variabelpar – sensor vekter rekkefølge fra venstre til høyre og én pil per par
Målenivåer og operasjonalisering
•Behandler ordinale variabler som intervallvariabler – dette er vanlig i praksis men metodisk omstridt; vær bevisst på antagelsen
•Forveksler reliabilitet og validitet – reliabilitet er nødvendig, men ikke tilstrekkelig for validitet
•Glemmer at målenivået begrenser hvilke statistiske metoder som er tillatt – man kan ikke beregne et meningsfullt gjennomsnitt av partivalg
•Tror at høyt antall svaralternativer automatisk gir intervallnivå – antallet kategorier endrer ikke det underliggende målenivået
Datainnsamling og utvalg
•Forveksler utvalgsfeil (tilfeldig) med utvalgsbias (systematisk) – økt N hjelper bare mot tilfeldig feil
•Antar at et stort utvalg er representativt – størrelse kompenserer ikke for systematisk skjevhet i rekruttering
•Tror at kvoteutvalg er et sannsynlighetsutvalg – det er ikke-tilfeldig og gir ikke gyldig statistisk inferens
•Glemmer at klyngeutvalg gir høyere standardfeil enn enkelt tilfeldig utvalg av samme størrelse
Deskriptiv statistikk
•Bruker gjennomsnittet ukritisk ved skjeve fordelinger – ved outliers er medianen et bedre sentraltendensmål
•Glemmer at varians er kvadrert og dermed har en annen enhet enn variabelen – bruk standardavvik for tolkning
•Beregner varians med N i nevneren (populasjonsvarians) istedenfor N−1 (utvalgets varians) – i STV1020 brukes alltid N−1
•Tror at modus alltid er den beste representanten for data – modus er nyttig for nominale variabler, ikke for kontinuerlige
Bivariat analyse
•Konkluderer kausalitet fra korrelasjon – r = 0,6 betyr ikke at X forårsaker Y
•Bruker Pearsons r på ordinale variabler uten å vurdere Spearmans rho
•Leser radprosenter istedenfor kolonneprosenter i krysstabeller – konvensjonen er å ha den uavhengige variabelen i kolonner og lese kolonneprosenter
•Glemmer å sjekke scatter-plot for kurvilinearitet – r kan være lav selv om det er en sterk kurvilineær sammenheng
Enkel (bivariat) regresjonsanalyse
•Tolker konstantleddet som en substantiell verdi når X = 0 ikke er realistisk – konstantleddet er et matematisk ankerpunkt, ikke alltid meningsfullt
•Forveksler stigningstall med korrelasjon – r måler styrke, β måler endring i Y-enheter per X-enhet
•Glemmer enhetene i tolkningen av β – «øker med 4,1» er meningsløst uten enhetene (f.eks. prosentpoeng)
•Konkluderer årsakssammenheng fra OLS – OLS gir prediksjon og assosiasjon, ikke automatisk kausal identifikasjon
Multivariat regresjonsanalyse
•Tolker partialkoeffisienter uten «holdt konstant»-forbeholdet – dette er avgjørende for korrekt tolkning
•Inkluderer like mange dummyer som kategorier i stedet for k−1 – det gir perfekt multikolinearitet (dummy-fellen)
•Tolker hovedeffekten b1 i en samspillsmodell som en uavhengig effekt – den gjelder kun når den andre variabelen er 0
•Glemmer å legge til samspillsleddet når man regner ut betinget effekt for gruppen med dummy = 1
•Bruker vanlig R² til å sammenligne modeller med ulikt antall variabler – bruk justert R²
•Tror at alle konfundere er kontrollert fordi man har inkludert mange variabler – uobserverte konfundere gjenstår
Statistisk inferens og hypotesetesting
•Tolker p-verdien som sannsynligheten for at H0 er sann – p-verdien er betinget på H0, ikke en sannsynlighet for H0 i seg selv
•Konkluderer praktisk signifikans fra statistisk signifikans – en liten effekt kan være statistisk signifikant med stor N
•Forveksler konfidensintervallet med sannsynligheten for at parameteren er i intervallet – det er intervallet som er tilfeldig, ikke parameteren
•Glemmer tosidig vs. ensidig test – dersom vi har en retningshypotese brukes ensidig test (halverer p-verdien)
Datavisualisering
•Forveksler histogram og stolpediagram – histogram brukes for kontinuerlige variabler, stolpediagram for kategoriske
•Kutter y-aksen uten god grunn – dette kan villede leseren om størrelsen på effekter
•Bruker sektordiagram (kakediagram) for mange kategorier – stolpediagram er nesten alltid bedre
•Overser scatter-plot i favor av bare korrelasjonsmålet – scatter-plot avslører kurvilinearitet og outliers som r ikke fanger
R som statistikkverktøy
•Glemmer na.rm=TRUE i funksjoner som mean() og sd() – manglende verdier (NA) gir NA som resultat uten dette argumentet
•Forveksler datavariabelmedbarevariabel–utendata-prefiks vil R ikke finne variabelen (med mindre du bruker attach(), som ikke anbefales)
•Bruker = istedenfor <- for tildeling – begge fungerer, men <- er R-konvensjonen
•Glemmer å lagre lm()-modellen i et objekt – summary(lm(...)) kjøres direkte, men da kan man ikke bruke confint() etc. etterpå
Eksamenstips
Vitenskapsteori og forskningsprosessen
•Flervalgsoppgaver tester gjerne om du kan skille mellom testbare og ikke-testbare hypoteser – øv på å identifisere falsifiserbare påstander
•Vit hva som skiller deduktiv og induktiv forskning, og at kvantitative studier typisk er deduktive
•Poppers falsifiserbarhetsprinsipp er et klassisk flervalgs-tema
•Forskningsprosessens trinn er pensum-grunnlag – kjenn rekkefølgen og hva hvert trinn innebærer
Forskningsdesign
•Å identifisere populasjon, enhet(er) og variabler er nesten alltid det første spørsmålet i Del 2 (3–4p) – tren på å gjøre dette raskt og presist for en gitt hypotese
•Skillet mellom uavhengig, avhengig og kontrollvariabel testes både i Del 1 (flervalg) og Del 2 – vær trygg på rollene og hvilken vei pilen går
•Kjenn forskjellen mellom tverrsnitt, tidsserie og panel – og hvilke trusler mot validitet som er spesifikke for hvert design
•Intern vs. ekstern validitet er et klassisk tema; ekstern validitet kobles ofte til representativt utvalg og generalisering, intern validitet til utelatte variabler
•Vit at ekstensivt (kvantitativt) design er fokus i STV1020, i motsetning til STV1010 som fokuserer på intensivt (kvalitativt) design
Kausalitet og kausale slutninger
•Del 2 ber svært ofte om K&W's fire kausalitetskriterier (typisk 8p) – kunn dem ordrett og bruk dem som sjekkliste når du skal vurdere om en konkret sammenheng er kausal
•Å tegne en kausalmodell/stimodell er en gjenganger i Del 2 (ofte 3–8p) – øv på å plassere bakenforliggende variabel lengst til venstre og begrunne pilene ut fra tid
•Dekomponering (direkte/indirekte/spuriøs effekt) og forskjellen fra simultan regresjon er testet flere ganger – vit at simultan regresjon kun gir den direkte effekten
•Begrepene mettet/umettet og rekursiv/ikke-rekursiv modell, samt bakenforliggende vs. mellomliggende variabel, dukker opp i Del 1 (flervalg) – ha presise definisjoner klare
•Eksperimenter vs. observasjonsstudier, randomisering og det fundamentale kausalitetsproblemet er typisk eksamensstoff
Målenivåer og operasjonalisering
•«Hva er målenivået? Begrunn ved å vise til egenskapene» er et fast Del 2-spørsmål (3–6p) – husk å begrunne med rangering, lik avstand og naturlig nullpunkt, ikke bare oppgi nivået
•Forholdstall vs. intervall avgjøres av om det finnes et naturlig nullpunkt – svarer du intervall der ratio er riktig (eller omvendt) får du som regel delvis uttelling
•Validitet og reliabilitet bes ofte forklart med egne ord (typisk 3–4p), gjerne med K&W's tre validitetstyper (umiddelbar/face, innholds-/content, begreps-/construct) – ha en kort definisjon klar for hver
•Husk at omkoding (gruppering, dummy) senker målenivået – dette er et konkret eksamenspoeng
•Skillet mellom reliabilitet og validitet testes også i Del 1 – husk at reliabel + ugyldig er mulig, men lav reliabilitet gir alltid lav validitet
Datainnsamling og utvalg
•«Hvilken utvalgsteknikk bør du bruke? Begrunn» er et fast Del 2-spørsmål (3p) – kjernepoenget i begrunnelsen er at sannsynlighetsutvelging gir kjent uttrekkssannsynlighet, som kreves for å beregne standardfeil og generalisere
•Kjenn de fire sannsynlighetsutvalgene (enkelt tilfeldig, stratifisert, klynge, systematisk) og hvorfor kvote-/bekvemmelighetsutvalg ikke gir gyldig inferens – også skillet proporsjonalt vs. disproporsjonalt stratifisert
•Strukturert vs. ustrukturert intervju (fordeler/ulemper) er et tilbakevendende Del 2-tema i oppfølgende kvalitative deler – knytt strukturert til reliabilitet og ustrukturert til fleksibilitet/dybde
•Formelen SE=s/n og standardfeil for en proporsjon (SE(p^)=p^(1−p^)/n) er begge brukt i Del 2-utregninger – kjenn dem
•Skillet mellom utvalgsfeil (tilfeldig, krymper med N) og utvalgsbias (systematisk, krymper ikke med N) testes både i Del 1 og Del 2
Deskriptiv statistikk
•Del 2 ber jevnlig om å finne median, modus og variasjonsbredde fra en frekvenstabell eller et histogram – øv på å bruke kumulativ frekvens for medianen og vis fremgangsmåten
•Betinget/relativ frekvens og gjennomsnitt for en delgruppe (f.eks. «de som skåret over X») er konkrete utregningsoppgaver – les nøyaktig hvilke observasjoner som skal med
•Vær trygg på formler for gjennomsnitt, varians (N−1) og standardavvik – de kan komme både som utregning og som flervalg
•Vit når gjennomsnitt vs. median er mest hensiktsmessig – skjev fordeling/outliers → median
•Normalfordelingen og ±1σ/±2σ-regelen er pensum-grunnlag og brukes når du vurderer residualfordelinger i regresjon
Bivariat analyse
•«Hvilket sammenhengsmål og hvilken hypotesetest passer? Begrunn» er et fast Del 2-spørsmål (2–3p) – begrunnelsen MÅ vise til målenivåene til X og Y
•Pearsons r er hyppig eksamensstoff – kjenn formelen, tolkning av fortegn og størrelse, og at den krever to kontinuerlige variabler testet med t-test
•Gamma, kjikvadrat/Fi/Cramérs V og Spearmans rho dukker opp i Del 1 (flervalg) og i eldre eksamener – kjenn hvilket målenivå hvert mål forutsetter
•Et scatter-plot kan presenteres med spørsmål om retning og styrke – øv på å tolke grafer og se etter kurvilinearitet/outliers som r ikke fanger
•Krysstabeller: vit at man leser kolonneprosenter og sammenligner på tvers av kategorier
Enkel (bivariat) regresjonsanalyse
•«Skriv opp regresjonsligningen på generell form» er et fast Del 2-spørsmål (ofte 6p) – husk konstantledd, alle koeffisienter med variabler OG residualleddet ei for full uttelling
•Tolkning av konstantledd og stigningstall fra en tabell/R-output er kjernepensum – gi alltid både teknisk og substansiell tolkning, med enheter og hva referansegruppen er
•Å regne ut en predikert verdi ved innsetting er en sikker poenggiver – ta med konstantleddet, vis utregningen, og pass på 0/1-koding av dummyer (delpoeng for riktig fremgangsmåte)
•R²-tolkning er klassisk: «X-ene forklarer Y % av variasjonen i avhengig variabel» – kjenn også at R2=r2 i bivariat regresjon
•Formlene for β^ og α^ og sammenhengen β^=r⋅sy/sx kan komme – men tolkning vektes tyngre enn reproduksjon
•Å vurdere en OLS-forutsetning ut fra et residualplott (histogram→normalitet, residual mot X→heteroskedastisitet) og oppgi KONSEKVENSEN for signifikanstestene er et fast Del 2-spørsmål (4–6p)
•Kunn K&W's gruppering av OLS-antagelser (feilledd, modellspesifikasjon, estimeringskrav) – ha minst ett punkt fra hver gruppe klart
Multivariat regresjonsanalyse
•Å håndtere en kategorisk variabel med dummyer (k−1, referansekategori, ny tolkning av konstantleddet) er en av de mest gjentatte Del 2-oppgavene (ofte 8p) – øv på å forklare hvert trinn OG skrive ligningen
•Samspill/interaksjon testes nesten hver eksamen: regn ut betinget effekt (b1+b3) og tolk hva en signifikant samspillskoeffisient betyr
•Å forklare hvorfor en koeffisient endrer seg (størrelse/signifikans) når kontrollvariabler legges til, er et fast Del 2-grep – knytt det til indirekte effekt/mekanisme eller spuriøsitet
•Standardiserte koeffisienter (β) brukes til å sammenligne relativ styrke mellom variabler i ulike enheter – et tilbakevendende tolkningsspørsmål
•Forklar gjerne hvorfor N faller mellom modeller (listwise deletion av manglende verdier) – dette spørres direkte om
•Omitted variable bias og partialkoeffisient-tolkning («holdt konstant») er kjernepensum i både Del 1 og Del 2
Statistisk inferens og hypotesetesting
•Å gjennomføre en t-test for hånd med t-tabell (df = N−k−1 → kritisk verdi → observert t = b/SE → konklusjon) er et fast Del 2-spørsmål (5p) – vis ALLE trinnene, sensor gir delpoeng per trinn
•Kunne regne SE fra b og t (SE=b/t) og motsatt – små men sikre poeng i Del 2
•Beslutning via p-verdi: forkast H0 hvis p < signifikansnivået – pass på riktig nivå (1 %, 5 %, 10 %)
•Tolkning av p-verdier og t-statistikker fra en tabell/R-output er kjernepensum – øv på både teknisk og substansiell tolkning
•Konfidensintervaller: hvis KI ikke inneholder 0, er koeffisienten signifikant – hyppig tema i Del 1
•Type I-/type II-feil og skillet statistisk vs. praktisk/substansiell signifikans (en liten effekt kan bli signifikant ved stor N) testes hyppig
Datavisualisering
•Flervalgsoppgaver tester hvilken visualiseringstype som er riktig for en gitt datatype – histogram (kontinuerlig), stolpe (kategorisk), boxplot (sammenligning av grupper)
•Vit hva et boxplot viser: median, IQR, whiskers og outliers
•Scatter-plot med regresjonslinje er sentralt for å forstå regresjonsanalyse visuelt
•R-kode for de viktigste diagramtypene er pensum (se R-tema)
R som statistikkverktøy
•R-arbeidskravene er obligatoriske – bestå dem for å kunne gå opp til eksamen
•Flervalgsoppgaver kan vise R-output (summary(lm(...))) og spørre om tolkning – øv på å lese og forstå standard R-output
•Kjenn de viktigste funksjonene for deskriptiv statistikk, korrelasjon og regresjon i R
•Diagnostiske plott (plot(modell)) brukes til å sjekke OLS-forutsetninger – vit hva residual vs. fitted-plott viser