Teori
Beskriv forskellen mellem desciptives statistics og inferential statistics (jo flere detaljer jo bedre ;) )
Descriptive: vil beskrive/organisere et sample. Måler centrale tendenser.
Inferential: vil ud fra hypoteser forsøge at sige noget om populationer. Lægger vægt på forskellige tests.
Hvordan lyder ligningen for en lineær regression og hvad hedder det forskellige dele?
yi = b0+b1x1+ei (outcome = model+error)
yi = outcome
b0 = intercept
b1 = gradient/slope/korrelationskoefficient
x1 = værdi, som vi er interesseret i at undersøge ift. outcome
ei = error (kan vi ikke regne ud hvad er)
Nævn antagelserne for parametriske former for t-tests
1. Outcome skal være kontinuert
2. Grouping variabel skal være kategorisk binær
3. Normalfordelt outcome data
Yderligere for independent t-tests:
4. Grupper skal være gensidigt udelukkende
5. Grupper skal vise homogeneity of Variance (lignende spredning af scorer omkring mean)
Hvad er antagelserne for independent Anova og Dependent Anova?
For alle Anova:
1. Outcome skal være continuos
2. Normalfordelt sampling distribution
3. Grouping variabel skal være kategorisk og bestå af mindst 3 levels.
For KUN independent Anova:
1. Grupper skal være gensidigt udelukkende
2. grupper skal udvise homogeneity of Variances
For KUN dependent Anova:
1. Sphericity
Og igen - hvad tænker I lige antagelserne er for chi-i-anden tests?
1. 2 kategorisk variabler
2. Gensidigt udelukkende kategorier (afhængighed)
3. Forventet frekvens skal for alle være >1
4. Ikke mere end 20% af celler i en 2x2 tabel må have en forventet frekvens <5
Nævn de 4 variabler, der kan finde sted i en tests. Specificér dem gerne, hvis muligt.
Kategorisk:
- Nominal (binær) og ordinal
Kontinuert:
- Interval og ratio
Nævn antagelserne for at lave en korrelation og lineær regression
Korrelation:
1. to kontinuert variabler
2. Normalfordelt data
3. Uafhængige observationer
4. Lineære forhold
Lineære regression:
- alle ovenstående
5. Homoscedasticity (lige varians i residuals i prædiktor variabel)
Hvad hedder de non-parametriske tests for hhv. independent og dependent t-tests
Independent - Mann Whitney U tests
Dependent - Wilcoxon signed rank test (T)
Hvad hedder de non-parametriske tests samt deres efterfølgende follow-up tests
Independent - Kruskal-wallis H test og efterfølgende Mann-Withney U test.
Dependent - Friedman´s x2 test og efterfølgende Wilcoxon signed rank T test.
Måske det her ovenstående er forkert kh malene.
Hvordan vælger man hvilken salgs effektstørrelse, man skal bruge til den givne chi-i-anden-test
Ved større tabeller vil man altid bruge Cramer´s V
Forklar hvad reliabilitet og validitet er og hvorfor problemer med disse kan opstå.
Reliabilitet: viser en måling det samme under de samme omstændigheder (rekonstrueres)
Validitet: måler man det, som man har til hensigt at måle (hva(lidtitet)d måler vi)
Kan forekomme, hvis man har målt forkert eller har sampling bias fx.
r kan tolkes direkte som en effektstørrelse. Hvilke cut-offs er der for Pearson´s r??
- OG nævn lige også de andre effektstørrelser samt deres cut-offs
.10 = lille
.30 = mellem
.50 = stor
Cohen´s d:
.20 = lille
.50 = mellem
.80 = stor
Odds ratio:
1.49 = lille
3.45 = mellem
9 = stor
Cramer´s V:
.10 = lille
.30 = mellem
.50 = stor
Hvad er en one-sample t-test
Når man vil teste, hvorvidt et gennemsnit i én sample skiller sig ud fra en specifik konstant
eksempel fra forelæsning:
- at sammenligne karakterer fra Aarhus psykologistuderende med gennemsnitlige nationale karakterer for psykologistuderende (en variabel vi kender).
Hvordan tjekker man for family-wise error rate p<.05 i de non-parametriske post-hoc follow-up tests??
Man siger .05 og dividerer det med antallet af sammenligninger mellem grupper/betingelser.
p-værdien bliver derfor ny og skal tages højde for ved fortolkning af SPSS output.
sådan undgår man at risikoen for type I error bliver for stor.
x2 er den test statistic som vi bruger til at sige noget om signifikans for vores chi-i-anden test.
hvilke andre tests bruger x2 til at teste signifikans?
Friedman´s test bruger x2 til at teste signifikans.
Kruskal-Wallis H test bruger også x2 til at teste signifikans
Forklar hvad der kan være skyld i, at ens data ikke er normalt distribueret.
Skewness (positivt og negativ)
Kurtosis (leptokurtic og plateukurtic)
Hvordan tester man signifikans for en lineær regression
R2 = (R square i SPSS) = beskriver hvor meget varians i y, der kan forklares af x. Rapporteres i %.
F-ration = beskriver overordnet hvor godt et fit ens model er af populationen.
t-værdi = siger noget om, hvorvidt vores givne x-værdi er en signifikant prædiktor for y.
Mann-Whitney U - Rationalet bag:
- alt data bliver rangeret (median er derfor vigtigt).
- så konverteres U til en z-score.
Wilcoxon signed rank - Rationalet bag:
- alle forskelle mellem scorer bliver rangeret (median er igen vigtigt).
- så konverteres T til en z-score
Hvad gør vi, hvis sphericity er signifikant i SPSS?
Så rapporteres Greenhouse Geisser eller Huynh-Feldt korrigering fra SPSS output.
hvordan skiller odds ratio sig ud fra andre effektstørrelser?
Den finder, hvor sandsynligt det er at falde i én kategori frem for en anden (i procent)
Forklar hvad forskellen på type I og type II error er. Og hvilke ting kan pege os i retningen af, at vi ikke laver type I error?
Type I: Sandsynligheden for fejlagtigt at forkaster nul-hypotesen (falsk positiv)
Type II: Sandsynligheden for fejlagtigt at acceptere nul-hypotesen (falsk negativ)
Jo lavere p-værdi (konfidens-level) og højere critical value i den teoretiske distribution - jo mindre sandsynlighed er der for at lave en type I error.
Hvilke ting er vigtige at huske, når man skal rapportere en lineær regression.
Overordnet husk:
- Statistics, df, signifkans for alle tests
Ekstra:
- husk R2 før F-værdier (F har 2 df)
- husk b (gradient) før t-værdier.
Hvad betyder det, hvis Levene´s test er signifikant. Og hvad gør vi, hvis den er?
Levene´s test tester hvorvidt der er homogeneity of Variance i vores data. Testen tjekker, at varians i grupperne er cirka den samme. Dette er vores nul-hypotese. Så hvis Levene´s test er signifikant, så må det betyde, at varians i grupperne ikke er den samme.
Vi kan derfor enten lave et non-parametrisk alternativ eller rapportere "equal variances not assumed" fra SPSS output. (Welch correction)
Hvad skal vi huske, når vi skal rapportere independent ANOVA
Vigtigt at rapportere:
- Type at test, f-statistik og begge df samt signifikansniveau
- Gns, SD / SE for hver gruppe skal også rapporteres.
- Hvis signifikant skal der også rapporteres for follow-up post-hoc-analysen
- Her skal inkluderes type af test, signifikante sammenligninger, når kontrolleret for family- wise error rate
- Man laver typisk en tabel for de forskellige sammenligninger
- Præsentér i datid
Hvad hedder alternativet til en chi-i-anden test over en 2x2 tabel? (ved godt vi ikke har haft fokus på dette, men kunne ikke finde på flere spørgsmål her)
Fischer´s exact test hehe