Begreper - Pugg

0.0(0)
Studied by 0 people
call kaiCall Kai
learnLearn
examPractice Test
spaced repetitionSpaced Repetition
heart puzzleMatch
flashcardsFlashcards
GameKnowt Play
Card Sorting

1/78

encourage image

There's no tags or description

Looks like no tags are added yet.

79 Terms

1
New cards

Tverrsnittsdata

data om forskjellige individer eller fenomener, hvor alle er observert på samme tid

ønsker å studere forskjellene mellom individene/fenomenene på det gitte tidspunktet

2
New cards

Tidsseriedata

data om samme individ eller fenomen, over tid

ønsker i studere utviklingen til det ene individet/fenomenet over tid

3
New cards

Paneldata

data om forskjellige individer/fenomener, over en tidsperiode

ønsker å studere forskjellene i utviklingen til flere individer/fenomener over tid

en blanding av tverrsnitts- og tidsseriedata

4
New cards

Populasjon

de objektene vi ønsker å studere eller finne noe ut om

det man tar et utvalg fra

5
New cards

Utvalg

en valgt del av populasjonen

bør være representativ for populasjonen for å få gode statistiske resultater av analysene

6
New cards

Representativt utvalg

et utvalg som kan brukes til å beskrive noe om hele populasjonen

desto større utvalg som andel av populasjonen du velger å gjøre analysene på, desto mer sannsynlig er det for at utvalget er representativt

7
New cards

Målenivåer

kategorier variabler kategoriseres innenfor

beskriver hvordan en variabel måles, og hvilke typer verdier og matematiske operasjoner det er meningsfullt å bruke på variabelen

8
New cards

Nominalnivå

verdiene er forskjellige

kan ikke si noe om forholdet mellom verdiene

kan ikke rangeres

eks: tlfnr., kjønn

<p>verdiene er forskjellige</p><p>kan ikke si noe om forholdet mellom verdiene</p><p>kan ikke rangeres</p><p>eks: tlfnr., kjønn</p>
9
New cards

Ordinalnivå

verdiene er forskjellige og kan rangeres

ikke nødvendigvis konstant intervall mellom verdiene

eks: militærrang, pallplassering

<p>verdiene er forskjellige og kan rangeres</p><p>ikke nødvendigvis konstant intervall mellom verdiene</p><p>eks: militærrang, pallplassering</p>
10
New cards

Intervallnivå

verdiene er forskjellige, kan rangeres og det gir mening å tolke avstand

det er like langt mellom verdiene (konstant intervall mellom verdiene)

eks: årstall, temperatur

<p>verdiene er forskjellige, kan rangeres og det gir mening å tolke avstand</p><p>det er like langt mellom verdiene (konstant intervall mellom verdiene)</p><p>eks: årstall, temperatur</p>
11
New cards

Forholdstallsnivå

verdiene er forskjellige, kan rangeres og det gir mening å tolke avstand og forholdet mellom verdiene

verdiene har også et naturlig nullpunkt

eks: pris, avstand

12
New cards

Varians

et mål på hvor mye observasjonene varierer rundt gjennomsnittet

måler spredningen i et datasett

beregnes som gjennomsnittet av de kvadrerte avvikene fra gjennomsnittet

<p>et mål på hvor mye observasjonene varierer rundt gjennomsnittet</p><p>måler spredningen i et datasett</p><p>beregnes som gjennomsnittet av de kvadrerte avvikene fra gjennomsnittet</p>
13
New cards

Standardavvik

kvadratroten av variansen

viser hvor stor spredning observasjonene har rundt gjennomsnittet, målt i samme enhet som variabelen

<p>kvadratroten av variansen</p><p>viser hvor stor spredning observasjonene har rundt gjennomsnittet, målt i samme enhet som variabelen</p>
14
New cards
<p>For både populasjon og utvalg </p>

For både populasjon og utvalg

knowt flashcard image
15
New cards

Kovarians

et mål på hvordan to variabler varierer i takt med hverandre

<p>et mål på hvordan to variabler varierer i takt med hverandre</p>
16
New cards

Korrelasjon

en måte å tallfeste hvor sterk sammenhengen mellom to variabler er

mellom -1 og 1, hvor:

  • -1 representerer perfekt negativ korrelasjon

  • 1 representerer perfekt positiv korrelasjon

  • 0 representerer ingen samvariasjon


<p>en måte å tallfeste hvor sterk sammenhengen mellom to variabler er</p><p>mellom -1 og 1, hvor:</p><ul><li><p>-1 representerer perfekt negativ korrelasjon</p></li><li><p>1 representerer perfekt positiv korrelasjon</p></li><li><p>0 representerer ingen samvariasjon</p></li></ul><p></p>
17
New cards

Lineær regresjon

Korrelasjon tallfester sammenhengen mellom to variabler

Lineær regresjon viser sammenhengen mellom to variabler med en lineær funksjon

<p>Korrelasjon tallfester sammenhengen mellom to variabler</p><p>Lineær regresjon viser sammenhengen mellom to variabler med en lineær funksjon</p>
18
New cards

Den enkle regresjonsmodellen

Undersøker i hvilken grad endringer i X klarer å forklare endringer i Y

Modellen har bare én forklaringsvariabel (X)

<p>Undersøker i hvilken grad endringer i X klarer å forklare endringer i Y</p><p>Modellen har bare én forklaringsvariabel (X)</p>
19
New cards

Den sanne modellen

Vi tenker oss at denne modellen har produsert all dataen vi har å analysere

Det er denne modellen man forsøker å gjenskape når man estimerer multiple regresjonsmodeller

<p>Vi tenker oss at denne modellen har produsert all dataen vi har å analysere</p><p>Det er denne modellen man forsøker å gjenskape når man estimerer multiple regresjonsmodeller</p>
20
New cards

Den estimerte modellen

Modellen vi beregner ut i fra dataen vi har

Skrives med hatter over bokstavene for å representere at det er et estimat på den sanne modellenN

<p>Modellen vi beregner ut i fra dataen vi har</p><p>Skrives med hatter over bokstavene for å representere at det er et estimat på den sanne modellenN</p>
21
New cards

Anslagsfeil/Residual

Feilleddet i den estimerte modellen kalles for anslagsfeilen eller residualet

Det er forskjellen mellom data og modellens estimat for den samme observasjonen i

<p>Feilleddet i den estimerte modellen kalles for anslagsfeilen eller residualet</p><p>Det er forskjellen mellom data og modellens estimat for den samme observasjonen i</p>
22
New cards

Koeffisient

en tallverdi som angir størrelsen og retningen på sammenhengen mellom en forklaringsvariabel og den avhengige variabelen i en regresjonsmodell, gitt at de øvrige forklaringsvariablene holdes konstante

23
New cards

Minste kvadraters metode (OLS)

en metode for å estimere koeffisientene i en regresjonsmodell ved å minimere summen av de kvadrerte residualene, altså forskjellene mellom observerte og predikerte verdier av den avhengige variabelen

vi bruker OLS til å finne den lineære funksjonen

<p>en metode for å estimere koeffisientene i en regresjonsmodell ved å minimere summen av de kvadrerte residualene, altså forskjellene mellom observerte og predikerte verdier av den avhengige variabelen</p><p>vi bruker OLS til å finne den lineære funksjonen</p>
24
New cards

Hva sier verdien til residualen oss?

Lite residual --> modellen estimerer presist

Stort residual --> modellen estimerer upresist

25
New cards

Residual kvadratsum (RSS)

residual sum og squares

summen av alle residualene kvadrert

ved å kvadrere residualene får vi bare positive tall og unngår at positive og negative residualer kansellerer ut hverandre

<p>residual sum og squares</p><p>summen av alle residualene kvadrert</p><p>ved å kvadrere residualene får vi bare positive tall og unngår at positive og negative residualer kansellerer ut hverandre</p>
26
New cards

BLUE

Den beste lineære forventningsrette estimatoren, som har lavest vareians blant alle lineære forventningsrette estimatorer

OLS er BLUE når Gauss-Markov-forutsetningene (SLR.1-SLR.5) er oppfylt

27
New cards

Estimat

en beregnet verdi fra et utvalg som brukes til å anslå en ukjent populasjonsparameter

28
New cards

Estimator

en statistisk metode eller formel som brukes til å beregne et estimat av en ukjent populasjonsparameter basert på utvalgsdata

en estimator er en tilfeldig variabel fordi verdien avhenger av hvilket utvalg som trekkes

29
New cards

Forventningsverdi

Det teoretiske gjennomsnittet til en tilfeldig variabel, beregnet som et vektet gjennomsnitt av alle mulige verdier, der hver verdi vektes med sannsynligheten for at den inntreffer

30
New cards

Forventningsverdi = 0

Det teoretiske gjennomsnittet til en tilfeldig variabel er null

Positive og negative verdier veier dermed opp for hverandre i gjennomsnitt

31
New cards

SLR.1

Modellen skal være lineær i regresjonskoeffisientene

Det skal være et lineært forhold mellom koeffisientene og den avhengige variabelen (Y)

ingen av koeffisientene kan være logaritmer, opphøyd i noe eller liknende

de kan være ganget med noe

NB! X’ene kan være på ikke-lineære former

32
New cards

SLR.2

Dataene vi bruker i modellen må komme fra et tilfeldig utvlag

Alle i populasjonen har hatt like stor sjanse for å bli valgt

Hvis det ikke står noe om utvalgsprosessen i abstraktet er det rimelig å anta at forutsetningen er oppfylt

33
New cards

SLR.3

Det skal være variasjon i verdiene for den uavhengige variabelen, X

Hvis vi har ingen variasjon kan ikke modellen estimeres

Ingen variasjon dersom:

  • Alle respondentene i en undersøkelse har gitt samme svar

  • Standardavviket eller variasjonen er lik null

  • V(X) = 0

Variasjon dersom:

  • V(X) ≠ 0


34
New cards

SLR.4

Den forventede verdien av feilleddet u må være null for alle verdier av forklaringsvariabelen, X

Vi må forvente at modellen treffer uansett hvilken verdi man putter inn for X

E(ui | xi) = 0

De positive og negative feilene til hver X-verdi utlikner hverandre i gjennomsnitt, altså feilleddet har ingen systematisk positiv eller negativ verdi for alle verdiene av X

Forutsetningen brytes dersom en variabel som både er korrelert med X og Y er utelatt av modellen, altså at den utelatte variabelen er inkludert i feilleddet

NB! Siden det alltid bare er én forklaringsvariabel i en enkel regresjonsmodell, blir det vanskelig å oppfylle SLR.4

35
New cards

Hva kaller vi X når SLR.4 er henholdsvis oppfylt og brutt?

Oppfylt: X er eksogen

Brutt: X er endogen

36
New cards

SLR.5

Vi må forvente at variansen i feilleddet u må være den samme for alle verdier av X (homoskedastisitet)

Feilene skal ikke øke eller minke systematisk med X

Hvis SLR.5 ikke holder er modellen unbiased, men resultatene (standardfeilene) vil være mindre pålitelige

37
New cards

Heteroskedastisitet

Variert varians i feilleddet, brutt SLR.5

38
New cards

Hva er rimelig å konkludere med om SLR.1 - SLR.4 er oppfylt?

OLS-estimatorene er forventningsrette, altså at forventningsverdien til estimatene er lik de sanne populasjonsparameterne

<p>OLS-estimatorene er forventningsrette, altså at forventningsverdien til estimatene er lik de sanne populasjonsparameterne </p>
39
New cards

Hva er rimelig å konkludere med om SLR.1 - SLR.5 er oppfylt?

OLS-estimatorene er BLUE, altså de beste lineære forventningsrette estimatorene

40
New cards

Konsekvenser ved brutt på hver av forutsetningene

SLR.1: regresjonsmodellen er ikke egnet til å beskrive den faktiske sammenhengen mellom X og Y

SLR.2: utvalget kan være skjevt, og OLS-estimatene kan bli forventningskjeve

SLR.3: Hvis X er konstant (ingen variasjon), kan vi ikke estimere helningskoeffisienten β^1

SLR.4: OLS-estimatene er ikke nødvendigvis forventningsrette, kan føre til utelatt variabel-bias og feilaktige konklusjoner om sammenhenger

SLR.5: OLS er ikke lengre garantert å være BLUE, vanlige standardfeil kan bli feil, og dermed også t-tester og konfidensintervaller

41
New cards

R2

et mål på hvor stor andel av variasjonen i den avhengige variabelen (Y) som forklares av regresjonsmodellen (forklaringskraften til modellen)

ligger mellom 0 og 1, der en høyere verdi betyr at modellen forklarer en større andel av variasjonen i Y

eks: R2 = 0,50 —> modellens forklaringskraft er 50%

NB! R2 kan være negativ om vi velger å utelate konstantleddet i en regresjonsmodell

42
New cards

Hva er problemet med R2?

R2 øker nesten alltid hvis vi inkluderer flere forklaringsvariabler, selv om variablene ikke har noen betydelig påvirkningskraft

43
New cards

ESS

explained sum of squares

summen av avstandene mellom estimert observasjon og gjennomsnittlig observasjon, kvadrert

<p>explained sum of squares</p><p>summen av avstandene mellom estimert observasjon og gjennomsnittlig observasjon, kvadrert</p>
44
New cards

TSS

total sum of squares

summen av avstandene mellom faktisk observasjon og gjennomsnittet, kvadrert

<p>total sum of squares</p><p>summen av avstandene mellom faktisk observasjon og gjennomsnittet, kvadrert</p>
45
New cards

Hvordan ser regresjonsmodellen ut ved en lav vs. en høy R2?

Høy: observasjonene ligger nært regresjonslinja

Lav: observasjonene ligger lengre unna regresjonslinja

<p>Høy: observasjonene ligger nært regresjonslinja</p><p>Lav: observasjonene ligger lengre unna regresjonslinja </p>
46
New cards

Hva er sammenhengen mellom utvalgskorrelasjon og R2 ved en enkel regresjonsmodell med konstantledd?

Utvalgskorrelasjonen ved en enkel regresjonsmodell med konstantledd er kvadratroten av R2

Fortegnet til korrelasjonen bestemmes av fortegnet til koeffisienten

47
New cards

Standardfeil til en regresjon (SER)

et mål på spredningen til residualene rundt regresjonslinjen, men også et mål på hvor presis regresjonsmodellen er (usikkerheten til et estimat)

viser hvor mye estimatet typisk varierer mellom ulike tilfeldige utvalg

jo lavere standardfeil desto mer presist er estimatet

det er et gjennomsnitt over hvor residualen faller over og under den estimerte linja

48
New cards

Standardfeilen til en regresjonskoeffisient (SE)

et mål på usikkerheten til den estimerte koeffisienten

viser hvor mye koeffisientestimatet typisk varierer mellom ulike tilfeldige utvalg

49
New cards

Standardavvik vs. standardfeil

Standardavvik: måler spredningen i dataene

Standardfeil: måler usikkerheten til estimatet

50
New cards

Hva sier lav vs. høy RSS oss?

Lav RSS: modellen estimerer presist (liten spredning i dataen)

Høy RSS: modellen estimerer upresist (stor spredning i dataen)

51
New cards

Hypotesetesting

en statistisk metode som brukes til å undersøke om det finnes tilstrekkelig grunnlag i utvalgsdataene til å forkaste en nullhypotese (H0) til fordel for en alternativ hypotese, basert på et valgt signifikansnivå

vi bruker hypotesetesting til å teste om observasjoner på utvalgsnivå også kan gjelde for populasjonsnivå

52
New cards

t-test

en statistisk hypotesetest som brukes til å undersøke om en enkelt regresjonskoeffisient er signifikant forskjellig fra en bestemt verdi (vanligvis null), ved å sammenlikne en beregnet t-verdi med en kritisk verdi eller bruke p-verdien

tester kun én variabel om gangen

53
New cards

t-verdi (testobservator)

et mål på hvor mange standardfeil en estimert koeffisient ligger unna verdien vi tester mot i hypotesen

54
New cards

p-verdi

sannsynligheten for å få en testobservator som er minst like ekstrem som den observerte, gitt at nullhypotesen er sann

55
New cards

Hva forteller en høy vs. lav p-verdi oss?

Lav: sterkere evidens mot H0

Høy: svakere evidens mot H0

56
New cards

Signifikanstest

en statistisk hypotesetest som brukes til å undersøke om det finnes tilstrekkelig statistisk evidens til å forkaste nullhypotesen

hypotesene ser alltid slik ut:

  • H0: B = 0 —> X har ikke en innvirkning på Y

  • HA: B ≠ 0 —> X har en innvirkning enten + eller - på Y


57
New cards

Forkastningsregler

en regel som bestemmer når vi skal forkaste nullhypotesen, basert på testobservatoren og den kritiske verdien, eller p-verdien og signifikansnivået

58
New cards

Kritisk verdi metoden

Sammenlikner den beregnede t- eller F-verdien med en kritisk verdi

Forkast H0 dersom testobservatoren ligger i forkastningsområdet

59
New cards

P-verdi metoden

Sammenlikner p-verdien med signifikansnivået

Forkast H0 dersom p-verdien er mindre enn signifikansnivået

“if the p is low the ho gotta go”

Jo lavere p-verdi, jo mer grunnlag har vi for å forkaste H0

60
New cards

Hva er logikken bak forkastningsregelen til p-verdi metoden?

Hvis p-verdien er mindre enn signifikansnivået betyr dette at vi kan godta dette siden sannsynligheten for å få en verdi mer ekstrem enn den vi har observert er mindre enn vi tillater med det gitte signifikansnivået

Hvis p-verdien er større enn signifikansnivået er det større sannsynlighet for å finne en t-verdi mer ekstrem enn den vi fant, enn vi er villige til å tillate i testen med det gitte signifikansnivået

61
New cards

Konfidensintervall

et intervall som angir usikkerheten rundt et estimat av en ukjent populasjonsparameter

et 95% konfidensintervall betyr at dersom vi gjentar utvalgsprosessen mange ganger, vil omtrent 95% av intervallene inneholde den sanne populasjonsparameteren

desto smalere intervall, desto sikrere er vi på estimatene

62
New cards

Den multiple regresjonsmodellen

en regresjonsmodell som undersøker sammenhengen mellom én avhengig variabel (Y) og to eller flere forklaringsvariabler (X)

modellen gjør det mulig å estimere sammenhengen mellom hver forklaringsvariabel og Y, gitt at de øvrige forklaringsvariablene holdes konstante

63
New cards

Interaksjonsterm

en variabel i en regresjonsmodell som fanger opp hvordan effekten av en forklaringsvariabel (X) på avhengighetsvariabelen (Y), avhenger av nivået på en annen forklaringsvariabel

<p>en variabel i en regresjonsmodell som fanger opp hvordan effekten av en forklaringsvariabel (X) på avhengighetsvariabelen (Y), avhenger av nivået på en annen forklaringsvariabel</p>
64
New cards

MLR.1

Linearitet i parameterne

Lik som SLR.1

65
New cards

MLR.2

Tilfeldig utvalg

Lik som SLR.2

66
New cards

MLR.3

a) ingen perfekt kollinearitet

ingen x skal kunne blir skrevet som en lineær kombinasjon av andre x

kollinearitet går fint, bare ikke perfekt

b) nok variasjon

det må være nok variasjon i x’ene, og vi må ha nok observasjoner for å kunne estimere modellen

utvalgsstørrelsen må være stor nok til at: n ≥ k + 1

67
New cards

MLR.4

nullbetinget gjennomsnitt

lik som SLR.4

68
New cards

MLR.5

homoskedastisitet

lik som SLR.5

69
New cards

MLR.6

Normalfordelt feilledd

feilleddet er normalfordelt , med forventningsverdi null og konstant varians, betinget på forklaringsvariablene

feilleddet skal ikke være korrelert med noen av forklaringsvariablene

70
New cards

Feilledd vs. residual

Feilledd: forskjellen mellom den faktiske verdien av den avhengige variabelen (Y) og verdien som bestemmes av den sanne populasjonsmodellen

Residual: forskjellen mellom den faktisk verdien av den avhengige variabelen (Y) og verdien som bestemmes av den sanne populasjonsmodellen

71
New cards

Justert R2

et mål på hvor stor andel av variasjonen i den avhengige variabelen (Y) som forklares av regresjonsmodellem, justert for antall forklaringsvariabler og observasjoner

justert R2 modellen for å inkludere flere forklaringsvariabler som ikke forbedrer modellens forklaringskraft tilstrekkelig

72
New cards

Log-log-sammenheng

en regresjonsmodell der både den avhengige variablen og forklaringsvariabelen er logaritmetransformert

hvor mange prosent Y forventes å endre seg når X øker med 1%, alt annet likt

73
New cards

Log-lin-sammenheng

en regresjonsmodell der den avhengige variabelen er logaritmetransformert, mens forklaringsvariabelen er på vanlig nivå

koeffisienten ganget med 100 viser omtrent hvor mange prosent Y forventes å endre seg når X øker med én enhet, gitt alt annet likt

74
New cards

Lin-log-sammenheng

en regresjonsmodell der den avhengige variabelen er på vanlig nivå, mens forklaringsvariabelen er logaritmetransformert

koeffisienten delt på 100 viser omtrent hvor mange enheter Y forventes å endre seg når X øker med 1%, gitt alt annet likt

75
New cards

Lin-lin-sammenheng

en regresjonsmodell der både den avhengige variabelen og forklaringsvariabelen er på vanlig nivå

koeffisienten viser hvor mange enheter Y forventes å endre seg når X øker med én enhet, gitt alt annet likt

76
New cards

Dummyvariabel

en variabel som bare kan ha verdiene 0 og 1, og som brukes i regresjonsanalyse for å representere kategoriske egenskaper

verdien 1 betyr at observasjonen tilhører en bestemt kategori, mens 0 betyr at den tilhører referansekategorien

77
New cards

Dummyfellen

oppstår når man inkluderer en dummyvariabel for alle kategoriene i en kategorisk variabel, samtidig som modellen har et konstantledd

dette fører til perfekt multikollinearitet, slik at OLS ikke kan estimere alle koeffisientene entydig

78
New cards

2 regler for å unngå dummyfellen

  1. dersom vi har en kvalitativ variabel med m mulige verdier, kan vi maksimalt inkludere (m - 1) dummyvariabler per kvalitativ variabel i tillegg til konstantleddet i modellen

  2. hvis vi dropper konstant leddet, og vi kun har én kvalitativ variabel med m mulige verdier kan vi maksimalt inkludere m dummyvariabler


79
New cards

den lineære sannsynlighetsmodellen

en regresjonsmodell der den avhengige variabelen er en dummyvariabel

modellen bruker OLS til å estimere sannsynligheten for at Y = 1

regresjonskoeffisientene viser hvor mange prosentpoeng sannsynligheten endres når en forklaringsvariabel øker med én enhet, gitt alt annet likt