quantitative research methodology

Selvdiagnosticering

en proces, hvori individet identificerer symptomer og tilskriver sig selv en mental helbredstilstand.

Det gøres uden brug af professionel vejledning, men i stedet baseret på personlig research eller information fra sociale medier

Bekræftelsesbias (confirmation bias)

en tilbøjelighed til at søge og forstå information på en måde, der bekræfter ens egne overbevisninger.

Denne menneskelige tendens kan således resultere i, at individer ikke formår at have en neutral vurdering af egne symptomer, men i stedet forstærker en foregående tanke om den pågældende psykiske lidelse

Valideringseffekten (the validation effect)

Effekten beskriver en tilbøjelighed til, at individer opfatter vage og universelle udtalelser på en måde, således de kan finde en mening, der passer specifikt til dem

Denne tendens kan resultere i, at individet øjeblikkeligt identificerer sig med en diagnose på baggrund af indhold på sociale medier, som ofte er præget af den slags vage og universelle udtalelser. Individer vil hurtigt søge en identificering, selvom de mangler forståelse for at symptomerne, som indholdet beskriver, også kan opleves af individer, der ikke har den pågældende diagnose

Sociale medier

muliggør kontinuerlig kommunikation og interaktion mellem brugere og kombinerer elementer fra både masse- og interpersonel kommunikation

karakteriseret ved, at brugerne kan producere og dele indhold, hvilket kan styrke interaktionen på platformen og skabe et digitalt fællesskab

TikTok

en platform, hvor brugere kan skabe videoer på 15 til 60 sekunder.

Særligt for TikTok er dens algoritmestyrede “For You”-funktion, som målretter indhold baseret på brugerens præferencer og tidligere interaktioner

Opmærksomhed

en målrettet koncentration af mentale ressourcer, der gør det muligt for individet at udvælge og bearbejde en begrænset mængde information fra omgivelserne

fungerer dermed som en nødvendighed i mødet med en konstant strøm af sanseindtryk, og er afgørende for, hvilke informationer, der får adgang til videre kognitiv bearbejdning.

Opmærksomhed ift. sociale medier

afgørende for, hvilke stimuli der registreres

ikke al tilgængelig information bearbejdes, men kun udelukkende det, der fanger brugeren.

Opmærksomhed ift. projektet

afgrænser således informationsstrømmen og er med til at forme, hvilke typer indhold, der fremstår meningsfulde for den enkelte.

Perception

en aktiv kognitiv proces, hvor individet anvender sin viden og tidli- gere erfaringer til at indsamle og fortolke sanseindtryk

kombinerer aspekter fra både den ydre og indre verden for at skabe mening

Perception ift. projektet

hvordan personer forstår og bearbejder den nye information

Internalisering

betegner en proces, hvor ydre information assimileres og gradvist kan integreres i individers selvforståelse og selvregulering

Internalisering ift. projektet

forklare hvordan eksponering af diagnoseindhold på sociale medier potentielt kan internaliseres i individets selvforståelse => kan føre til, at personer skaber en ny forståelse af sin psykiske tilstand ud fra symptomer set på sociale medier

ADHD

neuropsykiatrisk udviklingsforstyrrelse

skyldes en kombination af miljømæssige og genetiske faktorer, som påvirker hjernens styring af opmærksom- hed og adfærd samt måde at bearbejde information på

ADHD kernesymptomer

opmærksomhedsproblemer, hyperaktivitet, impulsivitet, og humørsvingninger

Opmærksomhedsproblemer

opmærksomhedsproblemer, koncentrationsbesvær, glemsomhed, samt at have svært ved at lytte til og optage information

Hyperaktivitet

udgøres af flere aspekter, herunder en indre følelse af uro og at have svært ved at sidde stille

Impulsivitet

hvordan individer med ADHD ofte afbryder andre, er utålmodige, og foretager handlinger uden at tænke nærmere over konsekvenserne

Humørsvingninger

henviser til et typisk iltert temperament og mange ændringer i humøret på daglig basis

Falsifikationsprincippet

hensigt at kunne modbevise vores opstillede hypotese og ikke blot søge at bekræfte dem.

Hvis hypoteserne ikke afvises, er det ikke ensbetydende med verifikation, men blot at hypoteserne har fundet støtte

Den hypotetisk-deduktive metode

kombination af opstilling af hypoteser og deduktion

Formålet med metoden er, at forskeren anvender teorier til at udvikle og afprøve hypoteser, som derefter testes gennem observationer og eksperimenter. Teorien danner rammerne for at forstå, hvordan fænomener hænger sammen.

Hypotese

en testbar påstand om verden, der udspringer af generelle mønstre eller teorier.

Formålet er at formulere en forudsigelse, der kan operationaliseres ved at gå fra generelle teorier til noget, der kan observeres og måles

Deduktion (ift. den hypotetisk-deduktive metode)

Deduktion går man fra de teoretiske forudsætninger til en konkret afprøvning af teorien i form af en testbar forudsigelse. Det betyder, at hvis noget observeres, kan det antages, at det kan generaliseres til fremtidige tilfælde.

Data støtter hypotesen over tid

Det betyder ikke nødvendigvis, at den er sand, men indikerer blot, at der ikke er tilstrækkelig evidens til at afvise den.

Data giver negative eller blandede resultater

Sandsynligheden for at kunne afvise eller revidere hypotesen øges.

Den kvantitative metode

Forskningsmetode, der fokuserer på at opnå viden ud fra kvantificerbare data, som repræsenteres numerisk gennem målinger eller optællinger

Nettet:

• Metode der arbejder med tal, målinger og statistisk analyse.

• Formål: generalisering.

Spørgeskema

Faktuelle og adfærdsmæssige, holdningsmæssige, demografiske, samt vidensmæssige.

Kan afdække en stor mængde respondenter på forholdsvis kort tid.

Fået adgang til individer, som vi ikke ellers havde haft adgang til.

Tidsbesparende, idet dataindsamlingen kan foregå samtidig med øvrige opgaver

Demografiske spørgsmål

uddannelse, køn, hvor de er fra osv.

Adfærdsmæssige spørgsmål

spørge ind til hvornår, hvor, eller hvor ofte noget er sket, hvilket kan bidrage til en forståelse af respondentens oplevelser og erfaringer.

Likert skala

Rensis Likert

Bruges som et psykometrisk værktøj

Ordinalskala brugt til holdningsmålinger

• Bygger på niveauet af enig- eller uenighed hos respondenterne med en række udsagn relateret til eksempelvis objekter, personer eller begivenheder.

Likert skala ift. projektet

I stedet for at undersøge enig- eller uenighed hos respondenterne, anvender vi en variation af valgmuligheder, der undersøger hyppigheden af symptomerne fra spørgsmålene

Validitet

undersøgelsens gyldighed og omhandler, hvorvidt et måleinstrument måler det, som tilstræbes.

= om man faktisk måler det, man tror at man måler.

Intern validitet

hvor høj grad en effekt i undersøgelsen kan tilskrives manipulation af den uafhængige variabel og ikke konfunderende variable.

• refererer til, hvorvidt et studies procedure, måleudstyr, spørgsmål, analyser osv. tillader forskeren at måle det, som studiet er designet til at måle.

Det beskæftiger sig med, hvorvidt der er en kausal forbindelse mellem den uafhængige- og afhængige variabel

Ekstern validitet

undersøgelsens resultater kan generaliseres til kontekster, der er anderledes end den eksperimentelle

• refererer til, hvorvidt et studies resultater kan generaliseres til de situationer og befolkningsgrupper, som studiet forsøger at undersøge ude i den virkelige verden.

Reliabilitet

overensstemmelsen af den psykologiske skala, og omhandler, hvorvidt undersøgelsens resultater kan reproduceres

= hvor stabilt og præcist måleinstrumentet er fx Cronbach’s alfa.

Intern reliabilitet

undersøgelsens konsistens i sig selv, og det er vigtigt for den interne reliabilitet, at respondenter svarer tilsvarende på lignende spørgsmål og ikke modsiger sig selv

Ekstern reliabilitet

resultaternes stabilitet på tværs af forskellige kontekster.

vigtigt for en undersøgelses eksterne reliabilitet, at den samme stikprøve producerer samme resultat hver gang den testes

Cronbach’s alfa

Et mål for reliabilitet, der angiver, hvor godt de enkelte elementer i en skala hænger sammen og måler den samme underliggende egenskab.

• For at kunne vurdere at en test har tilstrækkelig reliabilitet, skal værdien for Cronbach’s alfa være på omkring .75 til 1

Hvis variansen er høj for de individuelle elementer i relation til variansen i den overordnede test => lav reliabilitet => testen vurderes som upålidelig.

Hypotesetestning

Det undersøges, om data giver statistisk støtte til hypotesen ved hjælp af matematiske metoder, som anvendes til at afdække mulige sammenhænge eller effekter i data

Variable

For at kunne teste en hypotese må man identificere og måle relevante …, der kan variere på tværs af individer, geografiske enheder eller over tid

Den uafhængige variabel

Den variabel man manipulerer eller grupperer efter (årsag).

• Forskeren manipulerer eller antager som den mulige årsag.

Den afhængige variabel

Den variabel man måler (effekt).

• Det repræsenterer den målte effekt og antages at afhænge af den uafhængige variabel

Konfunderende variable

En tredje variabel, der har indflydelse på både den uafhængige variabel og afhængige variabel, og dermed kan påvirke den egentlige relation mellem dem

Nulhypotese H0

Angiver, at der ingen reel effekt er, og at de observerede resultater skyldes tilfældigheder,

Alternative hypotese H1

forudsiger en faktisk effekt baseret på den underliggende teori

Signifikansniveau (p-værdi)

Sandsynlighed for at få resultatet, hvis nulhypotesen er sand. Typisk p < 0,05 som grænse.

• Angiver sandsynligheden for at få det observerede resultat, hvis H0 ikke forkastes

Det vurderes, at resultatet er statistisk signifikant (værdi mindre end .05) => H0 forkastes.

• Det betyder dog, at H1 er sand, men at der er tilstrækkelig evidens til at støtte den.

Type I fejl

hvis det antages, at der er en effekt, når den reelt ikke eksisterer i en population. Risikoen, for at denne fejl kan forekomme, betegnes som alfa-niveauet og er .05 ved brug af standardkriteriet, forudsat at der ingen reel effekt er.

=> Her forkastes H0, selvom den er korrekt.

Type II fejl

Det antages, at der ikke er en effekt, selvom den reelt eksisterer i en population

=> Her forkastes H0 ikke, selvom den er forkert.

Denne type fejl kan ske, hvis man indsamler en lille test statistik, fordi der eksempelvis kan være naturlig varians i ens stikprøve

Jævnfør Jacob Cohen (1992 if. Field, 2018, p. 82) bør den maksimalt acceptable risiko for Type II fejl være .20, hvilket betegnes som beta-niveauet.

Statistisk styrkeberegning

Vurdere, hvor stor vores stikprøve skal være for at identificere en effekt med tilstrækkelig sandsynlighed.

• Det angiver sandsynligheden for at opdage en effekt, hvis den reelt findes i populationen.

Standardværdierne er ofte 𝛼 = .05 og 1-β = .8.

• Kan beregnes som 1-β, og en styrke på minimum .8 anses generelt som tilstrækkelig til at opdage en reel effekt

Effektstørrelse

Er den faktiske forskel, som man finder i sit studie. Viser hvor stor forskellen/ sammenhængen er.

• Standardiseret mål, som gør det muligt at sammenligne resultaterne på tværs af studier

Cohens d, Pearsons korrelationskoefficient r & oddsratio

Cohen’s d

angiver den gennemsnitlige forskel mellem to grupper

Shapiro-Wilk testen

vurdere, hvorvidt et datasæt er normalfordelt.

Testen konstruerer en teoretisk normalfordeling ud fra datasættets gennemsnit og standardafvigelse. Efterfølgende sammenlignes de observerede værdier med denne fordeling.

p > .05 => ikke er en signifikant afvigelse fra normaliteten, og datasættet kan derfor betragtes som normalfordelt

p < .05 => en signifikant afvigelse fra normalfordelingen

Standardfejl

et mål for, hvor repræsentativt vores stikprøvegennemsnit afviger fra den sande værdi i en population

Skævhed

Hvorvidt data er fordelt symmetrisk eller asymmetrisk omkring gennem- snit. Ved skæve fordelinger ligger de fleste værdier grupperet enten mod højre eller venstre

Skævhed = 0

en symmetrisk fordeling => normalfordeling

Positiv skævhed (skævhed > 0)

en lang hale i histogrammet, hvilket betyder, at der er mange lave værdier og få høje

Negativ skævhed (skævhed < 0)

illustreres som en lang hale til venstre på histo- grammet med mange høje værdier og få lave

Kurtosis

graden af, hvor spids eller flad en fordeling er, sammenlignet med en normalfordeling

Positiv kurtosis

værdien er > 0.

Histogrammet fremgår spidst, idet det har tunge haler og mange ekstreme værdier.

Negativ kurtosis

værdien er < 0

Histogrammet vil være mere fladt fordelt med få ekstreme værdier, hvorfor det fremstår mere jævnt

Varians

Et mål for, hvordan dataen i et datasæt afviger fra gennemsnit og viser spredningen af dataudfald omkring gennemsnit

• Hver gang vi måler noget, så får vi altid varians f.eks. Hvis man måler en æske med tændstikker, så vil alle tændstikker afvige en smule fra gennemsnittet.

I formlen beskrives stikprøvens varians (s2); den enkelte observation (xi); Gennemsnit af obser- vationerne (x), hvilket udgør den kvadrerede standardafvigelse fra gennemsnittet (Field, 2018, p. 30f). Derudover ses antallet af observationer i stikprøven (N).

Levene’s test for ensartet varians

Ved at bruge denne test kan man identificere heteroskedasticitet (ændring i varians på tværs af grupper). Der testes om variansen er ens i forskellige grupper.

• Hvis testen er signifikant (p ≤ 0.05), betyder det, at variansen er forskellig, og antagelsen om homoskedasticitet er brudt. Man vil derfor efter en rettelse

• Hvis testens p-værdi er ikke-signifikant (p > 0.05), kan man konkludere, at variansen er ens, og antagelsen om homogeniteet/ensartet varians holder.

Variansen af en undersøgelses udfald bør være den samme i hver stikprøve

T-test for uafhængige stikprøver

testning af sammenligning af gennemsnittene for to forskellige grupper for at kunne afgøre, om der findes en statistisk signifikant forskel mellem dem => bruges til between-subjects design

Generelt gælder det, at H0 hævder, at de to gruppers gennemsnit vil være ens. T-testen bruges derfor til undersø- gelsen af, hvorvidt forskellen mellem gruppens gennemsnit er signifikant.

I formlen beskrives gennemsnit (X̅ 1) og (X̅ 2) for grupperne; varians, eller kvadreret standardaf- vigelse (s2) for grupperne; antal observationer i hver gruppe (n) (Field, 2018, p. 449f).

Bootstrap

En statistisk metode, der anvendes til at estimere egenskaber ved en stikprøvefordeling uden antagelsen om, at dataene følger en normalfordeling.

Relevant, når man arbejder med data, der ikke er normalfordelte, eller hvis datasættet indeholder ekstreme outliers, der kan påvirke resultaterne.

Virkning: gentagne gange trækker den tilfældige stikprøver fra den oprindelige stikprøve ved at lægge hver observation tilbage i stikprøven, før en ny trækkes.

Percentil-konfidensinterval

Særlig metode til at beregne konfidensintervaller i bootstrap.

• Man genererer mange resamples (bootstrap samples), beregner estimatet for hver, og sorterer dem.

• Man tager så fx de nederste 2,5% og øverste 2,5% værdier blandt disse estimerede værdier som grænserne for 95% KI. Intervallet fortæller: "Vi er 95% sikre på, at det rigtige gennemsnit ligger et sted mellem de her to værdier."

Den uafhængige variabel i projektet

Eksponering for diagnoseindhold.

Blev operationaliseret gennem to forskellige versioner af spørgeskemaet

Den afhængige variabel i projektet

Graden af selvdiagnosticering, som måles gennem et spørgeskema, hvor deltagerne bliver bedt om at angive, hvor ofte (Likert-skala) de oplever en række symptomer relateret til ADHD.

Potentielle konfunderende variable i projektet

Alder; køn; uddannelsesniveau; beskæftigelsesstatus; omfanget af brug af sociale medier; eksisterende kendskab til ADHD; tidligere eksponering for lignende indhold.

ASRS-v1.1

Screeningsværktøj, der består af 18 kriterier for ADHD. Skemaet opdeles i to afsnit. Afsnit A indeholder seks spørgsmål, der er særligt in- dikatoriske for ADHD. Afsnit B består af de øvrige 12 spørgsmål, som giver yderligere indsigt, men indgår ikke i en samlet score og angiver i sig selv ikke en diagnostisk sandsynlighed. Denne opdeling er udviklet med henblik på klinisk screening og diagnostisk vurdering

Tre generelle forskningsetiske krav om informeret og frivilligt samtykke

Information, kompetence & frivillighed

Nordens fælles etiske hovedprincipper

Respekt for klientens rettigheder og værdighed; kompetence; ansvar; integritet

Respektprincippet

udvise respekt og tilskynder at fremme personers rettigheder, værdighed og integritet

Respektprincippet i projektet

fuld anonymisering af respodenterne & at besvarelserne udelukkes anvendes ift. projektet

Kompetenceprincippet

hvordan man vil bestræbe sig på at vedligeholde og udvikle sine faglige kompetencer i takt med sit arbejde

Kompetenceprincippet i projektet

Bevidstheden om begrænsningerne ved vores kompetencer som psykologistuderende. For ikke at bevæge os ud over eget kompetenceniveau, er der derfor anvendt den diagnostiske skala, ASRS v1.1.

Ansvarsprincippet

indebærer det videnskabelige ansvar for at forblive professionel og ansvarlig for ikke at gøre nogen former for skade

Ansvarsprincippet i projektet

projektet omhandler en psykisk lidelse og spørgsmålene tager udgangspunkt i diagnostiske vurderingsspørgsmål. Vi har derfor nøje overvejet de etiske dilemmaer og konsekvenser.

I spørgeskemaerne stilles ikke en endelig diagnose efter afsluttet besvarelse, ligesom der ikke bliver udleveret en opsummeret score for graden af selvdiagnosticering samt for mængden af ADHD-symptomer. Dette er for at beskytte individet mod unødvendig skade, men også fordi vi som psykologistuderende ikke har kvalifikationerne til at kunne udføre sådan en vurdering.

Integritetsprincippet

hvordan man i det psykologiske felt skal søge at fremme integritet og ærlighed samt fremtræde respektfuld over for involverede individer

Integritetsprincippet i projektet

Så transparente som muligt omkring processen. Dette indebærer overvejelser omkring forskningsformålet, projektets me- todevalg, samt de ovenstående etiske overvejelser i forhold til respondenternes deltagelse i pro- jektets undersøgelse.

Outliers

En observation, der afviger markant fra resten af datasættet (ekstrem værdi). Outliers kan trække gennemsnittet op eller ned.

• Når outliers afviger markant fra de øvrige data, kan det skjule den reelle variation og forvride centrale estimater som gennemsnit og standardafvigelse, hvilket gør det vanskeligere at vurdere, om der er en faktisk forskel mellem grupperne.

Within-subjects design

“Definition”

• Design hvor de samme personer undersøges under forskellige niveauer af en given uafhængig variabel (faktor)

  • Før-og-efter forsøg er hvor de samme personer er involveret.

  • Den samme person kan bruges som sin egen kontrol-person.

Projektet

• Respondenterne skulle besvare de samme 18 spørgsmål både før og efter eksponeringen.

• Et sådant design ville have gjort det muligt at undersøge ændringer i individets egen vurdering. Det blev dog konkluderet, at dette design ville øge risikoen for læringseffekter og bevidsthed om eksponeringen, hvilket kunne påvirke målingen af den effekt, vi havde til hensigt at undersøge.

Between-subjects design

“Definition”

• Design hvor forskellige personer optræder under forskellige niveauer af en given uafhængig variabel (faktor)

• Forskellige grupper af respondenter i hver gruppe (fx kontrol- og eksperimentalgruppen.

• Én gruppe oplever betingelse A, en anden oplever betingelse

Projektet:

• Valget af forskningsdesign medfører dog visse metodiske begrænsninger. Eftersom hver re- spondents besvarelse blot måles én gang, er der større risiko for, at observerede forskelle skyl- des variation mellem grupperne snarere end effekten af eksponeringen alene. Dette blev afspej- let i vores data, hvor kontrolgruppen udviste en mere markant skævhed og højere kurtosis sam- menlignet med eksperimentalgruppen. For at imødekomme denne udfordring blev randomise- ring anvendt ved allokering af grupper.

Central tendency bias

=> respondenter har tendens til at undgå ekstreme værdier med henblik på svarmuligheder.

Tendensen kan have haft indflydelse på vores resultater, idet respondenterne muligvis har undgået disse svarmuligheder.

Likert skalas midterværdi

“Nogen gange”

Tvetydig betydning i valget af denne besvarelse, da den både kan betyde, at respondenten har en neutral position i henhold til spørgsmålet, eller at de er splittet mellem hvilken retning, de tilhører.

Denne pointe kan ydermere have påvirket respondenternes svar, eftersom de enten ikke har vidst, hvad de skulle svare, eller har været usikre omkring selve udsagnet i spørgsmålet.

Intern reliabilitet i projektet

anvendt crobach’s alfa.

Den lave interne reliabilitet betyder, at vi må udvise en vis usikkerhed om måleinstrumentets kvalitet i sammenhæng med indeværende projekt og dermed også, hvorvidt vi kan drage konklusioner på baggrund af vores resultater.

Ekstern reliabilitet i projektet

Det vurderes ved at tage stilling til dets stabilitet på tværs af forskellige kontekster.

Forsøgt ved at søge demografiske oplysninger om vores respondenter i spørgeskemaerne samt beskrive vores procedure så udførligt som muligt.

Med henblik på hvorvidt respondenternes svar er konsistente, kan der antages at være en vis usikkerhed. Spørgeskemaet blev udfyldt efter én eksponering, hvorfor det er uklart, hvorvidt deres rapportering af symptomer havde været anderledes efter gentagen eksponering. På denne måde er der risiko for, at vores resultater illustrerer en kortvarig og situationel reaktion og ikke en stabil vurdering af egne symptomer. Det kan heraf være vanskeligt at drage konklusioner om, hvorvidt projektet har en høj ekstern reliabilitet.

Intern validitet i projektet

Vi har forsøgt at styrke projektets interne validitet gennem vores forskningsdesign.

Dette har skabt forudsætningerne for en vurdering af, hvorvidt eksponeringen har haft en reel effekt på graden af selvdiagnosticering. Ved at inddrage en kontrolgruppe mindskes risikoen for konfunderende variable. Den manglende effekt peger dog på, at eksponeringen ikke påvirker selvdiagnosticering i konteksten af vores specifikke undersøgelse. Dette kan understøtte projektets interne validitet, idet vi med rimelighed kan antage, at vores data ikke er blevet påvirket af konfunderende variable, der kan have skabt en kunstig effekt. Der kan imidlertid forekomme usikkerhed omkring visse konfunderende variable, som kan have skjult en reel effekt og dermed svækket projektets in- terne validitet.

Ekstern validitet i projektet

vurderes gennem overvejelser om, hvorvidt vores resultater kan generaliseres til andre kontekster fx replikation og projektets transparens.

Der er dog visse forhold, der kan have svækket den eksterne validitet.

• Indledningsvist er det usikkert, hvorvidt resultaterne blot afspejler den eksperimentelle situation. På trods af bestræbelserne på at skabe en realistisk repræsentation gennem en autentisk TikTok- video, er det vanskeligt at rekonstruere den virkelige situation, hvor individer ofte udsættes for gentagen eksponering.

• Vi kunne med fordel have inkluderet flere eksponeringer for yderligere at tilnærme os en virkelighedsnær oplevelse.

• Sammensætningen af vores stikprøve have svækket den eksterne validitet.

KORT om projektet (hvad vi ønsker at undersøge, formålet og resultatet)

undersøge, hvorvidt en enkelt eksponering for diagnoseindhold om ADHD påvirker individers perception af egne psykologiske symptomer.

projektet bidrager således til eksisterende litteratur ved at anvende et between-subjects design til at under- søge effekten af én kortvarig eksponering af diagnoseindhold om ADHD.

Projektets statistiske analyse fandt ikke nogen signifikant effekt, og vi kunne dermed ikke forkaste H0.

Fremtidig forskning i projektet

Faktorer såsom

• længerevarende

• gentagen eksponering

• individers forhåndsviden

• tidligere erfaringer med denne type indhold

• autentisk og mere virkelighedsnær TikTok-format

kan potentielt have en mere væsentlig indflydelse. Disse faktorer ville være relevante at undersøge nærmere gennem en lignende undersøgelse.

Nominalskala / Kategoriskala

“Definition”

• Observationer indordnes efter kategori

• Kategorier uden rangorden

• Ingen ens intervaller

• Intet absolut nulpunkt

• Kan kodes med tal (fx 1 kvinde, 2 mand), men tallene har ingen værdi

Eksempel

• Køn (mand, kvinde, andet)

• Nationalitet

• Religionskategori (buddhist kristen, muslim mv.)

• Blodtype (A, B, AB, 0)

• Øjenfarve (brun, blå, grøn)

• Postnummer

• CPR-nummer (unik identifikation)

Ordinalskala

“Definition”

• Observationer indordnes efter rækkefølge

• Minder på mange måder om nominalniveau, men kan dog rangordnes. Dog er afstanden mellem kategorierne ukendt.

Eksempler

• Uddannelsesniveau (folkeskole, gymnasium, bachelor, kandidat, ph.d.)

• Smerteniveau (mild, moderat, stærk)

• Holdninger (negativ, positiv, neutral)

• Placering i en konkurrence (1., 2. el. 3. plads)

• 7-trinsskala (karakterer på uni)

• Socioøkonomisk status (lav, middel, høj)

• Likert-skala (enig, lidt enig, neutral, lidt uenig, uenig)

Intervalskala

“Definition”

• Ens intervaller, men 0 er ikke "intet" fx år 0.

• Man kan ikke sige "dobbelt så meget"

• Data der kan rangordnes efter en enhedsskala. Hver enhed stiger eller falder er den samme enhed.

• Numeriske data med ens intervaller, men uden absolut nulpunkt.

• Observationer indordnes efter værdi og hvor der er præcise angivelser af afstanden mellem målepunkt

Eksempler:

• Temperatur i Celsuis eller Fahrenheit

• Årstal

• Klokkeslæt på et døgn (fx kl. 12 er ikke dobbelt så meget som kl. 6)

• Kalenderdatoer

Ratioskala

“Definition”

• Numeriske data med ens intervaller og et absolut nulpunkt, så man kan lave forholdsberegninger (fx 6 kg er dobbelt så meget som 3 kg)

• Samme skala som en interval-skala men hvor skala har et ægte nulpunkt

Eksempler:

• Højde

• Vægt (kg, g)

• Længde (cm, m, km osv.)

• Alder (i år, måneder)

• Indkomst i kroner

• Antal børn i en familie (fx kan man ikke have 1,5 barn)

Deskriptiv statistik

Beskrivende statistik, hvis formål er at opsummere og visualisere data uden at drage konklusioner.

• give et overblik – hvordan skal vi forstå overblikket over ens data

Fx histogram (fx normalfordeling, skævhed), boksplot (median, kvartiler, outliers), middelværdi, median, standardavigelse, frekvenser osv.

Inferentiel statistik

= statistik hvorfra vi kan udlede noget. Tester hypoteser på baggrund af stikprøvedata.

Fx t-test, ANOVA, korrelation, bootstrap t-test

Operationalisering

angiver en mere eller mindre valid metode til at måle en (del af en) hypotetisk konstruktion fx intelligens

Hvordan du omsætter et teoretisk begreb til noget målbart (fx ADHD-symptomerne)

Analysis of variance (ANOVA)

Sammenligner gennemsnit (3+ grupper)

Korrelation (fx Pearson / Spearman)

forhold mellem variablerne, således at de hænger sammen (optræder sammen).

• Siger noget om hvor tit noget sker 

• Hvor stærk sammenhængen er

• og hvor godt passer sammenhængen på en lineær model

Regression

Forudsiger AV ud fra UV’er fx R² og standardfejl

Randomisering

Når et andet variabel, end det tilsigtede uafhængige variabel skaber variansen hos den afhængige variabel