Utdypende om design & statistikk Frode Svartdal UiTø April 2012.

Slides:



Advertisements
Liknende presentasjoner
Eksperimentet Frode Svartdal UiTø © Frode Svartdal – H2005.
Advertisements

Kan oppdrettsnæringen føre til endringer av virulens hos parasitter?
Kapittel 4 - Regresjonsanslyse
Forholdet mellom variabler: Kausalitet og korrelasjon
Statistikk på 50 5 minutter
Forskningsmetoder: Oppsummering og utdypning
 Bodil og Fin Ask Bearbeiding av innsamlet informasjon Bodil Ask Delvis basert på Patel & Davidson: Forskningsmetodikkens grunnlag.
Vurdering av statistiske analysemetoder brukt i Læringslabens undersøkelser i videregående skole i Rogaland.
ART: Dokumentasjon av behandlingseffekt
Forskningsmetoder: Oppsummering og utdypning
Eksempler, eksperiment
Kap 5 - Prediksjonsmodeller
Meta-analyse Frode Svartdal UiTø April 2014 © Frode Svartdal.
Kvantitativ forskning
BI 3010H05 Populasjonsgenetikk Halliburton Kap 1-3
Uni-, bi- og multivariate analyser
Kvalitetssikring av analyser til forskningsbruk
MET 2211 Statistikk og dataanalyse Forelesning Kapittel 14: Variansanalyse.
Kvantitativ dataanalyse: Prinsipper og eksempler
Utdypende info, design & statistikk
ANOVA: Litt om design & statistikk
Design, evalueringsstudie 06/07
Forskningsrapporten Frode Svartdal UiT.
Randomisering av deltakere i eksperiment
Statistikk på 20 2 timer PSY-1002
Skåring av SSIS-skjemaene Frode Svartdal UiT / Diakonhjemmet høgskole.
Skåring av motivasjonsskjema
Korrelasjon Frode Svartdal UiTø 2014.
Metode.
Design evalueringsstudie ART 08/09 Frode Svartdal, Knut Gundersen Oppdatert 20. november 2008 Frode Svartdal.
Aggression Replacement Training
Fire problemer Operasjonaliseringsproblemet (måling/begrepsvaliditet)
Teoretiske og metodiske spørsmål innen trekk-psykologi
Eksperimentell metode - I
Eksperimentelle design Ikke-eksperimentelle design
La oss begynne med begynnelsen (igjen)
Studentprosjekt Videreutdanningen Frode Svartdal UiT/Diakonhjemmet Høgskole H-2014.
Sammenhenger, problemstilling og forklaringer Forelesning 6/
Meta-analyse Frode Svartdal UiTø Okt © Frode Svartdal.
Siste forelesning er i morgen!
Regresjon Petter Mostad
Arv og miljø Teori, metoder og funn.
Skåring av HIT-skjema Frode Svartdal UiT / Diakonhjemmet høgskole NB! Nytt og enklere skåringsskjema!
Skåring av HIT-skjemaet Frode Svartdal UiT / Diakonhjemmet høgskole.
Forelesning 5 HSTAT1101 Ola Haug Norsk Regnesentral
Forelesning 6 HSTAT1101 Ola Haug Norsk Regnesentral
Kræsjkurs Del Ii Hypotesetesting
 Vi ønsker å tilpasse en rett linje gjennom dataskyen  Denne linjen skal ha den beste tilpasningen (minst feil) til data.
 Begreper  ANOVAAnalysis of Variance  Sum of Squares (Sammenlign med formelen for varians) Sir Ronald Aylmer Fisher
Operasjonsanalytiske emner Prognosemodeller basert på Tidsserieanalyse Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 23Forecasting 1 - Mønster.
Statistikk M4 Mandag 20. april 2009.
Stian Grønning Master i samfunnsøkonomi Daglig leder i Recogni.
Bolk 2 – Deskriptiv statistikk
Brukbarhetstesting og feltstudier INF 1500; introduksjon til design, bruk og interaksjon 7 november 2010.
Forskningsmetoder i psykologi
Skriv inn prosjekttittelen her Navn Lærerens navn Skole
Kapittel 3 Metode.
Brukbarhetstesting og feltstudier
Forskningsdesign: eksperiment
Hypotesetesting: Prinsipper
Måling, målefeil Forskningsmetoder Frode Svartdal UiTø H-2006
Fra idé til publikasjon
MET 2211 Statistikk og dataanalyse
Forskningsmetoder Data: Måling og målefeil Frode Svartdal UiTø
Måling, målefeil Forskningsmetoder Frode Svartdal UiTø V-2010
SIV : Kategoriske variabler og normaltilnærmelsen
Kapittel 15: Valg av metode Kapittel 16: Stokastiske variabler
Tester med SPSS prosedyrer og utskrifter
Håvard Hansen Doktorgradsstipendiat Institutt for markedsføring
I dag Konfidensintervall og hypotesetesting – ukjent standardavvik (kap. 7.1) t-fordelingen.
Utskrift av presentasjonen:

Utdypende om design & statistikk Frode Svartdal UiTø April 2012

Eksperimentelle design Mellomgruppe Ulike grupper av deltakere inngår i hver betingelse Flere varianter! Innen-gruppe Samme gruppe eksponeres for ulike betingelser i eksperimentet Mixed Mellomgruppe + innen-gruppe Kvasi-eskperimentelle Ligner på eksperiment (manipulasjon), men NOE mangler N=1 En deltaker undersøkes om gangen

Analyse av data fra eksperimenter Skårer viser variasjon Tilfeldig variasjon (”feilvariasjon”). Variasjon i skårer på avhengig variabel som skyldes forhold utenfor eksperimentet Eksempel: Individuelle forskjeller Systematisk variasjon. Variasjon i skårer som kan relateres til bestemte variabler (typisk gjennomsnittet for deltakere i samme betingelse) Manipulasjonen(e) Confounding variabel

Analyse av variasjon Systematisk variasjon Tilfeldig variasjon F =

Analyse av variasjon Gjennomsnitt”Grand mean” 10

Analyse av variasjon Faktisk skåre – grand mean Innen gruppene Mellom gruppene Gjennomsnitt i gruppen - grand mean Merk: Total variasjon = systematisk (mellom) + feil (innen) For første deltaker er dette 6 (total) = 5 (systematisk) + 1 (feil)

Sums of squares Summen av de kvadrerte avvikene fra gjennomsnittet Tre typer: Total Innen gruppene Mellom gruppene Total = innen + mellom

Mean squares og F-ratio Mean squares (MS) Mellom gruppene: SS mellom / df mellom Innen gruppene: SS innen / df innen df = degrees of freedom (frihetsgrader) F MS mellom / MS innen

Analyse av variasjon ANOVA gir en indikasjon om det finnes systematisk variasjon i data Hvis det er to gruppegjennomsnitt, er saken grei Er det flere gruppegjennomsnitt, hva da?

Analyse av variasjon Disse ser ganske like ut Antakelig forskjellig fra de to andre

Analyse av variasjon Hvis vi har en teoretisk basert prediksjon, kan vi bruke kontrastanalyse Har vi ikke en spesifikk prediksjon, brukes post-hoc-tester