Randomisering av deltakere i eksperiment

Slides:



Advertisements
Liknende presentasjoner
Kvalitative studier Trond Hatling Sintef Unimed Helsetjenesteforskning
Advertisements

Eksperimentet Frode Svartdal UiTø © Frode Svartdal – H2005.
1 Sannsynlighetsregning Gjenfinningssystemer og verktøy II Jon Anjer.
Statistikk på 50 5 minutter
Hvordan lage spill i power point?
Forskningsmetoder: Oppsummering og utdypning
Gjenfinningssystemer og verktøy II
Å skrive en sakpreget tekst
ART: Dokumentasjon av behandlingseffekt
Forskningsmetoder: Oppsummering og utdypning
Eksempler, eksperiment
Forskningsrapporten: Sjekkliste før innlevering (empirisk rapport)
Meta-analyse Frode Svartdal UiTø April 2014 © Frode Svartdal.
Kritisk gjennomgang av vitenskapelige studier.
Module 4: Company Investment Decisions Using the WACC
Forside Korteste sti BFS Modifikasjon Dijkstra Eksempel Korrekthet Analyse Øving Spørsmål Dijkstras algoritme Åsmund Eldhuset asmunde *at* stud.ntnu.no.
INF 295 Forelesning 15 - kap 9 Grafer Hans Fr. Nordhaug (Ola Bø)
Sigmund Grønmo: Samfunnsvitenskapelige metoder Kapittel 5
Harald Romstad Høgskolen i Hedmark
Planlegging av klinisk forskning. Randomiserte studier, -fallgruber.
Utdypende om design & statistikk Frode Svartdal UiTø April 2012.
Attribusjon – grunnleggende prinsipper
Utdypende info, design & statistikk
ANOVA: Litt om design & statistikk
Design, evalueringsstudie 06/07
Forskningsrapporten Frode Svartdal UiT.
Statistikk på 20 2 timer PSY-1002
INF 295 Forelesning 20 - Kapittel 7 Boble-, innstikk-, Shell-, Heap-, Quick-, Mergesortering Hans Fr. Nordhaug (Ola Bø)
1 Brukerveiledning for Klubben onlines medlemsarkiv – en enkel innføring.
Sluttspill generator Veldig enkel brukerveiledning.
ATP modellen Datakvalitet – enkle kontrollrutiner.
Design evalueringsstudie ART 08/09 Frode Svartdal, Knut Gundersen Oppdatert 20. november 2008 Frode Svartdal.
Forskningsrapporten: Sjekkliste (empirisk rapport)
Aggression Replacement Training
PROSJEKT: UADRESSERT REKLAME Omnibus: 23. august – 30 august 2006
Fire problemer Operasjonaliseringsproblemet (måling/begrepsvaliditet)
Eksperimentell metode - I
Eksperimentelle design Ikke-eksperimentelle design
Kognitiv psykologi Frode Svartdal UiT 2014.
Studentprosjekt Videreutdanningen Frode Svartdal UiT/Diakonhjemmet Høgskole H-2014.
Forelesning 3 HSTAT1101 Ola Haug Norsk Regnesentral
Design, studentundersøkelse Frode Svartdal, Knut Gundersen.
Ting å huske, samt en tidslinje for prosjektet Frode Svartdal 2. Desember 2014.
Meta-analyse Frode Svartdal UiTø Okt © Frode Svartdal.
Design, studentundersøkelse Frode Svartdal, Knut Gundersen.
Innføring til forskningsmetode - fra spørsmål til design
Randomiserte kontrollerte studier
Regresjon Petter Mostad
En formel er gyldig hviss den sann i alle tolkninger Utsagnslogikk Tolkning = linje i sannhetsverditabell Altså: En formel er gyldig hviss den har T i.
Forelesning 5 HSTAT1101 Ola Haug Norsk Regnesentral
Kombinatorikk og sannsynlighet
Statistikk 2 M1 årskurs HVE 31. august 2009.
Samfunnsvitenskapelig forskningstradisjoner
Stian Grønning Master i samfunnsøkonomi Daglig leder i Recogni.
Utvalg og datainnsamling Typer av data: Data innhentet for å belyse en spesiell problemstilling (egne data)‏ Data frambrakt uavhengig av problemstillingen.
Utvalg og datainnsamling For å gjennomføre en test av hypoteser i kvantitativ metode trenger vi et utvalg deltakere for å gjennomføre datainnsamling –
Salg 2 for elektrikere - et forslag
Spørsmål til diskusjon Leselyst- en bok for alle
Forskningsdesign: eksperiment
MAT0100V Sannsynlighetsregning og kombinatorikk
Hypotesetesting: Prinsipper
Frode Svartdal UiTø Okt. 09
Måling, målefeil Forskningsmetoder Frode Svartdal UiTø H-2006
Fra idé til publikasjon
Forskningsmetoder Validitet Frode Svartdal Universitetet i Tromsø
Måling, målefeil Forskningsmetoder Frode Svartdal UiTø V-2010
Håvard Hansen Doktorgradsstipendiat Institutt for markedsføring
Oppsummering fra forrige gang
Kapittel 3 Produsere data
I dag Konfidensintervall og hypotesetesting – ukjent standardavvik (kap. 7.1) t-fordelingen.
Utskrift av presentasjonen:

Randomisering av deltakere i eksperiment Frode Svartdal UiTø H-05 © Frode Svartdal

Definisjoner Randomisert utvalg fra en populasjon Prosedyre som sikrer at alle i populasjonen har lik sjanse til å bli med i et utvalg Randomisert fordeling til grupper Prosedyre som sikrer at hver deltaker i et eksperiment har lik sjanse til å havne i eksperimentets ulike betingelser

Randomisering Merk forskjell: Randomisert utvalg fra populasjon Viktig hvis hensikten er å si noe om populasjonen ut fra et utvalg. Randomisert utvalg er imidlertid ikke vanlig i eksperimenter vs. Randomisert fordeling av deltakere til betingelsene i et eksperiment Ufravikelig krav til eksperimenter

Randomisert utvalg Randomisert utvelgelse fra populasjonen gir et representativt utvalg og muliggjør generalisering til populasjonen Generalisering

Randomisert utvalg Her svikter utvelgelsen fordi utvalget hentes fra en delmengde av populasjonen Generalisering?

Randomisering til betingelser Populasjon Generalisering til populasjon fra utvalg kan ofte være usikkert, fordi man i eksperimenter sjelden henter et randomisert utvalg fra populasjonen. Se boka for diskusjon Betingelse 1 Betingelse 2 Utvalg

Enkel randomisering BEHANDLING R KONTROLL Vanlig, god metode

Matchet randomisering BEHANDLING R R R R KONTROLL R Ordne i par som ligner hverandre Vanlig, god metode hvis deltakerne er forskjellige i utgangspunktet

Randomisering på gruppenivå BEHANDLING R KONTROLL Etablere to sammenlignbare grupper, deretter randomisere

Randomisering på gruppenivå, ulike grupper BEHANDLING R SAMMENLIGNINGS- GRUPPE Her har vi etablerte skiller mellom deltakerne på forhånd, for eksempel klasse 7A og 7B Etablere to sammenlignbare grupper, deretter randomisere Dette er problematisk fordi gruppene er, eller kan være, systematisk forskjellige allerede i utgangspunktet. Vi få dermed en ”sammenlignings- gruppe”, neppe en kontrollgruppe