Måling, målefeil Forskningsmetoder Frode Svartdal UiTø V-2010

Presentasjon om: "Måling, målefeil Forskningsmetoder Frode Svartdal UiTø V-2010"— Utskrift av presentasjonen:

1 Måling, målefeil Forskningsmetoder Frode Svartdal UiTø V-2010
FRODE SVARTDAL

2 Variabler Variabel – noe (av psykologisk interesse) som varierer
Motsatt: Konstant Eksempler: Kjønn, alder, inntekt, høyde, vekt, IQ, motivasjon … FRODE SVARTDAL

3 Variabler Variabel = begrep Mål på variabel = operasjonalisering
VARIABEL MÅL (OPERASJONALISERING) Intelligens  Skåre på iQ-test Aggresjon  Antall gule kort i en fotballkamp Bedring  Rapportert tilfredshet i intervju FRODE SVARTDAL

4 Data Konkrete mål på variabler i en undersøkelse
Maaaaaaaange eksempler... Læring i labyrint: __________ Prestasjon på skolen: ___________ Bråk i klasserommet: __________ Livskvalitet i Norge: _________ Aggresjonsnivå: _________ Data er svar på problemstillinger en forsker har stilt Er denne behandlingsmetoden virksom? Er det en sammenheng mellom spiseforstyrrelser og toppidrett hos kvinner? Data forutsetter ofte teori En ”situasjonell attribusjon” Ungen viser tilknytning” FRODE SVARTDAL

5 Måling Teoretisk begrep  empirisk indikator (tall) … Enkle skårer:
Intelligens  skåre på IQ-test (eks. 121) Læring  løpehastighet til målboks i labyrinten (eks. 14 sek) … Enkle skårer: Problematferd = skåre på TEST X Indeks (sammensatt skåre): Problematferd = skåre (TEST X + TEST Y) / 2 FRODE SVARTDAL

6 Måling Målet må være Reliabelt (konsistent)
Får vi stort sett samme utfall hver gang måleprosedyren gjennomføres? Valid (måle hva det er ment å måle) Treffer målet “blink”? FRODE SVARTDAL

7 Måling og målefeil Observert skåre = sann skåre + målefeil
Antakelse Observert skåre = sann skåre + målefeil Alltid litt variasjon i målinger Målefeil: Tilfeldig vs. systematisk Tilfeldig målefeil: Varierer tilfeldig rundt sann skåre Manuell stoppeklokke: Bommer litt både ved start og mål, men ”bom” består i at man noen ganger trykker for tidlig, andre ganger for sent. Gjennomsnitt av mange målinger = sann skåre Systematisk målefeil: Varierer skjevt (biased) Automatisk stoppeklokke som utløses systematisk for tidlig Gjennomsnitt av mange målinger gir et skjevt mål. FRODE SVARTDAL

8 Reliabilitet KONSISTENS: Hvis vi gjentar målingen, observasjonen, testen, …, hvor like er resultatene fra gang til gang? IQ-test: Testresultat mai: Testresultat juli: Testresultat september: Høy konsistens Lav konsistens FRODE SVARTDAL

9 Validitet ”Treffer” vi noe substansielt med målet vårt?
IQ-test  intelligens Labyrintløping hos rotter  læring Eksamen  faktiske kunnskaper Validitet foreligger hvis målet vårt ”treffer” det som skal måles på en god måte FRODE SVARTDAL

10 Validitet og reliabilitet
Validitet forutsetter reliabilitet Validitet og reliabilitet FRODE SVARTDAL

11 Normalfordeling Psykologiske mål varierer Normalfordelt variasjon
Galton Teoretisk Observert FRODE SVARTDAL

12 Normalfordeling Data fra mange utvalg = normalfordelt 31.12.2018
FRODE SVARTDAL

13 Vi innhenter data fra et utvalg Trekker slutning til en populasjon
Utvalg vs. populasjon Vi innhenter data fra et utvalg Trekker slutning til en populasjon Populasjon Utvalg FRODE SVARTDAL

14 Utvalg vs. populasjon Utvalget bør være representativt for populasjon
FRODE SVARTDAL

15 Utvalg vs. populasjon Gjennomsnittet
Utvalg: 10 tilfeldige studenter på PSY-1000 Skåre på en MC-eksamen: 60,3% rette Populasjon: Alle studentene på PSY-1000 Er denne skåren typisk for sin populasjon? Hva sier utvalgsgjennomsnittet om populasjonsgjennomsnittet? Jo større utvalg, desto sikrere konklusjon om populasjonsgjennomsnittet Konfidensintervall – feilmargin i anslaget FRODE SVARTDAL

16 Målenivåer Nominal: Tallet angir kategorisering
”Kvinne” = 1, ”Mann” = 2 Ordinal: Tallet angir også rang ***** = best * = dårligst Intervall: Også proporsjonalt lik forskjell IQ 120 vs = IQ 130 vs. 140 Ratio: Også fast nullpunkt Inntekt, temperatur, osv. FRODE SVARTDAL

17 Målenivåer Samme variabel (her: høyde) kan måles på ulike nivåer
Ofte reduseres kontinuerlige variabler til kategorivariabler. Merk at dette reduserer informasjonen i variabelen, dermed i de analyser man gjennomfører Fra Dancey & Reidy (2005) FRODE SVARTDAL

18 Målenivåer Matematiske operasjoner: Viktig skille:
Eks.: Gjennomsnitt: ( )/4 = 5 forutsetter minst intervallnivå Viktig skille: Kategorivariabler (nominal- og ordinalnivå) To eller få kategorier (kjønn, stillingsnivå, …) Kontinuerlige variabler (intervall- og rationivå) Kontinuerlig variasjon (høyde, vekt , inntekt, …) FRODE SVARTDAL

19 Reliabilitet Reliabilitet kan måles
Korrelasjonskoeffisienten (r) Interrater reliabilitet: Hvor enige er to observatører? Jo høyere korrelasjonen mellom to sett av skårer, desto høyere interrater-reliabilitet +0,90 er akseptabel Merk: Samvariasjon vs. samsvar! FRODE SVARTDAL

20 Reliabilitet Karakterer: Perfekt korrelasjon!
Sensor 1: 4, 4, 3, 4, 3, 4, 2, 3, … Sensor 2: 3, 3, 2, 3, 2, 3, 1, 2, … Perfekt korrelasjon! Lavt samsvar (nivåforskjell)! FRODE SVARTDAL

21 Reaktivitet Målemetoden påvirker data Eks.: Løsninger: ____
Sitter i klasserommet og observerer  påvirker interaksjon Løsninger: ____ FRODE SVARTDAL

22 Ulike psykologiske mål
Atferdsmål Reaksjonstid Responsrate (Skinner) Responsstyrke (Pavlov) Responshastighet … FRODE SVARTDAL

23 Ulike psykologiske mål
Biopsykologiske mål Øyebevegelser Elektrisk ledningsevne i hud (GSR) Hjerteaktivitet Rate Blodtrykk Hjerneaktivitet EEG FMRI … FRODE SVARTDAL

24 Ulike psykologiske mål
Selvrapport Emosjon Holdning … Bedømmelser Sannsynlighetsoverslag Intuitive slutninger Attribusjoner FRODE SVARTDAL