Psykometrins grunder. Agenda för dagen

Storlek: px
Starta visningen från sidan:

Download "Psykometrins grunder. Agenda för dagen"

Transkript

1 Psykometrins grunder Agenda för dagen Psykometri en kärnkompetens inom psykologyrket Det psykologiska instrumentets anatomi Antaganden och teori bakom psykologiska mätningar Petter Gustavsson 5 september

2 Differentiell psykologi Måndag 10 september 2012 Det psykologiska instrumentets anatomi teori och antaganden (och praxis)

3 Det psykologiska instrumentets anatomi : teori och antaganden Disposition Fenomen: Definition och avgränsning Den latenta variabeln: Fenomenet, Konstruktet, Attributet, Faktorn, Den latenta variabeln och dess indirekta mätning Indikatorer: Observationer av fenomenet Den latenta variabeln och dess indikatorer Skalning: Kvantifiering av gradskillnader och Bestämning av testpoäng Tolkning av testpoäng Petter Gustavsson 5 september

4 Antaganden och praxis Fenomenet: Den latenta variabeln och dess indirekta mätning 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess konsekvenser 2. Antagande om relationen mellan latent och observerad variabel är monotont 3. Antagandet om slumpmässiga fel - varje mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (slumpmässiga fel följer en sk normal-fördelning) Indikatorerna: Den latenta variabeln och dess indikatorer 4. Antagandet om upprepade mätningar 5. Antagandet om dimensionalitet 6. Antagande om relationen mellan latent och observerad indikator är monotont Skalning: Kvantifiering av observationer/responser 7. Antagandet (Praxis) om att svaret på (eller hur) den indirekta mätningen kan kvantifieras 8. Antagandet om att en sammanvägning av mätningar med indikatorer resulterar i en mätning på intervall-nivå Tolkning: Mätningen ges innebörd 9. Antagandet om att kvantifieringen kan ges mening genom relationen till gränsvärden eller översättning till normvärden Petter Gustavsson 5 september

5 Den latenta variabeln Fenomenet, Konstruktet, Attributet, Faktorn, etc

6 Den psykologiska variabeln = den latenta variabeln vad kännetecknar den? Petter Gustavsson 5 september

7 Klinisk psykologi Petter Gustavsson 5 september

8 Utvecklingspsykologi Petter Gustavsson 5 september

9 Positiv psykologi Petter Gustavsson 5 september

10 Neuropsykologi Petter Gustavsson 5 september

11 Differential psykologi Petter Gustavsson 5 september

12 Socialpsykologi Petter Gustavsson 5 september

13 Arbetslivspsykologi Petter Gustavsson 5 september

14 Hälsopsykologi Petter Gustavsson 5 september

15 Vad kännetecknar ofta den (latenta) psykologiska variabeln? Petter Gustavsson 5 september

16 Den latenta variabeln och dess indirekta mätning Petter Gustavsson 5 september

17 Utgångspunkt Konstrukt (en latent variabel) Icke direkt mätbar Observerbart beteende Indirekt mätning Petter Gustavsson 5 september

18 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess uttryck eller dess konsekvenser Individuella differenser i bakomliggande variabel avspeglar individuella differenser i observerat beteende Petter Gustavsson 5 september

19 Antagande 1. Konstrukt (en latent variabel) Icke direkt mätbar Observerbart beteende Indirekt mätning Petter Gustavsson 5 september

20 Antaganden 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess uttryck eller dess konsekvenser Petter Gustavsson 5 september

21 2. Antagande om relationen mellan latent och observerad variabel Petter Gustavsson 5 september

22 Samband mellan latent variabel och dess indirekta mätning Latent kontinuum????????? indirekt mätning Petter Gustavsson 5 september

23 Samband mellan latent variabel och dess indirekta mätning Latent kontinuum????????? indirekt mätning Petter Gustavsson 5 september

24 Samband mellan latent variabel och dess indirekta mätning Latent kontinuum????????? indirekt mätning Petter Gustavsson 5 september

25 Samband mellan latent variabel och dess indirekta mätning Latent kontinuum??????????? indirekt mätning Petter Gustavsson 5 september

26 2. Antagande om relationen mellan latent och observerad variabel Sambandet är monotont, dvs en ökning/skillnad i den latenta variabeln kan observeras som en ökning/skillnad i den observerade variabeln. Konsekvens: Mätningarna är indirekta och blir approximativa. Antagandet att den approximativa mätningen ändå uppfyller åtminstone kraven på identity och order. Petter Gustavsson 5 september

27 Issues with numbers Property of: Identity (sameness) Order (rank) Quantity (magnitude) Petter Gustavsson 5 september

28 Antaganden 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess uttryck eller dess konsekvenser 2. Antagandet om relationen mellan latent och observerad variabel är monotont Petter Gustavsson 5 september

29 3. Antagandet om slumpmässiga fel Petter Gustavsson 5 september

30 Resultat från astronomin Petter Gustavsson 5 september

31 3. Antagandet om slumpmässiga fel Varje enskild mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel Resultaten av de upprepade mätningar med sådana slumpmässiga fel följer en sk normal-fördelning Felen antas vara okorrelerade Petter Gustavsson 5 september

32 Utgångspunkt Konstrukt T Icke direkt mätbar Observerbar Mätning O inkl +/- E Petter Gustavsson 5 september

33 Definition av true score (T, tau) Observed score: True score + Error Observerat värde= Sant värde + Fel Grund för utvärderingen av ett tests reliabilitet (reproducerbarhet), dvs grad av säkerhet (=grad av frånvaro av mätfel) i mätningen: Kvoten av variansen i T genom variansen i O (T/O) Kvadrerade korrelationen mellan variationen i T vs variationen i O.

34 .så långt har vi Den latenta variabeln och dess indirekta mätning 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess konsekvenser 2. Antagande om relationen mellan latent och observerad variabel är monotont 3. Antagandet om slumpmässiga fel - varje enskild mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (slumpmässiga fel följer en sk normal-fördelning och är okorrelerade) Petter Gustavsson 5 september

35 Den latenta variabeln och dess indikatorer Petter Gustavsson 5 september

36 4. Antagandet om upprepade mätningar: Petter Gustavsson 5 september

37 Resultat från astronomin Petter Gustavsson 5 september

38 Reproduktion (2 mätningar) T O1= T + E1 O2= T + E2 Petter Gustavsson 5 september

39 Olika antal upprepade mätningar: 2 Petter Gustavsson 5 september

40 Reproduktion (5 mätningar) T O1= T + E1 O2= T + E2 O3= T + E3 O4= T + E4 O5= T + E5 Petter Gustavsson 5 september

41 Olika antal upprepade mätningar: 5 Petter Gustavsson 5 september

42 Olika antal upprepade mätningar: 10 Petter Gustavsson 5 september

43 Olika antal upprepade mätningar: 25 Petter Gustavsson 5 september

44 4. Antagandet om upprepade mätningar: Upprepade mätningar generar i längden ett bra mått - Ju fler mätningar desto bättre! Idé tagen från astronomin där upprepade mätningar görs och ett medelvärde bestäms baserat på alla utförda mätningar. Den bästa (i termer av reliabilitet) indirekta mätningen erhålls via en sammanvägning av de kvantifierade upprepade mätningarna. Detta beräknade medelvärde får representera det direkt ej mätbara. Konsekvens: Vi behöver flera indikatorer för den latenta variabeln Petter Gustavsson 5 september

45 MEN. Med flera indikatorer får vi bättre mätningar men skaffar oss samtidigt ett nytt problem. Petter Gustavsson 5 september

46 5. Antagandet om dimensionalitet Med flera indikatorer får vi bättre mätningar men skaffar oss samtidigt ett nytt problem. Petter Gustavsson 5 september

47 Reproduktion T O1 O2 Petter Gustavsson 5 september

48 5. Antagandet om dimensionalitet Med flera indikatorer får vi bättre mätningar men skaffar oss samtidigt ett nytt problem. Vi måste göra antagandet om dimensionalitet, dvs att indikatorerna avspeglar samma bakomliggande latenta variabel (ett validitetsproblem) Petter Gustavsson 5 september

49 Dimensionalitet T Variation i de sanna värdena på en latent variabel x Påverkar svaren på indikatorerna Petter Gustavsson 5 september

50 T x I validitetstermer handlar dimensionalitet om : a test is valid for measuring an attribute if and only if (1) the attribute exists and (2) variations in the attribute causally produce variations in the outcomes of the measurement procedure Dimensionalitet går att pröva med vilken statistisk metod? Petter Gustavsson 5 september

51 .så långt har vi Den latenta variabeln och dess indirekta mätning 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess konsekvenser 2. Antagande om relationen mellan latent och observerad variabel är monotont 3. Antagandet om slumpmässiga fel - varje mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (slumpmässiga fel följer en sk normal-fördelning) Den latenta variabeln och dess indikatorer 4. Antagandet om upprepade mätningar 5. Antagandet om dimensionalitet Petter Gustavsson 5 september

52 6. Antagande om samband mellan latent variabel och indikator Petter Gustavsson 5 september

53 Latent variabel och dess okända skala Den observerbara variationen Latent kontinuum Petter Gustavsson 5 september

54 Latent variabel Indikator i form av test item Rätt Fel

55 Latent variabel Indikator i form av test item Ja Kanske Nej

56 Latent variabel Indikator i form av test item Ja, ofta Latent kontinuum Ja, Ibland Sällan Nej, aldrig Petter Gustavsson 5 september

57 Latent variabel Indikator i form av test item Stämmer precis Latent kontinuum Stämmer ganska bra Stämmer inte särskilt bra Stämmer inte alls Petter Gustavsson 5 september

58 Latent variabel Indikator i form av test item Klarar uppgiften korrekt Latent kontinuum Klarar större del av uppgift Klarar mindre del av uppg Klarar inte uppgiften alls Petter Gustavsson 5 september

59 Latent variabel Indikator i form av test item Hela tiden Latent kontinuum Större delen av tiden Mindre delen av tiden Inte alls Petter Gustavsson 5 september

60 Latent variabel Indikator i form av test item Ja, ofta Latent kontinuum Ja, Ibland Sällan Nej, aldrig Petter Gustavsson 5 september

61 Exempel Petter Gustavsson 5 september

62 Observerat värde och sant värde Ja, ofta Latent kontinuum X Ja, Ibland Sällan Nej, aldrig Petter Gustavsson 5 september

63 Observerat värde och sant värde Ja, ofta Latent kontinuum X Ja, Ibland Sällan Nej, aldrig Petter Gustavsson 5 september

64 Latent (sant) värde och observerat värde Ja, ofta Latent kontinuum? X Ja, Ibland Sällan Nej, aldrig T O Petter Gustavsson 5 september

65 6. Antagande om samband mellan latent variabel och indikator Det monotona sambandet mellan den latenta variabeln och den observerade variabeln avspeglas i svaren på den enskilda testuppgiften. Sambandet är monotont, dvs en ökning i den latenta variabeln kan observeras som en ökning i den observerade variabeln, genom att svaren på den enskilda test uppgiften förändras i samma riktning. Petter Gustavsson 5 september

66 .så långt har vi Den latenta variabeln och dess indirekta mätning 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess konsekvenser 2. Antagande om relationen mellan latent och observerad variabel är monotont 3. Antagandet om slumpmässiga fel - varje mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (slumpmässiga fel följer en sk normal-fördelning) Den latenta variabeln och dess indikatorer 4. Antagandet om upprepade mätningar 5. Antagandet om dimensionalitet 6. Antagande om relationen mellan latent och observerad indikator är monotont Petter Gustavsson 5 september

67 Skalning: kvantifiering av observationerna Petter Gustavsson 5 september

68 7. Antagandet om att svaret på den indirekta mätningen kan kvantifieras Den ursprungliga teorin om att skalning görs via att erhållna svarsfördelningar jämförs med teoretiska statistiska fördelningar Siffror erhålles baserat på dessa statistiska fördelningar Petter Gustavsson 5 september

69 Latent (sant) värde och observerat värde Ja, ofta Latent kontinuum? X Ja, Ibland Sällan Nej, aldrig T O Petter Gustavsson 5 september

70 Latent (sant) värde och observerat värde Ja, ofta (60%) Latent kontinuum? X Ja, Ibland (31%) Sällan (6%) Nej, aldrig (3%) T O Petter Gustavsson 5 september

71 Empiriskt material, n=1000 X 3% 6% 31% 60% Petter Gustavsson 5 september

72 Empiriskt material, n=1000 9% z= 40% z= X 3% 6% 31% 60% Petter Gustavsson 5 september

73 Empiriskt material, n=1000 9% z= % z= X 3% 6% 31% 60% Petter Gustavsson 5 september

74 Empiriskt material, n=1000 9% z= % z= X 3% 6% 31% 60% Petter Gustavsson 5 september

75 Empiriskt material, n=1000 9% z= % z= MdOBS 24.5% z= X 3% 6% 31% 60% Petter Gustavsson 5 september

76 Empiriskt material, n=1000 9% z= % z= MdOBS 24.5% z=-0.7 X 3% 6% 31% 60% Petter Gustavsson 5 september

77 Empiriskt material, n=1000 9% z= % z= MdOBS 24.5% z=-0.7 X 3% 6% 31% 60% -0,7 Petter Gustavsson 5 september

78 Empiriskt material, n=1000 X 3% 6% 31% 60% Petter Gustavsson 5 september

79 Empiriskt material, n=1000 X 3% 6% 31% 60% Petter Gustavsson 5 september

80 Empiriskt material, n=1000 3% z= X 3% 6% 31% 60% Petter Gustavsson 5 september

81 Empiriskt material, n=1000 3% z= % z= X 3% 6% 31% 60% Petter Gustavsson 5 september

82 Empiriskt material, n=1000 3% z= % z=-1,341 X 3% 6% 31% 60% Petter Gustavsson 5 september

83 Empiriskt material, n=1000 3% z= % z=-1,341 MD OBS 6% z= X 3% 6% 31% 60% Petter Gustavsson 5 september

84 Empiriskt material, n=1000 3% z= % z=-1,341 MD OBS 6% z= X 3% 6% 31% 60% Petter Gustavsson 5 september

85 Empiriskt material, n=1000 3% z= % z=-1,341 MD OBS 6% z= X 3% 6% 31% 60% -1,55 Petter Gustavsson 5 september

86 Empiriskt material, n= X 3% 6% 31% 60% Petter Gustavsson 5 september

87 Tänk er proceduren för denna skalning! Varje item får sin egen fördelning och svarskategorierna ges z- värden. Varje individs respons översätts till z-värde för specifikt item En indivds kompletta serie av värden vägs samman till en testpoäng Allt enligt teorin Petter Gustavsson 5 september

88 Praxis : släpp denna procedur och.sätt istället löpande värden representerande olika svarskategorier (nuvarande praxis) Petter Gustavsson 5 september

89 Empiriskt material, n= X 3% 6% 31% 60% Petter Gustavsson 5 september

90 Praxis.sätt istället löpande värden representerande olika svarskategorier låt dessa vara de samma för alla ingående item summera en individs responser över dessa item och beräkna testpoäng utifrån dessa löpande värden Petter Gustavsson 5 september

91 Praxis.sätt istället löpande värden representerande olika svarskategorier låt dessa vara de samma för alla ingående item summera en individs responser över dessa item och beräkna testpoäng utifrån dessa löpande värden Empiri: korrelationer mellan z-värdes skalning och praxis skalning? => 1.0 Petter Gustavsson 5 september

92 Praxis skalning gäller oavsett svarskategoriernas antal och utseende Petter Gustavsson 5 september

93 Inventory for Interpersonal Problems (IIP) Petter Gustavsson 5 september

94 Maslach Burnout Inventory (MBI) Petter Gustavsson 5 september

95 Sickness impact Petter Gustavsson 5 september

96 Rating Scale for Religious Dimensions (RDRS) Petter Gustavsson 5 september

97 Ordförståelse Petter Gustavsson 5 september

98 Ordkunskap Petter Gustavsson 5 september

99 7. Antagandet om att svaret på den indirekta mätningen kan kvantifieras Den ursprungliga teorin om att skalning görs via att erhållna svarsfördelningar jämförs med teoretiska statistiska fördelningar Siffror erhålles baserat på dessa statistiska fördelningar Praxis en vanlig enkel sifferserie fungerar lika bra och denna antas uppfylla kraven på identity och order men fungerar detta? Petter Gustavsson 5 september

100 Undersökning av olika svarsformats numeriska egenskaper Petter Gustavsson 5 september

101 Kvalitetssäkring Undersök svarsfördelningar för respektive item i stora sample. Kontrollera att svarsskalan fungerar på ungefär samma sätt för alla ingående item Studera svarsfördelningen, hur borde den se ut för respektive item? Petter Gustavsson 5 september

102 7. Antagandet om att svaret på den indirekta mätningen kan kvantifieras Den ursprungliga teorin om att skalning görs via att erhållna svarsfördelningar jämförs med teoretiska statistiska fördelningar Siffror erhålles baserat på dessa statistiska fördelningar Praxis en vanlig enkel sifferserie fungerar lika bra och denna antas uppfylla kraven på identity och order Petter Gustavsson 5 september

103 .så långt har vi Den latenta variabeln och dess indirekta mätning 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess konsekvenser 2. Antagande om relationen mellan latent och observerad variabel är monotont 3. Antagandet om slumpmässiga fel - varje mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (slumpmässiga fel följer en sk normal-fördelning) Den latenta variabeln och dess indikatorer 4. Antagandet om upprepade mätningar 5. Antagandet om dimensionalitet 6. Antagande om relationen mellan latent och observerad indikator är monotont Skalning: kvantifiering av observationer/responser 7. Antagandet (Praxis) om att svaret på (eller hur) den indirekta mätningen kan kvantifieras Petter Gustavsson 5 september

104 8. Antagandet om att en sammanvägning av mätningar med indikatorer resulterar i en mätning på intervall-nivå Petter Gustavsson 5 september

105 Praxis enligt CTT (TST) X Ja, ofta X X X Ja, Ibland X Sällan Nej, aldrig T O1 O2 O3 O4 O5 Petter Gustavsson 5 september

106 8. Antagandet om att en sammanvägning av mätningar med indikatorer resulterar i en mätning på intervall-nivå Hur ska vi väga samman de upprepade mätningarna när vi poängsatt svarsalternativen? Oviktad summering eller medelvärde verkar fungera bra Petter Gustavsson 5 september

107 men vad är det vi gör här: Petter Gustavsson 5 september

108 Skalning = mer praxis än testbara antaganden! Hur ska vi poängsätta svarsalternativen, prestationerna, svarsgraderna? Enkel löpande sifferserie verkar fungera bra! Hur ska vi väga samman de upprepade mätningarna när vi poängsatt svarsalternativen? Oviktad summering eller medelvärde verkar fungera bra Massiv kritik mot detta från statistiker och mätteoretiker Ny metodologi (IRT) kan pröva dessa antaganden Petter Gustavsson 5 september

109 Petter Gustavsson 5 september

110 Petter Gustavsson 5 september

111 Skalning = mer praxis än testbara antaganden! Hur ska vi poängsätta svarsalternativen, prestationerna, svarsgraderna? Enkel löpande sifferserie verkar fungera bra! Hur ska vi väga samman de upprepade mätningarna när vi poängsatt svarsalternativen? Oviktad summering eller medelvärde verkar fungera bra Massiv kritik mot detta från statistiker och mätteoretiker Ny metodologi (IRT) kan pröva dessa antaganden MEN - Hur ska vi tolka resultaten av denna kvantifiering? Vad betyder skillnaderna mellan erhållna resultat? Petter Gustavsson 5 september

112 .så långt har vi Den latenta variabeln och dess indirekta mätning 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess konsekvenser 2. Antagande om relationen mellan latent och observerad variabel är monotont 3. Antagandet om slumpmässiga fel - varje mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (slumpmässiga fel följer en sk normal-fördelning) Den latenta variabeln och dess indikatorer 4. Antagandet om upprepade mätningar 5. Antagandet om dimensionalitet 6. Antagande om relationen mellan latent och observerad indikator är monotont Skalning: kvantifiering av observationer/responser 7. Antagandet (Praxis) om att svaret på (eller hur) den indirekta mätningen kan kvantifieras 8. Antagandet om att en sammanvägning av mätningar med indikatorer resulterar i en mätning på intervall-nivå Petter Gustavsson 5 september

113 Tolkningen av mätresultatet Gränsvärden och normer

114 9. Antagandet om att kvantifieringen kan ges mening genom relationen till gränsvärden eller översättning till normvärden Normvärden bestäms i relation till insamlade relevanta populationsdata. Gränsvärden bestäms i relation till ett kriterium (jmf betyg, diagnos) Petter Gustavsson 5 september

115 Standards 1999 Individual raw scores are often referred to the distribution of scores for a comparison group: Norm-referenced Petter Gustavsson 5 september

116 Skillnader i mängd? A B A (1; 2; 2; 2; 2) = 1.8 Betyder? B (2; 3; 3; 2; 2) = 2.4 Betyder? differens = 0.6 Betyder? Petter Gustavsson 5 september

117 Tillvägagångssätt Testpoäng konverteras till en känd fördelning baserad på populationsdata Standardpoäng med medelvärde 100 och SD 15 Standardpoäng med medelvärde 50 och SD 10 Petter Gustavsson 5 september

118 1000 Urval ur populationen: resultat på test Petter Gustavsson 5 september

119 Data från populationen översätts till z- värden/standard avvikelsepoäng Petter Gustavsson 5 september

120 Z-poäng transformeras till vanlig psykologisk skala IQ/T-värde Petter Gustavsson 5 september

121 T-score Petter Gustavsson 5 september

122 Översättningsregler skapas mellan testpoäng och normvärde Petter Gustavsson 5 september

123 ..så att nya data kan sättas i relation till populationens värde Nytt utfört test: 1.8 poäng T=38 Petter Gustavsson 5 september

124 ..så att nya data kan sättas i relation till populationens värde Nytt utfört test: 2.4 poäng T=48 Petter Gustavsson 5 september

125 Skillnader i mängd? A B A (1; 2; 2; 2; 2) = 1.8 Betyder-> 38 Tp B (2; 3; 3; 2; 2) = 2.4 Betyder->48 Tp differens = 0.6 Betyder->10 Tp Petter Gustavsson 5 september

126 Översätt 38 och 48 T-poäng till percentiler 10 T-poäng till standard avvikelse Konklusion Övning (tidigare gjorda KSP-skattningar) Petter Gustavsson 5 september

127 Instuderingsuppgift till på torsdag Petter Gustavsson 5 september

128 Petter Gustavsson 5 september

129 9. Antagandet om att kvantifieringen kan ges mening genom relationen till gränsvärden eller översättning till normvärden Normvärden bestäms i relation till insamlade relevanta populationsdata. Gränsvärden bestäms i relation till ett kriterium (jmf betyg, diagnos) Jmf tidigare övning om HADS. Petter Gustavsson 5 september

130 HADS: bedömning av klinisk grad (diagnos) Poäng 0-7= Normala nivåer Poäng 8-10=Mild depression Poäng 11-21=Egentlig depression Petter Gustavsson 5 september

131 Övning om kriterietolkning Att göra hemma till på torsdag. Petter Gustavsson 5 september

132 Major depression inventory (MDI) Petter Gustavsson 5 september

133 Underlag Petter Gustavsson 5 september

134 Tillbaka till genomgången Petter Gustavsson 5 september

135 .så till slut så har vi Den latenta variabeln och dess indirekta mätning 1. Antagandet om att latent variabel går att mäta indirekt genom observationer av dess konsekvenser 2. Antagande om relationen mellan latent och observerad variabel är monotont 3. Antagandet om slumpmässiga fel - varje mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (slumpmässiga fel följer en sk normal-fördelning) Den latenta variabeln och dess indikatorer 4. Antagandet om upprepade mätningar 5. Antagandet om dimensionalitet 6. Antagande om relationen mellan latent och observerad indikator är monotont Skalning: kvantifiering av observationer/responser 7. Antagandet (Praxis) om att svaret på (eller hur) den indirekta mätningen kan kvantifieras 8. Antagandet om att en sammanvägning av mätningar med indikatorer resulterar i en mätning på intervall-nivå Tolkning: Mätningen ges innebörd 9. Antagandet om att kvantifieringen kan ges mening genom relationen till gränsvärden Petter Gustavsson eller översättning till normvärden 5 september

136 .så till slut så har vi Den latenta variabeln och dess indirekta mätning Den latenta variabeln och dess indikatorer Skalning: kvantifiering av observationer/responser Tolkning: Mätningen ges innebörd Petter Gustavsson 5 september

137 Det psykologiska instrumentets anatomi : teori och antaganden Disposition Fenomen: Definition och avgränsning Den psykologiska variabeln: Fenomenet, Konstruktet, Attributet, Faktorn, eller den Latenta Variabeln Den latenta variabeln och dess indirekta mätning Indikatorer: Observationer av fenomenet Den latenta variabeln och dess indikatorer Skalning: Kvantifiering av gradskillnader och Bestämning av testpoäng Tolkning av testpoäng Petter Gustavsson 5 september

138 Rekapitulering av KSP/HADS övningarna Analysera instruktioner och genomförande utifrån teori, antaganden och praxis. Skapa din förklaring till frågan What s going on here? genom att applicera de 9 antagandena bakom standardiserade psykologiska mätningar. Diskutera din analys och förklaring i studentgruppen. Kom tillbaka och reflektera Petter Gustavsson 5 september

139 Kvalitetsaspekterna: Reliabilitet och Validitet En kort introduktion inför våra kurstillfällen på torsdag och fredag Petter Gustavsson 5 september

140 Reliabilitet 3. varje mätning tenderar vara förknippad med ett större eller mindre slumpmässigt fel (som antas vara okorrelerade) Reliabiliteten handlar om i vilken omfattning våra mätningar också reflekterar mätfel. Metoder finns för att uppskatta (beräkna) mängden mätfel. Reliabilitet beräknas för ett instruments användning vid en specifik situation (många studier lär oss i vilken grad vi kan generalisera kunskapen om ett instruments reliabiliet) Petter Gustavsson 5 september

141 Reliabilitet : hur mycket av den sanna variationen speglas i den observerade variationen Kvoten mellan den sanna variansen/den observerade variansen Korrelationen (den kvadrerade) mellan sann variation och observerad variation Petter Gustavsson 5 september

142 Validitet Validitet handlar om på vilka grunder vi har stöd för att säga att vår testning avspeglar en mätning av fenomenet: Validity refers to the degree to which evidence and theory support the interpretations of test scores entailed by proposed uses of test Petter Gustavsson 5 september

143 1999

144 Validation Validation involves accumulating evidence to provide a sound scientific basis for the proposed score interpretations Standards, Petter Gustavsson 5 september

145 Validity evidence A sound validity argument integrates various strands of evidence into a coherent account of the degree to which existing evidence and theory support the intended interpretation of test scores for specific uses. Petter Gustavsson 5 september

146 Sources of validity evidence Evidence based on: Test content Reponse processes Internal structure Relations to other variables Consequenses of testing Petter Gustavsson 5 september

147 Evidens för intern struktur:..handlar om att ta fram evidens för att samtliga indikatorer på ett fenomen, verkligen avspeglar detta fenomen och inget annat. Vad skulle konsekvensen bli om det inte var så? Tänk er att ni hade uppgiften att ta fram evidens för att HADS depressionskala hade en godtagbar intern struktur. Hur skulle ni göra? Vad skulle ni testa? Vilken statistisk metod skulle kunna användas? Petter Gustavsson 5 september

148 HADS: Depression T Variation i de sanna värdena på en latent variabel depression Påverkar svaren på de 7 indikatorerna Petter Gustavsson 5 september

149 Sources of validity evidence Evidence based on: Test content Reponse processes Internal structure Relations to other variables Consequenses of testing Petter Gustavsson 5 september

150 Inför torsdagens kurstillfälle Analys av skattningsövningarna (KSP/HADS). Skattningsövning (kriterierelaterad tolkning) Instuderingsuppgift om z-värden, percentiler, T-värden Fråga: Konfidensintervall Petter Gustavsson 5 september

151 www/ www/ www/

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Torsdag 13 september 2012 Reliabilitet Dagens agenda Värt att veta om normalfördelningen Frågesport Kort intro till kvalitetsparametrarna: reliabilitet och validitet Reliabilitet

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Fredag 14 september 2012 Validitet Dagens agenda Avstämning och Uppgifter inför idag Valdidtetsbegreppet Sources of validity evidence Evidence based on content Evidence based on

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Måndag 5 september 2 Det psykologiska instrumentets anatomi - introduktion Det psykologiska instrumentets anatomi : Introduktion Introduktionens två delar Exponering: mätning in

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Torsdag 8 september 2011 Reliabilitet Dagens agenda MDI skattningsövning resultat av kriterietolkning Värt att veta om normalfördelningen Frågesport Kort info om kursboken : Personality

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Tisdag 24 september 2013 Confirmatory Factor Analysis CFA Dagens agenda Repetition: Sensitivitet och specificitet Övningsuppgift från idag Confirmatory Factor Analysis Utveckling

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Tisdag 25 september 2012 Generalizability Theory Dagens agenda Repetition: Sensitivitet och specificitet Övningsuppgift från gårdagen Generalizability theory Kritik mot CTT/TST

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Måndagen den 19/9 2011 Sensitivitet och specificitet Version 1.1 Dagens agenda Validering av kriterietolkningar Diagnostiska studier Exempel på diagnostisk studie av MDI Olika prövningar

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Tisdag 25 september 2012 Frågestund Repetition Agenda Skillnader i definitioner mellan underlagen Statistik Instuderings- och tentamensfrågor Regressionsdiagnostik Fråga om Reliabilitet

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Tisdag 20 september 2011 Integrering och frågestund Moment II: Personlighet och intelligens Petter Gustavsson 20 september 20112 Upplägg: Momentansvarig: Petter Första veckan: Intelligens

Läs mer

Exempel på tidigare tentamen

Exempel på tidigare tentamen Exempel på tidigare tentamen Fråga 1. Redogör för hur ett typiskt psykologiskt instrument är uppbyggt (=vilka beståndsdelar har testet/ testets anatomi /hur ser instrumentet ut) om det tänks vara uppbyggt

Läs mer

Kriterier och riktlinjer för evidensbaserad bedömning av mätinstrument

Kriterier och riktlinjer för evidensbaserad bedömning av mätinstrument Kriterier och riktlinjer för evidensbaserad bedömning av mätinstrument Evidens för instrument kan mätas med liknande kriterier som vid mätning av evidens för interventioner 1. Nedan finns en sammanfattning

Läs mer

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD 6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller

Läs mer

Forskningsprocessens olika faser

Forskningsprocessens olika faser Forskningsprocessens olika faser JOSEFINE NYBY JOSEFINE.NYBY@ABO.FI Steg i en undersökning 1. Problemformulering 2. Planering 3. Datainsamling 4. Analys 5. Rapportering 1. Problemformulering: intresseområde

Läs mer

Bedömning av läsförmåga. Michael Tengberg Institutionen för pedagogiska studier Karlstads universitet

Bedömning av läsförmåga. Michael Tengberg Institutionen för pedagogiska studier Karlstads universitet Bedömning av läsförmåga Är PISA bra? NEJ! JA! Två ämnesdidaktiska utgångspunkter för bedömning Kunskap om det som ska bedömas Kunskap om bedömning som fenomen och process Teoretisk bakgrund Läsförståelseteori

Läs mer

Anvisningar till kursen

Anvisningar till kursen Anvisningar till kursen TILLÄMPAD ENKÄTMETODIK: Att mäta och validera latenta och manifesta psykologiska begrepp (7,5 p) HT 2014 Kursansvarig: Claudia Bernhard- Oettel Kursanvisningar Kursens innehåll

Läs mer

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I

Läs mer

Kunskap = sann, berättigad tro (Platon) Om en person P s har en bit kunskap K så måste alltså: Lite kunskaps- och vetenskapsteori

Kunskap = sann, berättigad tro (Platon) Om en person P s har en bit kunskap K så måste alltså: Lite kunskaps- och vetenskapsteori Lite kunskaps- och vetenskapsteori Empiriska metoder: kvalitativa och kvantitativa Experiment och fältstudier Människor och etik 1 Kunskap = sann, berättigad tro (Platon) Om en person P s har en bit kunskap

Läs mer

Differentiell psykologi

Differentiell psykologi Differentiell psykologi Tisdag 2 oktober 2012 Momentintroduktion Det differentialpsykologiska perspektivet Petter Gustavsson 1 oktober 2012 2 Differentiell Psykologi the branch of psychology that studies

Läs mer

Differentiell psykologi. Kursstart 29 augusti 2011

Differentiell psykologi. Kursstart 29 augusti 2011 Differentiell psykologi Kursstart 29 augusti 2011 Dagordning Terminsstart Upprop Ämnet Den differentiella psykologins plats inom psykologin och dess relation till andra kurser i utbildningen Kursen Momenten:

Läs mer

Kvantitativa metoder en introduktion. Mikael Nygård, Åbo Akademi, vt 2018

Kvantitativa metoder en introduktion. Mikael Nygård, Åbo Akademi, vt 2018 Kvantitativa metoder en introduktion Mikael Nygård, Åbo Akademi, vt 2018 Vad är kvantitativ metod? Kvantitativa (siffermässiga) analyser av verkligheten: beskrivning och förklaringar av fenomen i fokus!

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 1 Statistik; teori och tillämpning i biologi 1 Kursens uppbyggnad 9 föreläsningar Föreläsningsunderlag läggs ut på kurshemsidan 5 lektioner Uppgifter från kursboken enligt planering 5 laborationer

Läs mer

BUS Becks ungdomsskalor

BUS Becks ungdomsskalor Beskrivning av instrumentet och dess användningsområde Becks ungdomsskalor (BUS) är ett instrument för att bedöma emotionell och social problematik hos barn och ungdomar. Instrumentet består av fem delskalor

Läs mer

Beskrivande statistik. Tony Pansell, Leg optiker Docent, Universitetslektor

Beskrivande statistik. Tony Pansell, Leg optiker Docent, Universitetslektor Beskrivande statistik Tony Pansell, Leg optiker Docent, Universitetslektor Beskrivande statistik Grunden för all analys är ordning och reda! Beskrivande statistik hjälper oss att överskådligt sammanfatta

Läs mer

F9 SAMPLINGFÖRDELNINGAR (NCT

F9 SAMPLINGFÖRDELNINGAR (NCT Stat. teori gk, ht 006, JW F9 SAMPLINGFÖRDELNINGAR (NCT 7.1-7.4) Ordlista till NCT Sample Population Simple random sampling Sampling distribution Sample mean Standard error The central limit theorem Proportion

Läs mer

PHQ-9 Patient Health Questionnaire-9

PHQ-9 Patient Health Questionnaire-9 Beskrivning av instrumentet och dess användningsområde Patient Health Questionnaire (PHQ, Formulär för Patienthälsa) [1] är ett formulär som syftar till att mäta olika typer av vanligt förekommande psykisk

Läs mer

Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet Per-Erik Isberg. Laboration 1. Simulering

Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet Per-Erik Isberg. Laboration 1. Simulering Matematikcentrum (7) Matematisk Statistik Lunds Universitet Per-Erik Isberg Laboration Simulering HT 006 Introduktion Syftet med laborationen är dels att vi skall bekanta oss med lite av de olika funktioner

Läs mer

Differentiell psykologi: Moment I: Lärandemål, instuderingsuppgift och instuderingsfrågor

Differentiell psykologi: Moment I: Lärandemål, instuderingsuppgift och instuderingsfrågor Differentiell psykologi: Moment I: Lärandemål, instuderingsuppgift och instuderingsfrågor Inledning Välkommen till kursen i differentiell psykologi och det första momentet om psykometri och statistik.

Läs mer

Medicinsk statistik II

Medicinsk statistik II Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning

Läs mer

OBS! Vi har nya rutiner.

OBS! Vi har nya rutiner. KOD: Kurskod: PM2315 Kursnamn: Psykologprogrammet, kurs 15, Metoder för psykologisk forskning (15 hp) Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 14 januari 2012 Tillåtna hjälpmedel: miniräknare

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare och enkäter "Det finns inget så praktiskt som en bra teori" September 2011 och enkäter Inledning Inledning Om vi vill mäta en egenskap hos en population individer (individer kan vara personer, företag

Läs mer

GHQ-12 General Health Questionnaire-12

GHQ-12 General Health Questionnaire-12 Beskrivning av instrumentet och dess användningsområde Den ursprungliga versionen av GHQ (General Health Questionnaire) utvecklades som ett instrument för screening av psykiatriska störningar. Den har

Läs mer

för att komma fram till resultat och slutsatser

för att komma fram till resultat och slutsatser för att komma fram till resultat och slutsatser Bearbetning & kvalitetssäkring 6:1 E. Bearbetning av materialet Analys och tolkning inleds med sortering och kodning av materialet 1) Kvalitativ hermeneutisk

Läs mer

7.5 Experiment with a single factor having more than two levels

7.5 Experiment with a single factor having more than two levels 7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan

Läs mer

OBS! Vi har nya rutiner.

OBS! Vi har nya rutiner. KOD: Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod och Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2012-11-17 Tillåtna

Läs mer

OBS! Vi har nya rutiner.

OBS! Vi har nya rutiner. KOD: Kurskod: PM1303 Kursnamn: Vetenskapsteori och grundläggande forskningsmetod Provmoment: Ansvarig lärare: Linda Hassing Tentamensdatum: 2012-11-17 Tillåtna hjälpmedel: Miniräknare Tentan består av

Läs mer

GRANSKNINGSUNDERLAG. Te knis k de l. Kriterier för kva litets vä rderin g a v s ta n da rdis era de bedöm n in gs m etoder in om s ocia lt a rbete

GRANSKNINGSUNDERLAG. Te knis k de l. Kriterier för kva litets vä rderin g a v s ta n da rdis era de bedöm n in gs m etoder in om s ocia lt a rbete 1 GRANSKNINGSUNDERLAG Kriterier för kva litets vä rderin g a v s ta n da rdis era de bedöm n in gs m etoder in om s ocia lt a rbete Te knis k de l Namn på granskat instrument Namn på granskare En he t

Läs mer

Faktoranalys - Som en god cigarr

Faktoranalys - Som en god cigarr Innehåll Faktoranalys - Som en god cigarr Faktoranalys. Användningsområde. Krav/rekommen. 3. Olika typer av FA 4. Faktorladdningar 5. Eigenvalue 6. Rotation 7. Laddningar & Korr. 8. Jämförelse av metoder

Läs mer

Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT2007. Laboration. Simulering

Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT2007. Laboration. Simulering Matematikcentrum 1(7) Matematisk Statistik Lunds Universitet MASB11 - Biostatistisk grundkurs HT007 Laboration Simulering Grupp A: 007-11-1, 8.15-.00 Grupp B: 007-11-1, 13.15-15.00 Introduktion Syftet

Läs mer

Att välja statistisk metod

Att välja statistisk metod Att välja statistisk metod en översikt anpassad till kursen: Statistik och kvantitativa undersökningar 15 HP Vårterminen 2018 Lars Bohlin Innehåll Val av statistisk metod.... 2 1. Undersökning av en variabel...

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

Korrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION

Korrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION KAPITEL 6: LINEAR REGRESSION: PREDICTION Prediktion att estimera "poäng" på en variabel (Y), kriteriet, på basis av kunskap om "poäng" på en annan variabel (X), prediktorn. Prediktion heter med ett annat

Läs mer

Tentamen vetenskaplig teori och metod, Namn/Kod Vetenskaplig teori och metod Provmoment: Tentamen 1

Tentamen vetenskaplig teori och metod, Namn/Kod Vetenskaplig teori och metod Provmoment: Tentamen 1 Namn/Kod Vetenskaplig teori och metod Provmoment: Tentamen 1 Ladokkod: 61ST01 Tentamen ges för: SSK GSJUK13v Tentamenskod: Tentamensdatum: 2015 10 02 Tid: 09:00 12:00 Hjälpmedel: Inga hjälpmedel Totalt

Läs mer

Vad är. Patient Reported Outcome Measures och andra begrepp. Kerstin Hagberg. RTP, PhD, Docent

Vad är. Patient Reported Outcome Measures och andra begrepp. Kerstin Hagberg. RTP, PhD, Docent Vad är Patient Reported Outcome Measures och andra begrepp Kerstin Hagberg RTP, PhD, Docent Ortopedteknik Sahlgrenska Universitetssjukhuset, Göteborg ISPO-S, Feb 2015 2 Kliniska utvärderingsmetoder Kliniska

Läs mer

Vad är. Kliniska utvärderingsmetoder Kliniska utfallsmått. Patient Reported Outcome Measures och andra begrepp. Kerstin Hagberg RTP, PhD, Docent

Vad är. Kliniska utvärderingsmetoder Kliniska utfallsmått. Patient Reported Outcome Measures och andra begrepp. Kerstin Hagberg RTP, PhD, Docent Vad är Patient Reported Outcome Measures och andra begrepp Kerstin Hagberg RTP, PhD, Docent Ortopedteknik Sahlgrenska Universitetssjukhuset, Göteborg ISPO-S, Feb 2015 2 Kliniska utvärderingsmetoder Kliniska

Läs mer

Anvisningar till kursen

Anvisningar till kursen Anvisningar till kursen TILLÄMPAD ENKÄTMETODIK: Att mäta och validera latenta och manifesta psykologiska begrepp (7,5 p) HT 2013 Momentansvarig: Claudia Bernhard- Oettel Momentanvisningar Momentets innehåll

Läs mer

Metoder för riskbedömning av den psykosociala arbetsmiljön. Vad är psykosocial arbetsmiljö?

Metoder för riskbedömning av den psykosociala arbetsmiljön. Vad är psykosocial arbetsmiljö? Metoder för riskbedömning av den psykosociala arbetsmiljön SAN-konferens 20 oktober 2011, fil.dr. psykolog Forskargruppen Säkerhet-Organisation-Ledarskap Arbets- och miljömedicin, Sahlgrenska akademin,

Läs mer

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson 1 STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson Skriftlig tentamen på momentet Statistisk dataanalys I (SDA l), 3 högskolepoäng ingående i kursen Undersökningsmetodik och statistisk

Läs mer

Första sidan är ett försättsblad (laddas ned från kurshemsidan) Alla frågor som nns i uppgiftstexten är besvarade

Första sidan är ett försättsblad (laddas ned från kurshemsidan) Alla frågor som nns i uppgiftstexten är besvarade HT 2011 Inlämningsuppgift 1 Statistisk teori med tillämpningar Instruktioner Ett av problemen A, B eller C tilldelas gruppen vid första övningstillfället. Rapporten ska lämnas in senast 29/9 kl 16.30.

Läs mer

En rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.

En rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1. En rät linje ett enkelt samband Y β 1 Lutning (slope) β 0 Skärning (intercept) 1 Y= β 0 + β 1 X X En rät linje + slumpbrus Y Y= β 0 + β 1 X + brus brus ~ N(0,σ) X Observationspar (X i,y i ) Y Ökar/minskar

Läs mer

Dataanalys kopplat till undersökningar

Dataanalys kopplat till undersökningar Dataanalys kopplat till undersökningar Seminarium om undersökningsmetoder för förorenade områden, Malmö 6-7 maj Jenny Norrman, SGI, Chalmers FRIST På säker grund för hållbar utveckling Innehåll Inledning

Läs mer

Kontrollera att följande punkter är uppfyllda innan rapporten lämnas in: Första sidan är ett försättsblad (laddas ned från kurshemsidan)

Kontrollera att följande punkter är uppfyllda innan rapporten lämnas in: Första sidan är ett försättsblad (laddas ned från kurshemsidan) Statistiska institutionen VT 2012 Inlämningsuppgift 1 Statistisk teori med tillämpningar Instruktioner Ett av problemen A, B eller C tilldelas gruppen vid första övningstillfället. Rapporten ska lämnas

Läs mer

Statistiska analyser C2 Bivariat analys. Wieland Wermke

Statistiska analyser C2 Bivariat analys. Wieland Wermke + Statistiska analyser C2 Bivariat analys Wieland Wermke + Bivariat analys n Mål: Vi vill veta något om ett samband mellan två fenomen n à inom kvantitativa strategier kan man undersöka detta genom att

Läs mer

Sjukdomsspecifika PROM i kvalitetsregister

Sjukdomsspecifika PROM i kvalitetsregister Sjukdomsspecifika PROM i kvalitetsregister Mats Lundström EyeNet Sweden Karlskrona, Sverige Innehåll Bruk av sjukdomsspecifika PROM hos svenska kvalitetsregister Vad kan ett sjukdomsspecifikt PROM tillföra

Läs mer

Hypotestestning och repetition

Hypotestestning och repetition Hypotestestning och repetition Statistisk inferens Vid inferens använder man urvalet för att uttala sig om populationen Centralmått Medelvärde: x= Σx i / n Median Typvärde Spridningsmått Används för att

Läs mer

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk Tentamen MVE301 Sannolikhet, statistik och risk 2017-08-15 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Olof Elias, telefon: 031-7725325 Hjälpmedel: Valfri

Läs mer

ANOVA Mellangruppsdesign

ANOVA Mellangruppsdesign ANOVA Mellangruppsdesign Envägs variansanlays, mellangruppsdesign Variabler En oberoende variabel ( envägs ): Nominalskala eller ordinalskala. Delar in det man undersöker (personerna?) i grupper/kategorier,

Läs mer

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva Stat. teori gk, ht 006, JW F14 HYPOTESPRÖVNING (NCT 10., 10.4-10.5, 11.5) Hypotesprövning för en proportion Med hjälp av data från ett stickprov vill vi pröva H 0 : P = P 0 mot någon av H 1 : P P 0 ; H

Läs mer

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

Vi har en ursprungspopulation/-fördelning med medelvärde µ. P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har

Läs mer

Kvantitativa metoder och datainsamling

Kvantitativa metoder och datainsamling Kvantitativa metoder och datainsamling Kurs i forskningsmetodik med fokus på patientsäkerhet 2015-09-23, Peter Garvin FoU-enheten för närsjukvården Kvantitativ och kvalitativ metodik Diskborsten, enkronan

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Vad är statistik?

Läs mer

Tentamen MVE301 Sannolikhet, statistik och risk

Tentamen MVE301 Sannolikhet, statistik och risk Tentamen MVE301 Sannolikhet, statistik och risk 2017-06-01 kl. 8:30-13:30 Examinator: Johan Jonasson, Matematiska vetenskaper, Chalmers Telefonvakt: Ivar Simonsson, telefon: 031-7725325 Hjälpmedel: Valfri

Läs mer

Kritisk granskning av forskning

Kritisk granskning av forskning Om kursen Kritisk granskning av forskning ebba.elwin@psyk.uu.se 018-471 21 35 rum 14:366 (vån 3) Två veckors arbete, 3 hp Fördjupning i tidigare studier i forskningsmetodik Mål: kunskaper för att läsa,

Läs mer

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson 1 STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson Skriftlig omtentamen på momentet Statistisk dataanalys I (SDA l, beskrivande statistik) 3 högskolepoäng, ingående i kursen Undersökningsmetodik

Läs mer

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland

Upprepade mätningar och tidsberoende analyser. Stefan Franzén Statistiker Registercentrum Västra Götaland Upprepade mätningar och tidsberoende analyser Stefan Franzén Statistiker Registercentrum Västra Götaland Innehåll Stort område Simpsons paradox En mätning per individ Flera mätningar per individ Flera

Läs mer

Perspektiv på kunskap

Perspektiv på kunskap Perspektiv på kunskap Alt. 1. Kunskap är något objektivt, som kan fastställas oberoende av den som söker. Alt. 2. Kunskap är relativ och subjektiv. Vad som betraktas som kunskap är beroende av sammanhanget

Läs mer

T-test, Korrelation och Konfidensintervall med SPSS Kimmo Sorjonen

T-test, Korrelation och Konfidensintervall med SPSS Kimmo Sorjonen T-test, Korrelation och Konfidensintervall med SPSS Kimmo Sorjonen 1. One-Sample T-Test 1.1 När? Denna analys kan utföras om man vill ta reda på om en populations medelvärde på en viss variabel kan antas

Läs mer

Parade och oparade test

Parade och oparade test Parade och oparade test Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning: möjliga jämförelser Jämförelser mot ett

Läs mer

7.5 Experiment with a single factor having more than two levels

7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan och att en inblandning mellan 10% och 40% är bra. För att

Läs mer

Analytisk statistik. Mattias Nilsson Benfatto, PhD.

Analytisk statistik. Mattias Nilsson Benfatto, PhD. Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik

Läs mer

Jag tycker jag är -2. Beskrivning av instrumentet och dess användningsområde. Översikt. Vilka grupper är instrumentet gjort för?

Jag tycker jag är -2. Beskrivning av instrumentet och dess användningsområde. Översikt. Vilka grupper är instrumentet gjort för? Beskrivning av instrumentet och dess användningsområde Jag tycker jag är-2 är ett självskattningsinstrument som syftar till att bedöma barns och ungas självkänsla [1,2]. Formuläret är anpassat för att

Läs mer

Kvantitativ strategi viktiga begrepp 3. Wieland Wermke

Kvantitativ strategi viktiga begrepp 3. Wieland Wermke + Kvantitativ strategi viktiga begrepp 3 Wieland Wermke + Tillförlitlighet: validitet och reliabilitet n Frånvaro av slumpmässiga fel: hög reliabilitet. n Måttet är stabilt och pålitligt, inte svajigt

Läs mer

Kursnamn: Vetenskapsteori och grundläggande forskningsmetod

Kursnamn: Vetenskapsteori och grundläggande forskningsmetod KOD: Kurskod: PM1303 Kursnamn: Vetenskapsteori och grundläggande forskningsmetod Ansvarig lärare: Magnus Lindwall Tentamensdatum: 2014-02-18 kl. 13:30 17:30 Tillåtna hjälpmedel: Miniräknare Tentan består

Läs mer

Kvantitativ forskning C2. Viktiga begrepp och univariat analys

Kvantitativ forskning C2. Viktiga begrepp och univariat analys + Kvantitativ forskning C2 Viktiga begrepp och univariat analys + Delkursen mål n Ni har grundläggande kunskaper över statistiska analyser (univariat, bivariat) n Ni kan använda olika programvaror för

Läs mer

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval Två innebörder av begreppet statistik Grundläggande tankegångar i statistik Matematik och statistik för biologer, 10 hp Informationshantering. Insamling, ordningsskapande, presentation och grundläggande

Läs mer

Annette Lennerling. med dr, sjuksköterska

Annette Lennerling. med dr, sjuksköterska Annette Lennerling med dr, sjuksköterska Forskning och Utvecklingsarbete Forskning - söker ny kunskap (upptäcker) Utvecklingsarbete - använder man kunskap för att utveckla eller förbättra (uppfinner) Empirisk-atomistisk

Läs mer

Statsvetenskapliga metoder, Statsvetenskap 2 Metoduppgift 4

Statsvetenskapliga metoder, Statsvetenskap 2 Metoduppgift 4 Problemformulering Högerpopulistiska partier får mer och mer inflytande och makt i Europa. I Sverige är det sverigedemokraterna som enligt opinionsundersökningar har fått ett ökat stöd bland folket. En

Läs mer

Beteendevetenskaplig metod. Metodansats. För och nackdelar med de olika metoderna. Fyra huvudkrav på forskningen Forskningsetiska principer

Beteendevetenskaplig metod. Metodansats. För och nackdelar med de olika metoderna. Fyra huvudkrav på forskningen Forskningsetiska principer Beteendevetenskaplig metod Ann Lantz alz@nada.kth.se Introduktion till beteendevetenskaplig metod och dess grundtekniker Experiment Fältexperiment Fältstudier - Ex post facto - Intervju Frågeformulär Fyra

Läs mer

Metod1. Intervjuer och observationer. Ex post facto, laboratorie -, fältexperiment samt fältstudier. forskningsetik

Metod1. Intervjuer och observationer. Ex post facto, laboratorie -, fältexperiment samt fältstudier. forskningsetik Metod1 Intervjuer och observationer Ex post facto, laboratorie -, fältexperiment samt fältstudier forskningsetik 1 variabelbegreppet oberoende variabel beroende variabel kontroll variabel validitet Centrala

Läs mer

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad

Läs mer

Följande resultat erhålls (enhet: 1000psi):

Följande resultat erhålls (enhet: 1000psi): Variansanalys Exempel Aluminiumstavar utsätts för uppvärmningsbehandlingar enligt fyra olika standardmetoder. Efter behandlingen uppmäts dragstyrkan hos varje stav. Fem upprepningar görs för varje behandling.

Läs mer

Tentamen Metod C vid Uppsala universitet, , kl

Tentamen Metod C vid Uppsala universitet, , kl Tentamen Metod C vid Uppsala universitet, 170503, kl. 08.00-12.00 Anvisningar Av rättningspraktiska skäl skall var och en av de tre huvudfrågorna besvaras på separata pappersark. Börja alltså på ett nytt

Läs mer

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK 2007-08-29 UMEÅ UNIVERSITET Institutionen för matematik och matematisk statistik Statistik för Teknologer, 5 poäng (TNK, ET, BTG) Peter Anton, Per Arnqvist Anton Grafström TENTAMEN 7-8-9 LÖSNINGSFÖRSLAG TILL TENTAMEN

Läs mer

Studentens namn: Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta.

Studentens namn: Studentens personnummer: Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta. KOD: Kurskod: PM1303 Kursnamn: Vetenskapsteori och grundläggande forskningsmetoder Provmoment: Vetenskapsteori respektive forskningsmetod Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 2015-09-29

Läs mer

GMF- Generell Motorisk Funktionsbedömning

GMF- Generell Motorisk Funktionsbedömning 2016-03-07 Socialstyrelsen kvalitetsgranskar standardiserade bedömningsmetoder GMF- Generell Motorisk Funktionsbedömning GMF är ett screeninginstrument för identifiering och kvantifiering av problem relaterade

Läs mer

STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh

STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh Skriftlig tentamen på momentet Statistisk dataanalys I (SDA l), 3 högskolepoäng ingående i kursen Undersökningsmetodik och

Läs mer

EXAMINATION KVANTITATIV METOD vt-11 (110204)

EXAMINATION KVANTITATIV METOD vt-11 (110204) ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110204) Examinationen består av 11 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology April 27, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två numeriska

Läs mer

Lösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015

Lösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015 MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Lösningsförslag till tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 13 e mars 015 1 a 13 och 14

Läs mer

Matematisk statistik för B, K, N, BME och Kemister

Matematisk statistik för B, K, N, BME och Kemister Matematisk statistik för B, K, N, BME och Kemister Föreläsning 11 & 12 Johan Lindström 5 & 14 oktober 2015 Johan Lindström - johanl@maths.lth.se FMS086/MASB02 F11 1/27 Johan Lindström - johanl@maths.lth.se

Läs mer

Föreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en

Läs mer

KVANTITATIV FORSKNING

KVANTITATIV FORSKNING KVANTITATIV FORSKNING Teorier innehåller begrepp som byggstenar. Ofta är kvantitativa forskare intresserade av att mäta företeelser i verkligheten och att koppla denna kvantitativa information till begrepp

Läs mer

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology September 21, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två

Läs mer

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning? När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns

Läs mer

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi

Föreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi Föreläsning 4 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Icke-parametriska test Mann-Whitneys test (kap 8.10 8.11) Wilcoxons test (kap 9.5) o Transformationer (kap 13) o Ev. Andelar

Läs mer

STATISTISK POWER OCH STICKPROVSDIMENSIONERING

STATISTISK POWER OCH STICKPROVSDIMENSIONERING STATISTISK POWER OCH STICKPROVSDIMENSIONERING Teori UPPLÄGG Gemensam diskussion Individuella frågor Efter detta pass hoppas jag att: ni ska veta vad man ska tänka på vilka verktyg som finns vilket stöd

Läs mer

Grundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4.

Grundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4. Grundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4 7,5 högskolepoäng Namn: (Ifylles av student) Personnummer: (Ifylles av student)

Läs mer

Hur skriver man statistikavsnittet i en ansökan?

Hur skriver man statistikavsnittet i en ansökan? Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det

Läs mer

Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00. English Version

Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00. English Version Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 17 August 2015, 8:00-12:00 Examiner: Xiangfeng Yang (Tel: 070 2234765). Please answer in ENGLISH if you can. a. Allowed to use: a calculator, Formelsamling

Läs mer