Psykometrins grunder. Agenda för dagen
|
|
- Per Lundqvist
- för 6 år sedan
- Visningar:
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 Torsdag 13 september 2012 Reliabilitet Dagens agenda Värt att veta om normalfördelningen Frågesport Kort intro till kvalitetsparametrarna: reliabilitet och validitet Reliabilitet
Läs merDifferentiell 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 merDifferentiell psykologi
Differentiell psykologi Måndag 5 september 2 Det psykologiska instrumentets anatomi - introduktion Det psykologiska instrumentets anatomi : Introduktion Introduktionens två delar Exponering: mätning in
Läs merDifferentiell 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 merDifferentiell 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 merDifferentiell 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 merDifferentiell 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 merDifferentiell psykologi
Differentiell psykologi Tisdag 25 september 2012 Frågestund Repetition Agenda Skillnader i definitioner mellan underlagen Statistik Instuderings- och tentamensfrågor Regressionsdiagnostik Fråga om Reliabilitet
Läs merDifferentiell 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 merExempel 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 merKriterier 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 mer34% 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 merForskningsprocessens 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 merBedömning 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 merAnvisningar 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 merBild 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 merKunskap = 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 merDifferentiell 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 merDifferentiell 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 merKvantitativa 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 merLektionsanteckningar 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 merFöreläsning 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 merBUS 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 merBeskrivande 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 merF9 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 merPHQ-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 merMatematikcentrum 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 merDifferentiell 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 merMedicinsk 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 merOBS! 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 merIntroduktion 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 merGHQ-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 merför 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 mer7.5 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 merOBS! 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 merOBS! 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 merGRANSKNINGSUNDERLAG. 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 merFaktoranalys - 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 merMatematikcentrum 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 merAtt 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 merFöreläsning 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 merKorrelation 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 merTentamen 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 merVad 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 merVad 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 merAnvisningar 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 merMetoder 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 merSTOCKHOLMS 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 merFörsta 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 merEn 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 merDataanalys 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 merKontrollera 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 merStatistiska 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 merSjukdomsspecifika 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 merHypotestestning 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 merTentamen 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 merANOVA Mellangruppsdesign
ANOVA Mellangruppsdesign Envägs variansanlays, mellangruppsdesign Variabler En oberoende variabel ( envägs ): Nominalskala eller ordinalskala. Delar in det man undersöker (personerna?) i grupper/kategorier,
Läs merF14 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 merVi 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 merKvantitativa 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 merStatistik 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 merTentamen 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 merKritisk 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 merSTOCKHOLMS 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 merUpprepade 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 merPerspektiv 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 merT-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 merParade 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 mer7.5 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 merAnalytisk 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 merJag 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 merKvantitativ 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 merKursnamn: 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 merKvantitativ 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 merTvå 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 merAnnette 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 merStatsvetenskapliga 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 merBeteendevetenskaplig 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 merMetod1. 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 merFöreläsning 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 merFöljande 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 merTentamen 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 merLÖSNINGSFÖRSLAG 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 merStudentens 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 merGMF- 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 merSTOCKHOLMS 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 merEXAMINATION 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 merFöreläsning 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 merLösningsförslag 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 merMatematisk 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 merFöreläsning 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 merKVANTITATIV 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 merHypotesprövning. 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 merFöreläsning 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 merFinns 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 merFöreläsning 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 merSTATISTISK 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 merGrundläggande 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 merHur 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 merKurskod: 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