Hva er variasjonskoeffisienten?
Variasjonskoeffisienten er en statistikk som angir den relative mengden usikkerhet . Det er forholdet mellom standardavviket og gjennomsnittet uttrykt i prosent.
Hva er standard error of the mean differnece?
- Standardfeilen for forskjellen mellom gjennomsnittene (f.eks. to uavhengige utvalg) kvantifiserer usikkerheten i forskjellen mellom gjennomsnittene til to uavhengige utvalg . Den brukes i hypotese-testing for å avgjøre om forskjellen mellom de to utvalgs-gjennomsnittene er statistisk signifikant
Kan du forklare styrkeanalyse?
Signifikans: Signifikanstester er designet for å kontrollere hyppigheten av disse feilene! (type i og ii)
* TypeI feil er begrenset gjennom signifikansnivået 𝜶 * TypeII feil er begrenset gjennom statistisk styrke 𝟏−𝜷
Effektstr.: A well designed study should have a high power to find signifcant results if there is a true effect to be found (≥ .80; eller ≥ .90)
For å løse power: alpha, utvalgsstørrelse, effektstr.
For å løse utvalgsstr.: alpha, power, effektstr.
For å løse effektstr.: alpha, utvalsstr. , power
- Power analysis and sample size calculation should be done prior to the study
Det eneste vi vet i forkant er utvalgsfordelingen
- Forskjellen mellom partiell og semi-partiell korrelasjon, gjerne med eksempler.
- Semi-partielle korrelasjoner ser på korrelasjonen mellom to variabler, X og Y, mens de tar hensyn til påvirkningen av en tredje variabel, Z, på bare en av de to variablene.
- Partielle korrelasjoner ser på korrelasjonen mellom to variabler, X og Y, mens de tar hensyn til påvirkningen av en tredje variabel, Z, på begge variablene
Regresjon er…
Regresjon er en statistisk metode for å modellere og analysere sammenhengen mellom en avhengig variabel (utfall) og en eller flere uavhengige variabler (forklaringsvariabler). * Brukes til prediksjon, trendanalyse eller å forstå relasjoner mellom variabler
- regresjonsanalyse er å finne b1 og b0
Når man skal rapportere i multippel regresjon, skal man rapportere R^2 eller adjusted R^2?
- Når man rapporterer resultater fra en multippel regresjon, anbefales det å rapportere adjusted R^2 fremfor bare R^2, (eller begge).
Grunnen til dette: - R^2: måler hvor stor andel av variasjonen i den avhengige variabelen som forklares av de uavhengige variablene i modellen.
- Problemet med R^2 er at den kan alltid øker når flere variabler legges til modellen, selv om de nye variablene ikke bidrar betydelig.
- AdjustedR^2 : korrigerer for antall forklaringsvariabler, slik at den bare øker dersom de nye variablene faktisk forbedrer modellens forklaringskraft.
Praktisk: * Rapporter adjusted R^2: når du sammenligner modeller med ulikt antall variabler eller ønsker en mer rettferdig vurdering av modellens forklaringskraft. * R^2: kan fortsatt nevnes dersom det er relevant, men justert versjon gir et mer pålitelig bilde.
Hvilken rolle spiller t-verdien i en regresjonsanalyse, hva sier den verdien oss?
I regresjonsanalyse spiller t-verdien en viktig rolle i å vurdere om en spesifikk uavhengige variabelen har en statistisk signifikant effekt på den avhengige variabelen.
* T-verdien brukes sammen med en kritisk t-verdi (eller p-verdi) for å teste nullhypotesen:
* Nullhypotese: Variabelen har ingen effekt (β = 0). * Hvis t-verdien er stor nok til å gi en p-verdi under signifikansnivået (f.eks. 0,05), avviser vi nullhypotesen og konkluderer med at variabelen har en signifikant effekt.
* Hvis t-verdien for en variabel er t = 5.2 med en p-verdi på 0.001, kan vi konkludere med at variabelen er svært signifikant i modellen.
* Hvis t = 0.8 med p-verdi > 0.05, er effekten ikke signifikant, og variabelen kan være mindre viktig.
Når man skal skrive om verdier fra en regresjonsanalyse til en regresjonslikning og har flere modeller i analysen, hvilken intercept skal man bruke da? Skal man bruke intercept fra modell 0 eller fra den siste modellen? Hvorfor?
Hvis du valgte alternativet for «Include intercept” og ikke la noen variabler i Model0. Da er verdien her rett og slett ggjennomsnittet (Grand mean) til DV.
* Så hvis du inkluderer en uavhengig variabel eller variabler i Model1, så hvis du vil skrive regresjonsligning for Model1, må du bruke intercept fra Model1.
Hva er restvarians i en regresjonsanalyse og hvordan finner man dette i et output fra JASP?
Restvariansen er variansen til residualene (feilleddet), som er forskjellen mellom de observerte verdiene og de predikerte verdiene. * Restvariansen uttrykker hvor godt modellen passer dataene: Jo mindre restvariansen er, desto bedre passer modellen.
- Skal Cohen´s d rapporteres med fortegn eller skal den alltid rapporteres som positiv da den ikke er retningsbestemt.
Fortegn spiller ingen rolle. Fokuser på størrelsen på forskjellen mellom de to gruppene
Hva skjer med effektstørrelsen når utvalget øker
- Når du øker utvalget i de to gruppene, vil også effektstørrelsen øke.
Kan du forklare planlagte kontraster i ANCOVA?
Planned contrasts skal være planlagt på forhånd, og tar utgangspunkt i en spesifikk hypotese som man hadde før startet analysen (kanskje basert på tidligere resultater).
Kan du forklare hvorfor eigenverdi blir mindre når vi har flere faktorer?
Egenverdier representerer hvor mye av variansen i dataene som forklares av en bestemt faktor. Når flere faktorer legges til en faktoranalyse:
* Variansen er fordelt på flere faktorer slik at hver faktor forklarer en del av den totale variansen. Den første faktoren har alltid den største egenverdien fordi det er den første faktoren som prøver å forklare mest mulig av variansen i elementene. Den gjenværende variansen i elementene forklares deretter av de neste faktorene hvis egenverdier vil bli mindre og mindre etter hvert som flere faktorer trekkes ut.
* Etter rotasjon blir imidlertid egenverdien til den første faktoren mindre (men fortsatt større enn resten) fordi rotasjon omfordeler variansen forklart av faktorene
Hva er forskjellen mellom faktor og fellesfaktor?
- Faktor:
- En generell term for en underliggende dimensjon som forklarer korrelasjoner mellom variabler i faktoranalyse.
- Kan referere til alle faktorer som trekkes ut, inkludert både fellesfaktorer og unike faktorer.
- Fellesfaktor:
- En spesifikk type faktor som forklarer felles varians mellom flere variabler.
- Den er basert på korrelasjoner som er felles på tvers av variabler, og utelukker unike varianskomponenter (spesifikke eller tilfeldige faktorer).
- Fellesfaktorer er kjernen i faktoranalyse, som har som mål å redusere data til underliggende dimensjoner basert på felles trekk.
Forskjellen:
* En fellesfaktor forklarer bare varians som variablene har til felles kan inkludere både felles og unike faktorer , mens en faktor
