Statistik B: Central Tendens och Spridning

• Statistik inom psykologi B fördjupar de statistiska metoder som används inom psykologisk forskning.
• Det bygger ofta vidare på grundläggande statistikkurser och introducerar mer avancerade tekniker.
• Syftet är att ge studenterna de verktyg som krävs för att designa, analysera och tolka psykologiska studier.

Central Tendens och Spridning

• Central tendens är ett mått på vad som är typiskt för en fördelning.
• Vanliga mått på central tendens är medelvärde, median och typvärde.
• Medelvärdet beräknas genom att summera alla värden och dela med antalet värden.
• Medianen är det mittersta värdet när alla värden sorteras i storleksordning.
• Typvärdet är det vanligast förekommande värdet.
• Spridning handlar om hur utspridda värdena är i en fördelning.
• Vanliga mått på spridning är varians, standardavvikelse och variationsvidd.
• Variansen mäter den genomsnittliga kvadrerade avvikelsen från medelvärdet.
• Standardavvikelsen är roten ur variansen och ger ett mer lättförståeligt mått på spridning.
• Variationsvidden är skillnaden mellan det största och minsta värdet.

Hypotesprövning

• Hypotesprövning är en process för att avgöra om det finns tillräckligt med bevis för att förkasta nollhypotesen till förmån för mothypotesen.
• Nollhypotesen är en hypotes om att det inte finns någon effekt eller skillnad.
• Mothypotesen är en hypotes om att det finns en effekt eller skillnad.
• Ett signifikansvärde (p-värde) beräknas för att avgöra sannolikheten att få de observerade resultaten (eller mer extrema) om nollhypotesen är sann.
• Om p-värdet är mindre än en förutbestämd signifikansnivå (vanligtvis 0,05) förkastas nollhypotesen.
• Typ I-fel innebär att man förkastar nollhypotesen när den i själva verket är sann (falskt positiv).
• Typ II-fel innebär att man inte förkastar nollhypotesen när den i själva verket är falsk (falskt negativ).
• Teststyrka är sannolikheten att korrekt förkasta en falsk nollhypotes.

Regressionsanalys

• Regressionsanalys används för att modellera förhållandet mellan en beroende variabel och en eller flera oberoende variabler.
• Enkel linjär regression involverar en beroende och en oberoende variabel.
• Multipel regression involverar en beroende variabel och flera oberoende variabler.
• Regressionskoefficienterna representerar den förväntade förändringen i den beroende variabeln för en enhets förändring i den oberoende variabeln.
• R-kvadrat (determinationskoefficienten) mäter hur väl regressionsmodellen passar datan. Värdet varierar mellan 0 och 1.
• Justerad R-kvadrat tar hänsyn till antalet oberoende variabler i modellen och kan vara mer lämplig för att jämföra modeller med olika antal prediktorer.

Variansanalys (ANOVA)

• ANOVA används för att jämföra medelvärden för två eller flera grupper.
• Envägs-ANOVA används när det finns en oberoende variabel med flera nivåer.
• Tvåvägs-ANOVA används när det finns två oberoende variabler.
• F-statistikan används för att testa om det finns en signifikant skillnad mellan gruppernas medelvärden.
• Post-hoc-tester (t.ex. Tukey, Bonferroni) används för att identifiera vilka specifika grupper som skiljer sig signifikant från varandra om ANOVA visar en signifikant effekt.
• Upprepade mätningar ANOVA används när samma deltagare mäts vid flera tillfällen eller under olika betingelser.

Icke-parametriska Metoder

• Icke-parametriska metoder används när datan inte uppfyller antagandena för parametriska tester (t.ex. normalfördelning).
• Vanliga icke-parametriska tester inkluderar Mann-Whitney U-test, Wilcoxon signed-rank test, Kruskal-Wallis test och Chi-square test.
• Mann-Whitney U-test används för att jämföra två oberoende grupper.
• Wilcoxon signed-rank test används för att jämföra två beroende grupper.
• Kruskal-Wallis test används för att jämföra tre eller fler oberoende grupper.
• Chi-square test används för att analysera kategorisk data.

Korrelationsanalys

• Korrelationsanalys mäter styrkan och riktningen av förhållandet mellan två variabler.
• Pearsons korrelationskoefficient (r) mäter det linjära förhållandet mellan två kontinuerliga variabler. Värdet varierar mellan -1 och +1.
• Spearmans rangkorrelationskoefficient (rho) mäter det monotona förhållandet mellan två variabler och används när datan inte är normalfördelad eller när variablerna är ordinala.
• En positiv korrelation innebär att höga värden på en variabel är associerade med höga värden på den andra variabeln.
• En negativ korrelation innebär att höga värden på en variabel är associerade med låga värden på den andra variabeln.
• Korrelation indikerar inte kausalitet.

Effektstorlek

• Effektstorlek mäter storleken på en effekt eller ett förhållande.
• Det är ett komplement till signifikansprövning.
• Vanliga mått på effektstorlek inkluderar Cohens d, eta-kvadrat (η²) och Pearsons r.
• Cohens d mäter skillnaden mellan två gruppers medelvärden i standardavvikelser.
• Eta-kvadrat (η²) mäter andelen varians i den beroende variabeln som förklaras av den oberoende variabeln.
• Effektstorlekar hjälper till att bedöma den praktiska betydelsen av en statistisk signifikans.

Reliabilitet och Validitet

• Reliabilitet handlar om tillförlitligheten och konsistensen i mätningar.
• Olika typer av reliabilitet inkluderar test-retest reliabilitet, interbedömarreliabilitet och intern konsistens.
• Test-retest reliabilitet mäter konsistensen i mätningar över tid.
• Interbedömarreliabilitet mäter överensstämmelsen mellan olika bedömare eller observatörer.
• Intern konsistens mäter hur väl olika items i ett test mäter samma konstrukt. Cronbachs alfa är ett vanligt mått på intern konsistens.
• Validitet handlar om hur väl ett test mäter det det är avsett att mäta.
• Olika typer av validitet inkluderar innehållsvaliditet, kriterievaliditet och begreppsvaliditet.
• Innehållsvaliditet handlar om hur väl ett test täcker det innehåll det är avsett att mäta.
• Kriterievaliditet handlar om hur väl ett test korrelerar med andra mått på samma konstrukt.
• Begreppsvaliditet handlar om hur väl ett test mäter det teoretiska begreppet det är avsett att mäta.

Experimentell Design

• Experimentell design handlar om hur man planerar och genomför studier för att undersöka orsakssamband.
• Viktiga begrepp inkluderar oberoende och beroende variabler, kontrollgrupper, randomisering och blindning.
• Oberoende variabel är den variabel som manipuleras av forskaren.
• Beroende variabel är den variabel som mäts.
• Kontrollgrupper används för att jämföra med experimentgruppen.
• Randomisering används för att fördela deltagarna slumpmässigt till olika grupper.
• Blindning används för att förhindra att deltagare eller forskare påverkas av vetskapen om vilken grupp en deltagare tillhör.

Etiska Aspekter

• Etiska aspekter är viktiga att beakta i all psykologisk forskning.
• Viktiga principer inkluderar informerat samtycke, konfidentialitet, frivillighet och skydd från skada.
• Informerat samtycke innebär att deltagarna måste informeras om studiens syfte, procedurer och risker innan de samtycker till att delta.
• Konfidentialitet innebär att deltagarnas data måste behandlas konfidentiellt.
• Frivillighet innebär att deltagarna måste delta frivilligt och ha rätt att avbryta sin medverkan när som helst.
• Skydd från skada innebär att deltagarna måste skyddas från fysisk och psykisk skada.

Datahantering

• Datahantering innefattar insamling, organisering, lagring och analys av data.
• Viktiga aspekter inkluderar datarensning, kodning och dokumentation.
• Datarensning innebär att man identifierar och korrigerar felaktiga eller saknade data.
• Kodning innebär att man omvandlar data till en numerisk form.
• Dokumentation innebär att man beskriver studiens metoder, variabler och analysstrategier.

Statistisk Programvara

• Det finns många olika statistiska programvaror tillgängliga för att analysera data.
• Vanliga programvaror inkluderar SPSS, R, SAS och Python.
• SPSS är en användarvänlig programvara med ett grafiskt gränssnitt.
• R är en kraftfull programvara med många avancerade funktioner, men kräver mer programmeringskunskaper.
• SAS är en programvara som ofta används inom akademin och industrin.
• Python är ett programmeringsspråk som kan användas för statistisk analys.

Meta-analys

• Meta-analys är en statistisk metod för att kombinera resultaten från flera studier som undersöker samma frågeställning.
• Syftet är att få en mer precis uppskattning av effekten än vad som är möjligt utifrån en enskild studie.
• Meta-analys kan användas för att identifiera systematiska variationer mellan studier och för att undersöka effekten av moderatorvariabler.

Effektstorlek och Klinisk Signifikans

• Klinisk signifikans fokuserar på den praktiska eller kliniska betydelsen av en intervention eller ett resultat.
• En statistiskt signifikant effekt kan vara kliniskt irrelevant om effektstorleken är liten eller om resultatet inte leder till meningsfulla förändringar i patienters liv.
• Klinisk signifikans bedöms ofta utifrån kriterier som återgång till normal funktion, minskning av symtom eller förbättring av livskvalitet.