Sigmund Grønmo: Samfunnsvitenskapelige metoder

STATISTISK GENERALISERING

Sigmund Grønmo:Samfunnsvitenskapelige metoder

Kapittel 16

Sigmund Grønmo: Samfunnsvitenskapelige metoder

Utvalgsfordeling og tilfeldige feilmarginer

• Hensikten med statistisk generalisering er å avklare om analyseresultater basert på data fra et sannsynlighetsutvalg er gyldige for det større universet som utvalget er trukket fra.

• Ved statistisk generalisering er det bare de tilfeldige feilmarginene i tilknytning til utvalgstrekkingen som blir vurdert. Systematiske feil på grunn av frafall, lav reliabilitet eller lav validitet blir ikke tatt i betraktning.

• Statistisk generalisering tar utgangspunkt i at utvalgsfordelingen utgjør en normalfordeling, og at det derfor er en entydig sammenheng mellom avstanden fra gjennomsnittsverdien, målt i antall standardavvik, og den andelen av utvalgene som befinner seg innenfor denne avstanden fra gjennomsnittet

Sigmund Grønmo: Samfunnsvitenskapelige metoder

Eksempel på utvalgsfordeling

Sigmund Grønmo: Samfunnsvitenskapelige metoder

Sammenhengen mellom antallet standardavvik og andelen utvalg

Sigmund Grønmo: Samfunnsvitenskapelige metoder

Estimering

• Estimering tar utgangspunkt i et bestemt funn om en egenskap ved utvalget, og går ut på å beregne en sannsynlig minimumsverdi og en sannsynlig maksimumsverdi for den tilsvarende egenskapen ved universet

• Avstanden mellom de to verdiene kalles konfidensintervallet

• Vi velger et sikkerhetsnivå (for eksempel 95 %)• Vi beregner konfidensintervallet ut fra det

sikkerhetsnivået som er valgt

Sigmund Grønmo: Samfunnsvitenskapelige metoder

Hypotesetesting• Hypotesetesting går ut på å avklare om en sammenheng mellom

ulike egenskaper ved utvalget er sterk nok til at sammenhengen også kan antas å gjelde for de tilsvarende egenskapene ved universet1. Vi formulerer hypotese og nullhypotese2. Vi velger signifikansnivå (p<0,05, p<0,01 eller p<0,001)3. Vi velger testmetode - kjikvadrattest (for tabellanalyse) eller t-test (for

korrelasjonsanalyse og regresjonsanalyse)4. Vi beregner kjikvadratverdien eller t-verdien5. Vi sammenlikner den beregnede verdien med den kritiske verdien for

den valgte testen, det valgte signifikansnivået, samt antallet frihetsgrader

6. Nullhypotesen forkastes, og den egentlige hypotesen styrkes, hvis den beregnede verdien er større enn den kritiske verdien. Hvis den beregnede verdien er mindre enn den kritiske verdien, kan ikke nullhypotesen forkastes, og vi kan ikke anta at den egentlige hypotesen er riktig