Guide: Flernivåregressionsanalys del 1

I den här guiden ska vi gå igenom:

• Varför man ibland bör använda flernivåregressionsanalys istället för OLS
• Hur man räknar ut intraklasskorrelationskoefficienten

Den absolut vanligaste tekniken för regressionsanalys är den så kallade OLS-tekniken. Med den kan man undersöka samband mellan en beroende variabeln och en eller flera oberoende variabler. I den här guiden tänkte jag försöka gå igenom en annan teknik, flernivåregressionsanalysen (multi-level regression analysis på engelska).

Guide: Kontrollvariabler i regressionsanalys

I den här guiden ska vi gå igenom:

• Hur samband kan verka vara mer positiva än vad de egentligen är
• Hur samband kan verka vara mer positiva än vad de egentligen är
• En lathund för vilka effekter man ska förvänta sig av utelämnade variabler

I bivariat regressionsanalys kan man undersöka om det finns ett linjärt samband mellan två variabler. Men ofta talar man om att man behöver föra in kontrollvariabler i regressionsanalysen. Anledningen är att om man missar att ta med de relevanta kontrollvariablerna riskerar att dra felaktiga slutsatser om huvudsambandet. I den här guiden ska vi gå igenom de två sätt på vilket man kan dra felaktiga slutsatser, och vad som man kan förvänta sig händer med huvudsambandet när man introducerar olika kontrollvariabler.

Guide: En (i mitt tycke) bra resultatredovisning

I den här guiden ska vi:

• Gå igenom vilka delar som kan finnas med i en redovisning av statistiska resultat
• Se exempel på olika redovisningstekniker

Guide: Konstruera ett index från flera variabler

I det här inlägget ska vi:
• Gå igenom när det kan vara bra att göra ett index
• Vända variabler som ska ingå i indexet
• Normera variabler som ska ingå i indexet
• Testa indexets reliabilitet med hjälp av Cronbach’s Alpha

Läsarfråga: Överlappande konfidensintervall

Q: Jag har data på temperaturen i två grupper som jag vill se om de är signifikant skilda från varandra. Jag har beräknat ett konfidensintervall (95%) och det överlappar. När jag gör ett t-test ger det dock att p<0,05 dvs att medelvärdena är signifikant skilda från varandra. Bör det inte ge samma sak, dvs att de ej överlappar och t-test ger p<0,05?

A: Mätningar av två saker kan ha överlappande konfidensintervall och ändå vara signifikant skilda. Tänk dig att det bara är ändarna som överlappar, som på bilden. Vi kan inte med 95% säkerhet säga att det röda värdet inte är är noll, och vi kan inte heller vara 95% säkra på att det gröna värdet inte är noll.

Däremot är det ganska sannolikt att det röda värdet faktiskt är större än det gröna. Anledningen är att det finns en viss osäkerhet i skattningen av båda värdena. För att det röda värdet inte ska vara större än det gröna så måste det alltså vara i den absoluta botten på konfidensintervallet, medan det gröna värdet samtidigt ska vara i den absoluta toppen på sitt konfidensintervall.

Det kanske kan hjälpa att tänka sig att man singlar två mynt. Sannolikheten för att det ska bli krona är 50% för båda mynten, men bara 25% för att båda ska bli det samtidigt.

Alltså: det är inte konstigt. Det är själva testet av skillnaden man framförallt ska lita på, inte konfidensintervallen, eftersom det inte är perfekt precision i TVÅ mätningar. Om du istället vill se om ett värde är signifikant skilt från noll så kommer det passa perfekt med konfidensintervallet – om konfidensintervallet överlappar noll är inte värdet signifikant skilt från noll, eftersom vi så att säga mäter värdet noll med perfekt precision.

Guide: Regressionsanalys med kurvlinjära effekter

I den här guiden ska vi gå igenom:

• Varför man ibland ska använda kurvlinjära effekter
• Hur man genomför en regressionsanalys med kurvlinjära effekter i SPSS
• Tolka resultaten och ta fram marginaleffekter

Guide: Korstabeller

I den här guiden ska vi gå igenom hur man:
X Skapar bivariata korstabeller
X Skiljer på rad- och kolumnprocent
X Signifikanstestar ett samband i en korstabell
X Tar fram ett mått på sambandets styrka
X Kontrollerar sambandet för ytterligare en variabel i en trivariat korstabell
X Konstruerar en effektparametertabell för den trivariata tabellen

Guide: Faktoranalys

I den här guiden ska vi gå igenom:

• Varför man använder faktoranalys
• Hur man genomför faktoranalys i SPSS
• Hur man tolkar resultaten

Guide: Mata in data och bygga en datamängd

I den här guiden ska vi gå igenom:

• Hur man definierar variabler
• Vad de olika kolumnerna i ”variable view” betyder
• Hur man bäst kodar olika typer av enkätfrågor
• Hur man kodar enkätdata i experimentella design

Läsarfråga: Jämföra medelvärden på två variabler

Q: Jag skulle vilja jämföra om två variabler (scale-nivå) är signifikant olika från varandra, det handlar om en grupp, ett tillfälle, två variabler. Jag undrar dels hur man gör detta med normalfördelade variabler och dels med icke normalfördelade variabler.

A: För normalfördelade variabler ska du då använda dig av ett så kallat ”Paired samples t-test”. Du hittar det under ”Analyze->Compare means->Paired samples t-test”. Du klickar där bara i de två variabler du vill jämföra. SPSS tar sedan fram medelvärdet på dessa båda variabler och undersöker om skillnaden i medelvärde är signifikant skilt från 0, det vill säga om vi kan säga att det finns en signifikant skillnad mellan grupperna.

Det intressanta att titta på är alltså medelvärdena i den första tabellen du får ut ”Paired samples statistics”, kolumnen ”Mean”. För att se om de är signifikant åtskilda kollar du i tabellen ”Paired samples test”, kolumnen ”Sig. (2-tailed)”. Om signifikansvärdet understiger .05 så är medelvärdena olika på 95 procents säkerhetsnivå.

Variablerna måste dock vara normalfördelade, och bör ju rimligtvis också vara mätta på samma skala. Om du jämför en variabel som kan ha värdena 0-5 och en annan som kan ha värdena 0-50 så är det inte så konstigt om medelvärdena är olika.

Om data inte är normalfördelade behöver du använda dig av något icke-parametriskt test. Icke-parametrisk statistik, måste jag erkänna, är inte min starka sida. Men vad jag förstår så skulle ”Wilcoxon Signed-Rank test” vara lämpligt. Du hittar det, och andra alternativ, under ”Analyze->Nonparametric tests->Related samples”.