word image
Mitschrift (Lernskript)

Noter metode: Kvalitative del Hellevik 2002

19.660 / ~82 sternsternsternsternstern_0.75 Eda P. . 2013
<
>

Noter metode: Kvalitative del Hellevik 2002

Hvad er en årsagsmodel?

En grafisk illustration i form af et diagram, hvor variablerne er placeret i bokse, og relationerne mellem dem angivet med pile, hvilke udtrykker en eventuel kausaleffekts retning. Derudover angives, hvorvidt der er en positiv eller negativ sammenhæng, gensidig påvirkning eller ingen sammenhæng.

Hvad er gensidige påvirkning?

Gensidige påvirkninger er et udtryk for ustabilitet, da en ændring i den ene vil sætte en spiral af effekter i gang i begge variable.

Hvad er en funktionalistisk forklaring?

En homeostatisk variabel (der anses at have en bestemt værdi) udsættes for påvirkninger, hvilket rykker den ud af sit naturlige leje. Dette skaber en modsatrettet effekt. (eks. fra biologi eller fysik)

Når vi skal teste en model empirisk er det vigtigt at skelne mellem samtidige eller sekventielle årsagsrelationer

Hvilke typer af årsagsmodeller findes der?

Skelner her mellem to typer:

1.      ikke-rekursive: modeller med gensidig påvirkning, direkte eller via mellemled (bliver hurtigt kompliceret)

2.      rekursive: påvirkningen går i én retning (udgangspunktet for en undersøgelse – en forenklet analyse)

·    herunder skelner man mellem generelle (viser et minimum af antagelser i en årsagsmodel, dvs. alle pile dog uden gensidig påvirkning) eller specifikke modeller (bygger på den generelle, men nu med antagelser om påvirkningens styrke og fortegn. Dette gør resultaterne af den empiriske analyse testbare)


Hvad er en model?

En model er en idealiseret fremstilling af et fænomen eller objekt på et givent abstraktionsniveau, hvor enkelte væsentlige træk bliver isoleret og fremhævet, mens øvrige egenskaber udelades.


hvad er en teoretisk model?

En model med et givent abstraktionsniveau, hvor den er simplificeret, men uden at have mistet sociale fænomeners konkrete indhold – en idealtyper (Weber), der kan bruges som sammenligningsgrundlag


Hvad forstås ved en tredje variabel?

En tredje variabel tilføjer årsagsmodellen en større forklaringskraft, idet den kan forklare en statistisk sammenhæng selvom der ikke er nogen direkte påvirkning mellem de to oprindelige ariable. Dette kan komme til udtryk som en spuriøs sammenhæng (en tilsyneladende effekt som i vireligheden er en ikke-kausal sammenhæng) eller en indirekte effekt af den mellemliggende tredje variabel.


Hvad er deduktion?

Et middel til at afdække implikationer om de forestillinger vi har om et fænomen (bagfra – vi har gjort os nogle antagelser som vi nu vil gå ind og teste for)

Fortegnsreglen: fortegnet til en indirekte- eller spuriøs effekt er lig produktet af fortegnene til de direkte effekter som indgår i kæden

Når slutningen af en model er af deduktiv karakter, benævnes den en formel model


Hvad skal man huske ved hypotesegenerering?

Systematik og overblik

Begrebsafklaring i form af klare, simple og tydelige definitioner (sker via operationeliseringen)


Hvilke typer modeller:

Årsagsmodeller

Teoretiske modeller: når en model kan forenkle uden at der gives afkald på fænomenets konkrete indhold.

Formelle modeller: når slutningerne i en model har en deduktiv karakter.

Materielle modeller: udforsker gennem observerbare egenskaber.


Hvad er forskellen mellem en deduktiv og induktiv udvælgelse af problemstilling?

  • Ved deduktion: eks. durkheim om selvmord (be- eller afkræfte nogle oplysninger i en teori)
  • Ved induktion: med udgangspunkt i enkelte iagttagelser søger den nysgerrige forsker, at arbejde sig frem til mere generelle forestillinger om et fænomen (eks. den hvide svane). Man befinder sig i et nyt og uudforsket problemfelt


Hvad er formålet med videnskaben?

At drage deskriptive og kausale slutninger om virkeligheden

Hvilke fire kriterier skal være opfyldt for at der er tale om kausal sammenhæng?

(kausalitet er et teoretisk begreb)

  1. sammenhæng mellem de to variable – korrelation mellem x g y
  2. korrekt tidsrækkefølge; den uafhængige kommer før den afhængige

diakrone data – data for flere tidspunkter (erindringsfejl, tidsserie (individændringer), panel-studier)

  1. kontrol af relevant tredjevariabel
    man undersøger hvad der ser med en sammenhæng imellem to variable (bivariat), når man kontrollerer for eller holder en tredje variabel konstant
    àmultivariat analyse
    • 1. Direkte kontrol af variablenes værdier: Eksperimenter (kunstige/naturlige) Men ofte lav ekstern validitet (generaliserbarhed)
    • 2. Indirekte kontrol af variablenes værdier gennem case-valg (Komparativ metode): vælger cases som har samme værdier på kontrol-variablene.
    • 3. Statistisk: vi tager højde for samvariation med 3.variable når vi undersøge samvariation mellem X og Y.
  1. teoretisk forklaring (vigtigt for samfundsvidenskab). Argumentvedrørende mekanisme, der leder fra årsag til virkning

Hvilke to typer af gensidige årsagsrelation findes der?

Man skelner mellem:

  1. Samtidige gensidige årsagsrelationer: dvs. effekterne sker samtidige
  2. Sekventielle gensidige årsagsrelationer: dvs. effekterne følge efter hinanden så man kan skille dem fra hinanden i tid.


Forklar helleviks fig. 3.8.

Når der er en pil med et plus, så er der en envejs positiv påvirkning – ved minus er det en negativ påvirkning.

Med stiplede linje = negativ envejs påvirkning.

uden noget imellem = ingen sammenhæng.

En bue der forbinder er en ikke-kausal sammenhæng.

Pile hver vej er gensidig påvirkning.


Hvad er en spuriøs effekt?

En tilsyneladende effekt, som viser sig at være en ikke-kausal sammenhæng i virkeligheden. Den spuriøse effekt er skabt af en bagvedliggende variabel, som gør at det ser ud som at der er sammenhæng mellem to variabel, selvom der ingen kausal sammenhæng er. Eks. storken, fødsler og urbanisering.

Hvad er fortegnsreglen?

Fortegnsregler er at fortegnet til en indirekte effekt er lig produktet af fortegnene til de direkte effekter som indgår i kæden. Dvs. to positive direkte sammenhæng giver en positiv indirekte sammenhæng.

Hvad er en indirekte effekt?

En indirekte effekt er når sammenhængen mellem to variabel går gennem en mellemliggende variabel.

Hvad er en hypotese?

En påstand om faktiske forhold.

Hvad er negativ og positiv tilbageføring?

Positiv tilbageføring – også kaldet feedback – er når de gensidige påvirkninger har samme fortegn. eks. høj deltagelse og høj interesse vil gensidigt forstærke hinanden (god cirkel / ond cirkel). En positiv tilbageføringsmodel er usikker idet at en ændring i en af variablene vil sætte gang i en kædereaktion.

Negativ tilbageføring er når de gensidige påvirkninger har modsat fortegn. Dvs. at ved ændring i en variabel, som følge af en ændring i en anden variabel, så vil den ændring virke tilbage på den oprindelige variabel og føre den tilbage til ligevægt.

Hvad er en homeostatisk variabel?

Er den variabel, der påvirkes af en forstyrrelse og bringes ud af ligevægt. Denne forstyrrelse modvirkes af den negative tilbageføring og strukturene aktiveres og virker genoprettende på den homeostatiske variabel.


King, Keohan & Verba

Hvad betyder det at noget er hhv. unbiased og efficient?

Unbiased: Det er når intervallet centreres omkring det rigtige estimat
Efficiens: man indkredser sig på det rigtige interval

Hvad er de fire kilder til bias og infeffektivitet?

Hvad er en målefejl?

Kan være når reliabilitet overstiger validitet

§  Systematiske fejl: altid et problem ved beskrivende slutninger (deskriptiv inferens). Men intet problem ved kausal inferens.
Hvis den systematiske fejl varierer for forskellige værdier variablerne er der også et kausalt problem.
bias ift bilag i et spørgeskema fx hvis det er noget systematisk omkring det der genererer fejl. --> vigtige når vi diskuterer validitet

·     Vær altid opmærksom på risikoen for en systematisk selektion af din pupulation!

§  Tilfældige fejl - vedrører reliabiliteten - rent metode mæssigt - eks. hvis for lille stikprøve. Eller variationen for stor i pupulationen som du indsamler data i.

Intet problem for deskriptiv inferens mht. middelværdi, da ingen systematik i målefejlen – den ligger drefor bare og svinger omkring middelværdien

    • Fejl på den afhængige variabel: ingen kausal bias. Mindre efficient, da den svinger tilfældigt vandret omkring regressionslinien, men ingen bias, da hældningen ikke påvirkes.
    • Fejl på den uafhængige variabel (attenuation): bias mod 0, dvs. du måler dine uafhængige dårligt, er det sværere at finde et signifikant resultat. De tilfældige fejl er horisontalt omkring regressionslinjen
  • à tilfældige målefejl på den afhængige producerer estimater af kausal effekter, der er mindre efficiente og mere usikre


Hvad er en systematisk målefejl og dets effekt?

Systematisk målefejl er gentagende fejl, dvs. at et mål bliver konsistent over- eller underestimeret. Påvirker validiteten.

à effekt:

·         Systematisk målefejl kan føre til bias og inkonsistens i kausaleffekten. Men hvis den systematiske målefejl påvirker alle enheder med samme konstant, så vil der ikke være bias i den kausale slutningen.

·         Systematiske målefejl vil altid før til at den beskrivende slutning vil blive biased.


Hvad er tilfældige målefejl og dets effekt? (både i uafhængig og afhængig variabel)

Tilfældig målefejl er, at nogle værdier rammer for højt eller for lavt pga. af en tilfældig fejl, men gennemsnittet er korrekt.

à effekt:

·         Tilfældige målefejl skaber ineffektivitet i den beskrivende slutningen, men den bliver ikke biased

·         Tilfældige målefejl har forskellig effekt på den kausale slutningen alt efter om der er tilfældige målefejl i den uafhængige og afhængige variabel:

·         Afhængige: Tilfældige målefejl i den afhængige variabel reducere effektiviteten i den kausale estimat, men skaber ikke bias. Effekten er at tilfældige målefejl i den afhængige variabel giver et mindre effektivt og mere usikkert estimat omkring kausaleffekten.


Hvad er forskellen på kvantitativ og kvalitativ forskning?

Samme indhold, men forskellig stil(design)


Hvilken skalering anvendes? (forklar de tre måleniveauer)

- der findes nominel, ordinal og intervalskaleret.

Nominel: observationer er grupperet i kategorier uden bestemt orden/rang.

Ordinal: Observationerne kan rangordnes.

Interval: kontinuerte variable

Den man vælger afhænger af hvilket teoretisk formål målingerne skal anvendes (eksempelvis giver det ikke mening at rangordne religiøs overbevisning)


Hvad er et bias?

Ekskludering af relevante variable. Skaber bias, idet kausaleffekten er ukorrekt når relevant variabel ikke re regnet med.

Man kan trygt ekskludere kontrolvariable, selvom de har stærk indflydelse på den afhængige variabel y, så længe de ikke varierer med den inkluderede forklarende variabel x

Man skal ikke kontrollere for en uafhængige variabel, der er konsekvens af vores overordnede kausale sammenhæng

Vær dog opmærksom på inefficiens


Hvad forstås ved inefficiens?

Inklusion af irrelevante variable.

Det er omkostningsfuldt at kontrollere for disse.

Selvom kontrolvariablerne ikke har nogen kausaleffekt på den afhængige variabel, så påvirker sammenhængen med den forklarende variabel (uafh.) den samlede effekt. Omkostningen ved at kontrollere for disse irrelevante variabler er høj.

Jo mere korrelerede de betydningsfulde uafhængige variable er med de irrelevante kontrolvariable, jo mindre efficiente vil estimaterne af vores overordnede kausale sammenhæng blive.

Ved at inkludere irrelevante variable, bliver hver inferens mindre informativ, da der er flere variable til at forklare vores dataset


Hvad betyder det når noget er endogent?

Kausaliteten kan gå begge veje – vi ved ikke om det er vores uafhængige variabel der påvirker vores afhængige, eller om dette er en konsekvens af vores afhængige. Det er et stort problem, netop fordi vi ikke kendeomfanget og retningen af dette bias. Retningen af bias afhænger af kovarians (spredningen mellem x og y)

Hvilke fem måder kan bruges til at afhjælpe problemer med endogenitet?

Der er fem måder, hvorpå dette kan afhjælpes:

1.      beregn bias inferens vha ligning

2.      opdel Y, så du kun undersøger de to sider som du med sikekrhed ved er en konsekvens af X

3.      lav problemet om til et bias problem i stedet ved at fjerne nogle variable og kontrollere for disse

4.      udvælg data der ikke lider under dette problem (eks. gennem komparative analyser)

5.      opdel den uafhængige variable, så kun reelt eksogene variable er med her


Hvordan kan cases udvælges med henblik på en kausalslutning?

·         Tilfældig udvælgelse: godt hvis man har store n-studier

·         Bevidste udvælgelse: godt hvis man har små n-studier.


Hvad er en ”grouping error”?

Er når man anvender et lavere måleniveau end muligt og på de måde smider data unødvendigt væk.


Tjek Jens´s oversigt!!!


Lomborg 2000

Hvad er Lomborgs 6 forudsætninger for en regressionsanalyse:

  • 1) Linearitet
    Denne er afgørende for, om det er meningsfyldt overhovedet at lave regressionsanalyse. Vurderes grafisk: ved simpel kigger man på scatterplot mellem X og Y og i multipel kigger man på de partielle plots.
  • 2) normalfordelte fejlled
    Man vurderer ud fra et histogram, som skal være nogenlunde normalfordelt. Er forudsætningen brudt vil signifikanstesten være usikker, men parameterestimaterne er stadig middelrette (dvs.
    ϐ’erne er unbiased).
  • 3) homoscedasticitet/varianshomogenitet

Dvs. at variansen på residualerne er konstant for alle kombinationer af X. Tjekkes ved at se på standardiserede residualer op imod standardiserede forudsagte – ligger residualerne sig i et bånd omkring nul, er forudsætningen overholdt. Hvis den er brudt vil signifikanstestene være usikre (tendens til for store eller for små p-værdier), men ϐ’erne er stadig middelrette (dvs. unbiased), men estimatoren er ikke længere efficient.

  • 4) Ingen multikollinearitet,
    dvs. flere X’er er højt, lineært indbyrdes korreleret. Herved kan vi forklare de uafhængige variable med hinanden og dette er ødelæggende for vores kausalitetsrækkefølge. Hvis forudsætningen er brudt er
    ϐ-erne fortsat middelrette, men estimatoren får meget stor varians. Derfor er parametrene meget følsomme og der kan komme store udsving ved små ændringer i data. Herved kan visse parametre blive insignifikante selvom modellen overordnet er signifikant. Løsning: Hvis variable er med af teoretiske årsager bør man ikke fjerne, men i stedet konstruere et indeks. Hvis ikke bør man fjerne variable fra modellen. Multikollinaritet kan aflæses i Descriptives-outputtet: er der nogen steder hvor R (dvs. Pearsons korrelationer”) > .9 er der sandsynligvis multikollinaritet. Det mest oplagte sted at vurdere multikollinaritet ud fra er dog VIF og Tolerance. Er VIF gennemsnitligt markant højere end 1 er der grund til bekymring. Er den største VIF højere end 10 (forelæsning siger 4) er der ligeledes bekymring. Tolerance under .1 er et alvorligt problem og under .2 er et potentielt problem (forelæsning siger 0,25). Tolerance og VIF er lidt dobbeltkryderi, da Tolerance er 1/VIF.
  • 5) Ingen alvorlige outliers:
    Outliers påvirker vores linje, da denne bliver skævvredet. Tjekkes ved at bede om cases der falder mere end 2 eller 3 standardafvigelser væk. Vi kigger her på de standardiserede residualer og er mere end 5 % af cases udenfor 2 standardafvigelser er det grund til bekymring (jf. tommelfingerregel). Vi får oplyst de største afvigelser og herefter skal vi kigge på Cooks afstandsmål for hvert enkel. Er dette højere end 1 har casen stor betydning for analysen og bør derfor undersøges nærmere. Vi bør kun fjerne, hvis vi teoretisk kan begrunde det (der kan være tale om tastefejl, ekstremt inkonsistente svar mv.).
  • 6) Ingen autokorrelation:
    Testes hvis man har tidsserie-data og ser på, om der er afhængighed mellem residualerne. Vi kigger på Durbin-Watson målet, som kan falde mellem 0 (høj, positiv autokorrelation) og 4. Er DW mellem 1-5 og 2,5 = godt. Testen bruges normalt ikke, da der skal være tale om målinger over tid.



2010

Hvad forstås ved indekskonstruktion?


Det handler om at samle flere målinger af samme enhed i en ny variabel, og anvende denne i de videre undersøgelser. Anvendes som svar på reliabilitets- og validitetsproblemer.

Hvad er et indeks?

En særlig form for operationalisering. Giver mulighed for at måle flere indikatorer på én gang.

Det bruges når et teoretisk begreb skal måles indirekte (eks.modvilje)

Et rangordnet mål, hvor værdierne på de oprindelige variable sammenfattes til en samlet indeksværdi (statistisk)


Hvilke to typer af indeks findes der?

Der findes to målemodeller her indenfor:

1.      Formative indeks: indikatorerne danner/former selv begrebet, idet man måler dets årsager (disse kan variere). Eks. demokrati – indikatorne former til sammen det teoretiske begreb.

2.      Refleksive indeks: indikatorerne reflekterer begrebet, idet man måler dets effekter. Dette benævnes også som skalaer. Alle indikatorer har her en fælles bagvedliggende årsag – samvarians. Eks. etniske modvilje (racisme) – skyder sig ind fra flere vinkler gennem indikatorne for at opnå den bedste måling af holdningen.

Hvad forstås ved operationalisering?

Når man operationaliserer sine begreber, opstiller man observerbare indikatorer for dem. Disse indikatorer udgør samlet et indeks (man lægger enhedernes værdi på indikatorer sammen)

Hvad vindes ved indekskonstruktion?

Målevaliditet: ofte mere målevalide end enkeltindikatorer, idet det tager højde for alle aspekter af et teoretisk begreb (eks. demokrati). Anvendelsen af et stort antal refleksive indikatorer, der alle påvirkes af den samme bagvedliggende begreb, kan udligne validitetsproblemerne ved hver enkelt indikator (eks. holdning til indvandrer)

Reliabilitet: tilfældig støj i målingerne reduceres ved at flere indikatorer kombineres

Andre fordele: øger vores måleniveau til intervalskaleret, og analysen simplificeres, da hypotesen kan testen på én gang.


Hvordan laves en indekskonstruktion?

En form for operationalisering. Se figur 17.2

  1. definition af det teoretiske begreb
  2. valg af målemodel: refleksiv eller formativ:
    1. hvis refleksiv: udvælgelse af indikatorer (så mange som muligt, så der kan opnås entydighed så vidt muligt – reliabiliteten øges når antallet af (valide) indikatorer øges)à omkodning af indikatorer à test af målevaliditet (målevalide indikatorer må samvariere. Test på 2 måde: faktoranalyse, eller ved simpel bivariat analyse af sammenhæng mellem indikatorerne (item-item-analyse) à test af intern reliabilitet –fraværd af tilfældige målefejl (cronbachs alpha)
    2. hvis formativ: udvælgelse af indikatorer (måler en vifte af forskellige på forhånd definerede egenskaber, gælder ikke om at have så mange indikatorer som muligt, men i stedet sikre at hvert aspekt indgår med den rette vægt i det endelige indeks) à omkodning af indikatorer (så de er ens og ikke vender i forskellige retninger. Kodes med en talmæssig værdi, så alle omkodes til at have samme antal kategorier. Det er den variabel der har flest kategorier der afgør variationsbredden – på den måde smider man ALDRIG brugbar information væk, og i stedet strækker man information)
  3. Selve indekskonstruktionen: indikatorerne skal kombineres til et indeks –lægge værdierne sammen (addiktivt indeks), hvilket kræver at alle vender samme vej.
    Ofte svært at tolke på indeksværdier (hvad betyder et 10-tal eksemelvis), og det skal forstås relativt. Derfor er det svært at sammenligne indeks.

Hvis manglende værdier (eks ved-ikke svar) erstatter man ofte denne med en midterkategori eller stikprøvens gennemsnit, så det ikke giver bias.

Der er en empirisk forventning som en bagvedliggende dimension, hvor observerbre variable vil korrelere

Denne forventning kan efterprøves ved:

  • Item-item analyse: Underøsgelse af de interne korrelationer imellem variable, som forventes at afdække samme bagvedliggende dimension (den simple analyse)
  • Faktoranalyse


Hvad bruger du cronbachs alpha testen til?

I forbidnelse med indekskonstruktion tester man reliabiliteten af ens indeks med et statistisk mål kaldes Cronbachs alpha. Bruges ved refleksive indeks. Tester den inetrne konsistens af målingerne fra forskellige måleinstrumenter, der er designet til at måle det same. Hvis konsistensen er lav, tyder det på en stor grad af tilfældig støj.

Alpha koefficienten for et givet indeks er et samlet udtryk for den gennemsnitlige sammenhæng mellem mulige halvdele af indekset. Varierer mellem 0-1, jo højere, jo mere reliabel¨

To vigtige antagelser: alle indikatorer skal være valide, og korrelationen mellem dem skal være endimensionel

Vigtigst er at man ikke forbedre reliabiliteten ved at fjerne indikatoren (dette viser alphaen)

Cronbachs alpha tester den interne konsistens af målingerne fra forskellige måle instrumenter, der er designet til at måle det samme.

Ved lav konsistens à stor grad af tilfældig støj.

Alpha variere mellem 0 og 1 à jo højere værdi, jo højere reliabilitet. 0,7 er acceptabelt.

Der er to antagelser:

  1. indikatorne skal være valide
  2. korrelationen mellem indikatorne skal være én-dimensionelle.



Gary King: How not to lie with statistic

Hvad er problemet med regression på residualer?

Problemet er at estimation på residualer ikke tager højde for at de forklarende variabler kan korrelere. Det er ikke det samme som ”ordinary lesat square estimator” à koefficienterne kan ikke fortolkes.

Kan ustandardiserede koefficienter sammenlignes med hinanden?

NEJ! Koefficienter kan ikke sammenlignes med mindre at alle forklarende variabler har samme skala.

Kan de standardiserede koefficienter sammenlignes med hinanden?

NEJ! Der er ikke forskel på de ustandardiserede og de standardiserede koefficienter. De standardiserede koefficienter tilføjer ikke ny information og er ikke mulige at tolke.

Er der forskel på Pearsons r og regression?

Nej. Både korrelation og regression baseres på samme forudsætninger à begge måler korrelation og ikke kausalitet.

Pearsons r = korrelationskoefficienten.

Kan determinationskoefficienten afgøre om den statistiske model passer på den ”sande” model?

NEJ! Determinationskoefficienten kan ikke bruges som beviset på at modellen er korrekt. Det er en forkert tolkning.

R2 er et mål de enkelte punkter spredning omkring regressionslinjen (et mål for andelen af forklaret varians).

Et højt r2 er generelt godt, men bør ALTID suppleres med en F-test.

Ligeledes kan determinationskoefficienten udsættes for samme kritik som korrelation og standardiserede regressionskoefficienter.

Er der forskel på om man anvender ANOVA, regression eller sammenligning af middelværdier når man arbejder med diktonome uafhængige variable?

Nej, der er ingen forskel, da de alle er baseret på samme forudsætninger.

Kan diktonome afhængige variable anvendes andet en logistiske regressioner?

Nej, alt andet vil være konceptuelt forkert, da alle regressionsanalyser bortset fra den logistiske har en lineær sammenhæng.

Faktormodellens opgave er at afsløre/opdage underliggende faktorer ud fra flere forklarende variabler.

Er det korrekt at i en faktormodel skaber de forklarende variabler faktoren?

Nej, Det er meget vigtigt at understrege at de observerede afhængige variable er en funktion af de underliggende faktorer (som så ikke er observerbare og derfor måles på anden vis).

Husk at kausaliteten går fra de underliggende faktorer til de forklarende variabler.

Hvilke variabler kan ikke bruges i en faktoranalyse?

·         sociodemografiske variabler som køn, alder og race, da en bagvedliggende faktor, som eks. ideologi vil kunne påvirke køn, alder eller race.

·         diktonome variable, da faktoranalysen er lineær.


Er r2 en teststørrelse?

Nej, man er nødt til at lave en F-test for at se om den er signifikant


Adcock & Collier

Hvilke fire problemer for den politiske videnskab mener Adcock & Collier kan blive adresseret gennem fornyet fokus på målevaliditet?

·         at skabe fælles standarder for både kvalitativ og kvantitativ forskning jf. målevaliditet. De mener forskellen er ubegrundet.


| | | | |
Tausche dein Hausarbeiten