Eksperimentelle data er data fra eksperimenter, hvor man som forsker, selv påvirker data. Observationelle data er datafra den "virkelige verden", hvor forskeren observerer en række fænomener, men ikke manipulerer dem

Hvad kendetegner eksperimentelle forskningsdesigns?

Tildeling af treatment

Hvorfor er eksperimentelle forskningsdesigns generelt gode til at afdække kausaleffekter?

Høj intern validitet

Hvad er problemet med selektionsbias?

At den kausaleffekt, som vi observerer, ikke er den sande kausaleffekt, men derimod skyldes selektionsbias

Hvordan opnår man statistisk inferens?

Ved tilfældig udtrækning af stikprøve fra den population vi gerne vil inferere til

Hvad er en z-score?

En z-score er for en værdi, det antal standardafvigelser, som værdien falder fra gennemsnittet

Hvad er en stokastisk variabel?

En variabel, hvor der indgår et element af tilfældighed

Hvad er en normalfordeling?

Sandsynlighedsfordeling, som er normalfordelt ved gennemsnittet (bell shaped - klokkeformet). Kurtosis på 3 og skævhed på 0.

Hvad er en standardnormalfordeling?

Sandsynlighedsfordeling, hvor gennemsnit er på 0 og en standardafvigelse på 1

Hvad betyder simpel tilfældig udtrækning?

At man tilfældigt vælger en stikprøve i populationen

Hvad er en stikprøvefordeling?

Det er en fordeling over stikprøvens observationer

Hvad er en stikprøvemålsfordeling?

En fordeling over stikprøvernes gennemsnit, som er normalfordelt

Hvad er en t-fordeling?

Sandsynlighedsfordeling, der opfører sig som en normalfordeling, men den afhænger af hvor stort n er. Når n>30 så ligner det en normalfordeling.

Hvad er den central grænseværdisætning?

Hvordan vi kan forvente at stikprøvemålsfordelingen kommer til at se ud, når n er høj. // Når vi får et højere n, så nærmer det sig en normalfordeling

Hvad er "Law of Large numbers?

Jo større n → jo lavere standardafvigelse i stikprøvemålsfordeling dvs. (mindre variation og dermed usikkerhed) → jo mere konsistente stikprøvemål. // Jo højere n, desto mere sandsynligt at stikprøvemålsfordelingens gennemsnit er populationsgennemsnittet

Hvad er en standardfejl?

Standardafvigelsen i en stikprøvemålsfordeling

Hvad er en estimator?

En regneforskrift for hvordan man ud fra observererede værdier beregner (bedste bud) vrædien af parameter (fx. gennemsnittet)

Hvad kendetegner en middelret estimator?

En estimator er middelret, hvis den i gennemsnit rammer en parameter rigtigt

Hvad er en sandsynlighedsfordeling

En fordeling, der beskriver sandsynligheden for at observationerne placerer sig i et datasæt

Hvad er standardfejlen et estimat af?

Stikprøvens standardafvigelse

Hvad udtrykker en p-værdi?

P-værdien er lig sandsynligheden for at observere et stikprøvemål lig det observerede eller stikprøvemål, som er mere ekstreme i retningen af den alternative hypotese, under antagelse af at nul-hypotesen er korrekt.

Hvad er et konfidensinterval?

Et interval, hvori vi regner med at vores sande parameter med en vis sikkerhed falder indenfor. Fx. 95% sikkerhed for populationsparameteret ved et 95%-konfidensinterval.

Er 5,56 eks. en variabel?

Nej, det er et estimat.

Hvad er et estimat?

En specifik værdi estimatoren kan antage, udregnet pba. en stikprøve

Hvad kendetegner en efficient estimator?

En estimator er efficient, hvis den har en lav grad af varians. Altså når dens standardafvigelser er mindre end andre potentielle estimatorer.

Hvad er et punktestimat?

Vores bedste bud på hvad en given sand parameter er?

Hvornår siger man 95% sandsynlighed for og 95% sikre for ifht konfidensintervaller?

Sandsynlighed er for selve estimatoren inden vi realiserer nogen stikprøver, mens sikkerhed er efter vi har realiseret stikprøver

Hvad er en t-værdi?

Antal standardfejl, ens stikprøvemål falder fra nulhypotesen

Hvordan analyserer man forskellen mellem to gruppers gennemsnit?

Ved hypotesetest

Hvad er en type 1 fejl?

Vi afviser nulhypotesen, selvom den er sand (falske positiver) (1 ud af 20 gange)

Hvad er en type II fejl?

Vi afviser ikke nulhypotesen, selvom den er falsk (falske negativer)

Hvad er statistisk signifikans?

Når vi kan afvise nulhypotesen med 95% sikkerhed gennem statistik

Hvad er substantiel signifikans?

Vurdering udfra teori og baggrundsforventninger. Så om den statistiske signifikans giver mening at konkludere substantielt på.

Hvad er et alpha-niveau?

Den kritiske testværdi

Hvad er varians?

Gennemsnitlige kvadrerede afvigelse fra gennemsnittet

Hvilke vigtige momenter er der?

Gennemsnit, varians, std.dev, skævhed og kurtosis

Hvilke vigtige percentiler er der?

Median, nedre og øvre percentil, interkvartilafstand og outliers

Hvad er variationsbredde?

Forskellen mellem den største og mindste værdi

Hvad er standardafvigelse?

Den typiske afvigelse fra gennemsnittet

Hvad er skævhed?

Om den er normalfordelt (observationer centreret omkring gns), højreskæv (flere observationer til venstre for gns) eller venstreskæv (flere observationer til højre for gns)

Hvad er kurtosis?

Hvor spids fordelingen er. Hvor tæt på gennemsnittet observationerne er.

Hvad er gennemsnit?

Summen af observationer divideret med antal observationer

Hvad er interkvartilafstand?

Forskellen mellem den nedre og den øvre kvartil.

Hvad er et percentil?

Det punkt, hvor x% af observationerne er under eller på dette punkt

Hvad er median?

Værdien af den enhed, som ligger midt i rækken af enheder, når enhederne er rangordnet efter stigende værdi.

Hvad er outliers?

En observation, som er 1,5(IQR) over det øvre kvartil eller 1,5(IQR) under det nedre kvartil.

Hvad er et densityplot?

En grafisk fremstilling af fordeling af en population

Hvad er residualet?

Forskellen mellem det observerede punkt og regressionslinjen

Hvad er parametrene β0 og β1 i den lineære regressionsmodel og hvordan fortolkes de?

Β0 er en konstant, som er skæringspunktet i y-aksen. β1 er hældningskoefficienten og hvis antagelsen om fravær af selektionsbias holder, så er β1 vores kausal effekt.

Hvordan foretages en regressionsanalyse med en kategorisk uafhængig variabel?

Hvad er residualet?

Forskellen mellem det observerede punkt og regressionslinjen

Hvad er residualet?

Forskellen mellem det observerede punkt og regressionslinjen

Hvordan estimeres parametrene β0 og β1?

Reg yvar xvar (i Stata)

Hvad er R^2 og fortæller den noget om intern validitet?

Den del af variationen i Y, som er forklaret af X i procent. Det er målet for modellens "fit". Den fortæller ikke noget om intern validitet, da den ikke siger noget om selektionsbias og dermed kausalitet.

Hvad betyder antagelsen om, at E(u|x) = 0 og hvilket forhold har antagelsen til selektionsbias?

At fejlleddet er ukorreleret med x. At der er kausal inferens eller fravær af selektionsbais.

Hvad er fejlledet?

Det uforklarede i Y ud fra X.

Hvordan estimeres modellens forventede værdier og residualer?

Hvordan fungerer statistisk kontrol i den multiple regressionsmodel?

Man fjerner den variation af X, som kan forklares af kontrolvariablen, ved at holde kontrolvariablen konstant.

Hvad er udeladt variabel bias (UVB)?

Bias i den observerede sammenhæng, som skyldes, at vi ikke har inddraget nogle variable som kontrolvariable. Det sker hvis den udeladte variable korellerer med regressoren (X) og hvis den udeladte variable er afhængig af den afhængige variabel (Y).

Hvordan hænger UVB sammen med selektionsbias og E(u|x) = 0?

UVB svarer til selektionsbias. Når der er selektionsbias, så er fejlleddet korreleret med x, altså ikke E(u|x)=0.

Hvordan kan vi vide om UVB forårsager, at vi under- eller overestimerer effekten af X?

Hvis Z korrelerer positivt eller negativt med både X og Y, så er der positiv bias, hvor man vil overestimere ved en positiv sammenhæng ml. X og Y og underestimere ved en negativ sammenhæng ml. X og Y. // Hvis Z korrelerer positivt med enten X og Y og negativt med den anden, så er der negativ bias, hvor man vil underestimere ved en positiv sammenhæng ml. X og Y og overrestimere ved en negativ sammenhæng ml. X og Y.

Hvad definerer en god og en dårlig kontrolvariabel?

Dårlige kontrolvariable: Post-treatment bias, hvor variable ligger efter X i tid. Problemet er nemlig, at den vil tage noget af "effekten" ud af X (den uafhængige variable) Gode kontrolvariable: Variable, som påvirker X og Y og ligger før i tid

Hvad vil det sige, at en kontrolvariabel skaber post-treatment bias?

At en baggrundsvariable er efter den uafhængige variabel (X) i tid, så at den ikke påvirker X, men er påvirket af X. Dette giver bias.

Hvad er multikollinearitet?

Når to regressor er perfekt multikollineare, så betyder det, at en af regressorne er en perfekt lineær funktion af en af de andre regressorer. At der skal være selvstændig variation i X (uafhængige variable) efter vi har kontrolleret for kontrolvariablen.

Hvordan foretages en regressionsanalyse med en kategorisk uafhængig variabel (i stata)?

Med i. foran variablen, hvor stata tager den første kategori som referencekategori, hvor effekten på de andre er i forhold til referencekategorien.

Hvad er residualet?

Forskellen mellem det observerede punkt og regressionslinjen

Hvad er linearitetsantagelsen?

Effekten af X på Y er "beta 1" på tværs af X. Hvis sammenhængen ikke er lineær, men at vi kontrollerer lineært, så er det et problem. Skal undersøges grafisk i et acpr-plot.

Hvad gør at standardfejlen er mindre?

Mindre residualer, større stikprøve og mere variation i X.

Hvordan fortolkes "beta hat 1" i den multiple regressionsmodel?

Hældningskoefficienten, når der kontrolleres for kontrolvariable.

Hvad indebærer en statistisk hypotesetest i en regressionsanalyse?

Tester hvad sandsynligheden er for at hældningskoefficienten er lig det estimerede eller mere ekstrem givet at hældningskoefficienten er nul (nulhypotese).

Hvad er standardfejlen for hældningskoefficienten "beta hat 1", et estimat af?

Standardafvigelsen i stikprøvemålsfordelingen for vores hældningskoefficient. Så den typiske afstand mellem den sande og estimerede hældningskoefficient.

Hvad udtrykker p-værdien for hældningskoefficienten?

Sandsynligheden for at få den aktuelle eller en mere ekstrem t-værdi/koefficient hvis den sande koefficient er lig 0 (nulhypotesen er sand)

Hvad er forskellen på homo- og hetereoskedasticitet?

Fejlleddet er homoskedastisk, hvis den ikke afhænger af den uafhængige variabel (x), mens den er heteroskedastisk, hvis den afhænger af den uafhængige variabel (x). Brug robuste standardfejl (robust), hvis uheldet er ude.

Hvad vil det sige, at en observation er indflydelsesrig?

At den både har en høj leverage (x-værdiens afstand til gns) og en høj residual (y-værdiens afstand til tendenslinjen)

Hvilke 5 antagelser skal være opfyldt, hvis hældningskoefficienten "beta hat 1" er et unbiased estimat af "beta 1"?

1. E(U|X) = 0 2. Linearitet (med mindre vi har et kategorisk X) 3. Observation er I.I.D. – identisk og uafhængigt fordelte 4. ‘Fravær af outliers’ -> opmærksomhed på indflydelsesrige outliers 5. Homoskedasticitet

Hvad er RMSE?

Den typiske afvigelse fra regressionslinjen. Hvor meget vi typisk gætter forkert ved at bruge vores model.

Hvad vil det sige, at en observation IKKE er uafhængig?

Hvis observationerne er korreleret med hinanden. Eksempelvis et lands BNP pr. år. Her vil observation "2009" være påvirket af "2008"

Hvordan kan man undersøge om en interaktiv sammenhæng med en kontinuert variabel er lineær?

Hvad er et naturligt eksperiment?

Hvordan diagnosticeres ikke-linearitet?

Scatterplot med lowess-kurve og lfit. Så kan man se, om ens lowess-kurve afviger en del fra lfit-kurven.

Hvordan kan man undersøge om en interaktiv sammenhæng med en kontinuert variabel er lineær?

Hvad er et naturligt eksperiment?

På hvilke tre måder kan en logaritmisk transformation benyttes til at imødekomme ikkelinearitet?

Lineær-log (logger X), log-lineær (logger Y) og log-log (logger både Y og X)

Hvordan kan man undersøge om en interaktiv sammenhæng med en kontinuert variabel er lineær?

Hvad er et naturligt eksperiment?

Hvad er polynomisk regression og hvordan kan den imødekomme ikke-linearitet?

Hvis ens observationer er parabelformet, så skal de ikke "tvinges" til en lineær funktion, men derimod sætter man dem ind i et andengradspolynomium (parabelformet).

Hvordan kan man undersøge om en interaktiv sammenhæng med en kontinuert variabel er lineær?

Hvad er et naturligt eksperiment?

Hvad er forskellen på en logaritmisk transformation og polynomisk regression?

At den polynomiske funktion stiger / falder igen. De har altså et toppunkt (infektionspunkt)

Hvorfor kan mediationsanalyse være svært at gøre ordentligt?

Hvis man inkluderer en mediation, så risikerer man at få selektionsbias, da de potentielle outcomes ikke længere er ens i treatment- og kontrolgruppen. Man kan ikke inkludere mediationer, fordi det er "posttreatment bias", hvilket tager en del af effekten ud af X.