Hvordan vurderer man den eksterne validitet af en analyse? | x |
Hvordan vurderer man den eksterne validitet af en analyse? | x |
Hvordan vurderer man den eksterne validitet af en analyse? | x |
Hvordan opnår man kausal inferens? | Ved tilfældig tildeling af treatment |
Hvad er kausalitet? | Årsagssammenhæng |
Hvad er en kausal effekt? | Den påvirkning, som en årsag forårsager |
Hvad betyder potentielle udfald? | De udfald, som hypotetisk kan tænkes at en person/enhed kan havne i ved at vælge enten det faktiske eller kontrafaktiske valg. |
Hvad er det fundamentale kausalitetsproblem? | At vi ikke kender den kontrafaktiske virkelighed |
Hvad er selektion? | Forskelle mellem den treatede og ikke-treatede gruppe |
Hvad er selektionsbias? | Forskellen mellem den sande kausaleffekt og den estimerede kausaleffekt |
Hvad er balance og hvad er grunden til at bruge dette? | Sammenligning af forskelle i gennemsnit ved eksperimentelle data.
Bruges til at teste den interne validitet. |
Hvad er intern validitet? | At undersøgelsen kan udtale sig om kausaleffekt. Så gyldigheden af vores kausalslutning. Kræver at vores identifikationsantagelse er opfyldt. |
Hvad er ekstern validitet? | Generaliserbarheden af undersøgelsen. Grundlæggende handler det om ensartethed jf. Mutz-teksten.
Ensartethed mellem:
- Undersøgelsens variable og de fænomener, der skal måles (herunder målingsvaliditet)
- Undersøgelsens enheder og den population, vi gerne vil inferere til
- Undersøgelsens setting og den setting, vi gerne vil inferere til |
Hvad er forskellen på observationelle og eksperimentelle data? | 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? | Tilfældig tildeling af treatment.
Derudover at X er uafhængig af andre variable og potentielle outcomes. |
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 vores identifikationsantagelser? | For DD: parallel trends assumption
For alle andre: Ens potentielle outcomes for forskellige niveauer af vores uafhængige variabel |
Hvad er mundæn og eksperimentel realisme (jf Mutz)? | Mundæn: Hvorvidt den eksperimentelle setting afspejler den virkelige verden.
Eksperimentel: Hvorvidt eksperimentet virker virkeligt for enheden / individet. |
Hvad er et manipulationstjek ved eksperimentel realisme? | At man anskuer treatment som T, mens man anskuer det fænomen, som vi gerne vil manipulere som M. Hvis T har en effekt på M, tyder det på, at den eksperimentelle realisme er høj. |
Hvad er faktoranalyse og hvad kan det bruges til? | Formålet med faktoranalyse er at finde ud af, hvordan man ud fra sine items kan danne indeks
Man skaber et plan gennem mange dimensioner, som de forskellige variable skaber. Faktor 1 forklarer noget af variation. Faktor 2 vil forklare mindre af variationen, da faktor 1 kunne forklare det meste. Derfor scorer faktor 1 altid højest på eigenværdi. Derfor roterer man planet (faktorerne), for at korrelere og kunne forklare mere ligeligt. |
Hvordan bruges faktoranalyse i indekskonstruktion? | x |
Hvordan vurderer man den interne validitet af en analyse? | x |
Hvordan vurderer man den eksterne validitet af en analyse? | x |