De variable, som er inkluderet i de forskellige modeller, er følgende:
|
|
- Monika Lauritzen
- 7 år siden
- Visninger:
Transkript
1 DUL II. Undersøgelse af hvilke faktorer, der er væsentlige for at understøtte, at der er klare og veltilrettelagte mål tilstede i arbejdet med elevernes læring Følgende er en statistisk analyse af ovenstående hypotese med det tilgængelige paneldata. Hypotesen er testet ved brug af fire forskellige afhængige variable. Disse er: - Indeks for lærernes anvendelse af målstyret undervisning, endline (denne er testet både ved brug af skoledummies og med variable for ledelsesrammerne på skolen) - Indeks for lærernes brug af fællesmål, endline - Udviklingen i brug af målstyret undervisning - Kombineret indeks for brug af målstyret undervisning og fælles mål (indekset løber fra 2 til 12) Disse vil testes hver for sig på de følgende sider. De variable, som er inkluderet i de forskellige modeller, er følgende: Variabel Værdier Forklaring Baseline [1;6] Værdi af den afhængige variabel i baseline Indsatsgruppe [0,1] Indsatsgruppe = 1, kontrolgruppe = 0 Neg_holdning_MU [1;6] Indeks for neg. holdning til MU i baseline (1 = lav, 6 = høj) Fagteam [0,1] Skoler med fagteam = 1, skoler uden fagteam = 0 Ledelsesstøtte [0,1] Hvis meget ledelsesstøtte = 1, hvis mindre eller ingen = 0 Til spørgsmål 8 i spørgeskemaet var det muligt at markere fem måder hvorpå en ledelse kunne støtte teamsamarbejde. Vi har valgt at kun de fire (1-3 og 5) af dem er relevante. Afkrydsning af 0-2 muligheder = mindre ledelsesstøtte; afkrydsning af 3-4 muligheder = meget ledelsesstøtte [Skole] [0,1] Dummy for de ti forskellige skoler i projektet Vi havde et ønske om også at inkludere spørgsmål 15 fra lederskemaet ( Er der en tydelig og kommunikeret strategi for arbejdet med læringsmål på skolen? ), men der var ikke nok variation i denne. Alle lederne vurderer således uafhængigt af hinanden, at skolerne i tæt på samme grad har en tydelig og kommunikeret strategi for arbejdet med læringsmål. For modellerne har der været 65 observationer til rådighed. Dette er en relativ lille stikprøve at forsøge at lave generaliseringer ud fra, hvorfor det er vigtigt at sortere faktorer fra, som ikke er relevante for den enkelte model.
2 VIGTIGT: I nedenstående modeller vil der være angivet nogle parameterestimater. Disse er i nogle tilfælde signifikante, hvilket betyder at vi med stor sikkerhed kan sige, at den givne parameter har en statistisk effekt, som er forskellig fra nul. Modellerne har ikke en styrke, eller er ikke robuste nok, til at udtale sig om parameterestimatets størrelse. Vi anbefaler derfor, at man hæfter sig ved om to grupper er forskellige (om resultatet er statistisk signifikant) og i hvilken retning. At der i data ikke er nogle statistisk signifikante effekter fra en del af de forklarende variable betyder ikke, at der ikke er nogen effekt fra disse, men udelukkende at vi med det data, som vi har (med udvælgelsesproblemer, måleusikkerheder og et begrænset antal målbare fænomener), ikke har kunne estimere sådanne sammenhænge.
3 Afhængig variabel: Indeks for brug af målstyret undervisning i endline Indeks for brug af MU, endline = 1,86 + 0,64 Baseline + ( 0,18) Indsatsgruppe +( 0,18) negativ holdning til MU, baseline + 0,64 Husum skole +0,19 Gåsetårn skole + 0,18 Voerladgård skole + 0,55 Skodborg skole +0,53 Øster Farimagsgade skole + 0,17 Hellerup skole + 0,49 Hammerum skole +0,74 Parkskolen + 0,11 Skolen ved søerne Indeks for brug af målstyret undervisning, endline Koef. Robuste Std. Fejl P-værdi (Konstant) 1,86** 0,41 0,00 Indeks for brug af målstyret undervisning, baseline 0,64** 0,08 0,00 Kontrolgruppe (ref.) Indsatsgruppe -0,18 0,16 0,27 Indeks for negativ holdning til målstyret undervisning -0,18** 0,07 0,01 Højme skole (ref.) Husum skole 0,64* 0,26 0,02 Gåsetårn skole 0,19 0,55 0,72 Voerladgård skole 0,18 0,35 0,61 Skodborg skole 0,55* 0,24 0,03 Øster Farimagsgade skole 0,53* 0,22 0,02 Hellerup skole 0,17 0,28 0,55 Hammerum skole 0,49* 0,22 0,03 Parkskolen 0,74* 0,25 0,01 Skolen ved søerne 0,11 0,35 0,75 R^2 Justeret R^2 0,65 0,57 Referencekategori: Kontrolgruppe fra Højme skole Note: * = p<0,05, **=p<0,01
4 Ud fra slutmodellens statistisk signifikante estimater kan konkluderes følgende: Indeks for brug af målstyret undervisning i baseline er statistisk signifikant og positiv. Dette er en indikator for persistens i vores vaner. Lærere, som benytter sig af målstyret undervisning før projektet, vil også til en vis grad gøre det efter. Derudover fungerer baseline-scoringen også som en kontrolvariabel: En kontrol af alle de faktorer som havde en effekt på baseline-scoringen. Hvis der ses bort fra alle variable undtagen konstanten og baseline-scoringen, vil en lærer med Baseline = 3 forventes at score 3,78, mens en lærer med Baseline = 4 vil forvente at score 4,42 i endline. Indeks for negativ holdning til målstyret undervisning (baseline) er statistisk signifikant og negativ. Des mindre begejstret (dvs. des mere negativ ) man er for målstyret undervisning, des mindre vil man også bruge dette. Bemærk asymmetrien i vores til- og fravalg: Lærerne i dette projekt er mere styrede af deres negative følelser end deres positive, idet indekset for positive holdning til målstyret undervisning er statistisk insignifikant. (Se idealtyper for eksemplificering) Adskillige skoler i projektet fremstår statistisk signifikante og positive. Lærerne fra Højme skole er referencegruppen. Dvs. alt andet lige har nogle faktorer på skoleniveau haft en effekt på brugen af målstyret undervisning i endline. (Se idealtyper for eksemplificering) Bemærk, at variablen for om lærerne har modtaget intervention ikke er statistisk signifikant. Forskellen mellem de to grupper er således så små, at vi ikke kan afvise, at de kommer fra sammen gruppe. De resultater som ligger forud for slutmodellen, er også interessante at betragte. Den oprindelige model, som blev estimeret (kaldt udgangspunktsmodellen fremadrettet), inkluderede også lærernes fagforståelse, deres positive attitude over for målstyret undervisnings samt deres kendskab til henholdsvis målstyret undervisning og fælles mål. De indgår ikke i slutmodellen, da brugen af målstyret undervisning i endline var uafhængig af disse, dvs. faktorerne optrådte som insignifikante. Idealtyper For at levendegøre slutmodellens resultater, kan en idealtype betragtes. Idealtypen er en lærer, som - har scoret 3 i indekset for anvendelsen af målstyret undervisning; - har scoret 3 i indekset for graden af negative holdninger til målstyret undervisning; - er fra Højme skole. På baggrund af ovenstående idealtype vil afvigelser i de enkelte parametre for idealtypen betragtes hver for sig (idealtypen er således referencegruppen). Vi vil ikke anbefale, at man hæfter sig ved de konkrete forskelle, men ved at vi med stor sikkerhed kan fastslå at de er forskellige med den angivne retning.
5 Forventede brug af målstyret undervisning ved endline Forventede brug af målstyret undervisning ved endline Bemærk at idealtypen vil forekomme til venstre i figurerne, mens en idealtype med en afvigelse i ét af parametrene vil betragtes til højre (udelukkende variablen som ændres vil være nævnt i figuren). 6,00 5,00 4,00 3,00 2,00 3,24 3,88 1,00 Baseline = 3 Baseline = 4 En lærer som er ens med idealtypen i alle (vigtige) henseender med undtagelse af, hvor højt læreren scorede deres anvendelse af målstyret undervisning i baseline (i dette tilfælde 4 i stedet for 3), vil vi forvente i endline scorer deres anvendelse af målstyret undervisning til 3,88, mens idealtypen forventes at score deres anvendelse af målstyret undervisning til 3,24. Der er således en afvigelse i scoringen på 0,64. En lærer som er ens i alle (vigtige) henseender med undtagelse af, hvor negative de er i deres attitude mod målstyret undervisning (i dette tilfælde 4 i stedet for 3), vil vi forvente i endline scorer deres anvendelse af målstyret undervisning til 3,06, mens idealtypen scorer deres anvendelse af målstyret undervisning til 3,24. Dette er en negativ afvigelse på 0,18. 6,00 5,00 4,00 3,00 3,24 3,06 2,00 1,00 Negativ holdning = 3 Negativ holdning = 4 En lærer som er ens i alle (vigtige) henseender med undtagelse af, hvilken skole de kommer fra (i dette tilfælde Husum skole i stedet for Højme), vil vi forvente i endline scorer deres anvendelse af målstyret undervisning til 3,88, mens idealtypen scorer deres anvendelse af målstyret undervisning til 3,24. Dette er en positiv afvigelse på 0,62. Der er således nogle vigtige
6 Forventede brug af målstyret undervisning ved endline karakteristika på nogle af skolerne, som har bidraget til lærernes brug af målstyret undervisning i endline. Bemærk, at flere af skolerne var karakteristiske og adskilte sig signifikant fra Højme skole (referencegruppen); dette er således udelukkende et eksempel på én af disse. 6,00 5,00 4,00 3,00 2,00 1,00 3,24 Højme skole 3,88 Husum skole Robusthed Modellen synes relativ robust. En Breusch-Pagan test afslørede, at variansen ikke var konstant på tværs af de forklarende variable, hvorfor der er blevet brugt robuste standardfejl i slutmodellen. En RESET-test gav ikke årsag til misstanke om funktionelle misspecifikationer. Ved en Shapiro-Wilk test af om residualerne er normalfordelt findes, at residualerne er normalfordelt. Dette bekræfter et plot af et histogram for residualerne også. Dette er en god indikator for, at der ikke er noget åbenlys, systematisk variation i fejlleddet, som ikke er blevet inkluderet i regressionsmodellen. Modellens absolutte styrke kan tilnærmes ved at betragte R 2. Denne afslører, at modellen kan forklare 65 pct. af variationen i den afhængige variabel, hvilket, for en model af sociale fænomener som dette, er godt. Konklusion Det kan konkluderes, at interventionen ikke har haft nogen effekt på lærernes brug af målstyret undervisning i endline. Men det har brugen af målstyret undervisning i baseline og, mere interessant, lærernes negative attitude over for målstyret undervisning. Modellen synes relativt god og robust.
7 Afhængig variabel: Indeks for brugen af målstyret undervisning (udskiftning af skoledummies med ledervariable) Bemærk, at modellen ikke er estimeret som en multilevel model. Vi forventer ikke at se den store forskel ved at estimere modellen således, hvorfor det ikke er gjort. Indeks for brug af målstyret undervisning, endline = 2,04 + 0,64 baseline + ( 0,12) indsatsgruppe +( 0,16) indeks for neg. holdning, baseline +( 0,13) fagteam på skolen +0,33 meget ledelsesstøtte til teamsamarbejde Indeks for brug af målstyret undervisning, endline Koef. Std. Fejl P-værdi (Konstant) 2,04** 0,43 0,00 Indeks for brug af målstyret undervisning, baseline 0,64** 0,08 0,00 Kontrolgruppe (ref.) Indsatsgruppe -0,12 0,15 0,41 Indeks for negativ holdning til målstyret undervisning -0,16* 0,07 0,02 Ingen fagteam på skolen (ref.) Fagteam på skolen -0,13 0,16 0,44 Mindre ledelsestøtte til teamsamarbejde (ref.) Meget ledelsesstøtte til teamsamarbejde 0,33* 0,14 0,02 R^2 Justeret R^2 0,60 0,57 Referencekategori: Kontrolgruppe, uden fagteam og får kun i mindre grad ledelsesstøtte til teamsamarbejde Note: * = p<0,05, **=p<0,01 Ud fra slutmodellens statistisk signifikante estimater kan konkluderes følgende: Baseline-niveauet for brugen af målstyret undervisning er positiv og statistisk signifikant. Dvs. ens brug af målstyret i endline til dels er forklaret af ens tidligere brug af målstyret undervisning (hvad end der har været medskabende til det). Fortolkningen er således den samme som i forrige model og variablen kan også her siges at fungere som en slags kontrolvariabel. Hvis der ses bort fra alle andre variable undtagen konstanten og baselineniveauet, vil en lærer med Baseline = 3 forventes at score 3,96, mens en lærer med Baseline = 4 forventes at score 4,6.
8 Indekset for en lærers negative holdninger til målstyret undervisning (deres vurdering af begrænsninger og negative effekter ved brug af målstyret undervisning) er negativ og statistisk signifikant. En lærer som er mere negativt stemt, bruger således også målstyret undervisning mindre. Som i forrige model er asymmetrien også interessant her: Det er pudsigt at vurderingen af begrænsninger i høj grad er med at afgøre brugen af målstyret undervisning, mens vurderingen af muligheder og positive effekter ikke er det. Variablen for ledelsesstøtte til teamsamarbejde er positiv og statistisk signifikant. Dvs. lærere på skoler hvor der er stor opbakning til teamsamarbejde i gennemsnit bruger målstyret undervisning mere end lærere på skoler, hvor der ikke, eller kun i mindre grad, er opbakning til teamsamarbejde. Lærere på skoler med meget ledelsesstøtte vil score 0,33 point højere end lærere på skoler med mindre ledelsesstøtte. Formålet med at udskifte skoledummyerne fra de tidligere modeller var netop at finde ud af, om de ledelsesmæssige rammer var én af de skolebetingede faktorer, som var vigtige og det ser ud til at graden af ledelsesstøtte til teamsamarbejde på skolen gør en forskel. Dette resultat sandsynliggør også, at teamsamarbejde er en vigtig komponent i at skabe undervisningskvalitet. Bemærk, at variablen for om lærerne har modtaget intervention, som i forrige model, ikke er statistisk signifikant. Forskellen mellem de to grupper er således så små, at vi ikke kan afvise, at indsatsgruppen er forskellig fra kontrolgruppen. Udgangspunktsmodellen inkluderede også lærernes fagforståelse, deres positive attitude over for målstyret undervisnings samt deres kendskab til henholdsvis målstyret undervisning og fælles mål. De indgår ikke i slutmodellen, da brugen af målstyret undervisning i endline var uafhængig af disse, dvs. faktorerne optrådte som insignifikante. Robusthed Modellen synes robust. Breusch-Pagan testen afslørede ingen heteroskedasticitet. Ligeledes gav en RESET-test ikke anledning til mistanke om funktionelle misspecifikationer. Til sidst er der lavet en Shapiro-Wilk; testen afslørede, at residualerne var normalfordelt, hvilket lige umiddelbart betyder, at modellen har indfanget den systematiske variation, som havde en effekt på både de afhængige og uafhængige variable. Modellen forklarede 60 pct. af variationen i den afhængige variabel, hvilket er godt for en model over sociale fænomener som dette (des mere af variationen, som er forklaret, des mindre sandsynligt er det at vigtige faktorer er blevet udeladt, som skaber et bias). Konklusion Det kan konkluderes, at interventionen ikke havde nogen effekt på lærernes brug af målstyret undervisning i endline. Til gengæld havde tidligere brug af målstyret undervisning, lærernes negative attitude over for målstyret undervisning samt graden af ledelsesstøtte til teamsamarbejde en effekt på denne. Generelt synes modellen god og robust. En interessant tanke
9 er, at selv om interventionen ingen effekt havde på lærernes brug af målstyret undervisning, kunne denne godt have haft en effekt på graden af ledelsesstøtte og hermed, indirekte, have haft en effekt på lærernes brug af målstyret undervisning. Dette kan vi ikke vide, men er en overvejelse, der er værd at have in mente.
10 Afhængig variabel: Indeks for brugen af fællesmål i endline Indeks for brug af FM, endline = 2,81 + 0,47 Baseline + ( 0,03) Indsatsgruppe +( 0,23) negativ holdning til MU, baseline + ( 0,53) Husum skole +0,07 Gåsetårn skole + 0,12 Voerladgård skole + 0,09 Skodborg skole +( 0,33) Øster Farimagsgade skole + 0,01 Hellerup skole +0,31 Hammerum skole + 0,69 Parkskolen + ( 0,62) Skolen ved søerne Indeks for brug af fælles mål, endline Koef. Std. Fejl P-værdi (Konstant) 2,81** 0,47 0,00 Indeks for brug af fælles mål, baseline 0,47** 0,11 0,00 Kontrolgruppe (ref.) Indsatsgruppe -0,03 0,23 0,89 Indeks for negativ holdning til målstyret undervisning -0,23** 0,08 0,01 Højme skole (ref.) Husum skole -0,53 0,47 0,26 Gåsetårn skole 0,07 0,51 0,89 Voerladgård skole 0,12 0,37 0,76 Skodborg skole 0,09 0,38 0,81 Øster Farimagsgade skole -0,33 0,35 0,34 Hellerup skole 0,01 0,51 0,99 Hammerum skole 0,31 0,30 0,29 Parkskolen 0,69 0,41 0,10 Skolen ved søerne -0,62 0,39 0,11 R^2 0,42 Justeret R^2 0,29 Referencekategori: Kontrolgruppe fra Højme Skole Note: * = p<0,05, **=p<0,01
11 Ud fra slutmodellens statistisk signifikante estimater kan konkluderes følgende: Indeks for brug af fælles mål i baseline er statistisk signifikant og positiv. Dette er en indikator for persistens i vores vaner. Lærere, som benytter sig af fælles mål før projektet, vil også til en vis grad gøre det efter. Derudover fungerer baseline-scoringen også som en kontrolvariabel: En kontrol af alle de faktorer som havde en effekt på baseline-scoringen. Hvis der ses bort fra alle variable undtagen konstanten og baseline-scoringen, vil en lærer med Baseline = 3 forventes at score 4,22, mens en lærer med Baseline = 4 vil forvente at score 4,69 i endline. Indeks for negativ holdning til målstyret undervisning (baseline) er statistisk signifikant og negativ. Des mindre begejstret (dvs. des mere negativ ) man er for målstyret undervisning, des mindre vil man også bruge fælles mål. Bemærk asymmetrien i vores til- og fravalg: Lærerne i dette projekt er mere styrede af deres negative følelser end deres positive. En lærer med Baseline = 3 og Neg_holdning = 3 vil forventes at score 3,53, mens en lærer med Baseline = 3 og Neg_holdning = 4 forventes at score 3,3. Bemærk, at variablen for om lærerne har modtaget intervention, som i forrige model, ikke er statistisk signifikant. Forskellen mellem de to grupper er således så små, at vi ikke kan afvise, at indsatsgruppen er forskellig fra kontrolgruppen. Lige som i forrige model, inkluderede udgangspunktsmodellen også lærernes fagforståelse, deres positive attitude over for målstyret undervisnings samt deres kendskab til henholdsvis målstyret undervisning og fælles mål. De indgår ikke i slutmodellen, da brugen indeks for brug af fælles mål i endline var uafhængig af disse, dvs. faktorerne optrådte som insignifikante. Robusthed En Breusch-Pagan afslører, at variansen er konstant på tværs af de forklarende variable (homoskedastisk), hvorfor det ikke er nødvendigt at bruge robuste standardfejl. Ligeledes har en RESET-test heller ikke givet årsag til mistanke om funktionelle misspecifikationer. Ved en Shapiro-Wilk test findes, at residualerne ikke er normalfordelt. Dog afslører et plot af residualerne med en tilhørende normalkurve, at residualerne ikke er langt fra normalfordelt. Det er meget forventeligt, at residualerne ikke vil være normalfordelt, da der er en nedre og en øvre grænse for, hvor lavt og højt man kan score. Denne egenskab ved data gør, at der (i dette tilfælde) kan være nogle ekstreme, negative observationer, mens der ikke i samme grad kan være nogle ekstreme, positive observationer. Modellen kan forklare 42 pct. af variationen i den afhængige variabel. Jf. forrige model er dette relativt godt.
12 Konklusion Det kan konkluderes, at interventionen ikke har haft nogen effekt på lærernes brug af fælles mål endline. Men det har brugen af fælles mål i baseline og, mere interessant, lærernes negative attitude over for målstyret undervisning. Modellen synes relativt god og robust.
13 Afhængig variabel: Udvikling i brugen af målstyret undervisning Udvikling i brug af målstyret undervisning = 1,86 + ( 0,36) baseline + ( 0,18) indsatsgruppe +( 0,18) indeks for neg. holdning, baseline + 0,64 Husum skole +0,19 Gåsetårn skole + 0,18 Voerladgård skole + 0,55 skodborg skole +0,53 øster farimagsgade skole + 0,17 hellerup skole + 0,49 hammerum skole +0,74 parkskolen + 0,11 skolen ved søerne Udvikling i brug af målstyret undervisning Koef. Robuste Std. Fejl P-værdi (Konstant) 1,86** 0,41 0,00 Indeks for brug af målstyret undervisning, baseline -0,36** 0,08 0,00 Kontrolgruppe (ref.) Indsatsgruppe -0,18 0,16 0,27 Indeks for negativ holdning til målstyret undervisning -0,18** 0,07 0,01 Højme skole (ref.) Husum skole 0,64* 0,26 0,02 Gåsetårn skole 0,19 0,55 0,72 Voerladgård skole 0,18 0,35 0,61 Skodborg skole 0,55* 0,24 0,03 Øster Farimagsgade skole 0,53* 0,22 0,02 Hellerup skole 0,17 0,28 0,55 Hammerum skole 0,49* 0,22 0,03 Parkskolen 0,74** 0,25 0,01 Skolen ved søerne 0,11 0,35 0,75 R^2 Justeret R^2 0,45 0,32 Referencekategori: Kontrolgruppe fra Højme skole Note: * = p<0,05, **=p<0,01 Ud fra slutmodellens statistisk signifikante estimater kan konkluderes følgende: Baseline-niveauet for målstyret undervisning er negativ og statistisk signifikant. Parameterestimatet har således modsat fortegn end i de forrige modeller. Dette hænger sammen med at den afhængige variabel har ændret karakter, da denne nu afspejler en ændring og ikke et niveau. Fortolkningen er således, at des højere man har scoret i baseline, des større er sandsynligheden for at man scorer lavere i endline (og at udviklingen hermed
14 bliver mindre positiv eller måske endda negativ). Hvis der ses bort fra alle andre variable end konstanten og baseline-niveauet, tegner følgende billede sig: Indeks for brug af målstyret undervisning, baseline Forventede udvikling i brug af målstyret 1 1,5 2 1,14 3 0,78 4 0,42 5 0,06 6-0,3 Hvis man har scoret 6 i baseline forventes således en negativ udvikling; dette giver god mening, da det ikke er muligt at score højere herefter. Ligeledes forventes en positiv udvikling, hvis man har scoret 1 i baseline, da det ikke er muligt at score lavere. Lærernes negative attitude over for målstyret undervisning er negativ og statistisk signifikant. Fortolkningen er den samme som i forrige model, men nu er effekten på udviklingen i brugen af målstyret undervisningen i stedet for niveauet. Forskellige skoler har oplevet en udvikling, som var signifikant anderledes end Højme skole (referencegruppen). Fælles for alle de skoler, som har oplevet en signifikant anderledes udvikling, er, at de er positive. Dvs. henholdsvis Husum Skole, Skodborg skole, Øster Farimagsgade Skole, Hammerum Skole og Parkskole har i gennemsnit oplevet en større, positiv udvikling end Højme skole. Bemærk, at variablen for om lærerne har modtaget intervention, som i forrige model, ikke er statistisk signifikant. Forskellen mellem de to grupper er således så små, at vi ikke kan afvise, at indsatsgruppen er forskellig fra kontrolgruppen. Udgangspunktsmodellen inkluderede også lærernes fagforståelse, deres positive attitude over for målstyret undervisnings samt deres kendskab til henholdsvis målstyret undervisning og fælles mål. De indgår ikke i slutmodellen, da udviklingen i målstyret undervisning fra baseline til endline var uafhængig af disse, dvs. faktorerne optrådte som insignifikante. Robusthed En Breusch-Pagan test afslører, at der er heteroskedasticitet, hvorfor modellen er estimeret med brug af robuste standardfejl, som går ind og korrigerer for dette. En RESET-test giver årsag til mistanke om funktionelle misspecifikationer. Dette er ikke særlig betryggende, da vi ikke har nogen umiddelbar forklaring på dette. En Shapiro-Wilk test afslører, at vi ikke kan afvise at fordelingen af residualerne er normalfordelt. Dette er et tegn på en velsspecificeret model, idet der ikke umiddelbart er noget
15 systematisk variation, som har en indflydelse på både den afhængige og de uafhængige variable, som modellen ikke indfanger. Regressionsmodellen forklarer 40 pct. af variationen i den afhængige variabel. Konklusion Det kan konkluderes, at interventionen ikke har haft nogen effekt på udviklingen i lærernes brug af målstyret undervisning. Men det har brugen af målstyret undervisning i baseline og, mere interessant, lærernes negative attitude over for målstyret undervisning; derudover er forskelle i udviklingen også betinget af nogle skolerelaterede faktorer. Modellen indkapsler relativt meget af variationen. Dette kombineret med at residualerne er normalfordelt danner udgangspunkt for en velspecificeret model; dog giver RESET-testen anledning til at tro at nogle led, som er funktionelt anderledes, burde indgå men der er ikke nogen ligefrem måde (dvs. et teoretisk grundlag) at gøre det på. Ovenstående model er primært blevet estimeret som et robusthedstjek af vores tidligere modeller, som beskæftiger sig med niveauer. Det er derfor forventeligt, at modellen udviser de samme resultater som den første model; sågar parameterestimaterne (undtagen for baseline-variablen) er ens.
16 Afhængig variabel: Indeks for brugen af fællesmål og målstyret undervisning i endline Brug af FM og MU, endline = 4,17 + 0,62 baseline + ( 0,21) indsatsgruppe +( 0,42) indeks for neg. holdning, baseline + 0,18 husum skole +0,24 gåsetårn skole + 0,26 voerladgård skole + 0,61 skodborg skole + 0,26 øster farimagsgade skole + 0,23 hellerup skole + 0,81 hammerum skole +1,43 parkskolen + ( 0,52) skolen ved søerne Brug af FM og MU, endline Koef. Std. Fejl P-værdi (Konstant) 4,17** 0,92 0,00 Indeks for brug af FM og MU, baseline 0,62** 0,10 0,00 Kontrolgruppe (ref.) Indsatsgruppe -0,21 0,32 0,51 Indeks for negativ holdning til målstyret undervisning -0,42** 0,15 0,01 Højme skole (ref.) Husum skole 0,18 0,60 0,77 Gåsetårn skole 0,24 0,68 0,72 Voerladgård skole 0,26 0,63 0,68 Skodborg skole 0,61 0,50 0,23 Øster Farimagsgade skole 0,26 0,51 0,61 Hellerup skole 0,23 0,56 0,68 Hammerum skole 0,81 0,45 0,08 Parkskolen 1,43* 0,55 0,01 Skolen ved søerne -0,52 0,66 0,43 R^2 0,59 Justeret R^2 0,50 Referencekategori: Kontrolgruppe fra Højme skole Note: * = p<0,05, **=p<0,01 Ud fra slutmodellens statistisk signifikante estimater kan konkluderes følgende: Baseline er statistisk signifikant og positiv. Fortolkningen er den samme som i tidligere modeller. Lærernes negative holdning til målstyret undervisning er statistisk signifikant og negativ. Fortolkningen er ligeledes den samme som i tidligere modeller.
17 Der er ikke megen forskel på tværs af skolerne; dog adskiller Parkskolen sig signifikant fra Højme skole. Lærere på Parkskolen scorer således i gennemsnit 1,43 point højere end lærere på Højme skole. Bemærk, at variablen for om lærerne har modtaget intervention, som i forrige model, ikke er statistisk signifikant. Forskellen mellem de to grupper er således så små, at vi ikke kan afvise, at indsatsgruppen er forskellig fra kontrolgruppen. Udgangspunktsmodellen inkluderede også lærernes fagforståelse, deres positive attitude over for målstyret undervisnings samt deres kendskab til henholdsvis målstyret undervisning og fælles mål. De indgår ikke i slutmodellen, da det kombinerede indeks for målstyret undervisning og fælles mål var uafhængig af disse, dvs. faktorerne optrådte som insignifikante. Robusthed En Breusch-Pagan test afslører, at der ikke er heteroskedasticitet. En RESET-test giver ikke årsag til mistanke om funktionelle misspecifikationer. En Shapiro-Wilk test afslører, at residualerne ikke er normalfordelt. Dog synes dette mere en egenskab ved data, idet der er en øvre og nedre grænse på skalaen, hvorfor dette ikke er et bekymrende resultat. Regressionsmodellen forklarer 59 pct. af variationen i den afhængige variabel. Dette er på niveau med den model, som, i dette setup, forklarer mest. Dette er således relativt godt. Konklusion Det kan konkluderes, at interventionen ikke har haft nogen effekt på udviklingen i lærernes brug af målstyret undervisning. Men det har brugen af målstyret undervisning i baseline og lærernes negative attitude over for målstyret undervisning; derudover er forskelle i udviklingen også betinget af nogle skolerelaterede faktorer. Modellen indkapsler relativt meget af variationen. Der er hverken heteroskedasticitet eller tegn på funktionelle misspecifikationer og, selv om residualerne ikke er normalfordelt, synes dette grundlag for en god og robust model.
18 Sammenfatning af resultater Fem regressionsmodeller er estimeret, hvor den eneste forskel, undtagen for den anden model, er den afhængige variabel (og baseline-scoren, som der kontrolleres for). De er listet i skemaet nederst på siden. En parentes med + -tegn angiver et statistisk signifikant, positivt parameterestimat, mens - -tegnet angiver et statistisk signifikant, negativt parameterestimat. Ved et fravær af disse to tegn, har den pågældende variabel ikke været statistisk signifikant og, hvis dette er tilfældet på tværs af samtlige modeller, vil disse være markeret røde. De fem regressionsmodeller er i deres estimation og resultater relativt ens, hvilket taler for at de tilhørende resultater er robuste og hermed mere sikre. Det første, som er værd at bemærke er, at baseline-scoren på tværs af modellerne er positiv og statistisk signifikant (med undtagelse af model 4, hvor udviklingen betragtes, og der således er en forklaring på dette). Parameterestimaterne er sågar næsten ens, hvor den samme skala (fra 1 til 6) er brugt. Det næste, som er værd at bemærke, er, at interventionen ikke har haft en effekt på, om lærerne prioriterer og bruge klare og veltilrettelagt mål i deres undervisning i begge modeller. Variablen Indsatsgruppe er således ikke statistisk signifikant i nogle af modellerne, hvilket synes et robust resultat. Det næste bemærkelsesværdige er, at lærernes negative holdning til målstyret undervisning i baseline i samtlige modeller er statistisk signifikant og negativ. Dvs. des mere negativ en attitude en lærer har over for målstyret undervisning, des mindre vil de benytte sig af målrettet undervisning / fælles mål. Dette er pudsigt, da den modsatrettede variabel, positive holdninger til målstyret undervisning, ikke har nogen effekt på brugen af målstyret undervisning / fælles mål. Dette resultat er robust på tværs af modellerne. De kontroller, som er lavet for henholdsvis skoler og ledelsesrammer, optræder i nogle modeller som signifikante, mens det i andre modeller ikke er tilfældet. Specielt Husum skole, Skodborg skole, Øster Farimagsgade skole, Hammerum skole og Parkskolen adskiller sig i 2-3 modeller signifikant fra Højme skole (som er referencegruppen); i alle tilfælde har der i højere grad været brug af klare og veltilrettelagte mål i undervisningen på disse skoler i forhold til Højme skole. Med viden om hvor socialt betinget begivenheder som dette er, og efter forsigtighedsprincippet, bør det klart anerkendes at der er forskellige forudsætninger for brugen af klare og veltilrettelagte mål i undervisningen på forskellige skoler. Det sidste, som er bemærkelsesværdigt, er de resultater, som konsistent er blevet sorteret fra i de slutmodeller, som er præsenteret ovenfor. Henholdsvis lærernes fagforståelse, deres positive attitude over for målstyret undervisning samt deres kendskab til målstyret undervisning og fælles mål er blevet sorteret fra i samtlige modeller. Det synes derfor et robust resultat, at de ikke har haft nogen markant effekt på brugen af klare og veltilrettelagte mål i undervisningen for lærerne.
19 Signifikante resultater Model 1, MU Model 2, MU mod. Model 3, FM Model 4, udvikling i MU Baseline (+) (+) (+) (-) (+) Indsatsgruppe Indeks for negativ holdning til målstyret undervisning (-) (-) (-) (-) (-) Husum skole (+) (+) Gåsetårn skole Voerladgård skole Skodborg skole (+) (+) Øster Farimagsgade skole (+) (+) Hellerup skole Hammerum skole (+) (+) Parkskolen (+) (+) (+) Skolen ved søerne Fagteam på skolen Meget ledelsesstøtte til teamsamarbejde (+) Model 5, FM_MU kombi
Fokus på Forsyning. Datagrundlag og metode
Fokus på Forsyning I notatet gennemgås datagrundlaget for brancheanalysen af forsyningssektoren sammen med variable, regressionsmodellen og tilhørende tests. Slutteligt sammenfattes analysens resultater
Læs mereStatistik Lektion 4. Variansanalyse Modelkontrol
Statistik Lektion 4 Variansanalyse Modelkontrol Eksempel Spørgsmål: Er der sammenhæng mellem udetemperaturen og forbruget af gas? Y : Forbrug af gas (gas) X : Udetemperatur (temp) Scatterplot SPSS: Estimerede
Læs mere! Proxy variable. ! Målefejl. ! Manglende observationer. ! Dataudvælgelse. ! Ekstreme observationer. ! Eksempel: Lønrelation (på US data)
Dagens program Økonometri 1 Specifikation, og dataproblemer 10. april 003 Emnet for denne forelæsning er specifikation (Wooldridge kap. 9.-9.4)! Proxy variable! Målefejl! Manglende observationer! Dataudvælgelse!
Læs mereLøsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)
Afdeling for Biostatistik Bo Martin Bibby 23. november 2006 Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06) Vi betragter 4699 personer fra Framingham-studiet. Der er oplysninger om follow-up
Læs mereReestimation af importrelationer
Danmarks Statistik MODELGRUPPEN Arbejdspapir Nis Mathias Schulte Matzen 28. november 211 Reestimation af importrelationer Resumé: Papiret estimerer import relationerne på to forskellige datasæt. Et korrigeret
Læs mereKvantitative metoder 2
Kvantitative metoder 2 Specifikation og dataproblemer 2. maj 2007 KM2: F22 1 Program Specifikation og dataproblemer, fortsat (Wooldridge kap. 9): Betydning af målefejl Dataudvælgelse: Manglende observationer
Læs mere3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Læs mereBetydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere
DET ØKONOMISKE RÅD S E K R E T A R I A T E T d. 20. maj 2005 SG Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere Baggrundsnotat vedr. Dansk Økonomi, forår 2005, kapitel
Læs mereStatistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P
Læs mereKvantitative metoder 2
Kvantitative metoder Heteroskedasticitet 11. april 007 KM: F18 1 Oversigt: Heteroskedasticitet OLS estimation under heteroskedasticitet (W.8.1-): Konsekvenser af heteroskedasticitet for OLS Gyldige test
Læs mereAnvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke
Læs mereUNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER
UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER Undervisningseffekten udregnes som forskellen mellem den forventede og den faktiske karakter i 9. klasses afgangsprøve. Undervisningseffekten udregnes
Læs mereØkonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006
Dagens program Økonometri Den simple regressionsmodel 5. september 006 Den simple lineære regressionsmodel (Wooldridge kap.4-.6) Eksemplet fortsat: Løn og uddannelse på danske data Funktionel form Statistiske
Læs mereMarkante sæsonudsving på boligmarkedet
N O T A T Markante sæsonudsving på boligmarkedet 9. marts 0 Denne analyse estimerer effekten af de sæsonudsving, der præger prisudviklingen på boligmarkedet. Disse priseffekter kan være hensigtsmæssige
Læs mereAnvendt Statistik Lektion 7. Simpel Lineær Regression
Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot
Læs mereTema. Dagens tema: Indfør centrale statistiske begreber.
Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i
Læs mereAppendiks Økonometrisk teori... II
Appendiks Økonometrisk teori... II De klassiske SLR-antagelser... II Hypotesetest... VII Regressioner... VIII Inflation:... VIII Test for SLR antagelser... IX Reset-test... IX Plots... X Breusch-Pagan
Læs mereTo samhørende variable
To samhørende variable Statistik er tal brugt som argumenter. - Leonard Louis Levinsen Antagatviharn observationspar x 1, y 1,, x n,y n. Betragt de to tilsvarende variable x og y. Hvordan måles sammenhængen
Læs mereBilag 16: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.
Bilag 16: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. FORSYNINGSSEKRETARIATET FEBRUAR 2013 INDLEDNING... 3 1. COSTDRIVERSAMMENSÆTNING...
Læs mere! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion
Dagens program Økonometri 1 Dummy variable 4. marts 003 Emnet for denne forelæsning er kvalitative variable i den multiple regressionsmodel (Wooldridge kap. 7.5-7.6+8.1)! Husk at udfylde spørgeskema 3!
Læs mereEstimation og usikkerhed
Estimation og usikkerhed = estimat af en eller anden ukendt størrelse, τ. ypiske ukendte størrelser Sandsynligheder eoretisk middelværdi eoretisk varians Parametre i statistiske modeller 1 Krav til gode
Læs mereProgram: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Læs mereSkriftlig eksamen i samfundsfag
OpenSamf Skriftlig eksamen i samfundsfag Indholdsfortegnelse 1. Introduktion 2. Præcise nedslag 3. Beregninger 3.1. Hvad kan absolutte tal være? 3.2. Procentvis ændring (vækst) 3.2.1 Tolkning af egne beregninger
Læs mereOpsamling Modeltyper: Tabelanalyse Logistisk regression Generaliserede lineære modeller Log-lineære modeller
Opsamling Modeltyper: Tabelanalyse Logistisk regression Binær respons og kategorisk eller kontinuerte forklarende variable. Generaliserede lineære modeller Normalfordelt respons og kategoriske forklarende
Læs mereEksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning
1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion
Læs mereØkonometri 1. Målsætning for Økonometri 1. Dagens program: Afslutningsforelæsning 16. December 2005
Dagens program: Økonometri 1 Afrunding og perspektivering af Økonometri 1. Opfølgning af introduktionsforelæsningen. Wooldridge, kapitel 19: Carrying out an Empirical Project Oversigt over økonometriske
Læs merePolitisk tillid. Figur 3.2. Politisk deltagelse: effekten af åbenhed ved høj og lav politisk interesse 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1.
Figur 3.2. Politisk deltagelse: effekten af åbenhed ved høj og lav politisk interesse 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Lav åbenhed Høj åbenhed Lav politisk interesse Høj politisk interesse Politisk tillid
Læs mereAppendiks A Anvendte test statistikker
Appendiks A Anvendte test statistikker Afhandlingen opdeler testene i henholdsvis parametriske og ikke-parametriske test. De første fire test er parametriske test, mens de ikke-parametriske test udgør
Læs mereHypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0
Hypotesetest Hypotesetest generelt Ingredienserne i en hypotesetest: Statistisk model, f.eks. X 1,,X n uafhængige fra bestemt fordeling. Parameter med estimat. Nulhypotese, f.eks. at antager en bestemt
Læs mereStatistik II 4. Lektion. Logistisk regression
Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:
Læs mereBilag 12 Regressionsanalysens tabeller og forklaringer
Bilag 12 Regressionsanalysens tabeller og forklaringer Regressionsanalysens tabeller og forklaringer Regressionsanalysen vil være delt op i 2 blokke. Første blok vil analysere hvor meget de tre TPB variabler
Læs mereOut-of-sample forecast samt reestimation af ADAMs lønligning
Danmarks Statistik MODELGRUPPEN Arbejdspapir* Peter Agger Troelsen 31. oktober 2013 Out-of-sample forecast samt reestimation af ADAMs lønligning Resumé: Papiret reestimerer ADAMs lønligning og vurderer
Læs mereBilag 5 - Forsyningssekretariatets bemærkninger til høringssvar fra DANVA og FVD
Bilag 5 - Forsyningssekretariatets bemærkninger til høringssvar fra DANVA og FVD FORSYNINGSSEKRETARIATET OKTOBER 2011 INDLEDNING... 3 NETVOLUMEN OG DATAKVALITET... 3 MILJØ- OG SERVICEMÅL... 5 UDELADTE
Læs mereØkonometri 1. Dagens program: Afslutningsforelæsning 23. maj 2007
Dagens program: Økonometri 1 Afslutningsforelæsning 23. maj 2007 6-trins procedure til IV estimation. Afrunding af IV: Rygning og fødselsvægt. Afrunding og perspektivering af Kvant 2. Opfølgning af introduktionsforelæsningen.
Læs mereStatikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives
Læs mereBILAG 3: DETALJERET REDEGØ- RELSE FOR REGISTER- ANALYSER
Til Undervisningsministeriet (Kvalitets- og Tilsynsstyrelsen) Dokumenttype Bilag til Evaluering af de nationale test i folkeskolen Dato September 2013 BILAG 3: DETALJERET REDEGØ- RELSE FOR REGISTER- ANALYSER
Læs mereReminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model
Reminder: Hypotesetest for én parameter Antag vi har model Økonometri: Lektion 4 F -test Justeret R 2 Aymptotiske resultater y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi ønsker at teste hypotesen H
Læs mereBilag 1 Costdriversammensætning
Bilag 1 Costdriversammensætning August 2018 Bilag 1 - Costdriversammensætning Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk
Læs mereNormalfordelingen og Stikprøvefordelinger
Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger
Læs meremen nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller
Type I og type II fejl Type I fejl: forkast når hypotese sand. α = signifikansniveau= P(type I fejl) Program (8.15-10): Hvis vi forkaster når Z < 2.58 eller Z > 2.58 er α = P(Z < 2.58) + P(Z > 2.58) =
Læs mereAnalysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Læs mereDe socioøkonomiske referencer for grundskolekarakterer
De socioøkonomiske referencer for grundskolekarakterer Baggrund Den enkelte skoles faktiske karaktergennemsnit i 9. klasse har sammenhæng med mange forskellige forhold. Der er både forhold, som skolen
Læs mereBilag 5: Økonometriske analyser af energispareindsatsens. (Cointegration) Energistyrelsen. Marts 2015
Marts 2015 Bilag 5: Økonometriske analyser af energispareindsatsens nettoeffekt (Cointegration) Indholdsfortegnelse 1. Cointegrationsanalyse 3 Introduktion til anvendte cointegrationsmodel og data 3 Enhedsrodstest
Læs mereStikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader
Stikprøver og stikprøve fordelinger Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader Statistik Statistisk Inferens: Prediktere og forekaste værdier af
Læs mereEpidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse
Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Institut for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression Regressionsanalyse Regressionsanalyser
Læs mere1 Hb SS Hb Sβ Hb SC = , (s = )
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.
Læs mereØkonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater
Økonometri: Lektion 4 Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater 1 / 35 Hypotesetest for én parameter Antag vi har model y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi
Læs mereNormalfordelingen. Statistik og Sandsynlighedsregning 2
Normalfordelingen Statistik og Sandsynlighedsregning 2 Repetition og eksamen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige fejl på
Læs mereBaggrundsnotat: Modelteknisk
Sekretariatet for Energitilsynet Baggrundsnotat: Modelteknisk materiale Store forskelle i varmepriserne hvorfor? Center for Varme Tekniske bilag I dette baggrundsnotat gennemgås de økonometriske forhold
Læs mereStatistisk modellering af udgiftsbehov - Statistisk model for udgifter vedrørende børn og unge med særlige behov
Statistisk modellering af udgiftsbehov - Statistisk model for udgifter vedrørende børn og unge med særlige behov Konferencen Den gode anbringelse Vejle, 9. maj 2011 Eskil Heinesen, AKF Datagrundlag Registerdata
Læs mereEpidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk
Eksempel: Systolisk blodtryk Udgangspunkt: Vi ønsker at prædiktere det systoliske blodtryk hos en gruppe af personer. Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Afdeling for Biostatistik.
Læs mereSimpel Lineær Regression
Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Vi antager at sammenhængen mellem y og x er beskrevet ved y = β 0 + β 1 x + u. y: Afhængige
Læs mereTema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.
Tema Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. (Fx. x. µ) Hypotese og test. Teststørrelse. (Fx. H 0 : µ = µ 0 ) konfidensintervaller
Læs mereDANSKERE BEKYMRER SIG MERE OG MERE OVER BREXIT
DANSKERE BEKYMRER SIG MERE OG MERE OVER BREXIT Kontakt: Seniorforsker, Maja Kluger Dionigi +45 30 59 55 87 mkr@thinkeuropa.dk RESUME Et flertal af danskerne ser Brexit som et dårligt valg for Storbritannien,
Læs mereØkonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2
Økonometri 1 Den simple regressionsmodel 11. september 2006 Dagens program Den simple regressionsmodel SLR : Én forklarende variabel (Wooldridge kap. 2.1-2.4) Motivation for gennemgangen af SLR Definition
Læs mereSILKEBORG KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2018 SKOLE OG SFO
SILKEBORG KOMMUNE FORÆLDRETILFREDSHEDSUNDERSØGELSE 2018 SKOLE OG SFO 1 INDHOLD Afsnit 01 Introduktion Side 03 Afsnit 02 Sammenfatning Side 05 Afsnit 03 Skoleresultater Side 07 Afsnit 04 SFO-resultater
Læs mereIndvandrere og efterkommere i foreninger er frivillige i samme grad som danskere
Indvandrere og efterkommere i foreninger er frivillige i samme grad som danskere Bilag I afrapportering af signifikanstest i tabeller i artikel er der benyttet følgende illustration af signifikans: * p
Læs mereBilag 1: Robusthedsanalyser af effektiviseringspotentialerne. Bilaget indeholder analyser af effektiviseringspotentialernes robusthed.
Bilag 1: Robusthedsanalyser af effektiviseringspotentialerne Bilaget indeholder analyser af effektiviseringspotentialernes robusthed. FORSYNINGSSEKRETARIATET OKTOBER 2013 Indholdsfortegnelse Indledning
Læs mereØkonometri Lektion 1 Simpel Lineær Regression 1/31
Økonometri Lektion 1 Simpel Lineær Regression 1/31 Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Statistisk model: Vi antager at sammenhængen
Læs mereKonfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Læs merePsykisk arbejdsmiljø og stress
Psykisk arbejdsmiljø og stress - Hvilke faktorer har indflydelse på det psykiske arbejdsmiljø og medarbejdernes stress Marts 2018 Konklusion Denne analyse forsøger at afklare, hvilke faktorer der påvirker
Læs mere02402 Løsning til testquiz02402f (Test VI)
02402 Løsning til testquiz02402f (Test VI) Spørgsmål 4. En ejendomsmægler ønsker at undersøge om hans kunder får mindre end hvad de har forlangt, når de sælger deres bolig. Han har regisreret følgende:
Læs mereProgram. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration
Faculty of Life Sciences Program Modelkontrol og prædiktion Claus Ekstrøm E-mail: ekstrom@life.ku.dk Test af hypotese i ensidet variansanalyse F -tests og F -fordelingen. Multiple sammenligninger. Bonferroni-korrektion
Læs mereUge 43 I Teoretisk Statistik, 21. oktober Forudsigelser
Uge 43 I Teoretisk Statistik,. oktober 3 Simpel lineær regressionsanalyse Forudsigelser Fortolkning af regressionsmodellen Ekstreme observationer Transformationer Sammenligning af to regressionslinier
Læs mereDe socioøkonomiske referencer for gymnasiekarakterer
De socioøkonomiske referencer for gymnasiekarakterer Baggrund Den enkelte institutions eksamensresultat og eksamenskarakterer har sammenhæng med mange forskellige forhold. Der er både forhold, som institutionen
Læs mereTest for strukturelle ændringer i investeringsadfærden
d. 6.10.2016 De Økonomiske Råds Sekretariat Test for strukturelle ændringer i investeringsadfærden Dette notat redegør for de stabilitetstest af forskellige tidsserier vedrørende investeringsadfærden i
Læs mereKvantitative metoder 2
Kvantitative metoder 2 Specifikation og dataproblemer 30. april 2007 KM2: F21 1 Program for de to næste forelæsninger Emnet er specifikation og dataproblemer (Wooldridge kap. 9) Fejlleddet kan være korreleret
Læs mereAppendiks A. Entreprenørskabsundervisning i befolkningen, specielt blandt unge
Appendiks A. Entreprenørskabsundervisning i befolkningen, specielt blandt unge Redegørelsen ovenfor er baseret på statistiske analyser, der detaljeres i det følgende, et appendiks for hvert afsnit. Problematikken
Læs mere12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse
. september 5 Epidemiologi og biostatistik. Forelæsning Uge, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression
Læs mereAnalyse: Her bor de dårlige betalere
Analyse: Her bor de dårlige betalere 11. juni 2013 Resumé At være registreret i RKI kan have store negative økonomiske og sociale konsekvenser både for den enkelte og samfundet. Antallet af de såkaldte
Læs mereLøsning til eksaminen d. 14. december 2009
DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,
Læs mereAnvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2 -test [ki-i-anden-test] 1 Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination
Læs mereResidualer i grundforløbet
Erik Vestergaard www.matematikfysik.dk 1 Residualer i grundforløbet I dette lille tillæg til grundforløbet, skal vi kigge på begreberne residualer, residualplot samt residualspredning. Vi vil se, hvad
Læs mereN O T A T. Antallet af bankfilialer i Danmark falder i takt med at flere og flere danskere anvender bankernes digitale løsninger.
N O T A T Filial eller netbank 24. oktober 2013 Antallet af bankfilialer i Danmark falder i takt med at flere og flere danskere anvender bankernes digitale løsninger. Ved seneste opgørelse i 2012 brugte
Læs mereDet kunne godt se ud til at ikke-rygere er ældre. Spredningen ser ud til at være nogenlunde ens i de to grupper.
1. Indlæs data. * HUSK at angive din egen placering af filen; data framing; infile '/home/sro00/mph2016/framing.txt' firstobs=2; input id sex age frw sbp sbp10 dbp chol cig chd yrschd death yrsdth cause;
Læs mereAnalyse af bivirkninger på besætningsniveau efter vaccination med inaktiveret BlueTongue Virus (BTV) serotype 8 i danske malkekvægsbesætninger
Analyse af bivirkninger på besætningsniveau efter vaccination med inaktiveret BlueTongue Virus (BTV) serotype 8 i danske malkekvægsbesætninger Af Karen Helle Sloth og Flemming Skjøth, AgroTech Sammendrag
Læs mereAnvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2- test [ki-i-anden-test] Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination af
Læs mereDansk Erhvervs gymnasieeffekt - sådan gjorde vi
Dansk Erhvervs gymnasieeffekt - sådan gjorde vi INDHOLD Formålet har været at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge blot ved
Læs mereBilag 4. Costdriversammensætning
Bilag 4 Costdriversammensætning Juli 2019 Bilag 44 - Costdriversammensætning Konkurrence- og Forbrugerstyrelsen Forsyningssekretariatet Carl Jacobsens Vej 35 2500 Valby Tlf.: +45 41 71 50 00 E-mail: kfst@kfst.dk
Læs mereOpgave 10.1, side 282 (for 6. og 7. ed. af lærerbogen se/løs opgave 9.1)
Kursus 02402: Besvarelser til øvelsesopgaver i uge 9 Opgave 10.1, side 282 (for 6. og 7. ed. af lærerbogen se/løs opgave 9.1) Som model benyttes en binomialfordeling, som beskriver antallet, X, blandt
Læs mereProjekt 6.1 Rygtespredning - modellering af logistisk vækst
Projekt 6.1 Rygtespredning - modellering af logistisk vækst (Projektet anvender værktøjsprogrammet TI Nspire) Alle de tilstedeværende i klassen tildeles et nummer, så med 28 elever i klassen uddeles numrene
Læs mereDansk Erhvervs gymnasieeffekt - sådan gør vi
Dansk Erhvervs gymnasieeffekt - sådan gør vi FORMÅL Formålet har været at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge blot ved at
Læs mereØkonometri 1. Oversigt. Mere om dataproblemer Gentagne tværsnit og panel data I
Oversigt Økonometri 1 Mere om dataproblemer Gentagne tværsnit og panel data I Info om prøveeksamen Mere om proxyvariabler og målefejl fra sidste gang. Selektion og dataproblemer Intro til nyt emne: Observationer
Læs mereLogistisk regression
Logistisk regression Test af antagelsen om lineære effekter Modelkonstruktion og modelsøgning Hvilke variable og hvilke interaktioner skal inkluderes i regressionsmodellerne? 1 Logistiske regressionsmodeller
Læs mereDansk Erhvervs gymnasieanalyse Sådan gør vi
METODENOTAT Dansk Erhvervs gymnasieanalyse Sådan gør vi FORMÅL Formålet med analysen er at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge
Læs mereSammenhængen mellem elevernes trivsel og elevernes nationale testresultater.
Sammenhængen mellem elevernes trivsel og elevernes nationale testresultater. 1 Sammenfatning Der er en statistisk signifikant positiv sammenhæng mellem opnåelse af et godt testresultat og elevernes oplevede
Læs mereEksportørgevinst i eksportrelationen
Danmarks Statistik MODELGRUPPEN Arbejdspapir* Ivanna Blagova 4. maj 2016 Eksportørgevinst i eksportrelationen Resumé: Nogle muligheder for at inkludere eksportørgevinst i eksportrelationen er undersøgt.
Læs mereBilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3
Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3 Indholdsfortegnelse Indledning Prisudvikling 2.1 Prisudviklingen fra 2014 til
Læs mereMultipel Lineær Regression
Multipel Lineær Regression Trin i opbygningen af en statistisk model Repetition af MLR fra sidst Modelkontrol Prædiktion Kategoriske forklarende variable og MLR Opbygning af statistisk model Specificer
Læs mereØkonometri: Lektion 2 Multipel Lineær Regression 1/27
Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Multipel Lineær Regression Sidst så vi på simpel lineær regression, hvor y er forklaret af én variabel. Der er intet, der forhindre os i at have mere
Læs mereProgram. Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve I SAS. Øvelse: effekt af diæter
Program Konfidensinterval og hypotesetest, del 2 en enkelt normalfordelt stikprøve Helle Sørensen E-mail: helle@math.ku.dk I formiddag: Øvelse: effekt af diæter. Repetition fra sidst... Parrede og ikke-parrede
Læs mereKvantitative Metoder 1 - Efterår Dagens program
Dagens program Estimation: Kapitel 9.7-9.10 Estimationsmetoder kap 9.10 Momentestimation Maximum likelihood estimation Test Hypoteser kap. 10.1 Testprocedure kap 10.2 Teststørrelsen Testsandsynlighed 1
Læs mereBaggrundsnotat: Søskendes uddannelsesvalg og indkomst
17. december 2013 Baggrundsnotat: Søskendes uddannelsesvalg og indkomst Dette notat redegør for den økonometriske analyse af indkomstforskelle mellem personer med forskellige lange videregående uddannelser
Læs mereKøbenhavnske ejerlejlighedspriser en meget begrænset indikator for hele landets boligmarked
N O T A T Københavnske ejerlejlighedspriser en meget begrænset indikator for hele landets boligmarked Baggrund og resume Efter i årevis at have rapporteret om et fastfrosset boligmarked, har de danske
Læs mereCenter for Statistik. Multipel regression med laggede responser som forklarende variable
Center for Statistik Handelshøjskolen i København MPAS Tue Tjur November 2006 Multipel regression med laggede responser som forklarende variable Ved en tidsrække forstås i almindelighed et datasæt, der
Læs mereRettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1
Rettevejledning til Økonomisk Kandidateksamen 005I, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget, inklusive det afleverede SAS program. Materialet på diskette/cd bedømmes som sådan
Læs mereKapitalisering af grundskylden i enfamiliehuse
Mads Rahbek Jørgensen Anne Kristine Høj Kapitalisering af grundskylden i enfamiliehuse I dette notat redegøres for resultaterne af estimationen af kapitaliseringen af grundskylden i ejendomspriserne som
Læs mereAnvendt Statistik Lektion 9. Variansanalyse (ANOVA)
Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:
Læs mereBaggrundsnotat: Modelteknisk
Energi-, Forsynings- og Klimaudvalget 2015-16 EFK Alm.del Bilag 410 Offentligt Sekretariatet for Energitilsynet Baggrundsnotat: Modelteknisk materiale Store forskelle i varmepriserne hvorfor? Center for
Læs mereBilag 2: Undersøgelse af de nationale tests reliabilitet. Sammenfatning
Bilag 2: Undersøgelse af de nationale tests reliabilitet Sammenfatning I efteråret 2014 blev der i alt gennemført ca. 485.000 frivillige nationale tests. 296.000 deltog i de frivillige test, heraf deltog
Læs mere