Hvordan finder man en god skala vha. Raschmetoden? Svend Kreiner & Tine Nielsen
|
|
- Klaus Møller
- 8 år siden
- Visninger:
Transkript
1 Hvordan finder man en god skala vha. Raschmetoden? Svend Kreiner & Tine Nielsen 1
2 Svaret: Man spørger en, der har forstand på det, som man gerne vil måle 2
3 Eksempel: Spiritualitet Peter A., Peter G. & Peter L.: Man tæller antal positive svar på følgende fem spørgsmål: Which, if any, of the following do you believe in? God Life after death Hell Heaven Sin Reincarnation 3
4 Efter at man har fundet skalaen følger det spørgsmål som burde have været titlen på foredraget: Hvordan kan man vurdere om man har fundet en god skala? Og hvad gør man, hvis det ikke er tilfældet? Her kan Rasch modellen være til hjælp fordi den stiller så store krav til skalaen, at man kan bruge den som en gold standard. 4
5 Rasch modellen 5
6 Rasch modellens krav til gode skalaer 1) Unidimensionalitet 2) Monotonicitet 3) Lokal uafhængighed 4) Ingen DIF 5) Sufficient data reduktion Konsekvenserne: P(Item 1 ) i exp( θ α ) 1 exp( ) i = θ = + θ α i Begrebsvaliditet Kriterievaliditet Specifik objektivitet Enkelhed 6
7 Modelkontrollen Udled og afprøv en række hypoteser, som alle er sande, hvis modellen er sand. Afledte model-hypoteser: Item parametrene er de samme i alle delpopulationer Ingen DIF: Items og exogene variable er betinget uafhængige givet den samlede score Lokal uafhængighed: Items er parvis betinget uafhængige givet delscores uden det ene item Forventede residualer (= observeret forventet) er lig med 0 7
8 Item parametrene er de samme i alle delpopulationer Såkaldte betingede maximum likelihood tests CLR df p scoregroups G: RELIGION L: TROENDE M: GÅIKIRKE K: KIRKE Q: KOHORTER P: KØN Rasch modellen bliver afvist på alle fronter 8
9 Residual analyser (item fits) Sammenligninger mellem den forventede korrelation mellem items og restscores Gamma Item observed expected sd p A - GUD B - EVIGTLIV high ** C - HELVEDE high *** D - PARADIS high *** E - SYND F - REINKARN low *** Critical levels adjusted by the Benjamini-Hochberg procedure: FDR = 0.05 reject if p<= FDR = 0.01 reject if p<= FDR = reject if p<=
10 DIF analyser Tests af betinget uafhængighed mellem items og exogene variable givet den samlede score GUD LIV HELVEDE PARADIS SYND REINKAR A B C D E F G RELIGION Gamma p L TROENDE Gamma p M GÅIKIRKE Gamma p K KIRKE Gamma p Q KOHORTER Gamma p P KØN Gamma p
11 Analyse af lokal uafhængighed Test af parvis betinget uafhængighed mellem items A B C D E F A GUD Gamma p B EVIGTLIV Gamma p C HELVEDE Gamma p D PARADIS Gamma p E SYND Gamma p F REINKARN Gamma p
12 Det er ikke vanskeligt at vise at Rasch modellen ikke holder Kunsten er at finde ud af, hvad der er galt fordi ét problem af en bestemt type kan føre til evidens (testresultater) der antyder at der er tale om helt andre problemer. Multidimensionalitet Lokalt afhængige items, DIF & misfit Lokalt afhængige items resultater der antyder multidimensionalitet DIF resultater der antyder multidimensionalitet, lokal afhængighed og anden form for DIF osv., osv., osv. 12
13 Virkeligheden Reinkarnation hører ikke til i skalaen, men spørgsmålet om et liv efter døden gør Items er lokalt uafhængige, men der er en hel del differentiel item funktion 13
14 Generelt: Kirkegængere er mere spirituelle end ikke kirkegængere og de spirituelle synes i højere grad end de ikke spirituelle, at religion er vigtigt. DIF: alt andet lige 1) troende og medl. af folkekirken tror mere på Gud end andre, 2) tror dem, der synes religion er vigtigt mindre på et liv efter døden end andre 3) medl. af folkekirken tror mindre på helvede end andre 4) tror mænd mere på synd end kvinder 14
15 Modelkontrollen CLR df p scoregroups G: RELIGION L: TROENDE M: GÅIKIRKE K: KIRKE Q: KOHORTER P: KØN Gamma Item observed expected sd p A - GUD B - EVIGTLIV C - HELVEDE D - PARADIS E - SYND
16 Konklusion: Ingen ren Rasch skala, men da der kan justeres for DIF en er det et mindre problem DIF equated scores DIF sources: G - RELIGION L - TROENDE K - KIRKE P - KØN GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP score GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP GLKP score Men det ville være væsentligt nemmere (bedre?) hvis vi havde haft en ren Rasch skala. 16
17 Hvordan kan skalaen så forbedres (i Rasch-termer)? Nielsen & Kreiners strategi for itemmodicifering/erstatning! 17
18 Item-analyse strategi 1) Do item responses fit a Rasch model? If not: 2) Do item responses fit a loglinear Rasch model? (Uniform DIF and LD) Yes: Should items be modified or replaced anyway? No: Which items should be eliminated from analysis and considered modified or replaced? - Repeat cycle 18
19 Overview modificerings-strategi Results of graphical loglinear Rasch analyses Results of subject matter analyses point directly to or combine into decision of or point directly to modificational action 19
20 20
21 Spritualitetsskala, alle problemer af samme typer: LLRM med uniform DIF kombineret med type D (uklart mål) Løsning erstat spørgsmål med nyt 21
22 Liste over identificerede problemer og forslag 1) DIF ( Religion i forhold til spørgsmålet om tro på et liv efter døden) kombineret med problemtype D (uklart mål) Kan spørgsmålet om tro på et liv efter døden formuleres således at det fungerer ens for personer som synes religion er vigtigt hhv. mindre vigtigt? Forslag: Begrebet et liv efter døden spørges til på klarere måde, da det kan betyde flere ting (på jorden, i himlen, i helvede, osv.) 2) DIF ( Kirke i forhold til spørgsmålet om tro på Gud) kombineret med problemtype D (uklart mål) Kan spørgsmålet om tro på Gud formuleres således at det fungerer ens for personer, der er medlem af folkekirken/trossamfund hhv. ikke er? Forslag: Begrebet Gud spørges til på klarere måde. Overvejelse: Måske ved blot at skrive med småt, da Gud med stort kan have forskellig betydning både for medlemmer af forskellige trossamfund og for medlemmer ikke medlemmer eks. nok mest medlemmer af kristne trossamfund, der skriver Gud med stort, men det betyder jo ikke at medlemmer af andre ikke tror på gud/guder, men måske ikke Gud 22
23 3) DIF ( Troende i forhold til spørgsmålet om tro på Gud) kombineret med problemtype D (uklart mål) Kan spørgsmålet om tro på Gud formuleres således at det fungerer ens for troende hhv. ikke troende personer? Forslag: Begrebet Gud spørges til på klarere måde. Overvejelse: Måske ved blot at skrive med småt, da Gud med stort må forventes at have en anden mening for et troende menneske end hhv. et ikke-troende menneske og en overbevist ateist 23
24 4) DIF ( Kirke i forhold til spørgsmålet om tro på helvede) kombineret med problemtype D (uklart mål) Kan spørgsmålet om tro på helvede formuleres således at det fungerer ens for personer, der er medlem af folkekirken/trossamfund hhv. ikke er? Forslag: Begrebet helvede spørges til på klarere måde. 24
25 5) DIF ( Køn i forhold til spørgsmålet om tro på synden) kombineret med problemtype D (uklart mål) Kan spørgsmålet om tro på synden formuleres således at det fungerer ens for mænd og kvinder? Forslag: Begrebet synden spørges til på klarere måde. Overvejelse: Er der nogen bestemt grund til at der spørges til synden og ikke synd virker som om der spørges til noget bestemt, dog uden at det er helt klart hvad det er? 25
26 Næste skridt 2 muligheder Faglig/teoretisk bearbejdning af spørgsmål (eksperterne) Fokusgruppeinterviews med repræsentanter fra de grupper af respondenter, der definerer exogene variabelkategorier mhp. afdækning af hvordan de problematiske begreber opfattes 26
27 Afprøvning af strategi på 13 læringsstils-skalaer Bedste pilot skalaer 13 skalaer med et varierende antal items inkluderet: 4 skalaer med 8 items alle GLLRM 3 skalaer med 7 items alle GLLRM 5 skalaer med 6 items 4 GLLRM + 1 RM 1 skala med 5 items RM Bedste reviderede skalaer (efter modificering) 13 skalaer med minimum 7 items inkluderet: 8 skalaer med 8 items 6 GLLRM + 2 RM 5 skaler med 7 items 3 GLLRM + 2 RM 27
28 Systematisk kombination af statistisk & indholdsmæssig analyse viste sig effektiv 10 skalaer viste store forbedringer 7 skalaer har flere items 3 skalaer er forbedret fra at være GLLRM til at være RM med samme antal items 1 skala viste ingen nævneværdig forbedring Den bedste skala model (GLLRM) er ikke forbedret + RM har fået tilføjet et item 2 skalaer viste lille forværring GLLRM har fået tilføjet en lokal afhængighed + RM har mistet et item GLLRM tilføjet DIF mht. KØN 28
29 Choice of modificational action based on analyses results Loglinear Rasch analyses results Subject matter analyses results No problem Type B wording similar Type C measure same characteristic Type D unclear measure RM No change No change No change Exchange single item LLRM with No change No change No change Exchange single low uniform LD item ***** LLRM with No change Mutual Exchange single Exchange single moderate modification of item item uniform LD items ***** LLRM with high uniform LD LLRM with uniform DIF Modeling not possible No change No change No change Mutual modification of items Exchange single item ** Exchange single item (consider additional problematic items for modification) Exchange single item Exchange single item ** Exchange single item (consider additional problematic items for modification) Exchange single item ***** Exchange single item Exchange single item Type A wording error Single item modification Single item modification Single item modification Single item modification Single item modification Single item modification 29
To spørgsmål: Hvilken betydning har de manglende svar på items for målingen af spiritualitet?
Om manglende responser i surveys: Spiritualitetsskalaen Svend Kreiner To spørgsmål: Hvilken betydning har de manglende svar på items for målingen af spiritualitet? Hvilken betydning har de manglende svar
Læs mereLog-lineære modeller. Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres.
Log-lineære modeller Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres. Kontingenstabel Contingency: mulighed/tilfælde Kontingenstabel: antal observationer (frekvenser)
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 mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Uafhængighedstestet Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev
Læs mereLinear Programming ١ C H A P T E R 2
Linear Programming ١ C H A P T E R 2 Problem Formulation Problem formulation or modeling is the process of translating a verbal statement of a problem into a mathematical statement. The Guidelines of formulation
Læs mereNationale test. v. Marie Teglhus Møller. Slides er desværre uden eksempelopgaver, da disse ikke må udleveres. marie@eystein.dk
Nationale test v. Marie Teglhus Møller Slides er desværre uden eksempelopgaver, da disse ikke må udleveres. marie@eystein.dk Oplæg for dagen Hvad er en pædagogisk test? Hvilke krav stilles der til opgaverne
Læs mereRegressionsanalyser. Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer.
Regressionsanalyser Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer. Hvilke faglige problemer kan man løse vha. regressionsanalyser? 1 Regressionsanalyser Det primære problem
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 mereProgram. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data
Faculty of Life Sciences Program t-test Hypoteser, teststørrelser og p-værdier Claus Ekstrøm E-mail: ekstrom@life.ku.dk Resumé og hængepartier fra sidst. Eksempel: effekt af foder på hormonkoncentration
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 mereSynopsis til kursus i Statistik og skalavalidering på Folkesundhedsvidenskab
Synopsis til kursus i Statistik og skalavalidering på Folkesundhedsvidenskab Eksamensnr. 26, 41 og 11 Anslag (uden tabeller og figurer): 23.933 1 1. Indledning...3 2. Deskriptiv statistik...3 3. Indledende
Læs mereINDLEDNING...2 DATAMATERIALET... 2 KARAKTERISTIK AF POPULATIONEN... 4
Indholdsfortegnelse INDLEDNING...2 DATAMATERIALET... 2 KARAKTERISTIK AF OULATIONEN... 4 DELOGAVE 1...5 BEGREBSVALIDITET... 6 Differentiel item funktionsanalyser...7 Differentiel item effekt...10 Lokal
Læs mere2.7. HVAD BETYDER DET EGENTLIG AT BETEGNE SIG SELV SOM TROENDE?
2.7. HVAD BETYDER DET EGENTLIG AT BETEGNE SIG SELV SOM TROENDE? Abstract: Danmark har i de seneste 50-60 år været igennem dramatiske forandringer på en række samfundsområder inklusive det religiøse. Disse
Læs mereMetoder anvendt til validering af skalaer i LUP og resultater af analyser
Metoder anvendt til validering af skalaer i LUP og resultater af analyser Af Karl Bang Christensen Associate Professor Institut for Folkesundhedsvidenskab, Københavns Universitet kach@sund.ku.dk Ved dannelsen
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 mereVi vil analysere effekten af rygning og alkohol på chancen for at blive gravid ved at benytte forskellige Cox regressions modeller.
Løsning til øvelse i TTP dag 3 Denne øvelse omhandler tid til graviditet. Et studie vedrørende tid til graviditet (Time To Pregnancy = TTP) inkluderede 423 par i alderen 20-35 år. Parrene blev fulgt i
Læs mereMultipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression
Multipel Linear Regression Repetition Partiel F-test Modelsøgning Logistisk Regression Test for en eller alle parametre I jagten på en god statistisk model har vi set på følgende to hypoteser og tilhørende
Læs mereEksamen Bacheloruddannelsen i Medicin med industriel specialisering
Eksamen 2016 Titel på kursus: Uddannelse: Semester: Forsøgsdesign og metoder Bacheloruddannelsen i Medicin med industriel specialisering 6. semester Eksamensdato: 17-02-2015 Tid: kl. 09.00-11.00 Bedømmelsesform
Læs mereLogistisk Regression - fortsat
Logistisk Regression - fortsat Likelihood Ratio test Generel hypotese test Modelanalyse Indtil nu har vi set på to slags modeller: 1) Generelle Lineære Modeller Kvantitav afhængig variabel. Kvantitative
Læs mereStatistik Lektion 20 Ikke-parametriske metoder. Repetition Kruskal-Wallis Test Friedman Test Chi-i-anden Test
Statistik Lektion 0 Ikkeparametriske metoder Repetition KruskalWallis Test Friedman Test Chiianden Test Run Test Er sekvensen opstået tilfældigt? PPPKKKPPPKKKPPKKKPPP Et run er en sekvens af ens elementer,
Læs mereMantel-Haenszel analyser. Stratificerede epidemiologiske analyser
Mantel-Haensel analyser Stratificerede epidemiologiske analyser 1 Den epidemiologiske synsvinkel: 1) Oftest asymmetriske (kausale) sammenhænge (Eksposition Sygdom/død) 2) Risikoen vurderes bedst ved hjælp
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 mereGeneralized Probit Model in Design of Dose Finding Experiments. Yuehui Wu Valerii V. Fedorov RSU, GlaxoSmithKline, US
Generalized Probit Model in Design of Dose Finding Experiments Yuehui Wu Valerii V. Fedorov RSU, GlaxoSmithKline, US Outline Motivation Generalized probit model Utility function Locally optimal designs
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 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 mereIkke-parametriske tests
Ikke-parametriske tests 2 Dagens menu t testen Hvordan var det nu lige det var? Wilcoxson Mann Whitney U Kruskall Wallis Friedman Kendalls og Spearmans correlation 3 t-testen Patient Drug Placebo difference
Læs mereAnalyse af binære responsvariable
Analyse af binære responsvariable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet 23. november 2012 Har mænd lettere ved at komme ind på Berkeley? UC Berkeley
Læs mereIndhold. 2 Tosidet variansanalyse Additive virkninger Vekselvirkning... 9
Indhold 1 Ensidet variansanalyse 2 1.1 Estimation af middelværdier............................... 3 1.2 Estimation af standardafvigelse............................. 3 1.3 F-test for ens middelværdier...............................
Læs mereKvant Eksamen December 2010 3 timer med hjælpemidler. 1 Hvad er en continuous variable? Giv 2 illustrationer.
Kvant Eksamen December 2010 3 timer med hjælpemidler 1 Hvad er en continuous variable? Giv 2 illustrationer. What is a continuous variable? Give two illustrations. 2 Hvorfor kan man bedre drage konklusioner
Læs mereGenerelle lineære modeller
Generelle lineære modeller Regressionsmodeller med én uafhængig intervalskala variabel: Y en eller flere uafhængige variable: X 1,..,X k Den betingede fordeling af Y givet X 1,..,X k antages at være normal
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 mereSPØRGESKEMAER, SKALAER OG TESTS SIGNE BOE RAYCE
SPØRGESKEMAER, SKALAER OG TESTS SIGNE BOE RAYCE MÅLING AF EFFEKTER - METODE Nogle oplysninger findes i statistikker og registre, men ikke alt. Spørgeskemaer: adgang til personlig (og subjektiv) information
Læs mereOpgaver til ZAR II. Afdeling for Anvendt Matematik og Statistik Michael Sørensen Oktober Opgave 1
Københavns Universitet Afdeling for Anvendt Matematik og Statistik Statistik for biokemikere Inge Henningsen Michael Sørensen Oktober 2003 Opgaver til ZAR II Opgave 1 Et datasæt består af 20 observationer.
Læs mere1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ
Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen
Læs mereProgram dag 2 (11. april 2011)
Program dag 2 (11. april 2011) Dag 2: 1) Hvordan kan man bearbejde data; 2) Undersøgelse af datamaterialet; 3) Forskellige typer statistik; 4) Indledende dataundersøgelser; 5) Hvad kan man sige om sammenhænge;
Læs meregrupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
Læs mereLøsning til øvelsesopgaver dag 4 spg 5-9
Løsning til øvelsesopgaver dag 4 spg 5-9 5: Den multiple model Vi tilføjer nu yderligere to variable til vores model : Køn og kolesterol SBP = a + b*age + c*chol + d*mand hvor mand er 1 for mænd, 0 for
Læs mereKapitel 12 Variansanalyse
Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 / 43 Indledning Sammenligning af middelværdien i to grupper indenfor en stikprøve kan
Læs mereSynopsis til eksamen i Statistik
Synopsis til eksamen i Statistik Kandidatuddannelsen i Folkesundhedsvidenskab Københavns Universitet december 2010 Eksamensnummer: 12 Antal anslag: 23.839 (svarende til 9,9 normalsider) - 1 - Indholdsfortegnelse
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 mereProgram. Logistisk regression. Eksempel: pesticider og møl. Odds og odds-ratios (igen)
Faculty of Life Sciences Program Logistisk regression Claus Ekstrøm E-mail: ekstrom@life.ku.dk Odds og odds-ratios igen Logistisk regression Estimation og inferens Modelkontrol Slide 2 Statistisk Dataanalyse
Læs mereElaborering: Analyse af betingede relationer
Elaborering: Analyse af betingede relationer 1 Mordsager i Florida i perioden 1973-79 Sammenhæng mellem morderens race og forekomst af dødsdom i 4764 mordsager i Florida i 1973-1979. Dom Morder sort hvid
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 mereKvantitative Metoder 1 - Forår 2007. Dagens program
Dagens program Hypoteser: kap: 10.1-10.2 Eksempler på Maximum likelihood analyser kap 9.10 Test Hypoteser kap. 10.1 Testprocedure kap 10.2 Teststørrelsen Testsandsynlighed 1 Estimationsmetoder Kvantitative
Læs mereCross-Sectorial Collaboration between the Primary Sector, the Secondary Sector and the Research Communities
Cross-Sectorial Collaboration between the Primary Sector, the Secondary Sector and the Research Communities B I R G I T T E M A D S E N, P S Y C H O L O G I S T Agenda Early Discovery How? Skills, framework,
Læs mereReeksamen i Statistik for Biokemikere 6. april 2009
Københavns Universitet Det Naturvidenskabelige Fakultet Reeksamen i Statistik for Biokemikere 6. april 2009 Alle hjælpemidler er tilladt, og besvarelsen må gerne skrives med blyant. Opgavesættet er på
Læs mereProject Step 7. Behavioral modeling of a dual ported register set. 1/8/ L11 Project Step 5 Copyright Joanne DeGroat, ECE, OSU 1
Project Step 7 Behavioral modeling of a dual ported register set. Copyright 2006 - Joanne DeGroat, ECE, OSU 1 The register set Register set specifications 16 dual ported registers each with 16- bit words
Læs mereKursus i varians- og regressionsanalyse Data med detektionsgrænse. Birthe Lykke Thomsen H. Lundbeck A/S
Kursus i varians- og regressionsanalyse Data med detektionsgrænse Birthe Lykke Thomsen H. Lundbeck A/S 1 Data med detektionsgrænse Venstrecensurering: Baggrundsstøj eller begrænsning i måleudstyrets følsomhed
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mantel-Haenszel analyser Mantel-Haenszel analyser Sidst lærte vi om stratificerede analyser. I dag kigger vi på et specialtilfælde: både exposure
Læs mereOverlevelse efter AMI. Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Køn og alder betragtes som confoundere.
Overlevelse efter AMI Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Diabetes VF (Venticular fibrillation) WMI (Wall motion index) CHF (Cardiac Heart Failure) Køn og alder betragtes
Læs mereEksamen i Statistik og skalavalidering
Eksamen i Statistik og skalavalidering 2009-studieordning Til aflevering d. 22. december 2010 Efterårssemestret 2010, Kandidatuddannelsen i Folkesundhedsvidenskab Opgaven er udarbejdet af: Eksamensnummer
Læs mereEksamen i statistik 2009-studieordning
Kandidatuddannelsen i Folkesundhedsvidenskab Det sundhedsvidenskabelige fakultet Københavns Universitet 21.12.2010 Eksamen i statistik 2009-studieordning Underviser Svend Kreiner Udarbejdet af eksamens
Læs mereAnalyse af PISA data fra 2006.
Analyse af PISA data fra 2006. Svend Kreiner Indledning PISA undersøgelsernes gennemføres for OECD og de har det primære formål er at undersøge, herunder rangordne, en voksende række af lande med hensyn
Læs mereIkke-parametriske metoder. Repetition Wilcoxon Signed-Rank Test Kruskal-Wallis Test Friedman Test Chi-i-anden Test
Ikkeparametriske metoder Repetition Wilcoxon SignedRank Test KruskalWallis Test Friedman Test Chiianden Test Run Test Er sekvensen opstået tilfældigt? PPPKKKPPPKKKPPKKKPPP Et run er en sekvens af ens elementer,
Læs mereHow consumers attributions of firm motives for engaging in CSR affects their willingness to pay
Bachelor thesis Institute for management Author: Jesper Andersen Drescher Bscb(sustainability) Student ID: 300545 Supervisor: Mai Skjøtt Linneberg Appendix for: How consumers attributions of firm motives
Læs mereMPH specialmodul Epidemiologi og Biostatistik
MPH specialmodul Epidemiologi og Biostatistik Kvantitative udfaldsvariable 23. maj 2011 www.biostat.ku.dk/~sr/mphspec11 Susanne Rosthøj (Per Kragh Andersen) 1 Kapitelhenvisninger Andersen & Skovgaard:
Læs mereBasic statistics for experimental medical researchers
Basic statistics for experimental medical researchers Sample size calculations September 15th 2016 Christian Pipper Department of public health (IFSV) Faculty of Health and Medicinal Science (SUND) E-mail:
Læs mereModule 4: Ensidig variansanalyse
Module 4: Ensidig variansanalyse 4.1 Analyse af én stikprøve................. 1 4.1.1 Estimation.................... 3 4.1.2 Modelkontrol................... 4 4.1.3 Hypotesetest................... 6 4.2
Læs mereRegneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)
Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen
Læs mereStatistiske Modeller 1: Kontingenstabeller i SAS
Statistiske Modeller 1: Kontingenstabeller i SAS Jens Ledet Jensen October 31, 2005 1 Indledning Som vist i Notat 1 afsnit 13 er 2 log Q for et test i en multinomialmodel ækvivalent med et test i en poissonmodel.
Læs mereEksamen Efterår 2013
Eksamen Efterår 2013 Opgave En måde at sammenlægge svarene fra de fem EQ-5D items er igennem et indeks, der angiver værdien samfundet giver en bestemt svarkombination. EURV = 1-0.081*(D=1) 0.069*(MOVE=2)
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 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 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 mereStatistik og skalavalidering Synopsis. Eksamensnumre 15, 33 og 45
Statistik og skalavalidering Synopsis Københavns Universitet Folkesundhedsvidenskab, 7. semester Typografiske enheder: 22.615 December 2010 Indholdsfortegnelse 1.0 Indledning... 3 1.1 Karakteristika af
Læs mereStatistiske principper
Statistiske principper 1) Likelihood princippet - Maximum likelihood estimater - Likelihood ratio tests - Deviance 2) Modelbegrebet - Modelkontrol 3) Sufficient datareduktion 4) Likelihood inferens i praksis
Læs mereEksamen i statistik 2010 Kandidatuddannelsen i folkesundhedsvidenskab
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T Eksamen i statistik 2010 Kandidatuddannelsen i folkesundhedsvidenskab Eksamensnummer: 16, 23
Læs mereTransparency International Danmark på Roskilde Festival 2018: Har indsatsen nyttet noget?
Transparency International Danmark på Roskilde Festival 2018: Har indsatsen nyttet noget? Udarbejdet af frivillige Frederik Carl Windfeld og Kim Alexander Byrial Juárez Jensen samt sekretariatet i Transparency
Læs mereStatistik & Skalavalidering
å Statistik & Skalavalidering Synopsis til mundtlig eksamen d. 24. januar 2011 K ø b e n h a v n s U n i v e r s i t e t K a n d i d a t u d d a n n e l s e n i F o l k e s u n d h e d s v i d e n s k
Læs mereKapitel 12 Variansanalyse
Kapitel 12 Variansanalyse Peter Tibert Stoltze stat@peterstoltzedk Elementær statistik F2011 Version 7 april 2011 1 Indledning 2 Ensidet variansanalyse 3 Blokforsøg 4 Vekselvirkning 1 Indledning 2 Ensidet
Læs mereMeasuring Evolution of Populations
Measuring Evolution of Populations 2007-2008 5 Agents of evolutionary change Mutation Gene Flow Non-random mating Genetic Drift Selection Populations & gene pools Concepts a population is a localized group
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 mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mål for sammenhæng mellem to variable
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mål for sammenhæng mellem to variable Estimation Stikprøve Data Population Teori relativ hyppighed parameter estimat sandsynlighed parameter
Læs mereFang Prikkerne. Introduktion. Scratch
Scratch 2 Fang Prikkerne All Code Clubs must be registered. Registered clubs appear on the map at codeclubworld.org - if your club is not on the map then visit jumpto.cc/ccwreg to register your club. Introduktion
Læs mereHvad er ateisme? Hvordan bliver man ateist? Dansk Ateistisk Selskab. Ateisme er kort og godt fraværet af en tro på nogen guddom(me).
Dansk Ateistisk Selskab Hvad er ateisme? Ateisme er kort og godt fraværet af en tro på nogen guddom(me). Meget mere er der sådan set ikke i det. Der er ingen dogmatisk lære eller mystiske ritualer og netop
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 mereTænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.
Repetition af vektor-regning Økonometri: Lektion 3 Matrix-formulering Fordelingsantagelse Hypotesetest Antag vi har to n-dimensionelle (søjle)vektorer a 1 b 1 a 2 a =. og b = b 2. a n b n Tænk på a og
Læs mereEpidemiologi og Biostatistik
Kapitel 1, Kliniske målinger Epidemiologi og Biostatistik Introduktion til skilder (varianskomponenter) måleusikkerhed sammenligning af målemetoder Mogens Erlandsen, Institut for Biostatistik Uge, torsdag
Læs mereDagens Emner. Likelihood teori. Lineær regression (intro) p. 1/22
Dagens Emner Likelihood teori Lineær regression (intro) p. 1/22 Likelihood-metoden M : X i N(µ,σ 2 ) hvor µ og σ 2 er ukendte Vi har, at L(µ,σ 2 ) = ( 1 2πσ 2)n/2 e 1 2σ 2 P n (x i µ) 2 er tætheden som
Læs mereReeksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl
Reeksamen 2018 Titel på kursus: Uddannelse: Semester: Forsøgsdesign og metoder Bacheloruddannelsen i Medicin med industriel specialisering 6. semester Eksamensdato: 13-08-2018 Tid: kl. 09.00-11.00 Bedømmelsesform
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 mereGodtgørelse: Hvad skal det til for?
Godtgørelse: Hvad skal det til for? Oversigt Argumenter for Regel 62.1 Eksempel 1 Eksempel 2 Argumenter imod Diskussion 2 Argumenter for Sejlsport afvikles i naturen på baner, som ikke kan lukkes Der forekommer
Læs mereMeget formel, modtager har en meget speciel titel som skal bruges i stedet for deres navne
- Åbning Engelsk Dansk Dear Mr. President, Kære Hr. Direktør, Meget formel, modtager har en meget speciel titel som skal bruges i stedet for deres navne Dear Sir, Formel, mandelig modtager, navn ukendt
Læs mereLineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Dagens program Lineær regression
Læs mereMeget formel, modtager har en meget speciel titel som skal bruges i stedet for deres navne
- Åbning Dansk Engelsk Kære Hr. Direktør, Dear Mr. President, Meget formel, modtager har en meget speciel titel som skal bruges i stedet for deres navne Kære Hr., Formel, mandelig modtager, navn ukendt
Læs mereKønsproportion og familiemønstre.
Københavns Universitet Afdeling for Anvendt Matematik og Statistik Projektopgave forår 2005 Kønsproportion og familiemønstre. Matematik 2SS Inge Henningsen februar 2005 Indledning I denne opgave undersøges,
Læs mereTM4 Central Station. User Manual / brugervejledning K2070-EU. Tel Fax
TM4 Central Station User Manual / brugervejledning K2070-EU STT Condigi A/S Niels Bohrs Vej 42, Stilling 8660 Skanderborg Denmark Tel. +45 87 93 50 00 Fax. +45 87 93 50 10 info@sttcondigi.com www.sttcondigi.com
Læs mereAfgrænsning af miljøvurdering: hvordan får vi den rigtig? Chair: Lone Kørnøv MILJØVURDERINGSDAG 2012 Aalborg
Afgrænsning af miljøvurdering: hvordan får vi den rigtig? Chair: Lone Kørnøv MILJØVURDERINGSDAG 2012 Aalborg Program Intro om Systemafgrænsning og brug af LCA med fokus på kobling mellem arealindtag og
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 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 mereAfdeling for Anvendt Matematik og Statistik December 2006
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Inge Henningsen Afdeling for Anvendt Matematik og Statistik December 2006 i SAS (Zar kapitel 23) PROC FREQ PROC CATMOD
Læs mereLars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test.
Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ -test og Goodness of Fit test. Anvendelser af statistik Statistik er et levende og fascinerende emne, men at læse om det er alt
Læs mereTo-sidet varians analyse
To-sidet varians analyse Repetition En-sidet ANOVA Parvise sammenligninger, Tukey s test Model begrebet To-sidet ANOVA Tre-sidet ANOVA Blok design SPSS ANOVA - definition ANOVA (ANalysis Of VAriance),
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 mereAnvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
Læs mereLøsning til opgave i logistisk regression
Løsning til øvelser i logistisk regression, november 2008 1 Løsning til opgave i logistisk regression 1. Først indlæses data, og vi kan lige sørge for at danne en dummy-variable for cml, som indikator
Læs mereProject in Statistics MB
Project in Statistics MB Marianne, Ditte, Stine, Gitte Niels Richard Hansen January 21, 2008 1. Besynderlig formulering. Vi kan bruge t-testet fordi vi skal sammenligne to grupper. Den hypotese vi vil
Læs mere1. februar Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 3. februar 005 Morten Frydenberg, Afdeling for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (ud
Læs mereMENNESKET JESUS KRISTUS PDF
MENNESKET JESUS KRISTUS PDF ==> Download: MENNESKET JESUS KRISTUS PDF MENNESKET JESUS KRISTUS PDF - Are you searching for Mennesket Jesus Kristus Books? Now, you will be happy that at this time Mennesket
Læs mereBesvarelse af vitcap -opgaven
Besvarelse af -opgaven Spørgsmål 1 Indlæs data Dette gøres fra Analyst med File/Open, som sædvanlig. Spørgsmål 2 Beskriv fordelingen af vital capacity og i de 3 grupper ved hjælp af summary statistics.
Læs mere