Potentielle udfald og kontrafaktisk kausalitet
|
|
- Frida Bak
- 6 år siden
- Visninger:
Transkript
1 Potentielle udfald og kontrafaktisk kausalitet Erik Gahner Larsen Kausalanalyse i offentlig politik
2 Kontrafaktisk kausalitet
3 Dagsorden Kausalitet og kontrafaktiske scenarier Teoretisk framework: Neyman-Rubin kausalmodel Antagelser, kriterier for kausalitet Eksempler og diskussion
4 Kontrafaktiske scenarier og kausalitet Afgørende for kausalitet: Evnen til at manipulere fænomener no causation without manipulation (Holland 1986) Forskellige scenarier Kontrafaktisk scenarie til det observerede Kontrafaktisk tænkning er afgørende for at definere en kausal effekt Hvorfor?
5 Kontrafaktisk kausalitet i historisk forskning Kontrafaktisk tænkning er afgørende: selv i historisk forskning! Intellektuelt værktøj Counterfactual claims are legitimate, if ultimately uncertain, tools of thought (Bulfoh 1999, 168) Vigtigt redskab til at diskutere kausalitet - selv i N=1 studier (Fearon 1991) The primary function of alternate history - the answer to the question why do we ask what if? -is to express our changing views about the present. (Rosenfeld 2002, 103)
6 Definition af en kausal effekt Vi har ét mål for i dag: at definere en kausal effekt Hvordan kan vi definere en kausal effekt? Potentielle udfald I princippet uendeligt mange potentielle udfald Neyman-Rubin kausalmodel Relevant for alle typer af forskningsdesigns Eksperimenter, observationsstudier Statistisk baggrund og applikation Men relevant for både kvalitative og kvantitative tilgange Eksempel: Effekten af at modtage SU på tilfredsheden med uddannelsessystemet
7 Neyman-Rubin kausalmodel Potentielle udfald muliggør en klar definition af en kausal effekt Kausal effekt for en enhed Gennemsnitlige kausale effekter Eksplicitte antagelser For enhed i, har vi et potentielt udfald: Y i Enhed: person, gruppe, land, politisk parti etc. Stimuli: W i Potentielt udfald givet stimuli: Y i (W i ) To potentielle udfald (i.e. binært stimuli): Y i (1), Y i (0) Kausaleffekt for enhed i: Forskellen mellem enhedens potentielle udfald givet stimuli og potentielle udfald givet kontrol. τ i = Y i (1) Y i (0)
8 Eksempel: SU og uddannelsestilfredshed W i : SU, stimuli Y i (W i ): uddannelsestilfredshed givet stimuli (SU) Yi (1): uddannelsestilfredshed hvis man modtager SU Yi (0): uddannelsestilfredshed hvis man ikke modtager SU τ i = Y i (1) Y i (0): kausaleffekt af at modtage SU τi < 0: negativ effekt af SU på uddannelsestilfredshed τ i = 0: ingen effekt af SU på uddannelsestilfredshed τi > 0: positiv effekt af SU på uddannelsestilfredshed
9 To vigtige aspekter 1. Definitionen af en kausal effekt afhænger ikke af hvilket potentielt udfald der er observeret/realiseret 2. Den kausale effekt er sammenlignignen af to potentielle udfald for den samme enhed på det samme tidspunkt
10 Eksempel: SU og uddannelsestilfredshed 10 studerende 20 potentielle udfald To potentielle udfald for hver studerende Tilfredshed mellem 0 og 100 Vi begynder med en verden uden SU 10 potentielle udfald
11 Eksempel: SU og uddannelsestilfredshed Studerende i Y i (0) (ingen SU) Gennemsnit 50
12 Eksempel: SU og uddannelsestilfredshed Studerende i Y i (0) (ingen SU) Y i (1) (SU) Gennemsnit 50 60
13 Eksempel: SU og uddannelsestilfredshed Studerende i Y i (0) (ingen SU) Y i (1) (SU) τ i Gennemsnit
14 Det fundamentale kausalitetsproblem The Fundamental Problem of Causal Inference (FPCI) It is impossible to observe the value of Y i (1) and Y i (0) on the same unit and, therefore, it is impossible to observe the effect of W i on i. (Holland 1986, 947) Vi observerer et udfald: det realiserede udfald Det ikke-realiserede udfald er vores kontrafaktiske scenarie Tænk på en regression: R i = W i Y i (1) + (1 W i )Y i (0)
15 Eksempel: SU og uddannelsestilfredshed Studerende i Y i (0) Y i (1) W i 1 60? 0 2? ? 0 4? ? 0 6? ? ? 0 9? ? 0
16 Eksempel: SU og uddannelsestilfredshed Studerende i Y i (0) Y i (1) W i R i (observeret udfald) 1 60? ? ? ? ? ? ? ? ? ? 0 75
17 Den gennemsnitlige stimulieffekt Average treatment effect (ATE) Givet ved: τate = E[Y (1) Y (0)] = E[Y (1)] E[Y (0)] Eksempel: Den gennemsnitlige effekt af at være SU-modtager SU kan have store effekter men en ATE på 0 Hvorfor?
18 Eksempel: SU og uddannelsestilfredshed Problem: Ikke tilfældigt hvem der modtager SU I den bedste af alle verdener: Randomisering af stimuli (eksperiment, lektion 8) I andre tilfælde: as-if randomisering (naturlige eksperimenter, lektion 9) manglende randomisering (observationsdata, lektion 10 og 11) To minutters tænkepause: Hvilken realistisk måde kunne vi studere dette på?
19 Antagelse I: Stimuli er tilfældigt fordelt Ignorability of Treatment Assignment Med andre ord: Stimuli er ikke relateret til andre forhold, der er målt før stimuli er givet (prestimuli kovariat) Kovariate: X (kontrolvariable) Eksogenitet: (Y (1), Y (0), X) W I nogle tilfælde: (Y (1), Y (0)) W X Vi vil diskutere dette senere i faget
20 Antagelse II: Stable Unit Treatment Value Assumption (SUTVA) En samling af antagelser omkring stimulieffekter The potential outcomes for any unit do not vary with the treatments assigned to other units, and, for each unit, there are no different forms or versions of each treatment level, which lead to different potential outcomes. (Imbens and Rubin 2015, 10)
21 Antagelse II: Stable Unit Treatment Value Assumption (SUTVA) 1. Ingen interferens: Potentielle udfald for enhed i afhænger udelukkende af tildeling af stimuli for enhed i (ingen spillover effekter): (Y (1), Y (0)) W j, i j 2. Stimulihomogenitet: Der er kun én version af et stimuli for hver enhed
22 Assumption II: Stable Unit Treatment Value Assumption (SUTVA) To implikationer (fra Heckman 2005, 11): Ingen sociale interaktioner og ligevægtseffekter. Ingen effekt af tildeling af stimuli på værdien af de potentielle udfald
23 Antagelse II: Stable Unit Treatment Value Assumption (SUTVA) Eksempel: Fire personer (A, B, C, D), to får stimuli Vi antager to ting: 1. De to stimuli er ens Der findes ikke forskellige version af vores stimuli Hvis der gør dette, kan vi ikke isolere effekten af vores stimuli 2. Effekten af stimuli på person A er den samme uafhængigt af om person B, C, og/eller D modtager stimuli
24 Eksempel: Aktiveringstiltag for arbejdsløse (Gautier et al. 2016) Stimuli: aktiveringstiltag Afhængig variabel: arbejdsløshed Forventning: aktiveringstiltag hurtigere i arbejde Hvad er det kontrafaktiske scenarie? Hvad kan det potentielle problem være i forhold til SUTVA?
25 Eksempel: Aktiveringstiltag for arbejdsløse (Gautier et al. 2016)
26 Eksempel: Aktiveringstiltag for arbejdsløse (Gautier et al. 2016) Udfordring: når man gør noget for at få nogen i arbejde, kan det have effekter på andres mulighed for at finde arbejde Effekt på kontrolgruppen, brud på SUTVA Hvordan påvirker det vores effekt? Vi overestimerer effekten af aktiveringstiltag Hvorfor? Kortere arbejdsløshed for stimuligruppen Længere arbejdsløshed for kontrolgruppen Hvordan undersøges det? Difference-in-difference Data fra områder, der ikke er en del af eksperimentet Giver mulighed for at sammenligne med en bedre kontrol Med andre ord: et bedre kontrafaktisk scenarie
27 Antagelse III: Overholdelse af tildeling til stimuli Udfordring: Det at tildele nogen et stimuli er ikke det samme som at de overholder tildelingen af stimuli Forskellige grunde Nogen har allerede fået stimuli Nogen vil aldrig tage imod stimuli Fire grupper W i er tildeling af stimuli Eksempel: Vi tilbyder en gruppe at få SU, men ikke sikkert, at de tager imod D i : stimulistatus (1 hvis man har stimuli, 0 hvis ikke)
28 Always-takers, dem der altid tager stimuli Disse vil altid tage stimuli Uafhængigt af om man bliver tildelt stimuli, vil man tage det W i = 1, D i = 1 Wi = 0, D i = 1 Eksempel?
29 Never-takers, dem der aldrig tager imod stimuli Disse vil aldrig tage stimuli Uafhængigt af om man er tildelt stimuli, vil man ikke tage imod det W i = 1, D i = 0 W i = 0, D i = 0 Eksempel?
30 Cooperators, dem der overholder tildeling af stimuli Disse vil tage stimuli hvis de bliver tildelt det - ellers ikke Wi = 1, D i = 1 Wi = 0, D i = 0 Eksempel?
31 Defiers, de værste af slagsen Disse vil kun tage stimuli hvis de ikke bliver det tildelt - og omvendt Hvis man bliver tildelt stimuli, vil man ikke tage det. Hvis man ikke bliver tildelt stimuli, vil man tage det. Får det modsattet af hvad de er tildelt W i = 1, D i = 0 Wi = 0, D i = 1 Eksempel?
32 Hvilke enheder vil kunne lære os noget om kausaleffekten? Husk: manipulation De tilfælde hvor vi kan manipulere stimuli på den ønskede måde Med andre ord: dem der samarbejder med stimuli cooperators
33 Kausalitetsudfordring Hvordan ved vi at W i = 1, D i = 1 samarbejder med stimuli og ikke altid tager det? Hvordan ved vi at W i = 0, D i = 0 samarbejder og ikke altid vil fraskrive sig tildelingen af stimuli? Vi har kun ét realiseret udfald (vi mangler et kontrafaktisk scenarie) Svært at sige, hvordan en enhed ville have ageret Det bedste råd: Prøv at måle om folk overholder tildeling af stimuli
34 Intention-to-treat De effekter vi får er ofte intention-to-treat (ITT) estimater. Gennemsnitsforskelle mellem enheder tildelt stimuli og enheder ikke tildelt stimuli.
35 Eksempel: Opfordring W i til motion D i Fra Tabel 5.5 in Rosenbaum (2002, 182). Y = lungekapacitet, målt udåndingsvolumen Vil mennesker motionere når de bliver opfordret? (d i (1)) Vil mennesker motionere uden at blive opfordret? (d i (0))
36 Eksempel: Opfordring W i til motion D i Person i d i (1) d i (0)
37 Eksempel: Opfordring W i til motion D i i d i (1) d i (0) Y i (1) Y i (0)
38 Eksempel: Opfordring W i til motion D i i d i (1) d i (0) Y i (1) Y i (0) W i D i R i
39 Eksempel: Opfordring W i til motion D i di1 <- c(1, 1, 1, 1, 1, 1, 1, 1, 0, 0) di0 <- c(1, 1, 0, 0, 0, 0,0, 0, 0, 0) Yi1 <- c(71, 68, 64, 62, 59, 57, 56, 56, 42, 39) Yi0 <- c(71, 68, 59, 57, 54, 52, 51, 51, 42, 39) Wi <- c(1, 0, 1, 0, 0, 1, 1, 0, 0, 1) Di <- c(1, 1, 1, 0, 0, 1, 1, 0, 0, 0) Ri <- c(71, 68, 64, 57, 54, 57, 56, 51, 42, 39) lung <- data.frame(di1, di0, Yi1, Yi0, Wi, Di, Ri)
40 Hvad er den gennemsnitlige stimulieffekt? mean( lung[lung$wi == 1 & lung$di1 - lung$di0 == 1,]$Ri - lung[lung$wi == 0 & lung$di1 - lung$di0 == 1,]$Ri ) ## [1] 5
41 Hvad er den naive gennemsnitlige stimulieffekt? Hvis vi ikke tager højde for tildeling af stimuli, men bare sammenligner folk der motionerer med folk der ikke gør mean(lung[lung$di == 1,]$Ri - lung[lung$di == 0,]$Ri) ## [1] 14.6 Næsten tre gange større end den gennemsnitlige stimulieffekt
42 I en simpel OLS regression summary(lm(ri~di, data=lung))$coef ## Estimate Std. Error t value Pr(> t ) ## (Intercept) e-07 ## Di e-02 Problem: Vores gennemsnitlige stimulieffekt påvirkes af selvselektion ind i stimuli (manglende overholdelse af antagelse I)
43 Hvad er ITT? mean(lung[lung$wi == 1,]$Ri - lung[lung$wi == 0,]$Ri) ## [1] 3 summary(lm(ri~wi, data=lung))$coef ## Estimate Std. Error t value Pr(> t ) ## (Intercept) e-06 ## Wi e-01
44 Hvad med fænomener vi ikke kan manipulere? Hvordan undersøger vi den kausale effekt af køn? Vi kan ikke manipulere køn (endnu, desværre) Men vi kan manipulere opfattelser af køn Eksempel: Identiske jobansøgninger med forskellige køn Mulighed for at estimere den kausale effekt af at have et bestemt køn Husk: ingen kausalitet uden manipulation
45 Hvor meget er i et stimuli? Vi skal være meget eksplicitte omkring, hvad vores stimuli er Ved vi ikke hvad stimuli er, har vi intet studie Jo mere diffust et stimuli er, desto mindre ved vi, hvad der påvirker en enhed Eksempel: effekten af at bruge internettet på livstilfredshed Hvad driver en eventuel effekt?
46 Eksempel: Landbrugspakken Potentielle udfald: Mængden af kvælstof i havmiljøet Stimuli: Landbrugspakken Læs: her-er-regeringens-regnestykke Hvad er problemet?
47 Eksempel: Landbrugspakken
48 Eksempel: Terror og terrorfrygt
49 Eksempel: Terror og terrorfrygt Fra DR.dk: Eksemplerne på terrorangreb begået det sidste år er flere end de, der er nævnt herover, men fælles for dem alle er, at de har været med til at skabe frygt i befolkningen. 56 procent svarer, at frygten er blevet større Kausalargument: terror terrorfrygt Udfordring: vi har ingen idé om hvad den gennemsnitlige stimulieffekt er Hvorfor? Vi mangler et kontrafaktisk scenarie Løsning?
50 Dagens øvelse Vælg et binært stimuli Vælg en afhængig variabel Formuler to potentielle udfald Diskuter antagelser og potentielle brud på disse antagelser Vil alle tage imod stimuli? Hvornår vil der være brud på SUTVA?
51 Add on Forslag? AGORA 16
52 Afsluttende bemærkninger Tænk altid i kontrafaktiske scenarier Har en politik den ønskede virkning? Hvordan ville verden se ud, hvis den pågældende politik ikke var gennemført? Hvad var det kontrafaktiske scenarie? Definer kausale effekter med udgangspunkt i potentielle udfald Forhold dig altid til de antagelser en kausal effekt beror på Intet andet end stimuli skal kunne forklare effekten SUTVA Enheder overholder stimulitildeling
53 Næste gang Validitet Næste gang: Mandag, samme tid og sted
Etiske og praktiske overvejelser
Etiske og praktiske overvejelser Erik Gahner Larsen Kausalanalyse i offentlig politik Eksamen og vejledning Dato for aflevering: 2. juni, klokken 12.00 Vejledning I: I dag, efter klokken 13 Send mig hvad
Læs mereSeminaropgave: Præsentation af idé
Seminaropgave: Præsentation af idé Erik Gahner Larsen Kausalanalyse i offentlig politik Dagsorden Opsamling på kausalmodeller Seminaropgaven: Praktisk info Præsentation Seminaropgaven: Ideer og råd Kausalmodeller
Læs mereOrienterede acykliske grafer
Orienterede acykliske grafer Erik Gahner Larsen Kausalanalyse i offentlig politik Hvad skal/kan vi kontrollere for? (White 2016) Hvad skal/kan vi kontrollere for? (White 2016) Hvad skal/kan vi kontrollere
Læs mereNaturlige eksperimenter
Naturlige eksperimenter Erik Gahner Larsen Kausalanalyse i offentlig politik Dagsorden Eksperimenter og naturlige eksperimenter Naturlige eksperimenter Styrker og svagheder Eksempler Tre typer: RDD, IV,
Læs mereObservationsstudier II
Observationsstudier II Erik Gahner Larsen Kausalanalyse i offentlig politik Eksamensdato Dato for aflevering: 2. juni, klokken 12.00 Nye datoer Vejledning Tentativ udgave: 15. maj Ideelle tidspunkter?
Læs mereValiditetstypologi. Erik Gahner Larsen. Kausalanalyse i offentlig politik
Validitetstypologi Erik Gahner Larsen Kausalanalyse i offentlig politik Dagsorden Kausalitet og validitet Typologi Validitetsudfordringer Validitet og potentielle udfald Seminaropgaven Næste deadline:
Læs mereNaturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1
Matematisk Modellering 1 Side 1 I nærværende opgavesæt er der 16 spørgsmål fordelt på 4 opgaver. Ved bedømmelsen af besvarelsen vægtes alle spørgsmål lige. Endvidere lægges der vægt på, at det af besvarelsen
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 mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering I.
Eksperimentelle undersøgelser Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer regional variation migrationsundersøgelser korrelationsundersøgelser tidsrækker
Læs mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering II
Eksperimentelle undersøgelser Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Efterår 2001 Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden
Læs mereEksperimenter. Erik Gahner Larsen. Kausalanalyse i offentlig politik
Eksperimenter Erik Gahner Larsen Kausalanalyse i offentlig politik Info: Talentprogram Talentprogram for kandidatstuderende i statskundskab og samfundsfag Giver bl.a. adgang til studiejobs, der udbydes
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 mereKommunale data og økonomiske analyser Hvilke muligheder er der i de kommunale data for at måle effekt (og omkostningseffektivitet?
Kommunale data og økonomiske analyser Hvilke muligheder er der i de kommunale data for at måle effekt (og omkostningseffektivitet?) Professor Dorte Gyrd-Hansen Leder, Center for Sundhedsøkonomisk Forskning
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 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 mereVina Nguyen HSSP July 13, 2008
Vina Nguyen HSSP July 13, 2008 1 What does it mean if sets A, B, C are a partition of set D? 2 How do you calculate P(A B) using the formula for conditional probability? 3 What is the difference between
Læs mere1. Hvad er et survey-eksperiment? og hvad kan de bruges til?
Hvad er survey-eksperimenter og hvad kan de bruges til? Rune Slothuus Institut for Statskundskab Aarhus Universitet E-mail: slothuus@ps.au.dk Web: ps.au.dk/slothuus Dansk Selskab for Surveyforskning 20.
Læs mereSkriftlig Eksamen ST501: Science Statistik Tirsdag den 8. juni 2010 kl
Skriftlig Eksamen ST501: Science Statistik Tirsdag den 8. juni 2010 kl. 9.00 12.00 IMADA Syddansk Universitet Alle skriftlige hjælpemidler samt brug af lommeregner er tilladt. Opgavesættet består af 5
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 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 mereThe X Factor. Målgruppe. Læringsmål. Introduktion til læreren klasse & ungdomsuddannelser Engelskundervisningen
The X Factor Målgruppe 7-10 klasse & ungdomsuddannelser Engelskundervisningen Læringsmål Eleven kan give sammenhængende fremstillinger på basis af indhentede informationer Eleven har viden om at søge og
Læs mereEffektmåling 1. Mere attraktive almene boliger?
Effektmåling 1 Mere attraktive almene boliger? Effektevaluering af Omprioriteringsloven 2000 Effektmålinger Formål med pjecerne Der er i dag et stigende fokus på effekterne af de offentlige indsatser,
Læs mereForvaltning / Politik og Administration / Socialvidenskab
Videregående egående metodekursus: Avancerede ede Kvantitative Metoder Om kurset Uddannelse Aktivitetstype Undervisningssprog Tilmelding Forvaltning / Politik og Administration / Socialvidenskab kandidatkursus
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 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 mereDet systematiske review
Det systematiske review Erik Gahner Larsen Kausalanalyse i offentlig politik Dagsorden Litteraturgennemgang Mellem narrative og systematiske reviews Søgning efter litteratur Behandling af studier Konklusioner
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 mereStatistik for MPH: 7
Statistik for MPH: 7 3. november 2011 www.biostat.ku.dk/~pka/mph11 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
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 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 mereX M Y. What is mediation? Mediation analysis an introduction. Definition
What is mediation? an introduction Ulla Hvidtfeldt Section of Social Medicine - Investigate underlying mechanisms of an association Opening the black box - Strengthen/support the main effect hypothesis
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 mereVIDEN PÅ TVÆRS AF EFFEKTDESIGN METTE DEDING, SFI CAMPBELL
VIDEN PÅ TVÆRS AF EFFEKTDESIGN METTE DEDING, SFI CAMPBELL PRIMÆR VS. SEKUNDÆR EFFEKTFORSKNING Primær effektforskning Studium af grunddata. Undersøgelsesdesign afhænger af problemstilling og datamuligheder.
Læs mereEpidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april
Århus 8. april 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april Opgave 1 ( gruppe 1: sp 1-4, gruppe 5: sp 5-9 og gruppe 6: 10-14) I denne opgaveser vi på et
Læs mereELEVERS INTERESSE OG SELVTILLID I NATURFAGENE -OG I FREMTIDEN
ELEVERS INTERESSE OG SELVTILLID I NATURFAGENE -OG I FREMTIDEN 1. Oplæg på baggrund af artiklen: Nordic Students self-beliefs in science Publiceret som kapitel 4 i Northern Lights on TIMSS and PISA 2018
Læs mereIntroduktion. Gik du glip af sidste uges materiale? Find det her. Figur: Ladder og Inference
Introduktion I sidste uge skrev vi om Ladder of Inference og om hvordan vores opfattelse og fortolkning af verden kan styrke en silo-tænkning og vanskeliggøre dét at tænke ud af boksen. Ladder of inference
Læs mereHVAD ER EN EFFEKTMÅLING? Mette Deding
HVAD ER EN EFFEKTMÅLING? Mette Deding TILFREDSHEDSUNDERSØGELSER OG EFTERMÅLINGER 90% af dem, der modtog behandlingen var tilfredse eller meget tilfredse men det siger ikke noget om effekten 75% af dem,
Læs mereVores mange brugere på musskema.dk er rigtig gode til at komme med kvalificerede ønsker og behov.
På dansk/in Danish: Aarhus d. 10. januar 2013/ the 10 th of January 2013 Kære alle Chefer i MUS-regi! Vores mange brugere på musskema.dk er rigtig gode til at komme med kvalificerede ønsker og behov. Og
Læs mereOrdbog om effektma ling
Ordbog om effektma ling Indhold Allokering... 2 Andre forskningsdesign med kontrolgruppe... 2 Andre forskningsdesign uden kontrolgruppe... 2 Campbell-samarbejdet... 3 Dokumentation... 3 Effektmåling...
Læs mereLineær regression. Simpel regression. Model. ofte bruges følgende notation:
Lineær regression Simpel regression Model Y i X i i ofte bruges følgende notation: Y i 0 1 X 1i i n i 1 i 0 Findes der en linie, der passer bedst? Metode - Generel! least squares (mindste kvadrater) til
Læs mereOversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse
Læs mereHvordan isolerer vi sammenhængen mellem indsats og resultat? Propensity score matching som metode til effektevaluering
Hvordan isolerer vi sammenhængen mellem indsats og resultat? Propensity score matching som metode til effektevaluering Niels Matti Søndergaard Metodekonsulent Danmarks Evalueringsinstitut (EVA) Rasmus
Læs mereLongitudinale undersøgelser:
Longitudinale undersøgelser: - tiden som variabel Lektor Sanne Lund Clement, Institut for Statskundskab, AAU E-mail: clement@dps.aau.dk Selskab for Surveyforskning, 2. marts 2017 A A L B O R G U N I V
Læs mereLykken er så lunefuld Om måling af lykke og tilfredshed med livet, med fokus på sprogets betydning
Lykken er så lunefuld Om måling af lykke og tilfredshed med livet, med fokus på sprogets betydning Jørgen Goul Andersen (email: goul@ps.au.dk) & Henrik Lolle (email: lolle@dps.aau.dk) Måling af lykke eksploderer!
Læs mereForelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
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 mereStatistik og Sandsynlighedsregning 2. IH kapitel 12. Overheads til forelæsninger, mandag 6. uge
Statistik og Sandsynlighedsregning 2 IH kapitel 12 Overheads til forelæsninger, mandag 6. uge 1 Fordelingen af én (1): Regressionsanalyse udfaldsvariabel responsvariabel afhængig variabel Y variabel 2
Læs mereEksperimenter. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Eksperimenter Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Epidemiologiske studier Observerende studier beskrivende (populationer) regional variation migrations
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 mereModule 12: Mere om variansanalyse
Module 12: Mere om variansanalyse 12.1 Parreded observationer.................. 1 12.2 Faktor med 2 niveauer (0-1 variabel)......... 3 12.3 Tosidig variansanalyse med tilfældig virkning..... 9 12.3.1 Uafhængighedsbetragtninger..........
Læs mereArtikler
1 af 5 09/06/2017 13.54 Artikler 25 artikler. viden Generel definition: overbevisning, der gennem en eksplicit eller implicit begrundelse er sandsynliggjort sand dokumentation Generel definition: information,
Læs mereVidensbegreber vidensproduktion dokumentation, der er målrettet mod at frembringer viden
Mar 18 2011 12:42:04 - Helle Wittrup-Jensen 25 artikler. Generelle begreber dokumentation information, der indsamles og organiseres med henblik på nyttiggørelse eller bevisførelse Dokumentation af en sag,
Læs mereDynamisk statistisk modellering af vedligeholdelsesbehandling af børn med akut lymfoblastær leukæmi
Dynamisk statistisk modellering af vedligeholdelsesbehandling af børn med akut lymfoblastær leukæmi Susanne Rosthøj 2. oktober 2009 Akut Lymfoblastær Leukæmi (ALL) Årlig forekomst på ca 35 tilfælde i Danmark.
Læs mereHvordan måler man læring?
Hvordan måler man læring? Effektmåling på e-læring i smertebehandling Jacob Brauner, evalueringskonsulent, Region Hovedstaden Hvordan måler man læring? Jacob Brauner Jørgensen, evalueringskonsulent, 1
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 mereStatistik II 1. Lektion. Analyse af kontingenstabeller
Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression
Læs mereAppendix 1: Interview guide Maria og Kristian Lundgaard-Karlshøj, Ausumgaard
Appendix 1: Interview guide Maria og Kristian Lundgaard-Karlshøj, Ausumgaard Fortæl om Ausumgaard s historie Der er hele tiden snak om værdier, men hvad er det for nogle værdier? uddyb forklar definer
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 mereAppendices. Appendix 2: Questionnaire in StudSurvey. Appendix 3: Text presenting the electronic questionnaire. Appendix 4: Outputs from regressions
Appendices Appendix 1: Print screen of WEB-DIRECT Appendix 2: Questionnaire in StudSurvey Appendix 3: Text presenting the electronic questionnaire Appendix 4: Outputs from regressions StudSurvey http://studsurvey.asb.dk/nsurveyadmin/surveycontentbuilder.aspx?surv...
Læs mereVi rafler om førtidspensionerne! Oplæg til Dansk Selskab for Arbejds- og Miljømedicin (DASAM) i Nyborg, den 10. marts 2016 Steen Bengtsson
Vi rafler om førtidspensionerne! Oplæg til Dansk Selskab for Arbejds- og Miljømedicin (DASAM) i Nyborg, den 10. marts 2016 Steen Bengtsson Det kontrollerede forsøg Forsøg Placebo Måling 2 Sammenligning
Læs mereStatistik for MPH: oktober Attributable risk, bestemmelse af stikprøvestørrelse (Silva: , )
Statistik for MPH: 7 29. oktober 2015 www.biostat.ku.dk/~pka/mph15 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
Læs mereERHVERVSØKONOMI & VIDENSKABSTEORI
Københavns Universitet, 27.11.14 Fagets Videnskabsteori i går, i dag, i morgen ERHVERVSØKONOMI & VIDENSKABSTEORI Christian T. Lystbæk 2 Kurserne [i Fagets Videnskabsteori] skal tilrettelægges på det enkelte
Læs mereUndersøgelse af kausalitet
Undersøgelse af kausalitet Arrangement i Selskab for Surveyforskning den 8. november 2012 Indledning ved Henrik Lauridsen Lolle Aalborg Universitet 08-11-2012 Kausalitet i surveyforskning - Indledning
Læs mereForskningsprojekt og akademisk formidling - 13. Formulering af forskningsspørgsmål
+ Forskningsprojekt og akademisk formidling - 13 Formulering af forskningsspørgsmål + Læringsmål Formulere det gode forskningsspørgsmål Forstå hvordan det hænger sammen med problemformulering og formålserklæring/motivation
Læs mereBILAG 2 METODE OG FORSK- NINGSDESIGN
Til Undervisningsministeriet Dokumenttype Bilag Dato Marts 2014 BILAG 2 METODE OG FORSK- NINGSDESIGN BILAG 2 METODE OG FORSKNINGSDESIGN INDHOLD 1. Design- og metodebilag 1 1.1 Forskningsdesign 1 1.2 Analysemetoder
Læs mereIndivider er ikke selv ansvarlige for deres livsstilssygdomme
Individer er ikke selv ansvarlige for deres livsstilssygdomme Baggrunden Både i akademisk litteratur og i offentligheden bliver spørgsmål om eget ansvar for sundhed stadig mere diskuteret. I takt med,
Læs mereAarhus Universitet 5. februar Meddelelse 2
fdeling for Teoretisk Statistik IOSTTISTIK Institut for Matematiske Fag Preben læsild arhus Universitet 5. februar 2003 Meddelelse 2 Forelæsningerne i uge 6 (3-7.2) Ved forelæsningen den 4.2 gav Frank
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 mereReventlow Lille Skole
1 Reventlow Lille Skole - så kan du lære det! Engelsk 3.-4. Der vil mundtlig primært blive arbejdet ud fra clio portalen skriftligt arejder vi enten med pirana eller lets do it. Måned Uge nr. Forløb Antal
Læs mereStatistisk modellering og regressionsanalyse
Statistisk modellering og regressionsanalyse Claus Thorn Ekstrøm KU Biostatistik ekstrom@sund.ku.dk Oktober 25, 2018 Slides @ biostatistics.dk/talks/ 1 2 Hvad er statistik? Statistics is a science, not
Læs mereKursus 02323: Introducerende Statistik. Forelæsning 12: Forsøgsplanlægning. Peder Bacher
Kursus 02323: Introducerende Statistik Forelæsning 12: Forsøgsplanlægning Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
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 mereGenerelt om faget: (Eventuelle kommentarer til højre) - Givet målbeskrivelsen ovenfor, hvordan vurderer du så pensum?
Generelt om faget: (Eventuelle kommentarer til højre) - Givet målbeskrivelsen ovenfor, hvordan vurderer du så pensum? Meget Godt 4 20,0% Godt 12 60,0% Gennemsnitligt 4 20,0% Dårligt 0 0,0% Meget Dårligt
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 mereALTERNATIVER TIL RANDOMISEREDE KONTROLLEREDE FORSØG: Mikro-økonometriske metoder. Jan Høgelund
ALTERNATIVER TIL RANDOMISEREDE KONTROLLEREDE FORSØG: Mikro-økonometriske metoder Jan Høgelund INDHOLD Introduktion Skitsering af udvalgte metoder med eksempler, styrker og svagheder Regressionsanalyse
Læs mereAktører II: Eliter. Erik Gahner Larsen. Offentlig politik
Aktører II: Eliter Erik Gahner Larsen Offentlig politik 1 / 30 Eksamen Arbejder på ekstra vejledning Intet er fastlagt endnu Dato for reeksamen Mandag den 27. februar Aflevering, hjemmeopgave kl. 12.00
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 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 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 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 mereSkriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM58) Institut for Matematik og Datalogi Syddansk Universitet, Odense Torsdag den 1. januar 01 kl. 9 13 Alle sædvanlige hjælpemidler
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 mereKombinationer af lande- og individdata. Multilevel analyse.
Kombinationer af lande- og individdata Multilevel analyse No 1 of 27 Kombinationer af lande- og individdata Multilevel analyse Henrik Lolle Indlæg ved arrangement i Selskab for Surveyforskning: Kunsten
Læs mereBILAG 2 METODE OG FORSKNINGSDESIGN
Til Undervisningsministeriet Dokumenttype Bilag Dato August 2014 BILAG 2 METODE OG FORSKNINGSDESIGN BILAG 2 FORSKNINGSDESIGN INDHOLD 1. Design- og metodebilag 1 1.1 Forskningsdesign 1 1.2 Analysemetoder
Læs mereLedelse & Organisation/KLEO Udviklingsforløb for skoleledelser og forvaltning i Albertslund
Udviklingsforløb for skoleledelser og forvaltning i Albertslund 2015 2016 3. temadag 15. december 2015 https://ucc.dk/konsulentydelser/ledelse/skoleledelse/ materialer-til-forloeb/albertslund-kommune Ledelsesforløb
Læs merePR day 7. Image+identity+profile=branding
PR day 7 Image+identity+profile=branding A few definitions Public Relations is the planned and sustained effort to establish and maintain goodwill and understanding between an organisation and it s public.
Læs mereKommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993.
Kommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993. 1. Det anføres, at OR for maorier vs. ikke-maorier er 3.81.
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 mereDean's Challenge 16.november 2016
O Dean's Challenge 16.november 2016 The pitch proces..with or without slides Create and Practice a Convincing pitch Support it with Slides (if allowed) We help entrepreneurs create, train and improve their
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 mereStudie som opfølgning på valget til Europa-Parlamentet 2014 STUDIE SOM OPFØLGNING PÅ VALGET TIL EUROPA- PARLAMENTET 2014
Directorate-General for Communication PUBLIC OPINION MONITORING UNIT Brussels, October 2014 Studie som opfølgning på valget til Europa-Parlamentet 2014 STUDIE SOM OPFØLGNING PÅ VALGET TIL EUROPA- PARLAMENTET
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 mereFORSKNINGSMÆSSIGE VIDEN OM ANBRINGELSER AF BØRN OG UNGE HVAD VISER REGISTERDATA?
30 Maj 2017, Oplæg ved Socialstyrelsens temaseminar i partnerskabsnetværket FORSKNINGSMÆSSIGE VIDEN OM ANBRINGELSER AF BØRN OG UNGE HVAD VISER REGISTERDATA? 2 DET VIL JEG SNAKKE OM: 1 Det kontrafaktiske
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 mereAT-1. Oktober 09 + December 10 + November 11. CL+JW. Stenhus. side 1/5
AT-1. Oktober 09 + December 10 + November 11. CL+JW. Stenhus. side 1/5 1. 2. 3. 4. AT-1. Metodemæssig baggrund. Oktober 09. (NB: Til inspiration da disse papirer har været anvendt i gamle AT-forløb med
Læs mereMindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning
1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3
Læs mereINTRODUKTION TIL SAMFUNDSVIDENSKABEN MATHILDE CECCHINI PH.D.-STUDERENDE 30. MARTS 2017
INTRODUKTION TIL SAMFUNDSVIDENSKABEN DAGENS PROGRAM Velkomst og introduktion Introduktion til samfundsvidenskabelig metode Introduktion til tre samfundsvidenskabelige forskningsprojekter Aftensmad Workshops
Læs mereUdarbejdelse af kliniske retningslinjer: Systematisk og kritisk læsning
Udarbejdelse af kliniske retningslinjer: Systematisk og kritisk læsning Anden del: systematisk og kritisk læsning DMCG-PAL, 8. april 2010 Annette de Thurah Sygeplejerske, MPH, ph.d. Århus Universitetshospital
Læs mereØkonometri: Lektion 5. Multipel Lineær Regression: Interaktion, log-transformerede data, kategoriske forklarende variable, modelkontrol
Økonometri: Lektion 5 Multipel Lineær Regression: Interaktion, log-transformerede data, kategoriske forklarende variable, modelkontrol 1 / 35 Veksekvirkning: Motivation Vi har set på modeller som Price
Læs mere