Utgangspunkt

    Datamaskinen tar i mot alle tall vi gir den, og gjør hva vi ber om. Vi må derfor planlegge, og vi må vite hva vi gjør. Garbage in, garbage out. Noen momenter:

    • Hva kan du gjøre med dataene du har? Start med en eksempelfil slik at du ser hvordan dataene er organisert i datafilen. Hva du kan gjøre med dine data, avhenger selvsagt av hva slags data du har.

    • Hva vil du gjøre? Statistikkprogrammet kan gjøre flere typer analyser. Viktige eksempler er:
      • Beskrive, oppsummere (f.eks. i tabell) data fra et utvalg
      • Teste hypoteser (dvs. prediksjoner) om data, f.eks. gruppeforskjeller
      • Gjøre eksplorerende analyser i data for å avdekke mønstre eller strukturer

    • Dataanalyser med et statistikkprogram er et av flere ledd i forskningsprosessen. Det er ikke dataanalysene som gjør prosessen til en forskningsprosess

    • Det å "bruke et statistikkprogram" krever en forståelse av hva man gjør. Det er ikke noe i veien for å prøve seg frem på eksempler, men man kommer ikke langt uten en forståelse av det statistiske grunnlaget for de analyser man gjennomfører. Statistikkprogrammet er et redskap, og som ellers er må redskapet brukes med vett

    • Det er viktig å skille mellom resultater og funn. Resultatene fremkommer som en mekanisk (men ofte kompleks) regneoperasjon på de tallene vi legger inn i statistikkprogrammet; funn er vår tolkning av resultatene. F.eks. kan vi beregne samvariasjonen (korrelasjonen) mellom helse og inntekt ("vi fant en korrelasjon på 0,46 mellom disse variablene"), men hva dette betyr kan ikke statistikkprogrammet fortelle oss

    • Statistisk signifikans sier noe om et resultat er reliabelt (ville man fått samme resultat om man hadde gjennomført undersøkelsen på et annet utvalg fra samme populasjon?), ikke hvor interessant det er

    • Mange analyser bygger på bestemte forutsetninger. Dette kan angå målenivå, det kan angå krav om normalfordeling, osv.

    • En grafisk fremstilling av resultatene kan ofte være informativ.

    Tilbake