Behöver du hjälp med SPSS och statistik?

Behöver du hjälp med SPSS och statistik? Kontakta oss idag för offert eller genom att lämna en kommentar här.
Läs här hur hjälpen går till!

Advertisements

Erbjuder hjälp med statistisk analys och SPSS

Statistik är ett ämne som tar tid att lära sig att arbeta med. Att i samband med uppsatsskrivande genomföra statistiska analyser har blivit ett av de mest utmanande åtagandena en student kan föreställa sig. Samtidigt lämnar metodkurserna i detta ämne mycket övrigt att önska. Erfarenheten visar att många studenter varken får nödvändiga kunskaper i statistik eller hur man bearbetar och analyserar data med hjälp av en statistisk programvara. För att fylla denna lucka finns vi här för dig om du behöver hjälp med statistisk dataanalys. Vare sig det gäller en kandidatuppsats eller ett avhandlingsarbete har vi erfarenhet från de flesta statistiska analysmetoder. Vi arbetar i ett av de ledande statistikprogrammen, SPSS och är experter inom kvantitativa metoder (statistik) för psykologi, sociologi, medicin/omvårdnad och ekonomi.

Hur går hjälpen till?

  • Hjälpen sker uteslutande på distans
  • Kommunikationen sker via e-mail
  • Bifoga ditt datamaterial. Se till att ha en välordnad datafil med lämpliga variabelnamn. Beskriv vad du vill analysera och vilka samband du är ute efter att finna. Använd variabelnamn så som du namngivit dem i SPSS när du beskriver vilka variabler som är av relevans för analysen.
  • När analysen är färdig förklarar vi i en rapport, steg för steg, hur spss-tabellerna ska tolkas.

Ex 1. Vi vill studera samband mellan hemmvarande barn och hur män respektive kvinnor upplever stress på jobbet.

Beroende variabel: Stress på jobbet (variabeln heter Stress_jobb i SPSS)

Oberoende variabel: Kön (variabeln heter Kon i SPSS)

Arbetsgången bör alltid utgå från att det först finns en tydlig frågeställning som är kopplad till syftet med projektet. Se därför till att ha tydliga och välavgränsade frågeställningar.



Ex 2. Vilka faktorer påverkar lönen?

Beroende variabel: lön (variabeln heter ln_lon i SPSS)

Oberoende variaber: Kön (variabeln heter Kon i SPSS),antal år i anställning (Anst_Ar), utbildningsnivå (Utb_niva), sektor (Sektor_Kod)


Hur mycket kostar det att få hjälp?

250 kr/timme. Ett normalt uppdrag tar 4-6 timmar att genomföra.
Enskilda frågor (vilket test ska jag använda eller hur gör jag i SPSS) som inte leder till ett uppdragsåtagande kostar 80 kr/fråga.

Kontakta oss idag för offert eller genom att lämna en kommentar här.

Erbjuder hjälp med statistisk analys och SPSS

Statistik är ett ämne som tar tid att lära sig att arbeta med. Att i samband med uppsatsskrivande genomföra statistiska analyser har blivit ett av de mest utmanande åtagandena en student kan föreställa sig. Samtidigt lämnar metodkurserna i detta ämne mycket övrigt att önska. Erfarenheten visar att många studenter varken får nödvändiga kunskaper i statistik eller hur man bearbetar och analyserar data med hjälp av en statistisk programvara. För att fylla denna lucka finns vi här för dig om du behöver hjälp med statistisk dataanalys. Vare sig det gäller en kandidatuppsats eller ett avhandlingsarbete har vi erfarenhet från de flesta statistiska analysmetoder. Vi arbetar i ett av de ledande statistikprogrammen, SPSS och är experter inom kvantitativa metoder (statistik) för psykologi, sociologi, medicin/omvårdnad och ekonomi.

Hur går hjälpen till?

  • Hjälpen sker uteslutande på distans
  • Kommunikationen sker via e-mail eller msn
  • Bifoga ditt datamaterial. Se till att ha en välordnad datafil med lämpliga variabelnamn. Beskriv vad du vill analysera och vilka samband du är ute efter att finna. Använd variabelnamn så som du namngivit dem i SPSS när du beskriver vilka variabler som är av relevans för analysen.
  • När analysen är färdig förklarar vi i en rapport, steg för steg, hur spss-tabellerna ska tolkas.

Ex 1. Vi vill studera samband mellan hemmvarande barn och hur män respektive kvinnor upplever stress på jobbet.

Beroende variabel: Stress på jobbet (variabeln heter Stress_jobb i SPSS)

Oberoende variabel: Kön (variabeln heter Kon i SPSS)

Arbetsgången bör alltid utgå från att det först finns en tydlig frågeställning som är kopplad till syftet med projektet. Se därför till att ha tydliga och välavgränsade frågeställningar.



Ex 2. Vilka faktorer påverkar lönen?

Beroende variabel: lön (variabeln heter ln_lon i SPSS)

Oberoende variaber: Kön (variabeln heter Kon i SPSS),antal år i anställning (Anst_Ar), utbildningsnivå (Utb_niva), sektor (Sektor_Kod)


Hur mycket kostar det att få hjälp?

250 kr/timme. Ett normalt uppdrag tar 4-6 timmar att genomföra.
Enskilda frågor (vilket test ska jag använda eller hur gör jag i SPSS) som inte leder till ett uppdragsåtagande kostar 80 kr/fråga.

Kontakta oss idag för offert eller genom att lämna en kommentar här.

 

 

Val av statistisk metod vid analys av skillnad mellan två variabler

Det finns olika typer av forskningsfrågor. Det är vanligt att forskningsfrågor uttrycks som skillnad i någonting; t.ex.  “Är det någon skillnad i kvinnors och mäns sömnbesvär?”

I detta exempel har vi två variabler; sömnbesvär (y) och kön (x). Nedanstående tabell är en sammanställning över vilka statistiska test som är möjliga att genomföra givet två variabler där man önskar undersöka om det existerar skillnader.

val av statistisk metod-skillnad i 2 variabler

Behöver du hjälp med statistisk analys eller SPSS?
Klicka här för mer information

Transformera variabler i SPSS

Om variablerna inte uppfyller kraven (oftast normalfördelningskravet) för det test vi önskar genomföra kan en bra idé vara att transformera variablerna. Vanliga transformationer inklusive syntax i SPSS för dessa redogörs härnäst.

Vill man inte använda syntax kan motsvarande uträkningar göras i Transform–>Compute

Behöver du hjälp med statistisk analys eller SPSS?
Klicka här för mer information

Fördelning Transformation SPSS Syntax
Negativt skevfördelad variabel X2 VAR=(X)**2
X3 VAR =(X)**3
Positivt skevfördelad variabel Log X VAR =LG10(X)
 √X VAR =SQRT(X)
1/X VAR = (1/X)
1/X2 VAR=(1/X)**2

Bedömning av datakvalitet (att handskas med outliers)

Ofta stöter man på s.k. outliers i sitt datamaterial. En vanlig fråga är hur man ska handskas med dessa.

Det första man måste fråga sig är varför outliern existerar. Kanske har man matat in ett värde felaktigt; istället för “2” har man skrivit “22”. Det kan vara en bra idé att i förväg skapa en kodningsmall så att man vet att variabeln ifråga inte kan anta vissa värden. Har man en Likert-variabel med skalan 1-7, så är det omöjligt att man då får värdet 22. Här är det uppenbart att man skrivit/matat in fel.

I andra fall är kodningen korrekt gjord, men man har fortfarande outliers. Detta betyder dock inte att man per automatik ska ta bort dessa. Det kanske finns en teoretisk förklaring till varför outliern existerar. Istället kan man skapa en ny kolumn/variabel där man kategoriserar observationer/individer efter om de tillhör kategorin  “outlier” eller “icke-outlier”. Därfter kan man testa om det finns någon skillnad i hur respondenterna svarat. Detta förfarande förutsätter dock att man har relativt många outliers; säg >15.

Om man vill minska en outliers påverkan finns tre möjliga metoder att tillgå:

1. Ta bort outliern–>fungerar bra om man har få outliers

2. Transformera värdet–> byt värde på outliern genom att tilldela den det “högsta/lägsta” icke-outliervärdet. Om du har en skala från 1-100 och har två outliers (98 och 99) och det högsta icke-outliervärdet är 90, så kan du ersätta 98 och 99 med värdet 90.

3. Transformera variabeln–> ofta använder man den naturliga logaritmen, ln. Variabeln blir då mer normalfördelad. Glöm dock inte att logaritmerade måste värden måste transformeras tillbaka till originalskala för att kunna tolkas.

Behöver du hjälp med statistisk analys eller SPSS?
Klicka här för mer information

Korrelationsanalys (inte samma sak som kausalitet)

En vanlig missuppfattning när man analyserar samband mellan två variabler är att man uttycker sig i termer av samband; dvs. x påverkar y. Detta är givetvis helt tokigt.

En (bivariat)korrelation mäter endast graden av linjär association mellan två variabler; den säger ingenting om att den ena orsakar den andra, dvs. kausalitet. Man bör istället uttrycka sig i termer av “samvariation” och inget annat. I själva verket kan en signifikant korrelation vara ett skensamband (spurious correlation). Skensamband uppstår när det finns ytterligare en variabel som påverkar både y-variabeln och den påtänkta x-variabeln.

EXEMPEL:
En amerikansk forskare hittade en stark positiv korrelation mellan glassförsäljning och antal mord. Innebär detta då att en ökad glassförsäljning leder till fler mord?
Givetvis inte.
Kanske påverkas de båda variablerna av årssäsong? Det begås fler mord på sommaren än vintern?

Detta kan kontrolleras genom en partiell korrelationsanalys. Med hjälp av partiell korrelationsanalys kan man kontrollera effekten av en bakomliggande variabel som kan tänkas påverka det egentliga sambandet.

Behöver du hjälp med statistisk analys eller SPSS?
Klicka här för mer information