Metodeguidens
Integrerte
Software for
Statistikk og
Innsikt
1. Introduksjon
MISSI er utviklet for å tilby robuste, brukervennlige og transparente statistiske analyser direkte i nettleseren din. Alle analyser er testet og validert mot resultater fra SPSS, slik at du kan være trygg på at analysene dine holder høy faglig standard. Ved tilfeller der små avvik kan oppstå (f.eks. pga. numerisk avrunding eller forskjeller i metodevalg), vil du få informasjon om dette i verktøyet eller tilhørende dokumentasjon som du finner nederst på siden. Dersom du har spørsmål, tilbakemeldinger eller forslag til videreutvikling, er du velkommen til å kontakte oss via «Kontakt»-siden.
Dersom du ønsker å henvise til MISSI i dine arbeider, kan du bruke et av følgende forslag:
"MISSI (v. 1.0, Metodeguiden.com)"
"Statistiske analyser ble gjennomført ved hjelp av MISSI, en web-basert kalkulator (v. 1.0, Metodeguiden.com)."
Det er ingen krav om kildehenvisning fra Metodeguidens side, men for transparens er det alltid nyttig å henvise til hvor og hvordan man har kommet frem til resultatene sine. Slik som andre statistiske programmer vil også MISSI gi resultater som ikke alltid er identisk med andre og det er da gunstig å kunne vise til hvor tallene kommer fra. I dokumentasjonen kan du lese mer om verktøyets modeller og metodevalg.
2. Brukermanual
De statistiske testene i MeGuSta ligger i en meny på venstre side av programmet, sortert etter kategori. Alle verktøyene fungerer ved at du enten skriver inn tall eller limer inn dine kolonner med data rett fra ExCel. Deretter kan du kjøre analysene og hente ut de relevante resultatene. MeGuSta er designet for å kreve minst mulig forkunnskaper, så verktøyene oppgir bare de dataene som er mest relevant for analysen. Statistikksoftware som SPSS vil gi deg en rekke flere resultater, noe som kan være verdifullt i noen sammenhenger, men som for mange bare vil være forstyrrende.
Når det gjelder innliming av data, kan MeGuSta foreløbig håndtere både punktum (engelsk - 1.23) og komma (norsk - 1,23) for desimaler. I felt hvor enkeltverdier skal skrives inn heller enn å limes inn, må du benytte punktum for desimaler.
Under følger en kort intro til statistisk analyse i MeGuSta, før du kan lese mer om hvert enkelt verktøy nedenfor.
2.1. Start
Å bruke MISSI er enkelt, men det lønner seg å starte med et ryddig datasett og en klar plan. Her er en steg-for-steg-guide for nybegynnere:
Steg 1: Forbered dataene dine i Excel
-
Sett opp dataene: Åpne Excel eller et annet regnearkprogram og skriv inn målingene dine. Hver kolonne bør være en variabel eller gruppe (f.eks. "Gruppe 1", "Gruppe 2", "Pre", "Post").
-
Hver rad bør representere 1 person.
-
Rydd opp: Fjern tomme celler, tekst eller ugyldige tegn i kolonnene du vil analysere.
-
Verktøyet kan hjelpe deg å identifisere feil eller tomme celler under "Dataverktøy".
-
-
Last opp datasettet: Knappen "Velg fil" oppe til venstre lar deg laste opp et datasett og velge hvilket art du ønsker å analysere. (Merk: all data lagres kun lokalt og vil aldri "forlate" din PC når du bruker MISSI).
Steg 2: Start med enkle analyser
-
Gå til MISSI i nettleseren, last opp en fil og velg et verktøy fra menyen til høyre.
-
Velg data for analyser: Hvert verktøy lar deg velge hvilken kolonne eller kolonner du ønsker å analysere og henter kolonnenavnene automatisk fra datasettet.
-
Start gjerne med normalitetstester, deskriptiv statistikk eller figurer for å bli kjent med datasettet ditt.
-
Steg 3: Gå videre med analyser
-
Sammenlign grupper: Har du to grupper? Prøv "Uavhengig T-test" (normalfordelte data) eller "Mann-Whitney U" (ikke normalfordelte). For tre eller flere grupper, bruk "1-veis ANOVA" for normalfordelte data eller "Kruskal-Wallis" som er ikke-parametrisk alternativ.
-
Undersøk sammenhenger: Gå til "Korrelasjon" og velg "Pearson’s r" (normalfordelte data) eller "Spearman’s rho" (ikke normalfordelte) for å se om to variabler henger sammen.
Verktøy
Foreløbig tilbyr MISSI følgende analyser i tillegg til figurer og dataverktøy:
Deskriptiv statistikk
-
Gjennomsnitt
-
Standardavvik
-
Median
-
Minste verdi
-
Høyeste verdi
-
Range (Mellom høyeste og laveste verdi)
-
95% konfidensintervall (95% CI)
-
Interkvartilområde (IQR)
-
Varians
Sammenheng
-
Pearson's r: Lineær sammenheng mellom to variabler.
-
Spearman's rho: Test for både lineære og ikke-lineære monotone sammenhenger (ikke-parametrisk)
-
ineær regresjon: Viser hvordan én variabel kan forutsi en annen.
Forskjell
-
Parret t-test: Forskjell mellom to kolonner for samme utvalg (f.eks. pre-post).
-
Repeterte målinger ANOVA: Forskjell mellom 3 eller flere målinger for samme utvalg (gruppe).
-
Uavhengig T-test: Forskjell mellom to grupper i samme kolonne (f.eks. intervensjon og kontroll).
-
Enveis ANOVA: Forskjell mellom 3 eller flere grupper i én måling.
-
ANCOVA: Analyse av kovarians - forskjell mellom grupper på ett tidspunkt, justert for ett kovariat.
-
Toveis ANOVA: Justering for to faktorer på én utfallsvariabel.*
-
Mixed ANOVA: Forskjell mellom grupper i repeterte målinger.*
-
Wilcoxon signed-rank: Ikke-parametrisk alternativ til parret t-test.
-
Friedman: Ikke-parametrisk alternativ til repeterte målinger ANOVA.
-
Mann-Whitney U: Ikke-parametrisk alternativ til uavhengig t-test.
-
Kruskal-Wallis: Ikke-parametrisk alternativ til enveis ANOVA.
* resultater i disse analysene vil variere fra SPSS for noen datasett grunnet andre metodiske valg. Merk at forskjeller skyldes bevisste valg og ikke feil. Se dokumentasjonen for formler og beregnigner.
Normalfordeling og skjevhet
-
Skjevhet: Måler om dataene heller mot venstre (negativ) eller høyre (positiv).
-
Kurtose: Beskriver hvor “spiss” eller flat fordelingen er.
-
Kolmogorov-Smirnov D: Sammenligner dataenes fordeling mot en perfekt normalfordeling.*
-
D’Agostino–Pearson K²: Kombinerer skjevhet og kurtose i én samlet test for normalfordeling.
*Resultater for Kolmogorov-Smirnov D vil være grove tilnærminger og bør brukes sammen med flere analyser eller visuelle vurderinger av histogram og/elelr Q-Q-plot.
Planlegging og design
-
Konvertering av effektstørrelser: Konvertere ulike data til standardiserte mål som f.eks. Cohen’s d.
-
Poweranalyse: Estimerer hvor mange deltagere som trengs for å identifisere en effekt/forskjell.
-
Minimal detectable difference (MDD): Hvor stor forskjell studien kan oppdage med angitt α og power.
-
Intention to treat: Analyser for frafall, gyldige data, imputasjon og sammenligning av fullførte vs. dropouts.
Risiko og effekt
-
Odds ratio og relativ risiko: Brukes for å sammenligne sannsynlighet/odds for et utfall mellom to grupper.
-
Sensitivitet og spesifisitet: Brukes til å vurdere hvor godt en test klarer å skille mellom personer med og uten en tilstand
-
Positiv og negativ prediktiv verdi: Sannsynligheten for korrekt utfall av en test.
-
Number needed to treat: Hvor mange personer må få en behandling for at én person skal få en effekt.
Reliabilitet
-
ICC: Intra-class correlation. Overensstemmelse mellom målinger eller vurderere.
-
CV: Coefficient og variation. Måler variasjonen i et datasett i forhold til gjennomsnittet
-
Cronbachs Alpha: Hvor godt flere spørsmål eller målinger henger sammen og måler det samme.
Dokumentasjon - forklaring av modeller, beregninger og metodevalg i MISSI.
