Introduktion

Kost och fotboll (Balsom et al. 1997) Sex manliga fotbollsspelare. Medelålder 24 år. Smålagsspel 4 mot 4 inomhus i 90 minuter. Två tillfällen med minst en veckas mellanrum. I varje match två testpersoner, en från varje lag. (Totalt sex matcher).

Varje match filmades och analyserades av tränad observatör. Observatören kände inte till förutsättningarna inför varje match. 48 timmar före match genomförde testpersonerna en standardiserad intermittent löpning för att reducera glykogendepåerna. Under följande 48 timmar tilldelades varje tesperson ett kostprogram som vid ena tillfället var kolhydratrikt och vid det andra tillfället kolhydratfattigt.

Inför varje match togs en muskelbiopsi från yttre breda lårmuskeln. Glykogenkoncentrationen var signifikant högre då spelarna ätit den kolhydratrika kosten. Resultaten från rörelseanalysen visade att tiden för högintensivt arbete och press var signifikant (p<0.05) lägre under matchen som förbereddes med kolhydratfattig kost.

I. Statistiska undersökningar Ett gemensamt syfte för alla undersökningar är att få ökad kunskap om ett visst problemområde Det kanske viktigaste sättet att skaffa sig sådan kunskap är genom observationer Inom statistikteorin studeras –hur observationer samlas in –hur observationer analyseras –hur slutsatser kan dras från observationer

Deskriptiva och analytiska undersökningar Vid en deskriptiv eller beskrivande undersökning försöker man att, med hjälp av ett insamlat datamaterial, beskriva ett förhållande eller ett faktiskt händelseförlopp.

Vid en analytisk eller förklarande undersökning försöker man klarlägga orsakssamband och förklara varför verkligheten ser ut som den gör.

När man studerar förlopp över tiden vill man ibland göra förutsägelser om framtiden, sk prognoser. Till grund för en prognos kan ligga antingen en deskriptiv eller en analytisk undersökning. Det senare är dock i regel att föredra eftersom man då även har en teori om vilka mekanismer som styr händelseförloppet.

En statistisk undersöknings olika steg (i grova drag) Problemformulering Planering Datainsamling Analys Rapportering

Planering av en undersökning Vid planering bestämmer man sig bl.a. för: –Vilka data som skall samlas in –Hur dessa data skall samlas in, dvs. val av datainsamlingsmetod Totalundersökning eller urvalsundersökning Typ av urval vid urvalsundersökning Val av mätmetod och mätinstrument. –Hur eventuellt bortfall skall hanteras –Hur data skall analyseras –Hur resultatet skall redovisas

II. Databildning

Introduktion Den process som har till uppgift att producera de data som kunskapsbildningen behöver kallar vi databildning

Datainsamlingen måste var anpassad till den teori man har om problemområdet Teorier om dataanalys påverkar mätinstrumentets utformning och konstruktion

Experimentella och icke- experimentella undersökningar Experimentella undersökningar: –Behandling. Försöksenheterna utsätts för vissa behandlingar i avsikt att studera effekten av dessa behandlingar –Upprepbarhet. Experimentet kan upprepas ett önskat antal gånger –Randomisering. Försöksenheterna fördelas slumpmässigt på olika behandlingar

–Kontroll. Försöksbetingelserna kan i allmänhet kontrolleras och konstanthållas, eller åtminstone löpande registreras. –Dubbelblinda försök. Då försöksenheterna är människor vet i regel varken försökspersonen eller den som ger behandlingen vilken behandling försökspersonen får.

Ickeexperimentella undersökningar, observationsundersökningar. –Undersökningsenheter eller händelseförlopp påverkas ej på något sätt. –Behandlingarna i den experimentella studien ersätts av passivt observerande.

Experimentella studier I regel att föredra om man vill undersöka effekten av någon förklaringsvariabel på någon responsvariabel, eftersom det med en icke-experimentell ansats kan vara svårt att särskilja effekten av förklaringsvariabeln från effekter av andra faktorer

Randomisering Randomisering innebär att slumpen avgör vilken behandling en undersökningsenhet tilldelas Genom randomisering undviks systematiska fel Randomisering medför att effekten av en eventuell behandling med hög grad av säkerhet och precision kan fastställas med hjälp av statistikteori

Generaliserbarhet Ett problem vid experimentella studier är att undersökningsenheterna inte alltid är slumpmässigt utvalda ur någon väldefinierad population och att därför de resultat som erhålls, i strikt mening, endast gäller för de som ingår i försöket I sådana fall måste generaliseringar utöver undersökningsenheterna bygga på icke- statistiska argument

Brist på realism Försöken utförs ibland i en miljö som ej är verklig. Detta innebär också ett generaliseringsproblem. Det är inte säkert att en individ reagerar likadant i ett laboratorium som i ”verkligheten”.

Urvalsundersökningar Varför urvalsundersökning i stället för totalundersökning? –Billigare –Snabbare –Bättre mätning –Praktiskt omöjligt med totalundersökning då populationen är mycket stor eller oändlig –Förstörande prov

Olika typer av urval Lättåtkomliga element Frivilliga svar Frivilliga försökspersoner Sannolikhetsurval

Urvalsenheterna väljs med hjälp av någon slumpmekanism För varje enhet är sannolikheten för att inkluderas i urvalet känd

Med sannolikhetsurval kan man... ge objektiva mått på undersökningsresultatens precision utforma en teori för effektiv undersökningsplanering på förhand göra objektiva jämförelser mellan olika urvalsplaner på förhand uppskatta erforderliga urvalsstorlekar för att uppnå önskad precision

Obundet slumpmässigt urval Vid varje dragning av en enhet har de i populationen kvarvarande enheterna samma sannolikhet att bli valda Vid OSU av n enheter har alla möjliga kombinationer av n enheter samma chans att bli valda

Stratifierat urval Populationen delas in i strata och ett OSU dras ur varje stratum Skäl: –Om resultatet skall redovisas för varje stratum kan urvalsstorlekarna för varje stratum avpassas så att önskade precisionskrav uppfylles.

–Skattningar av populationsparametrar (t.ex. populationsmedelvärdet) kan ibland göras med bättre precision än vid ett OSU.

Gruppurval (klusterurval) Populationen delas in i grupper (kluster) av enheter. Ett antal sådan kluster väljs slumpmässigt. Samtliga enheter inom ett kluster undersöks. Skäl: –Ramproblem –Geografisk spridning –Kostnader

Mätning En tilldelning av tal till undersökningsenheterna på ett sådant sätt att vissa relationer mellan enheterna, med avseende på någon egenskap, avspeglas i relationer mellan talen

Mätnivåer (skalnivåer) Nominal –Endast klassificering Ordinal –Klassificering och rangordning Intervall –Klassificering, rangordning och ekvidistans Kvot –Klassificering, rangordning, ekvidistans och absolut nollpunkt

Observera att mätnivån bestäms av vilken typ av information mätningen ger oss. Mätnivån har bl.a. betydelse för vilken typ av beräkningar som är meningsfulla

Operationalisering Operationalisering av en variabel innebär en beskrivning av hur man skall gå tillväga, vilka operationer man måste utföra, för att kunna göra mätningen. Operationalisering innebär således att mätregler definieras.

Indikatorer och latenta variabler En latent variabel är en egenskap som ej är direkt observerbar En indikator är en observerbar (manifest) variabel som används vid mätning av en latent variabel

Reliabilitet Grad av överensstämmelse mellan upprepade mätningar med samma mätinstrument på samma undersökningsenhet.

Validitet ”Mätinstrumentet mäter vad det avser att mäta” ”Överensstämmelse mellan teoretisk och operationell definition” ”Frånvaro av systematiska mätfel”

Några felkällor vid statistiska undersökningar Täckningsfel –Övertäckning Urvalsramen innehåller individer som ej finns med i målpopulationen –Undertäckning Urvalsramen saknar individer som finns med i målpopulationen –Kan ge upphov till systematiska fel (bias)

Bortfallsfel –Individbortfall innebär att man från en eller flera individer ej får något svar på t.ex. en postenkät –Partiellt bortfall innebär svarsvägran på vissa frågor –Kan ge stora systematiska fel

Mätfel –Mätfel som beror på respondenten Respondenten kan vara okunnig om det sanna värdet Glömska. En del händelser kommer man inte ihåg. Andra kommer man ihåg men placerar fel i tiden. Känsliga frågor. Det kan vara svårt att få korrekta svar på frågor om sådant som konsumtion av droger, respondentens sexliv, etc. Prestigeladdade frågor. Exempel på denna typ av frågor är frågor om hur mycket man konsumerar av olika slag av ”finkultur”. Leder till s.k. prestigebias. Egenintresse. Ibland kan det ligga i respondentens intresse att svara på ett visst sätt eftersom man vet att resultatet av undersökningen kan leda till att t.ex. politiker eller andra beslutsfattare agerar på ett för respondenten önskvärt sätt.

–Mätfel som beror på intervjuaren Exempelvis så kan intervjuarens uppträdande påverka resultatet (intervjuareffekt). –Mätfel som beror på mätmetoden Olika mätmetoder (besöksintervju, telefonintervju, postenkät, etc) kan ge olika resultat. Exempelvis så ger ofta postenkäter sannare svar på känsliga frågor. –Mätfel som beror på frågeformuläret Oklara frågeformuleringar och definitioner, dåliga anvisningar, etc. kan ge upphov till stora systematiska fel. Även antalet frågor kan ha betydelse för kvaliteten på de data man får. Enkäter som tar lång tid att fylla i leder t.ex. i regel till större bortfall.

Bearbetningsfel Kodningsfel Inmatningsfel Datorbearbetningsfel

Urvalsfel Uppstår när man studerar ett urval i stället för hela populationen Slumpmässigt och möjligt att uppskatta om urvalet görs ”korrekt”