Afsnitsforfatter: Danielle J. Navarro and David R. Foxcroft

Kategorisk dataanalyse

Nu hvor vi har gennemgået den grundlæggende teori bag hypotesetestning, er det tid til at se på specifikke test, der ofte anvendes i psykologi. Så hvor skal vi starte? Ikke alle lærebøger er enige om, hvor vi skal starte, men jeg vil starte med »χ²-tests« (»Kategorisk dataanalyse«, dette kapitel) og »t-tests« (kapitel ../Ch11/Ch11_test). Begge disse værktøjer bruges meget ofte i videnskabelig praksis, og selv om de ikke er så effektive som »regression« (kapitel Correlation and linear regression) og »Variansanalyse« (kapitlerne Comparing several means (one-way ANOVA) og Factorial ANOVA), er de meget lettere at forstå. Endelig er der Factor Analysis, der har til formål at beskrive variabiliteten blandt observerede, korrelerede variabler i form af et lavere antal uobserverede variabler kaldet faktorer eller latente variabler.

Udtrykket »kategoriske data« i titlen på dette kapitel er blot et andet navn for »nominel skaladata« . Det er ikke noget, som vi ikke allerede har diskuteret, det er bare, at i forbindelse med dataanalyse har folk en tendens til at bruge udtrykket »kategoriske data« frem for »nominel skaladata«. Jeg ved ikke hvorfor. Under alle omstændigheder refererer kategorisk dataanalyse til en samling værktøjer, som du kan bruge, når dine data er på nominel skala |nominel|. Disse værktøjer kaldes ofte »χ²-tests« (udtales »chi-kvadrat«, nogle gange »chi-kvadrat«). De bestemmer, om der er en statistisk signifikant forskel mellem forventede og observerede frekvenser, og om observationerne følger en χ²-frekvensfordeling. Der er dog en masse forskellige værktøjer, der kan bruges til kategorisk dataanalyse, og dette kapitel dækker kun nogle få af de mere almindelige.