WEBVTT

1
00:00:00.390 --> 00:00:04.050
Hei. Jeg heter Solveig Hillesund og foreleser p? STV1020.

2
00:00:04.050 --> 00:00:09.690
I denne videoen skal jeg forklare hva korrelasjon er og hvordan det henger sammen med
variablers skalaretning.

3
00:00:10.920 --> 00:00:14.820
Jeg l?ner figurer fra boka "Statistikk for nybegynnere" av Simen Solbakken.

4
00:00:16.270 --> 00:00:20.380
Korrelasjon er et annet ord for samvariasjon eller sammenheng.

5
00:00:20.380 --> 00:00:25.540
Og som ordene tilsier handler det om at to variabler varierer systematisk sammen.

6
00:00:26.470 --> 00:00:36.430
Vi ser det tydeligst i et spredningsdiagram - der vi ser enhetene vi er interessert i,
alts? prikkene her, fordelt utover X og Y-variabelen v?r

7
00:00:37.660 --> 00:00:47.040
. Positiv korrelasjon ?verst her er kjennetegnet ved at lave verdier p? X henger sammen
med lave verdier p? Y, og h?ye verdier p? X med h?ye verdier p? Y.

8
00:00:47.040 --> 00:00:50.560
Huskeregelen er lav-lav, h?y-h?y.

9
00:00:50.560 --> 00:00:58.830
Ved negativ korrelasjon, nederst her, henger lave verdier p? X sammen med h?ye verdier p?
Yog h?ye verdier p? X med lave verdier p? Y.

10
00:00:59.230 --> 00:01:03.670
Huskeregelen er lav-h?y, h?y-lav.

11
00:01:03.670 --> 00:01:07.270
Felles har de at enhetene f?lger en tenkt linje i plottet.

12
00:01:07.740 --> 00:01:12.820
Linja g?r oppover hvis sammenhengen er positiv og nedover hvis den er negativ.

13
00:01:12.820 --> 00:01:18.640
Jo tettere mot en s?nn tenkt linje enhetene ligger, jo sterkere er sammenhengen.

14
00:01:18.650 --> 00:01:22.660
Hvis de ligger helt p? linje, er det snakk om en deterministisk sammenheng.

15
00:01:23.110 --> 00:01:24.800
Dere kan se det ?verst til h?yre her.

16
00:01:25.600 --> 00:01:31.600
Hvis det ikke finnes noen linje eller systematikk s? er det ingen sammenheng som ?verst
til venstre.

17
00:01:32.530 --> 00:01:34.330
Linja trenger heller ikke v?re rett.

18
00:01:34.420 --> 00:01:37.190
En sammenheng kan ogs? se ut som en bue.

19
00:01:37.190 --> 00:01:41.170
Den er bare litt mer komplisert ? m?le.

20
00:01:41.170 --> 00:01:44.260
Spredningsdiagram kan si oss noe om alle de tre egenskapene ved en sammenheng.

21
00:01:44.710 --> 00:01:49.830
Den viser oss sammenhengens retning, positiv eller negativ.

22
00:01:49.830 --> 00:01:57.330
Form, en rett linje - alts? line?r -  eller mer som en bue - kurvelinj?r.

23
00:01:57.330 --> 00:02:02.740
Og den kan gi oss en id¨¦ om dens styrke som handler om hvor tett mot linja prikkene
ligger.

24
00:02:03.850 --> 00:02:09.870
For ? m?le styrke mer presist enn det s? bruker vi m?l som for eksempel Pearsons r.

25
00:02:09.870 --> 00:02:16.330
For ? teste om korrelasjonen skyldes tilfeldigheter eller ogs? gjelder i populasjonen s? 
m?vi gj?re en hypotesetest.

26
00:02:18.130 --> 00:02:27.310
Definisjonen og prinsippet for korrelasjon det er generelt, men spredningsplot som dette
er mest nyttige n?r variablene er kontinuerlige i m?leniv?.

27
00:02:27.640 --> 00:02:32.020
Hvis X eller Y er kategoriske s? vil observasjonene begynne ? klumpe seg i hj?rnene av
plottet.

28
00:02:33.730 --> 00:02:37.660
Da er det ikke lenger spredningsplot og Pearsons r som gjelder, som jeg snakker om i
forelesning.

29
00:02:38.800 --> 00:02:46.960
Da m? vi bruke tabeller for ? vurdere sammenhengen mellom X og Y - enten ved ?
sammenligne gjennomsnitt, eller andeler og prosenter.

30
00:02:48.430 --> 00:02:51.040
Husk ogs? at vi snakker om korrelasjon her.

31
00:02:51.430 --> 00:02:57.790
Selv om vi ofte bruker ordet sammenheng som ganske synonymt, s? vet vi ikke om det er
snakk om ?rsakssammenheng.

32
00:02:58.630 --> 00:03:06.730
Det kan hende at en endring i X vil f?re til en endring i Y, men vi kan ikke vite det ved
? se p? korrelasjonen alene.

33
00:03:07.510 --> 00:03:12.880
Vi m? vurdere de andre testene for ?rsakssammenhenger ogs?.

34
00:03:12.880 --> 00:03:16.010
Er det en troverdig mekanisme der?

35
00:03:16.010 --> 00:03:17.720
Kan det finnes omvendt kausalitet?

36
00:03:17.720 --> 00:03:21.160
Kan det finnes bakenforliggende variabler?

37
00:03:21.160 --> 00:03:22.700
Og til slutt litt om skalaretning.

38
00:03:23.570 --> 00:03:27.390
Alle variabler m?les med en eller annen m?leenhet.

39
00:03:27.390 --> 00:03:32.040
Inntekt kan m?les i antall kroner eller antall tusenlapper, for eksempel.

40
00:03:32.040 --> 00:03:36.380
Kj?nn m?les i kj?nnskategorier - ofte ganske bin?rt som mann og kvinne.

41
00:03:37.370 --> 00:03:47.240
Det man ofte ikke tenker p? n?r man nettopp har l?rt statistikk er at hvorvidt en
sammenheng ser positiv eller negativ ut avhenger av hvilken retning du snur, eller alts?

42
00:03:47.450 --> 00:03:48.980
koder, variablene.

43
00:03:49.640 --> 00:03:55.050
Vi kaller det skalaretning og det handler om rekkef?lgen p? m?leenhetene.

44
00:03:55.050 --> 00:03:57.130
For inntekt er det ganske intuitivt.

45
00:03:57.130 --> 00:04:04.400
Hvis en variabel heter inntekt s? forventer du at h?yere verdi p? variabelen betyr flere
kroner, ikke f?rre.

46
00:04:05.300 --> 00:04:08.510
Men hva med sentrum-periferi-indeksen?

47
00:04:08.510 --> 00:04:13.340
Der er det ganske umulig ? vite retningen bare ut fra navnet.

48
00:04:13.340 --> 00:04:18.410
P? figuren her s? ser vi konsekvensene av ? kode en s?nn indeks med ulik skalaretning.

49
00:04:18.890 --> 00:04:23.420
Dette er en hypotetisk korrelasjon mellom inntekt og sentrum-periferi-indeksen.

50
00:04:23.990 --> 00:04:31.820
Til venstre s? har forskeren kodet indeksen s?nn at den har h?ye verdier for dem som er
mest positive til sentralisering.

51
00:04:31.820 --> 00:04:34.610
Da ser sammenhengen med inntekt positiv ut.

52
00:04:34.610 --> 00:04:35.900
Linja g?r oppover.

53
00:04:36.560 --> 00:04:43.390
Til h?yre er kodingen snudd s?nn at de som er minst positive til sentralisering f?r h?y
verdi.

54
00:04:43.390 --> 00:04:45.440
Da ser sammenhengen plutselig negativ ut.

55
00:04:46.340 --> 00:04:48.950
Men legg merke til at styrken p? sammenhengen er den samme.

56
00:04:49.310 --> 00:04:51.560
Prikkene ligger like langt fra linja.

57
00:04:52.310 --> 00:04:55.220
Det er bare retningen p? linja som er snudd.

58
00:04:55.220 --> 00:04:57.950
Den substansielle tolkningen vil ogs? v?re den samme.

59
00:04:58.310 --> 00:05:03.300
De som er mest positive til sentralisering er de som har h?yest inntekt.

60
00:05:03.780 --> 00:05:05.460
Igjen, dette er rent hypotetisk.

61
00:05:07.650 --> 00:05:09.160
Hva er s? h?y verdi p? kj?nn?

62
00:05:09.160 --> 00:05:11.730
Vel, det er det forskeren som bestemmer.

63
00:05:11.970 --> 00:05:18.470
Han eller hun kan kode menn som 0 og kvinner som 1 eller motsatt.

64
00:05:18.470 --> 00:05:27.240
N?r kvinner er kodet med h?y verdi, i et eksempel her til venstre, s? ser sammenhengen med
inntekt negativ ut.

65
00:05:27.240 --> 00:05:32.710
N?r menn er kodet med h?y verdi s? ser den positiv ut.

66
00:05:32.710 --> 00:05:35.620
Men den substansielle tolkningen igjen er den samme.

67
00:05:36.250 --> 00:05:42.910
Menn tjener i gjennomsnitt, her er det gjennomsnittet vi ser vi figuren, mer enn kvinner
.

68
00:05:44.220 --> 00:05:51.590
S? poenget er at ? snakke om positiv eller negativ sammenheng mellom to variabler det gir
ikke alltid mening i seg selv.

69
00:05:52.090 --> 00:05:59.380
Hvis variablene ikke har intuitiv skalaretning s? m? du huske ? ta hensyn til det i
tolkningen av sammenhengen.

70
00:05:59.950 --> 00:06:09.850
S? i stedet for ? si her at det er en positiv sammenheng mellom inntekt og kj?nn, som
forutsetter at du har kodet kj?nn akkurat s?nn som forskeren til h?yre her

71
00:06:09.850 --> 00:06:14.900
har gjort det, s? b?r du si at menn i gjennomsnitt tjener mer enn kvinner.

72
00:06:15.490 --> 00:06:23.470
Eventuelt at kvinner i gjennomsnitt tjener mindre enn menn, som begge er beskrivelser av
sammenhengen som er sanne uavhengig av kodingen.