SAMFUNNSVITENSKAPELIG EMBETSEKSAMEN 2014 I
Statsvitenskap innføring. STV 1020 /1021 - Metode og statistikk
Fredag 5. desember 2014, 4 timer
Alle oppgaver skal besvares.
I (ca. 25 %)
Gjør kort rede for hva som menes med følgende åtte begreper/utsagn:
- Eksperiment
- Odds
- Konstantledd
- Sentraltendens
- Teori
- Multikolinearitet
- Å avkrefte en hypotese
- Ordinalt målenivå
II (ca. 25 %)
- Hva er forskjellene på ekstensive og intensive undersøkelsesopplegg?
En forsker ønsker å studere beslutningsprosesser i norske kommuner, og ønsker å benytte seg både av ikke-deltakende observasjon og dybdeintervjuer.
- Diskuter hva som kan være mulige fordeler og ulemper ved å kombinere både ikke-deltakende observasjon og dybdeintervjuer.
I utgangspunktet ønsker forskeren å studere alle norske kommuner, men finner snart ut at dette blir for ressurskrevende, og må begrense seg til å studere 8 kommuner.
- Skisser tre forskjellige måter forskeren kan gå frem på for å velge ut de 8 kommunene.
- Diskuter fordelene og ulempene ved de tre måtene å velge kommuner på som du skisserte i c). Hvilken av de tre måtene ville du anbefale forskeren å bruke?
III (ca. 50 %)
- Hva er de tre vanligste målene på sentraltendens?
Tabell 1 viser såkalt «Poverty Headcount Ratios», og representerer prosentandelen av innbyggerne i de ulike landene som tjener mindre enn 2 US Dollar om dagen.
Tabell 1: «Poverty Headcount Ratios» i utvalgte asiatiske land.
|
Land |
Poverty Headcount Ratio |
|
Kambodsja |
51,05 |
|
Kina |
28,33 |
|
Indonesia |
54,71 |
|
Japan |
0,35 |
|
Pakistan |
55,83 |
|
Thailand |
4,56 |
|
Kazakhstan |
1,15 |
|
Kyrgyzstan |
18,96 |
|
Vietnam |
43,32 |
Note: «Poverty Headcount Ratios» (prosentandel som tjener mindre enn 2 USD om dagen) målt i 2008 for utvalgte land i Asia. Dataene er hentet fra Verdensbankens «Poverty and Inequality Database».
- Hva er verdiene på «Poverty Headcount Ratio» for datamaterialet i Tabell 1for de tre sentraltendensmålene du nevnte i oppgave a)?
- Hva er variasjonsbredden i datamaterialet?
- Nevn et alternativt spredningsmål som kunne ha vært benyttet for å beskrive datamaterialet i Tabell 1. Hva er fordelene og ulempene ved å bruke dette målet i stedet for variasjonsbredden?
- Tegn en figur/et diagram som presenterer datamaterialet oppgitt i Tabell 1, men som skal kunne leses og forstås av personer som ikke har sett Tabell 1.
- Diskuter kort fordeler og ulemper ved å presentere datamaterialet ved hjelp av Tabell 1 i stedet for figuren du laget under punkt e).
En forsker ønsker å studere årsakene til fattigdom i Asia, og hennes viktigste hypotese er at å ha en politisk historie som del av det tidligere Sovjetunionen reduserer fattigdom.
- Regn ut gjennomsnittlig «Poverty Headcount Ratio» for landene med sovjetisk historie (Kazakhstan og Kyrgyzstan) og landene uten slik historie (de 7 resterende landene i Tabell 1), og tolk resultatene kort.
Forskeren koder så post-Sovjetisk historie som en dikotom variabel der 1 tilskrives land med slik historie og 0 tilskrives de uten. Forskeren kjører deretter en regresjonsanalyse (OLS) med «Poverty Headcount Ratio» som avhengig variabel og post-Sovjetisk historie som uavhengig variabel. Resultatet vises i Tabell 2.
Tabell 2: Resultat fra OLS regresjon med «Poverty Headcount Ratio» som avhengig variabel (n=9).
|
Koeffisient |
Standardfeil |
t-verdi |
p-verdi |
|
|
Post-Sovjet |
-23.96643 |
17.85862 |
-1.34 |
0.221 |
|
Konstantledd |
34.02143 |
8.418635 |
4.04 |
0.005 |
- Hva er tolkningen av konstantleddet?
- Hva er tolkningen av regresjonskoeffisienten til Post-Sovjet?
- Diskuter hvorvidt forskeren kan sies å finne støtte for sin viktigste hypotese eller ikke fra regresjonsanalysen i Tabell 2.
En kollega av forskeren innvender følgende: «Jeg tror ikke noe på analysen din. Sovjet var gjennomgående et industrialisert samfunn, og industrialiserte samfunn har svært annerledes fattigdomsproblemer enn andre samfunn».
- Hva slags metodisk problem er det kollegaen her peker på?
- Skisser hvordan forskeren eventuelt kan designe en ny analyse som tar inn over seg kritikken/utfordringen fra kollegaen, og begrunn hvorfor dette er et godt design.
Formler og tabeller Scott’s Pi = 
Sannsynlighetsfordelingen for kjikvadrat
|
Antall frihetsgrader |
Sannsynlighet |
|||||
|
0,50 |
0,20 |
0,10 |
0,05 |
0,01 |
0,001 |
|
|
1 |
0,46 |
1,64 |
2,71 |
3,84 |
6,64 |
10,83 |
|
2 |
1,39 |
3,22 |
4,61 |
5,99 |
9,21 |
13,82 |
|
3 |
2,37 |
4,64 |
6,25 |
7,82 |
11,34 |
16,27 |
|
4 |
3,36 |
5,99 |
7,78 |
9,49 |
13,28 |
18,47 |
|
5 |
4,35 |
7,29 |
9,24 |
11,07 |
15,09 |
20,52 |
|
6 |
5,35 |
8,56 |
10,65 |
12,59 |
16,81 |
22,46 |
|
7 |
6,35 |
9,80 |
12,02 |
14,07 |
18,48 |
24,32 |
|
8 |
7,34 |
11,03 |
13,36 |
15,51 |
20,09 |
26,13 |
|
9 |
8,34 |
12,24 |
14,60 |
16,92 |
21,67 |
27,88 |
t-verdier for to signifikansnivåer og ulike frihetsgrader
|
|
Signifikansnivå |
|
|
Signifikansnivå |
||
|
Df |
0,05 |
0,01 |
|
Df |
0,05 |
0,01 |
|
1 |
12,71 |
63,66 |
|
15 |
2,13 |
2,95 |
|
2 |
4,30 |
9,93 |
|
20 |
2,09 |
2,85 |
|
3 |
3,18 |
5,84 |
|
25 |
2,06 |
2,79 |
|
4 |
2,78 |
4,60 |
|
30 |
2,04 |
2,75 |
|
5 |
2,57 |
4,03 |
|
40 |
2,02 |
2,70 |
|
6 |
2,45 |
3,71 |
|
50 |
2,01 |
2,68 |
|
7 |
2,37 |
3,50 |
|
100 |
1,98 |
2,63 |
|
8 |
2,31 |
3,36 |
|
. |
. |
. |
|
9 |
2,26 |
3,25 |
|
. |
. |
. |
|
10 |
2,23 |
3,17 |
|
Stor |
1,96 |
2,57 |