1.2 Variabler, operasjonalisering og målenivåer
UV og AV i konkrete scenarier, operasjonelle definisjoner og de fire målenivåene — standard åpningsdeloppgave på eksamen.
- Spørsmålet «hva er den uavhengige og den avhengige variabelen her?» er standard åpningsdeloppgave i 13 av de 29 eksamenssettene — flere enn nesten alt annet enkeltstoff. Å klassifisere variabler og målenivåer er derfor et av de fem temaene boka merker «må beherskes perfekt».
- Oppgavetypen kalles her måle- og utvalgsoppgaven (kortkode T5 — T for oppgavetype, femte sjanger i boka; se kap. 0.1). Variabler er også en fast komponent i designoppgaven (T4).
- *Sensor vil se klassifisering med begrunnelse. Å skrive «ordinal» uten å si hvorfor gir bare halv uttelling. Regelen bak merkelappen er poenget.
Mål: at du trygt kan peke ut uavhengig og avhengig variabel, kjenne igjen en kvasi-variabel, og klassifisere ethvert måltall på riktig nivå — med regelen i hånden.
Tidsbruk: ~50 minutter lesing (kjernestoffet). Begrepsbankene nederst er repetisjon.*
To spørsmål du alltid må stille et datasett
Tenk deg at du leser om en studie: «Forskere ga den ene gruppen koffein og den andre placebo, og målte hvor raskt deltakerne løste en oppgave.» Før du kan gjøre noe som helst med slike data, må du svare på to spørsmål: (1) Hva er årsaken vi undersøker, og hva er utfallet? og (2) Hva slags tall er dette — kan man regne gjennomsnitt av dem, eller bare telle dem?
Det første spørsmålet handler om variabelroller: hvilken variabel påvirker, hvilken blir påvirket. Det andre handler om målenivå: hvor mye informasjon tallene bærer. Disse to spørsmålene er inngangsdøra til nesten alle eksamensoppgaver — og de er lette poeng hvis du kan begrunne svarene, ikke bare gjette dem.
Anker: variabel- og målenivåbegrepene hos Bordens & Abbott. Vi tar rollene først, så nivåene, med øvingsoppgaver underveis.
(Lett innstegsoppgave.) I setningen «forskerne ga den ene gruppen koffein og den andre placebo, og målte reaksjonstiden», hva blir målt, og hva blir variert?
Variabelrollene
Definisjonsboksene under er også flashcard-/repetisjonsstoff — hopp trygt over ved førstegangslesing; tidsanslaget gjelder kjernestoffet. Kom tilbake når du repeterer.
Variabelen forskeren manipulerer eller antar er årsaken — den som varieres for å se om den påvirker noe annet. I koffein-eksemplet er UV drikketype (koffein vs. placebo). Kontrast: den avhengige variabelen (AV) er den som måles som utfall. Huskeregel: UV er det du setter, AV er det du måler.
Variabelen forskeren måler for å se effekten av UV — utfallet. I koffein-eksemplet er AV reaksjonstiden. Den kalles «avhengig» fordi verdien antas å avhenge av UV. Kontrast: UV manipuleres, AV registreres.
En egenskap ved deltakerne som ikke kan manipuleres — kjønn, alder, morsmål, diagnose — men som likevel brukes til å dele inn i grupper. Forskeren velger ikke hvem som er hvilket kjønn; man kan bare sammenligne eksisterende grupper. Derfor kan en kvasi-UV aldri gi et ekte eksperiment (dybde i kap. 2.4). Vanlig feil: å kalle kjønn en «manipulert UV».
Å bestemme hvordan en variabel skal måles konkret. Den presise beskrivelsen — «angst = skåre på en bestemt angstskala» — kalles den operasjonelle definisjonen. Samme abstrakte begrep kan operasjonaliseres på mange måter, og valget avgjør hva du fanger og hva du mister.
En tredje variabel som henger sammen med både UV og AV og dermed kan forkludre tolkningen. Nevnes her bare kort — den er selve hovedtemaet i kap. 5.2. Poeng her: en god operasjonalisering og et godt design forsøker å holde konfunderne i sjakk.
En forsker undersøker om musikk under lesing påvirker hukommelse, og om effekten er ulik for gutter og jenter. Deltakerne leser en tekst med eller uten bakgrunnsmusikk, og gjengir så teksten. Pek ut UV, AV og eventuell kvasi-UV — med begrunnelse.
AV (målt): hvor mye av teksten deltakerne gjengir — utfallet som måles.
Kvasi-UV: kjønn (gutt/jente). Dette kan ikke manipuleres — forskeren velger ikke deltakernes kjønn, bare sammenligner eksisterende grupper. Derfor er det en kvasi-UV, ikke en ekte UV.
Legg merke til at begrunnelsen — kan variabelen manipuleres eller ikke? — er det som gir uttelling, ikke bare merkelappen.
En studie tester om en ny undervisningsmetode gir bedre karakterer enn den vanlige.
a) Hva er UV, og hva er AV?
b) Begrunn kort hvorfor.
En forsker sammenligner stressnivået hos førstegangsstudenter og andreårsstudenter. En kollega sier: «Studieår er den uavhengige variabelen du manipulerer.»
a) Er kollegaens formulering presis? Forklar.
b) Hva bør variabelen kalles i stedet, og hvorfor?
De fire målenivåene
Det andre spørsmålet — hva slags tall er dette? — besvares med målenivået. Målenivået sier hvor mye informasjon tallene bærer, og dermed hvilke regneoperasjoner som er meningsfulle. Det er en stige med fire trinn, fra minst til mest informasjon: nominal → ordinal → intervall → forhold. Hvert trinn har alt det forrige har, pluss noe mer. Trappen under viser hvordan hvert nivå arver egenskapene fra nivået under og legger til én ny.
Tall eller merkelapper som bare navngir kategorier, uten rangering. Eksempel: kjønn, morsmål, favorittfag, gruppenummer (1 = kontroll, 2 = eksperiment). Du kan telle hvor mange i hver kategori, men «gjennomsnittlig morsmål» er meningsløst. Regel: kategorier uten naturlig rekkefølge = nominal.
Kategorier med en rangering, men uten like store avstander mellom trinnene. Eksempel: klassetrinn, plassering i et løp (1., 2., 3.), «liten/middels/stor». Du vet at 1. plass er bedre enn 2., men ikke hvor mye bedre. Regel: rangerbart, men ujevne (eller ukjente) avstander = ordinal.
Rangerte tall med like store avstander, men uten et absolutt nullpunkt. Eksempel: temperatur i celsius, og — etter konvensjon i psykologi — sumskår på en holdningsskala. 20 °C er like mye varmere enn 10 °C som 30 er varmere enn 20, men 0 °C betyr ikke «ingen temperatur», og 20 °C er ikke «dobbelt så varmt» som 10. Regel: like intervaller, men vilkårlig nullpunkt = intervall.
Intervallnivå pluss et absolutt nullpunkt — der 0 betyr «ingenting». Eksempel: antall riktige svar, reaksjonstid, alder, inntekt. Her er forholdstall meningsfulle: 40 år er dobbelt så gammelt som 20. Regel: like intervaller og ekte null = forhold.
En svarskala med rangerte trinn mellom to ytterpunkter — typisk «helt uenig (1) … helt enig (5)» med et nøytralt midtpunkt. Enkeltleddet er strengt tatt ordinalt (vi vet ikke om steget fra 1 til 2 er «like stort» som fra 4 til 5), men når mange ledd summeres til en sumskår, behandles resultatet etter konvensjon som intervall i psykologien. Detaljer om skalakonstruksjon i kap. 7.2.
Der nivåene glir over i hverandre
Grensen mellom ordinal og intervall er den mest omstridte — og en yndet A-oppgave. Er en sumskår fra fem Likert-ledd egentlig intervall? Strengt tatt er hvert ledd ordinalt. Men i praksis behandler psykologien summen som intervall, fordi det gir tilgang til kraftigere statistikk (gjennomsnitt, standardavvik). Poenget du bør kunne: dette er en konvensjon, ikke en naturlov — og en dyktig kandidat nevner forbeholdet.
Den andre spenningen er at samme fenomen kan operasjonaliseres på ulike nivåer. «Utdanning» kan måles nominalt (fagretning), ordinalt (grunnskole/videregående/høyere) eller på forholdsnivå (antall år). Valget avgjør hvilke analyser du kan gjøre — og hva du fanger. Det leder rett over i den viktigste konsekvensen: målenivået bestemmer hvilke statistiske mål som er meningsfulle. Median krever minst ordinaldata; gjennomsnitt krever minst intervall (mer i kap. 3.1).
Klassifiser målenivået til hver variabel, med regelen som begrunnelse: (1) favorittfarge, (2) plassering i en quizkonkurranse, (3) temperatur i grader celsius, (4) antall bøker lest i fjor, (5) sumskår på en trivselsskala (fem Likert-ledd).
(2) Plassering — ordinal. Rangert (1. er bedre enn 2.), men avstandene er ikke like store; forspranget mellom 1. og 2. kan være helt annet enn mellom 2. og 3.
(3) Temperatur i celsius — intervall. Like avstander (hver grad er lik), men nullpunktet er vilkårlig (0 °C er ikke «ingen varme»), så forholdstall gir ikke mening.
(4) Antall bøker — forhold. Like avstander og et ekte nullpunkt (0 bøker = ingen bøker); 10 bøker er dobbelt så mange som 5.
(5) Sumskår trivselsskala — intervall (etter konvensjon). Hvert ledd er strengt tatt ordinalt, men summen behandles som intervall i psykologien. En A-kandidat nevner dette forbeholdet.
Legg merke til at hver klassifisering står sammen med regelen — det er det sensor honorerer.
Klassifiser målenivået til hver variabel og begrunn:
a) Postnummer.
b) Utdanningsnivå kodet som 1 = grunnskole, 2 = videregående, 3 = høyere.
c) Reaksjonstid i millisekunder.
En forsker vil måle «lesekompetanse» hos elever.
a) Foreslå tre ulike operasjonaliseringer på tre ulike målenivåer, og oppgi nivået for hver.
b) Forklar hva hver operasjonalisering fanger og mister.
c) Hvorfor har valget av målenivå konsekvenser for den senere statistiske analysen?
Før (C-tak): «Utdanningsnivå er ordinal.»
Etter (løfter mot A): «Utdanningsnivå er ordinal fordi verdiene kan rangeres (høyere/lavere), men avstandene mellom trinnene er ikke definert som like store — vi vet ikke om spranget fra grunnskole til videregående er ‘like stort’ som fra videregående til høyere.»
Den andre klassikeren: å kalle en kvasi-UV en manipulert UV. Kjønn, alder og diagnose kan ikke manipuleres — de er kvasi-UV-er. Å skrive «vi manipulerte kjønn» røper en misforståelse av hva manipulasjon er.
Feilkode-gloss: «feil #8» viser til bokas samlede feilregister (kap. 8.6); tallet er bare et oppslagsnummer.
Flere begreper og faste eksempler
Rene repetisjonskort — hopp trygt over ved førstegangslesing. Kortene under gir de faste standardeksemplene og noen nærliggende begreper som er greie å ha klare til eksamen.
Kjønn er en ren kategori uten rangering — nominalnivå. Fungerer også som klassisk kvasi-UV når man sammenligner grupper (kan ikke manipuleres). Faste eksempler som dette er verdt å ha klare til klassifiseringsdeloppgaven.
Klassetrinn (8., 9., 10.) er rangert, men avstandene er ikke nødvendigvis like i det de måler (modenhet, kunnskap) — ordinalnivå. Standardeksempel på ordinal.
En sumskår fra en holdnings- eller trivselsskala behandles som intervall i psykologien, selv om enkeltleddene er ordinale. Standardeksempel — husk å nevne konvensjonsforbeholdet for A.
Antall riktige svar, reaksjonstid, alder og inntekt er forholdstall: like avstander og et ekte nullpunkt. Standardeksempler på forholdsnivå — der forholdstall («dobbelt så mye») gir mening.
At forskeren aktivt setter verdien på en variabel (gir gruppe A koffein, gruppe B placebo). Bare variabler som lar seg manipulere kan være ekte UV-er. Egenskaper ved personen (kjønn, alder) kan ikke manipuleres — derav skillet UV/kvasi-UV.
En diskret variabel har adskilte verdier man kan telle (antall barn: 0, 1, 2 …). En kontinuerlig variabel kan i prinsippet ha alle mellomverdier (høyde, tid). Skillet er nyttig når man velger figurtype og statistikk. (kjenne til)
I en korrelasjonsstudie er det ofte vilkårlig hvilken variabel man kaller «uavhengig» — dataene bestemmer ikke rollene, forskeren gjør et valg ut fra spørsmålet. Dette er en A-presisjon: ved ren korrelasjon er ikke UV/AV gitt av data (kobling til kap. 5.1).
Nominal → ordinal → intervall → forhold, fra minst til mest informasjon. Hvert trinn har alt det forrige har, pluss noe mer: ordinal legger til rangering, intervall like avstander, forhold et ekte nullpunkt. Jo høyere nivå, desto flere statistiske mål blir meningsfulle.
Et absolutt nullpunkt betyr «ingenting av egenskapen» (0 riktige svar, 0 sekunder). Et vilkårlig nullpunkt er bare et valgt utgangspunkt (0 °C, eller start-punktet på en skala) og betyr ikke fravær. Kun absolutt null gir forholdsnivå og meningsfulle forholdstall.
Samme tall kan ligge på ulike nivåer avhengig av hva det måler: et gruppenummer (1, 2, 3) er nominalt selv om det ser rangert ut, mens en temperatur er intervall selv om den kan være negativ. Spør alltid hva tallet representerer, ikke hvordan det ser ut.
Valget av operasjonell definisjon avgjør både hva du fanger og hvilket målenivå du får. «Angst» målt som ja/nei (nominal) gir grovere data enn «angst» målt som skåre på en skala (intervall) — og låser hvilke analyser som er mulige.
Modus kan brukes på alle nivåer; median krever minst ordinal; gjennomsnitt krever minst intervall. Derfor er målenivået ikke bare en klassifiseringsøvelse — det bestemmer hva du får lov til å regne (utdypes i kap. 3.1).
En variabel med bare to verdier (ja/nei, bestått/ikke bestått, mann/kvinne). Dikotome variabler er nominale, men får en spesiell rolle i noen korrelasjonsmål (punkt-biserial, phi — kap. 5.4). (kjenne til)
En egenskap som ikke varierer i studien (f.eks. hvis alle deltakerne er kvinner, er kjønn en konstant, ikke en variabel). En variabel må per definisjon variere — ellers kan den ikke inngå i en sammenheng.
Målenivået fastsettes før analysen fordi det avgjør hvilke figurer, sentralmål og tester som er tillatt. Velger du feil nivå (f.eks. regner gjennomsnitt av rene kategorikoder), blir tallet meningsløst uansett hvor riktig du regner. Klassifiseringen er derfor ikke pynt, men en forutsetning.
Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.
Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Innholdet er læringsstoff, ikke helse- eller medisinske råd. Les mer.