PHDPR9800 Statistical methods and analysis design Course description

Som forskere er vi ofte ute etter å finne systematikk i store mengder data, og vi vil aller helst være sikker på at denne systematikken ikke kun er et resultat av tilfeldigheter og annen ‘støy’. Det finnes mange ulike typer statistiske metoder som kan benyttes for å finne frem til slik systematikk, og det har blitt mer og mer vanlig med såkalte kausalanalyser innen samfunnsvitenskapene i de seneste årene. Alle disse analyseteknikkene har styrker og svakheter som det er viktig å kjenne til. ‘Statistiske metoder – en innføring’ tar sikte på å gi kursdeltagerne en bred oversikt over statistiske metoder, samt muligheten til å gå i dybden på en eller flere av disse.

Bestått mastergrad (120 studiepoeng) eller tilsvarende utdanning. Interesserte mastergradsstudenter kan søke om plass og få opptak på dette emnet dersom det er ledige plasser. Det er en fordel å ha forkunnskaper innen statistiske metoder fra før, f.eks. å ha gjennomført mastergradskurs i statistikk, evt. jobberfaring der statistiske analyser var en del av stillingen.

Søkere må sende inn et sammendrag på om lag én A4-side med informasjon om eget ph.d.-prosjekt. Sammendraget sendes inn innen søknadsfristens utløp. For nærmere informasjon, se https://www.oslomet.no/no/studier/sps/statistiske-metoder

Etter fullført emne har kandidaten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Kandidaten

• Har inngående kunnskaper om ulike typer kvantitative datamaterialer (panel, tverrsnitt, tidsserier, etc.), og styrker og svakheter ved disse.

• Har inngående kunnskap over hvilke statistiske analyseteknikker som egner seg til hvilken type datamaterialer.

• Vet forskjellen mellom statistiske sammenhenger og kausalforhold, samt kjenner til ‘omitted variable bias’.

Ferdigheter

- Kan analysere kvantitative datasett vha. OLS/lineær sannsynlighetsmodell.

- Kan tolke resultatene fra en OLS analyse på en overbevisende måte.

- Kjenner til en eller flere kausale analyseteknikker (f.eks. individnivå fast effekt).

- Har et kritisk blikk på kausalanalyser og kan påpeke mulige svakheter ved designet.

Generell kompetanse

- Forstår viktigheten av å spille med åpne kort gjennom hele forskningsprosessen vha. deskriptiv statistikk, alternative modellspesifikasjoner, og/eller andre analyseteknikker.

- Kan si noe om hvordan, og på hvilken måte, de foreslåtte/planlagte/gjennomførte statistiske analysene bidrar med noe nytt til forskningslitteraturen (evt. forklare hvorfor replikasjon er nødvendig).

- Forstår at ‘beskrivende’ analyseteknikker (f.eks. OLS analyse) kan være like – eller mer – nyttig kunnskapsmessig, sammenlignet med mer ‘forklarende’ analyseteknikker slik som diff-in-diff eller SEM.

‘Statistiske metoder – en innføring’ starter med generell informasjon og en kort repetisjon av nøkkelbegreper innen anvendt statistikk (f.eks. gjennomsnitt, median, standardavvik, signifikanstesting, etc.). Forskjellene mellom statistiske sammenhenger og kausalforhold diskuteres, etterfulgt av en relativt dyptpløyende gjennomgang av OLS analyse siden denne er en helt sentral byggekloss for flere av de mer ‘avanserte’ analyseteknikkene. Ulike typer kausalanalyser blir også dekket i nokså bredt omfang, og det legges særlig opp til en grundig gjennomgang av individnivå fast effekt, diff-in-diff, propensity score matching, og structural equation modeling (SEM). I tillegg skal vi innom instrumentvariabel-metode (IV), regression discontinuity, og flernivåanalyse, men ikke i like stor utstrekning (dette vil muligens endres dersom kursdeltagerne ønsker mer fokus på disse eller andre analyseteknikker). Det veksles mellom klasseromsundervisning og arbeid i laben.

Emnet gjennomføres som en kombinasjon av (i) forelesninger m/ diskusjon og gruppearbeid, og (ii) arbeid i laben.

Forelesningene vil både dekke generelle temaer innen anvendt statistikk, samt gå mer i dybden på enkelte analyseteknikker. Det er bakt inn en del fleksibilitet i undervisningsplanen, slik at vi har mulighet til å dekke andre potensielle statistiske metoder etter ønske fra kursdeltagerne. Fokuset er gjennomgående på styrker og svakheter ved de ulike statistiske analyseteknikkene.

Undervisningen i lab foregår i statistikkprogrammet Stata. Deltagerne kan benytte seg av andre programmer (f.eks. R, SAS eller SPSS), men undervisningen vil ikke bli tilrettelagt for noe annet program enn Stata. Det anbefales derfor å gjøre seg kjent med Stata i forkant av kurset. Vi kommer til å benytte oss av et (panel-) datasett som vi låner fra NSD, og deltagerne trenger ikke tilgang til sitt eget datamateriale. Men det vil selvsagt være en fordel å kunne teste ut noen av analyseteknikkene på sitt eget datamateriale, og da særlig mot slutten av kurset når deltagerne skal starte med oppgaveutkastet/skissen.

Kurset går over 6 dager fordelt på to uker, med undervisning/lab ca. kl. 10—16.

Aktiv deltagelse både i undervisning og i laben er en forutsetning for å få fullt utbytte av kurset. Mot slutten av kurset skal dessuten deltagerne levere et oppgaveutkast/ en skisse. Dette arbeidskravet vurderes til godkjent/ikke godkjent. Det er satt et krav om obligatorisk tilstedeværelse på 80 prosent, dvs. at man kan maksimalt gå glipp av én kursdag. Ved helt spesielle omstendigheter kan kursdeltager få innvilget søknad om fritak fra tilstedeværelseskravet. I slike tilfeller må kursdeltager kompensere for fravær vha. flere innleveringer og skriftlige oppsummeringer av utvalgte pensumtekster.

Arbeidskrav vurderes til godkjent eller ikke godkjent.

Godkjent deltakelse på emnet og bestått oppgave gir 10 studiepoeng. Deltagerne skal skrive og levere inn en oppgave på ca. 15 sider, med skriftstørrelse 12 og dobbel linjeavstand. Temaet er valgfritt, men bør aller helst være nært forbundet med ph.d.- (eller mastergrads-) prosjektet som deltageren er i gang med. Oppgaven leveres senest to måneder etter siste kursdag. Oppgaven vurderes til bestått/ikke bestått. En presis problemstilling, overbevisende bruk av pensumlitteratur, samt metodisk kompetanse vektlegges i vurderingen. Innleverte oppgaver som vurderes til ‘ikke bestått’ kan leveres inn på nytt i en revidert form/versjon, én gang innen en nærmere angitt frist.

Bestått oppgave er en forutsetning for å oppnå 10 studiepoeng.

Vurderingen av innlevert oppgave gjøres på grunnlag av læringsutbyttebeskrivelser for emnet.

Det gis ikke anledning til forlengelse av innleveringsfristen. Unntak er sykdom som dokumenteres med sykemelding. Etter søknad kan det gis utsettelse tilsvarende den dokumenterte sykdomsperioden.

Hjelpemidler til vurdering/eksamen

Alle

Klageadgang

Bestemmelser om eksamen og fusk i forskrift om studier og eksamen ved OsloMet gjelder for arbeider som inngår i ph.d.-programmets opplæringsdel.

Emnet er primært for studenter som er tatt opp i et ph.d.-program. Ved ledige plasser er emnet åpent for andre interesserte med mastergrad eller tilsvarende utdanning. OsloMet-ansatte og studenter prioriteres ved opptak.

Opptakskrav

Dette emnet er primært lagt til rette for stipendiater som er tatt opp på et PhD program ved OsloMet – storbyuniversitetet. Dersom det er ledige plasser, vil det åpnes for at (i) stipendiater ved andre PhD programmer, (ii) masterstudenter ved OsloMet, og (iii) masterstudenter ved andre læresteder kan delta, i prioritert rekkefølge.