Om statistisk analyse

Du kan laste ned R-programmet til din egen datamaskin fra denne websiden: R project webpage. På denne websiden har du tilgang til filen adp.R. Denne filen er en “R-skript” som slutter på “.R”. Denne R-skripten inneholder alle kommando som R trenger for å kjøre analysen. Du kan åpne R-skriptet og se på alle kommandoene. I tillegg har vi satt inn kommentarer til hver kommando, for å hjelpe deg å forstå analysen. Kommentarene står på linjer som begynner på “#”, og R-programmet ignorerer disse linjene.

Nå har du to valg:

1. Du kan bruke høyre-klikk på adp.R og laste den ned til hjemmekatalogen i datamaskinen din, hvor programmet R skal finne den. Hvis ikke du vet ikke hvor du har hjemmekatalogen, må du ta valg 2. Etter at du har lastet ned adp.R til din hjemmekatalog, skal du åpne R på datamaskinen din. Ved ">", skriv: source("adp.R") og trykk på linjeskifttast. Nå skal R hente adp.R, kjøre analysen, og gi deg resultatene.
2. Du kan bruke høyre-klikk på adp.R og laste den ned hvor som helst i datamaskinen din. For å kjøre adp.R, så må du gi R stien til adp.R slik at R kan hente den. For eksempel, ved ">" kan du sette inn noe som ligner på: source("/Users/janedoe/Downloads/adp.R") hvis du er Mac-bruker, eller source("C://Documents/adp.R") hvis du er PC-bruker. Hvis du kan ikke stien, så kan du finne adp.R i finderen din, slippe den over til “>” i R vinduet, og R skal vise deg stien. Da kan du kopiere stien og sette den inn i source-kommando og trykk på linjeskifttast. Nå skal R hente adp.R, kjøre analysen, og gi deg resultatene.

Den anvendte statistiske modellen er chi-kvadrat-testen som gir oss en p-verdi. P-verdien angir sannsynligheten for at den distribusjonen vi fikk (eller en som er enda mer ekstrem) i vårt data-utvalg skyldes tilfeldigheter (dvs. sannsynligheten for at det ikke er noen forskjell i det hele tatt). Vi får også en Chi-squared verdi og hvor mange frihetsgrader (“df”) vi har, men p-verdien er viktigst her. P-verdien regnes som statistisk signifikant når det er mindre enn 0.05. For veldig små verdier brukes “vitenskapelig notasjon”: e-X, hvor X står for hvor mange plasser man flytter kommaet bakover. For eksempel er 2e-5 = 0,00002, fordi man tar 2 og flytter kommaet fem plasser bakover. 2.2e-16 er den minste tall som “R” kan regne ut for chi-squared test, og er da det samme som null.

Fordi det er mulig å få statistisk signifikans selv om effekten er veldig liten, viser vi også effektstørrelsen (Cramers V; King og Minium 2008: 327-330). Effektstørrelsen regnes ut på denne måten: kvadratrot(chi-squared verdi/summen på tabellen). Teoretisk kan effektstørrelsen variere mellom 0 og 1. Robuste størrelser er over 0.1, mindre verdier viser effekter som er for små til å rapporteres. 0.1 regnes som en liten (men robust) effekt, 0.3 som en middels stor effekt, og 0.5 som en stor effekt.]

Se på resultatene som du får fra adp.R. Rull opp i R-vinduet til du ser "maŋŋel+ aviissain ja čáppagirjjálašvuođas". Da ser du en slik tabell:

	[,1]	[,2]
[1,]	2535	1231
[2,]	90	261

Tabellen viser absolutt tall av maŋŋel+maŋŋil+maŋŋá som preposisjon og postposisjon aviissain ja čáppagirjjálašvuođas. Kolonnene er [,1] = preposišuvnda ja [,2] = postposišuvnda. Rekkene er [1,] = aviissain ja [2,] = čáppagirjjálašvuođas. Disse er tallene som står bak søylene for maŋŋel+ i Figurene 1 og 2.

Neste i R-vinduet kommer:

Pearson's Chi-squared test with Yates' continuity correction

data: mannel

X-squared = 239.4981, df = 1, p-value < 2.2e-16

Her får du chi-squared verdi, frihetsgrader og p-verdi. P-verdien er < 2.2e-16 som er liksom null. Det betyr at forskjellen i distribusjonen er statiststisk signifikant.

Neste i R-vinduet kommer:

[1] "Dette er summen på maŋŋel+-tabellen:"

[1] 4117

Her har R telt opp alle tallene i tabellen. Vi trenger denne summen for å regne ut effektstørrelsen.

Neste i R-vinduet kommer:

X-squared

0.2411907

[1] "Dette er effekt-størrelsen"

Her har R regnet ut effektstørrelsen på denne måten: kvadratrot(chi-squared verdi = 239.4981/summen på tabellen = 4117) = 0.2411907 Siden 0.2411907 er større enn 0.1, har vi en effektstørrelse som kan rapporteres som mellom liten og medium.

Det er fire mer lignende analyser i adp.R. Neste i R-vinduet kommer "Njealji ambiposišuvnna logut posišuvnna mielde golmma geográfalaš guovllus". Du får en slik tabell:

	[,1]	[,2]
[1,]	65	22
[2,]	66	87
[3,]	35	222

Tabellen viser absolutt tall som står bak Figur 3 for čáppagirjjálašvuohta. Kolonnene er [,1] = preposišuvnda ja [,2] = postposišuvnda. Rekkene er [1,] = oarjeguovllus, [2,] = guovddášguovllus, ja [3,] = nuortaguovllus.

Neste i R-vinduet kommer resultatene fra chi-squared analysen:

Pearson's Chi-squared test

data: geo

X-squared = 118.4816, df = 2, p-value < 2.2e-16

Her igjen p-verdien forteller oss at distribusjonen er statiststisk signifikant.

Neste må vi telle opp alt i tabellen:

[1] "Dette er summen på geo-tabellen:"

[1] 497

Og da kan vi regne ut effektstørrelsen:

X-squared

0.4882556

[1] "Dette er effekt-størrelsen"

Dette resultatet er større enn medium (0.3), nesten en stor effekt (0.5).

Neste i R-vinduet kommer: "miehtá: juohkin mearkkašumi mielde aviissain" og du får en slik tabell:

	[,1]	[,2]
[1,]	105	5
[2,]	16	0
[3,]	12	95

Tabellen viser tall fra Tabealla 3: Ambiposišuvnnat juohkin mearkkašumi mielde – aviissain ja čáppagirjjálašvuođas. Kolonnene er [,1] = preposišuvnda ja [,2] = postposišuvnda. Rekkene er [1,] = VIIDODAT, [2,] = LIHKADEAPMI, ja [3,] = ÁIGI.

Neste i R-vinduet kommer resultatene fra chi-squared analysen:

Pearson's Chi-squared test

data: miehta

X-squared = 170.0291, df = 2, p-value < 2.2e-16

Her igjen p-verdien forteller oss at distribusjonen er statiststisk signifikant.

Neste må vi telle opp alt i tabellen:

[1] "Dette er summen på miehta-tabellen:"

[1] 233

Og da kan vi regne ut effektstørrelsen:

X-squared

0.8542474

[1] "Dette er effekt-størrelsen"

Her har vi en verdi som er my større en stor (0.5).

Neste i R-vinduet kommer: "čađa: juohkin mearkkašumi mielde aviissain" og du får en slik tabell:

	[,1]	[,2]
[1,]	0	40
[2,]	38	78
[3,]	56	37

Tabellen viser tall fra Tabealla 3: Ambiposišuvnnat juohkin mearkkašumi mielde – aviissain ja čáppagirjjálašvuođas. Kolonnene er [,1] = preposišuvnda ja [,2] = postposišuvnda. Rekkene er [1,] = GASKAOAPMI, [2,] = LIHKADEAPMI, ja [3,] = ÁIGI. (VIIDODAT var ikke tatt med fordi verdiene er for små for chi-squared analyse.)

Neste i R-vinduet kommer resultatene fra chi-squared analysen:

Pearson's Chi-squared test

data: cada

X-squared = 45.4593, df = 2, p-value = 1.345e-10

Her igjen p-verdien forteller oss at distribusjonen er statiststisk signifikant.

Neste må vi telle opp alt i tabellen:

[1] "Dette er summen på čađa-tabellen:"

[1] 249

Og da kan vi regne ut effektstørrelsen:

X-squared

0.4272791

[1] "Dette er effekt-størrelsen"

Denne effektstørrelsen er mellom medium (0.3) og stor (0.5).

Neste i R-vinduet kommer: "rastá: juohkin mearkkašumi mielde aviissain" og du får en slik tabell:

	[,1]	[,2]
[1,]	23	44
[2,]	77	47

Tabellen viser tall fra Tabealla 3: Ambiposišuvnnat juohkin mearkkašumi mielde – aviissain ja čáppagirjjálašvuođas. Kolonnene er [,1] = preposišuvnda ja [,2] = postposišuvnda. Rekkene er [1,] = VIIDODAT, ja [2,] = LIHKADEAPMI. (MEARREBÁIKI var ikke tatt med fordi verdiene er for små for chi-squared analyse.)

Neste i R-vinduet kommer resultatene fra chi-squared analysen:

Pearson's Chi-squared test with Yates' continuity correction

data: rasta

X-squared = 12.3558, df = 1, p-value = 0.0004396

Her igjen p-verdien forteller oss at distribusjonen er statiststisk signifikant.

Neste må vi telle opp alt i tabellen:

[1] "Dette er summen på rastá-tabellen:"

[1] 191

Og da kan vi regne ut effektstørrelsen:

X-squared

0.2543420

[1] "Dette er effekt-størrelsen"

Denne effektstørrelsen er mellom liten og medium.