Deskriptiv statistik: Stora analysguiden

Innan du kör något statistiskt test behöver du titta på din data. Deskriptiv statistik är det första steget i varje analys.

Fyra skäl att alltid börja här

Hitta fel och omöjliga värden. En ålder på 999 eller ett negativt PHQ-9-poäng avslöjar inmatningsfel som annars förvränger hela analysen.
Upptäck outliersExtremvärden som avviker markant från övrig data. Kan vara verkliga eller felaktiga.. Extremvärden kan dra medelvärden åt fel håll och snedvrida hela resultatet.
Förstå fördelningens form. Är data normalfördelad? Skev? Har den två toppar? Det hjälper dig att granska antagandena. Valet av test beror också på forskningsfrågan och studiedesignen; ofta gäller normalitetsantagandet residualer eller differenser.
Granskare och tidskrifter kräver det. Nästan alla vetenskapliga artiklar inleds med en demografisk tabell (Table 1) som sammanfattar stickprovet med deskriptiv statistik.

Tumregel: kör aldrig ett t-test, en ANOVA eller en regression utan att först ha tittat på deskriptiv statistik. Det tar fem minuter och kan spara timmar av felsökning.

Centralmått svarar på frågan: var ligger "mitten" av din data? Det finns tre att välja mellan:

Medelvärde (Mean, M)

Summan av alla värden delat med antalet observationer (M = Σx / n). Medelvärdet sammanfattar numeriska värden med meningsfulla avstånd. Det kräver inte normalfördelning, men kan ge en ofullständig bild av en sned fördelning. Det är känsligt för outliersExtremvärden som avviker markant från övrig data. Kan vara verkliga eller felaktiga.: ett enda extremvärde kan dra medelvärdet åt sig.

Median (Mdn)

Det mittersta värdet när data är sorterade i storleksordning. För numeriska data med meningsfulla avstånd och jämnt n tar man medelvärdet av de två mittersta värdena. För ordinala kategorier redovisar man i stället de mittersta kategorierna utan att anta lika avstånd. Medianen är robust mot outliers och föredras för sned fördelningEn fördelning där data är asymmetrisk: t.ex. inkomstdata där många har låg inkomst och få har mycket hög..

Typvärde (Mode)

Det värde som förekommer oftast. Används främst för kategoriska variabler (t.ex. "Vilken diagnos är vanligast?"). En fördelning kan ha flera typvärden (bimodal, multimodal).

När använder du vilket?

Situation	Centralmått	Rapportera med
Ungefär symmetrisk numerisk data	Medelvärde (M)	Standardavvikelse (SD)
Sned fördelning / outliers	Median (Mdn)	IQR (range är känsligt för extremvärden)
Kategorisk / nominal data	Typvärde (mode)	Frekvenser (n, %)

I APA-stil skrivs medelvärde och standardavvikelse typiskt som: M = 12.4, SD = 3.2. Median skrivs: Mdn = 11.0.

Spridningsmått berättar hur mycket värdena varierar kring centralmåttet. Utan dem vet du inte om deltagarna är lika varandra eller extremt olika.

Standardavvikelse (SD)

Standardavvikelsen bygger på de kvadrerade avvikelserna från medelvärdet. För ett stickprov summeras dessa, delas med n − 1 och kvadratroten tas. Rapporteras tillsammans med medelvärdet. Ett lågt SD innebär att värdena klustrar tätt kring medel; ett högt SD innebär stor spridning.

Ca 68 % av värdena ligger inom ±1 SD från medel, och ca 95 % inom ±2 SD, om data är normalfördelad. Se normalfördelnings-visualiseringen för interaktiv demonstration.

Standardfel (SE) beskriver osäkerheten i en skattning. För medelvärdet av oberoende, likafördelade observationer skattas det som SD / √n. SD beskriver spridningen mellan observationerna. Rapportera SD när du beskriver stickprovet.

Varians (SD²)

Standardavvikelsen i kvadrat. Används i beräkningar (t.ex. ANOVA) men rapporteras sällan direkt eftersom enheten är svårtolkad (t.ex. "år²").

Range (variationsvidd)

Skillnaden mellan det största och minsta värdet: Max − Min. Enkelt men känsligt för outliers: ett enda extremvärde ändrar hela range.

IQR (Interquartile Range, kvartilavstånd)

Skillnaden mellan tredje och första kvartilenKvartiler delar sorterad data i fyra lika stora delar. Q1 = 25:e percentilen, Q2 = medianen, Q3 = 75:e percentilen.: Q3 − Q1. Omsluter de mittersta 50 % av data. Rapporteras tillsammans med medianen när data är snedvriden.

Sammanfattning

Mått	Formel	Används med	Känsligt för outliers?
Standardavvikelse (SD)	√(Σ(x−M)² / (n−1))	Medelvärde	Ja
Varians (SD²)	Σ(x−M)² / (n−1)	(Beräkningar)	Ja
Range	Max − Min	Alla	Mycket
IQR	Q3 − Q1	Median	Nej

Öppna din datafil i jamovi (File > Open). Se dataguiden om du behöver hjälp med import.
Gå till Analyses > Exploration > Descriptives.
Flytta dina variabler till rutan Variables. För gruppjämförelser: flytta gruppvariabeln till Split by.
Under Statistics, bocka i: Mean, Median, Std. deviation, Minimum, Maximum, Skewness, Kurtosis.
Under Plots, bocka i: Histogram och Box plot (gärna även Violin).
För kategoriska variabler: bocka i Frequency tables under Statistics för att få frekvensfördelningen.
Resultaten visas direkt i höger panel. Dubbelklicka på tabellen för att kopiera värden.

Välj Descriptives:

Välj Analyses > Exploration > Descriptives

Lägg till variabler:

Välj statistik:

Välj plots:

Bocka i Histogram och Box plot under Plots

Resultat:

Tolka skewness och kurtosis

SkewnessMått på fördelningens symmetri. 0 utesluter inte asymmetri, positivt = högerskev (svans åt höger), negativt = vänsterskev. (snedhet): Värden nära 0 tyder på symmetrisk fördelning. Positivt värde = högerskev (svans åt höger), negativt = vänsterskev. Tumregel: |skewness| > 1 indikerar tydlig snedhet.

KurtosisMått på svansarnas tyngd jämfört med normalfördelningen. Hög kurtosis innebär tunga svansar. (svanstyngd): Excess kurtosis nära 0 motsvarar normalfördelningens kurtosis men visar inte att fördelningen är normal. Höga positiva värden innebär tunga svansar (fler extremvärden än förväntat).

En outlier är ett värde som sticker ut rejält från resten. I jamovis boxplot syns de som enskilda punkter utanför morrhåren. Ibland är de verkliga (en patient som svarade ovanligt bra på behandling), ibland felaktiga (någon som matade in 999 istället för 9).

Hur upptäcker du dem?

Boxplot: punkter utanför morrhåren (IQR-regeln: > 1.5 × IQR från Q1/Q3)
Min/Max: ligger värdena inom rimliga gränser?
Z-poäng: |z| > 3 anses extremt. OBS: metoden har en inbyggd svaghet: extremvärdet i sig blåser upp SD så att det kan maskera sig självt.
MAD (Median Absolute Deviation): robustare alternativ till Z-poäng. Använder medianen istället för medelvärdet.

Först: Avgör varför outlieren finns. Inmatningsfel: rätta mot originalkällan. Om värdet inte kan rättas, markera det som saknat och dokumentera beslutet. Genuin extrem variation: behåll om inga sakliga exklusionsskäl finns. En datapunkt som ensam ändrar slutsatsen → kör analys med och utan, rapportera båda.

Ta bort eller behålla?

Argument för att ta bort	Argument för att behålla
Inmatningsfel eller tekniskt problem	Värdet är verkligt och kliniskt relevant
Deltagaren uppfyllde inte inklusionskriterier	Att ta bort minskar generaliserbarhet
Förhandsbestämda, sakligt motiverade exklusionskriterier	Selektiv borttagning riskerar p-hacking

Tumregel: Vid inflytelserika extremvärden kan du köra en känslighetsanalys med och utan dem. Ange huvudanalysen i förväg och motivera urvalet. Om resultaten är likartade har de begränsad påverkan. Rapportera båda. För en fullständig guide om outliers, saknade data och bortfall, se Bortfall, outliers & saknade data.

För kategoriskaVariabler som består av grupper eller kategorier, t.ex. diagnos, kön, behandlingsgrupp. Kategorier kan vara nominala eller ordinala. variabler är frekvenstabellen det viktigaste deskriptiva verktyget. Den visar hur många observationer (n) och vilken andel (%) som tillhör varje kategori.

Exempel: diagnos

Diagnos	n	%
Egentlig depression	42	35.0
Generaliserat ångestsyndrom	28	23.3
Paniksyndrom	22	18.3
Social ångest	18	15.0
Specifik fobi	10	8.3

N = 120. Tabellen visar att egentlig depression är den vanligaste diagnosen i stickprovet.

Table 1 (demografisk tabell)

I de flesta vetenskapliga artiklar presenteras stickprovet i en Table 1 som blandar deskriptiva mått för både kontinuerliga och kategoriska variabler:

Variabel	Behandling (n = 60)	Kontroll (n = 60)
Ålder, M (SD)	34.2 (8.7)	33.8 (9.1)
Kön (kvinna), n (%)	38 (63.3)	41 (68.3)
PHQ-9, M (SD)	16.4 (4.2)	15.9 (4.5)
Utbildning (universitet), n (%)	32 (53.3)	29 (48.3)

I jamovi får du en liknande tabell genom att flytta gruppvariabeln till Split by i Descriptives. Då redovisas statistiken separat för varje grupp.

En bra graf säger mer än en tabell full med siffror. Tre figurer är särskilt användbara:

Histogram

Visar fördelningens form genom att dela upp data i intervall (bins). Använd för att:

Bedöma om data är normalfördelad (klockformad kurva)
Upptäcka bimodala fördelningar (två toppar: kanske två undergrupper?)
Identifiera snedhet (lång svans åt höger eller vänster)

Boxplot (låddiagram)

Visar median, kvartilerKvartiler delar sorterad data i fyra lika stora delar. Q1 = 25:e percentilen, Q2 = medianen, Q3 = 75:e percentilen. och outliers i en kompakt figur. Särskilt bra för att:

Jämföra grupper sida vid sida
Identifiera outliers (visas som enskilda punkter utanför morrhåren)
Bedöma asymmetri; medianens läge i lådan är en ledtråd, inget bevis för symmetri

Violin plot

Visar en skattad densitetskurva, ibland med en boxplot inuti. Formen beror på utjämningen. Bredden anger skattad täthet och kan inte alltid jämföras som antal observationer mellan grupper.

För mer avancerade figurer som raincloud plots, spaghettidiagram och forest plots, se figurguiden.

Bocka av punkterna innan du går vidare till huvudanalyserna.

0/8 klart

Kontrollerat variabeltyper och skalnivåer i jamovi
Beräknat centralmått och spridningsmått för alla kontinuerliga variabler
Visualiserat fördelningar (histogram och/eller boxplot)
Identifierat eventuella outliersExtremvärden som avviker markant från övrig data. Kan vara verkliga eller felaktiga. och beslutat hur de ska hanteras
Kört analyser både med och utan outliers för att kontrollera robusthet
Granskat relevanta fördelningar, exempelvis inom grupper eller för differenser och residualer (histogram och Q-Q-plott, ev. Shapiro-WilkStatistiskt test för normalfördelning. I jamovi: Exploration > Descriptives > bocka i Shapiro-Wilk.)
Kontrollerat och redovisat saknade data (missing values)
Skapat Table 1 (demografisk tabell med centralmått och frekvenser per grupp)