PUH-RAPPORT - BADA - Högskolan i Borås
PUH-RAPPORT - BADA - Högskolan i Borås
PUH-RAPPORT - BADA - Högskolan i Borås
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Utifrån modellen om självreglerat lärande och den relevanta litteraturen presenterar<br />
Nicol och Macfarlane-Dick sju förslag som förstärker studentens förmåga<br />
att självreglera: klargör hur en bra prestation ser ut, underlätta självvärdering, ge<br />
högkvalitativ feedback, uppmuntra dialog mellan lärare och student, öka studenternas<br />
motivation, ge möjligheten att minska gapet mellan nuvarande prestation<br />
och önskad prestation, använd feedback för att förbättra undervisningen. I avsnitt<br />
6 används dessa förslag för att förbättra undervisningen i regressionsanalys.<br />
4. strategi för att genomföra en regressionsanalys<br />
Neter et al. presenterar en strategi som studenterna kan följa för att genomföra en<br />
regressionsanalys. Strategin delas in i fyra olika delar nämligen datainsamling och<br />
förberedelse, reducera antalet förklarandevariabler, förbättring av modellen och<br />
validering av modellen.<br />
Datamaterialet som används för en regressionsanalys är ofta tvärsnittsdata från<br />
en observationsstudie. Hur många observationer det behövs för att kunna genomföra<br />
en bra analys bestäms av hur många förklarande variabler man kommer att<br />
använda i sin modell. Det som brukar föreslås är ett minimum av 20-30 observationer<br />
per förklarande variabel. I många fall använder man ett datamaterial som<br />
redan är sparat i ett format som passar ett statistiskt program men ibland måste<br />
man mata in sin information själv. En bra strategi som underlättar det här steget är<br />
att mata in informationen först i Excel och sedan därifrån exportera datamaterialet<br />
till det statistiska program man använder. Om man har fått ett datamaterial från en<br />
myndighet, en organisation eller ett företag är det extremt viktigt att man ägnar tid<br />
att bekanta sig med hur stort bortfallet är i undersökningen, hur variablerna är<br />
definierade samt hur de så kallade missing values identiferas. Bearbetning av datamaterialet<br />
tar ofta lång tid och upplevs av studenter som frustrerande men en väl<br />
genomförd analys av datamaterialet tidigt i processen sparar mycket tid senare i<br />
arbetet. Sedan bör man kontrollera att variablerna man vill använda har mätts i det<br />
format som passar en regressionsanalys. Den beroende bör vara en variabel som<br />
mäts i intervall- eller kvotskalan. Kraven på de förklarande variablerna är inte så<br />
höga, de kan vara kvantitativa eller kvalitativa.<br />
Att reducera antal variabler innebär att man från de tiotal, och ibland hundratals,<br />
variabler man har, minskar antalet till de som är relevanta för analysen man vill<br />
genomföra. Det är viktigt att man tänker noga om man skall radera ett antal variabler<br />
eftersom det inte är ovanligt att man raderar variabler som senare visar sig<br />
användbara i analysen. Det som rekommenderas är att identifiera tre grupper av<br />
107