MET4 · NHH

Studieguide for MET4 Empiriske metoder

Komplett pensumoversikt for empiriske metoder ved NHH — med forklaringer, sentrale begreper, eksamenstips og vanlige fallgruver. Eksamensoptimalisert basert på tidligere eksamener.

Introduksjon

MET4 Empiriske metoder er obligatorisk metodefag i bachelorstudiet ved NHH. Kurset gir deg verktøyene for å hente innsikt ut av økonomiske data: beskrive et datasett, sammenligne grupper med formelle tester, bygge og tolke regresjonsmodeller, klassifisere med logistisk regresjon og KNN, og analysere og predikere tidsrekker. Alt praktisk arbeid gjøres i R.

Eksamen er en 6-timers digital skoleeksamen med tilgang til R og alle trykte hjelpemidler. Den består typisk av to deler: Del 1 – Dataanalyse med R, der du får et datasett og skal produsere og tolke deskriptiv statistikk, tester og modeller selv, og Del 2 – Regneoppgaver, der du regner og tolker for hånd med utgangspunkt i oppgitte tabeller og R-utskrifter.

Denne studieguiden er strukturert etter fagets åtte pensumtemaer, med vekt på det som faktisk går igjen på eksamen: to-utvalgs t-tester og F-tester, kjikvadrattester, tolkning av regresjonsutskrifter, logistisk regresjon med klassifisering og KNN, og tidsrekkedekomponering med ARIMA-modeller og eksponentiell glatting.

Deskriptiv statistikk og dataanalyse i R

Eksamensrelevant

Deskriptiv statistikk i R – sentraltendens, spredning, kvartiler, frekvens- og krysstabeller, figurvalg og kritisk lesing av grafer – er den obligatoriske inngangen til Del 1 av MET4-eksamen.

Hvorfor deskriptiv statistikk?

All empirisk analyse starter med å beskrive dataene: Hva er typisk nivå? Hvor stor er spredningen? Er fordelingen skjev? Finnes det uteliggere eller grupper som skiller seg ut? På MET4-eksamen er dette obligatorisk innledning i Del 1: du laster et datasett med load("data.Rdata"), orienterer deg med str(d), head(d) og summary(d), og produserer deskriptive tabeller og figurer før du går videre til tester og regresjon.

Sentraltendens og spredning

Gjennomsnittet $\displaystyle \bar{x} = \frac{1}{n}\sum x_i$ bruker all informasjon, men er følsomt for ekstremverdier. Medianen (midterste sorterte verdi) er robust og foretrekkes for skjeve fordelinger som inntekt, boligpriser og ordreverdier. En nyttig tommelfingerregel: $\bar{x}$ klart større enn medianen tyder på høyreskjevhet, klart mindre på venstreskjevhet. Spredning måles med utvalgsvariansen $\displaystyle s^2 = \frac{1}{n-1}\sum(x_i-\bar{x})^2$ og standardavviket $s$ (husk $n-1$ – slik regner også var() og sd() i R), eller robust med interkvartilbredden $IQR = Q_3 - Q_1$ . Variasjonskoeffisienten $CV = s/\bar{x}$ brukes når grupper med ulikt nivå skal sammenlignes.

Eksempel 1 (eksamenstypisk håndregning)

Sykkelutleien i Elvebyen registrerte antall utleide sykler fem formiddager: 34, 41, 28, 52, 45. Gjennomsnittet er $\bar{x} = 200/5 = 40$ . Kvadratavvikene er $(-6)^2 + 1^2 + (-12)^2 + 12^2 + 5^2 = 36+1+144+144+25 = 350$ , så $s^2 = 350/4 = 87{,}5$ og $s = \sqrt{87{,}5} \approx 9{,}35$ . Medianen er 41 (midterste av de sorterte verdiene 28, 34, 41, 45, 52). Merk at gjennomsnitt og median er nær hverandre – ingen tegn til sterk skjevhet.

Figurer: velg riktig type

Kategorisk variabel: søylediagram via barplot(table(x)). Numerisk variabel: histogram via hist(x) – vurder form (symmetrisk/skjev, én eller flere topper). To numeriske variabler: spredningsplott plot(x, y) sammen med korrelasjonen cor(x, y), der $r = s_{xy}/(s_x s_y) \in [-1, 1]$ kun måler lineær samvariasjon. Fordeling per gruppe: parallelle boksplott boxplot(y ~ gruppe). Boksplottet viser femtallssammendraget (min, $Q_1$ , median, $Q_3$ , maks) og markerer observasjoner utenfor gjerdene $Q_1 - 1{,}5 \cdot IQR$ og $Q_3 + 1{,}5 \cdot IQR$ som mulige uteliggere. Median nær $Q_1$ med lang øvre hale signaliserer høyreskjevhet. Husk at boksplott kan skjule bimodalitet – suppler med histogram.

Frekvenstabeller og krysstabeller

table(x) teller per kategori, table(x, y) gir krysstabell, og prop.table(tab, margin = 1) gir radandeler. Sammenlign alltid andeler, ikke antall, når gruppene har ulik størrelse. Fra en frekvenstabell finner du gjennomsnittet som veid snitt $\displaystyle \bar{x} = \sum f_j x_j / n$ og medianen via kumulative frekvenser.

Eksempel 2 (krysstabell)

Ferjeselskapet Kystlinjen hadde 240 avganger på rute Nord, hvorav 36 forsinkede, og 160 avganger på rute Sør, hvorav 48 forsinkede. Antallet ser verst ut for Nord i absolutte tall per uke, men andelene er $36/240 = 0{,}15$ mot $48/160 = 0{,}30$ : rute Sør har dobbelt så høy forsinkelsesandel. I R: prop.table(tab, margin = 1). En slik deskriptiv forskjell kan senere testes formelt (kjikvadrat/to-andeler).

Misvisende grafer

Klassisk Del 2-oppgave: vurder en figur kritisk. Sjekk (1) om y-aksen er kuttet – i et søylediagram med akse fra 60 til 66 ser en økning fra 62 % til 65 % (reelt $3/62 \approx 4{,}8\,\%$ ) ut som en dobling; (2) selektivt tidsvindu; (3) arealforvrengning – et piktogram som dobles i både høyde og bredde firedobler arealet; (4) doble y-akser med tilpassede skalaer; (5) antall der andeler er det relevante. Strukturér svaret: identifiser trikset, tallfest det reelle forholdet, foreslå korrigert figur.

Slik testes temaet på eksamen

I Del 1 (R) bes du lage deskriptive tabeller per gruppe (gjerne tapply/aggregate), histogram, boksplott og søylediagram med titler og aksetekster, og kommentere nivå, spredning, skjevhet og uteliggere i kontekst. I Del 2 kommer håndregning (gjennomsnitt, median, $s^2$ , kvartiler, uteliggergrenser), tolkning av oppgitte summary()-utskrifter (typisk «hva sier forholdet mellom Mean og Median om formen?») og kritisk vurdering av misvisende figurer. Deskriptiv analyse er også springbrettet: normalitetsvurdering fra histogram/boksplott begrunner senere valg av tester.

Nøkkelformler

• $\displaystyle \bar{x} = \frac{1}{n}\sum_{i=1}^{n} x_i$
• $\displaystyle s^2 = \frac{1}{n-1}\sum_{i=1}^{n}(x_i - \bar{x})^2, \quad s = \sqrt{s^2}$
• $\displaystyle CV = \frac{s}{\bar{x}}$
• $IQR = Q_3 - Q_1$ , uteliggergjerder: $Q_1 - 1{,}5 \cdot IQR$ og $Q_3 + 1{,}5 \cdot IQR$
• $\displaystyle z = \frac{x - \bar{x}}{s}$
• $\displaystyle r = \frac{s_{xy}}{s_x s_y}, \quad s_{xy} = \frac{1}{n-1}\sum(x_i-\bar{x})(y_i-\bar{y})$
•Veid gjennomsnitt fra frekvenstabell: $\displaystyle \bar{x} = \frac{\sum f_j x_j}{n}$
•Empirisk regel: ca. 68 % innenfor $\bar{x} \pm s$ , ca. 95 % innenfor $\bar{x} \pm 2s$

Vanlige feil

⚠️Å dele kvadratavvikssummen på n i stedet for n − 1 ved beregning av utvalgsvarians.
⚠️Å sammenligne antall i stedet for andeler i krysstabeller når gruppene har ulik størrelse.
⚠️Å tolke r ≈ 0 som «ingen sammenheng» – det kan finnes en sterk ikke-lineær sammenheng; se alltid på spredningsplottet.
⚠️Å bruke gjennomsnittet som mål på typisk nivå i sterkt høyreskjeve fordelinger (inntekt, ordreverdier) uten å nevne medianen.
⚠️Å blande prosent og prosentpoeng, eller å godta en kuttet y-akse uten å regne ut den reelle relative endringen.

Eksamenstips

💡Start alltid Del 1 med str(d), head(d) og summary(d), og kommenter forholdet mellom Mean og Median – det avslører skjevhet og gir lette poeng.
💡Gi alle figurer tittel og aksetekster med enheter (main, xlab, ylab) – sensor ser etter det i R-besvarelsen.
💡Ved håndregning av varians: del på n − 1, ikke n – dette er den vanligste regnefeilen i Del 2.
💡Sammenlign alltid andeler (prop.table med riktig margin), aldri rå antall, når grupper har ulik størrelse.
💡Ved figurkritikk: identifiser trikset (kuttet akse, tidsvindu, areal), tallfest den reelle endringen, og foreslå en korrigert figur – alle tre delene gir uttelling.

Laster...

Laster…