Deskriptiv statistik uppsats: vad du ska redovisa och varför

Du har exporterat enkätsvaren, öppnat Excel, SPSS, Jamovi eller R — och plötsligt känns resultatkapitlet mer som en lista med siffror än som akademisk analys. Handledaren ber om ”deskriptiv statistik”, men skriver inte alltid exakt vad som förväntas. Ska du ta med medelvärde för allt? Räcker procent? Måste standardavvikelse redovisas även om skalan är skev? Och hur mycket plats får en tabell ta i en kandidatuppsats eller masteruppsats innan den börjar se ut som rådata? Osäkerheten gör ofta att studenter antingen redovisar för lite, så att läsaren inte kan bedöma materialet, eller för mycket, så att resultatdelen blir tung och svår att tolka.

Deskriptiv statistik i en uppsats ska sammanfatta ditt datamaterial så att läsaren förstår vilka observationer, variabler och mönster analysen bygger på. Redovisa urvalsstorlek, bortfall, centraltendens, spridning och fördelningar utifrån variablernas mätnivå och din frågeställning. Poängen är inte att visa allt du har räknat fram, utan att visa de siffror som gör studiens resultat kontrollerbara och begripliga.

In this guide

• Vad är deskriptiv statistik i en uppsats?
• Vad ska redovisas i deskriptiv statistik?
• Hur rapporterar du medelvärde och standardavvikelse korrekt?
• Hur gör du en tabell deskriptiv statistik som är lätt att läsa?
• Hur anpassar du deskriptiv statistik efter ämne och forskningsfråga?
• Vilka misstag gör studenter ofta när de skriver deskriptiv statistik i uppsats?
• Hur går du från rådata till en färdig resultattext?
• Hur kontrollerar du att din deskriptiva statistik är klar för handledning?

Vad är deskriptiv statistik i en uppsats?

Deskriptiv statistik är den del av resultatredovisningen som beskriver datamaterialet utan att i sig testa hypoteser eller dra långtgående slutsatser. Den visar till exempel hur många som ingår i urvalet, hur svaren fördelar sig, vilket medelvärde en skala har och hur mycket variation som finns. I en akademisk uppsats fungerar den som en bro mellan metodkapitlets beskrivning av datainsamlingen och den senare analysen.

Skillnaden mellan att beskriva och att förklara

Deskriptiv statistik betyder att du sammanfattar data: antal, procent, medelvärde, median, standardavvikelse, minsta och högsta värde. Den svarar på frågor som ”hur ser materialet ut?” och ”hur fördelar sig svaren?”.

Inferentiell statistik används när du testar om skillnader, samband eller modeller kan generaliseras bortom ditt urval. T-test, korrelation, regressionsanalys och chi-två-test hör till den delen. Om du är osäker på vilket test som passar efter den deskriptiva delen kan artikeln Beslutspunkt för att välja statistiskt test hjälpa dig att koppla variabeltyp och frågeställning till analysval.

I en uppsats på kandidatnivå eller masternivå behöver båda nivåerna ofta samspela. Du kan till exempel inte tolka en korrelation mellan studietid och provresultat utan att först visa hur studietid och provresultat faktiskt ser ut i materialet.

Varför handledare bryr sig om de ”enkla” siffrorna

Deskriptiv statistik verkar ibland trivial eftersom den inte ger det stora svaret på forskningsfrågan. Men den hjälper läsaren att bedöma om analysen är rimlig. Ett medelvärde för en skala blir till exempel svårt att lita på om du inte visar hur många svar som ingår, hur stort bortfallet är och om spridningen är hög.

I en psykologiuppsats om stress bland universitetsstudenter kan ett medelvärde på 3,8 på en femgradig stresskala låta informativt. Men utan standardavvikelse vet läsaren inte om de flesta ligger nära 3,8 eller om svaren är splittrade mellan mycket låg och mycket hög stress. Deskriptiv statistik visar alltså inte bara nivåer, utan även hur stabila och varierade dessa nivåer är.

Vad ska redovisas i deskriptiv statistik?

Du ska redovisa de mått som hjälper läsaren att förstå urvalet, variablerna och de mönster som ligger bakom din analys. Vanligtvis ingår antal observationer, bortfall, frekvenser eller procent, samt centrala mått och spridningsmått för numeriska variabler. Exakt vad som ska redovisas i deskriptiv statistik beror på mätnivå, ämnestradition och forskningsfråga.

Urvalsstorlek, bortfall och giltiga svar

Börja med N, alltså antalet observationer som ingår. I enkätstudier behöver du ofta skilja mellan totalt antal respondenter och antal giltiga svar per variabel. Om 214 personer svarade på enkäten men endast 189 besvarade frågan om inkomst, ska tabellen inte låtsas att inkomstvariabeln bygger på 214 svar.

Bortfall är svar eller observationer som saknas. Det kan vara externt bortfall, där någon inte deltar alls, eller internt bortfall, där personen deltar men hoppar över vissa frågor. I en kandidatuppsats räcker det ofta att redovisa bortfallet tydligt och kort kommentera om det påverkar analysen. I en masteruppsats kan du behöva beskriva hur bortfall hanterats, till exempel listwise deletion, pairwise deletion eller imputering om det är metodologiskt motiverat.

Ett vanligt minimum är:

• totalt antal respondenter eller observationer
• antal giltiga svar per central variabel
• antal eller procent bortfall där det är relevant
• eventuella exkluderingar, till exempel ofullständiga enkäter

Frekvenser, procent och kategorier

För kategoriska variabler redovisar du normalt frekvens, alltså antal fall i varje kategori, och procent, alltså andelen av urvalet. Det gäller variabler som könskategori, utbildningsnivå, boendeform, vårdavdelning, bransch eller typ av anställning.

Om du skriver en företagsekonomisk uppsats om distansarbete och arbetstillfredsställelse kan du beskriva urvalet med antal och procent för bransch, anställningsform och hur ofta respondenter arbetar hemifrån. Där är medelvärde inte alltid meningsfullt. ”Bransch” har inga numeriska avstånd mellan kategorierna, så frekvenser är rätt sätt att visa fördelningen.

För ordinala variabler, till exempel svarsalternativ från ”instämmer inte alls” till ”instämmer helt”, kan både procentfördelning och median vara relevanta. Många studentuppsatser använder ändå medelvärden för Likertskalor, särskilt när flera items slås ihop till en skala. Då behöver du vara konsekvent och förklara hur skalan har konstruerats, gärna med stöd i metodkapitlet. Artikeln Variabelmodell med mätbara indikatorer kan vara användbar när du behöver gå från teoretiskt begrepp till mätbar variabel.

Centraltendens och spridning

Centraltendens beskriver var data ”ligger” i genomsnittlig eller typisk mening. Vanliga mått är medelvärde, median och typvärde. Spridning beskriver hur mycket observationerna varierar, till exempel med standardavvikelse, variationsbredd, kvartiler eller interkvartilavstånd.

För intervall- och kvotvariabler, till exempel ålder, antal studie­timmar, vårdtid i dagar eller poäng på ett kunskapstest, är medelvärde och standardavvikelse ofta relevanta. För skeva variabler kan median och kvartiler ge en mer rättvis bild. Om de flesta patienter i en vårdstudie har en vårdtid på 1–3 dagar men några få ligger inne i 40 dagar, kan medelvärdet dras upp och bli missvisande utan median.

En enkel jämförelse:

Studentversion som skapar problem	Starkare redovisning
”Respondenterna var ganska unga.”	”Respondenternas ålder varierade mellan 19 och 34 år, med ett medelvärde på 24,6 år och en standardavvikelse på 3,1.”
”De flesta var positiva till distansarbete.”	”Av respondenterna instämde 68 procent helt eller delvis i påståendet att distansarbete ökar deras produktivitet.”
”Stressnivån var hög.”	”Stresskalan hade ett medelvärde på 3,9 av 5,0 och en standardavvikelse på 0,8, vilket visar en relativt hög genomsnittlig nivå men också viss variation.”
”Det fanns bortfall på vissa frågor.”	”Antalet giltiga svar varierade mellan 176 och 184 per variabel; störst bortfall fanns på frågan om månadsinkomst, där 21 respondenter saknade värde.”

Hur rapporterar du medelvärde och standardavvikelse korrekt?

Rapportera medelvärde och standardavvikelse när variabeln är numerisk eller när en sammanslagen skala behandlas som numerisk. Skriv alltid vilken skala måttet gäller, vilket antal observationer som ingår och hur många decimaler som är rimliga. Medelvärdet visar nivån, medan standardavvikelsen visar hur mycket svaren sprider sig runt den nivån.

Vad medelvärde och standardavvikelse faktiskt säger

Medelvärde är summan av alla värden dividerad med antalet observationer. Det är användbart när värdena kan behandlas som jämnt fördelade längs en skala. Ett medelvärde på 4,2 på en femgradig nöjdhetsskala antyder en hög genomsnittlig nivå, men säger inte om alla ligger runt 4 eller om hälften svarar 5 och hälften svarar 3.

Standardavvikelse visar den genomsnittliga spridningen runt medelvärdet. En låg standardavvikelse betyder att värdena ligger relativt nära medelvärdet. En hög standardavvikelse betyder att svaren varierar mer.

Skriv inte bara ”M = 4,2”. Läsaren behöver veta vad siffran mäter. En bättre formulering är: ”Den sammanslagna skalan för upplevd återkoppling hade ett medelvärde på 4,2 av 5,0 (SD = 0,6, n = 142).” Då framgår både skala, spridning och antal svar.

Decimaler och avrundning

För många uppsatser räcker en eller två decimaler. Om din enkät använder en femgradig skala ger tre decimaler ofta falsk precision. Skriv hellre 3,7 än 3,682 om mätningen bygger på självskattningar.

Svenska lärosäten och handledare kan ha olika stilkrav. I löpande svensk text används ofta decimal­komma, medan vissa statistikprogram och APA-influerade tabeller använder decimalpunkt. Följ den stil som din institution kräver och var konsekvent. Viktigare än tecknet är att du inte blandar 3,7 i texten med 3.70 i tabellen utan skäl.

En praktisk regel är att standardavvikelse och medelvärde redovisas med samma antal decimaler. Om medelvärdet skrivs som 4,1 bör standardavvikelsen inte skrivas som 0,643912. Det ser mer exakt ut än datainsamlingen är.

När median passar bättre än medelvärde

Medianen är det mittersta värdet när observationerna sorteras. Den passar särskilt bra när fördelningen är skev eller när extremvärden påverkar medelvärdet. I en omvårdnadsuppsats om äldre patienters återinläggning kan antal dagar till återinläggning vara mycket skevt: många återkommer inte alls, några återkommer snabbt och ett fåtal efter lång tid. Då kan median och kvartiler säga mer än medelvärde och standardavvikelse.

Du behöver inte välja bort medelvärde helt, men du ska kunna motivera ditt val. Om du redovisar både medelvärde och median för samma variabel, gör det för att de tillsammans säger något relevant, inte för att fylla tabellen.

Hur gör du en tabell deskriptiv statistik som är lätt att läsa?

En bra tabell för deskriptiv statistik samlar de viktigaste måtten utan att bli en dump av hela datafilen. Den ska ha tydliga variabelnamn, rimliga kolumner, konsekventa decimaler och en kort tabellnot om skala eller bortfall behövs. En tabell deskriptiv statistik fungerar bäst när den svarar på en konkret fråga: vad behöver läsaren veta innan analysen börjar?

Välj tabelltyp efter variabeltyp

För kategoriska variabler passar tabeller med antal och procent. För numeriska variabler passar tabeller med n, medelvärde, standardavvikelse, minimum och maximum — eller median och kvartiler om fördelningen är skev.

Blanda inte alla variabler i en enda jättetabell om det gör läsningen svår. En uppsats kan till exempel ha en tabell för urvalsbeskrivning och en annan för centrala analysvariabler. I en utbildningsvetenskaplig studie om elevers motivation och lästid kan tabell 1 beskriva årskurs, könskategori och skolform, medan tabell 2 visar medelvärde och standardavvikelse för motivationsskala, lästid och testpoäng.

En tydlig tabell kan se ut så här:

Variabel	n	Medelvärde	Standardavvikelse	Min–max
Upplevd studiestress, 1–5	186	3,8	0,7	1,6–5,0
Veckovis studietid, timmar	181	14,2	6,4	2–38
Akademisk självtillit, 1–5	184	3,5	0,8	1,2–5,0
Sömn per natt, timmar	179	6,7	1,1	4–9

Tabellen visar bara variabler som läsaren behöver för att förstå studiens analys. Den inkluderar också n per variabel, vilket gör bortfall synligt utan en lång förklaring.

Rubriker, tabellnoter och text runt tabellen

Tabellrubriken ska beskriva innehållet, inte bara säga ”Deskriptiv statistik”. Skriv till exempel ”Deskriptiv statistik för centrala studievariabler” eller ”Urvalets sammansättning efter program och studieform”. Om du använder förkortningar som M och SD ska de förklaras i en not eller vara etablerade enligt den stilguide du följer.

Texten runt tabellen ska inte upprepa varje cell. Den ska hjälpa läsaren att se det mest relevanta mönstret. Ett svagt sätt att skriva är: ”Tabell 2 visar medelvärde och standardavvikelse.” Det säger inget om resultatet.

En starkare formulering är: ”Som framgår av tabell 2 var den genomsnittliga studiestressen relativt hög (M = 3,8), samtidigt som standardavvikelsen visar att variationen mellan respondenterna var tydlig (SD = 0,7).” Här används tabellen som stöd för en tolkning, men texten går inte längre än vad siffrorna tillåter.

Svag och stark resultattext

Svag studentversion	Starkare omskrivning
”I tabellen kan man se att medelvärdet är 3,8 och standardavvikelsen är 0,7. Detta visar att många är stressade.”	”Den genomsnittliga studiestressen var 3,8 på en femgradig skala (SD = 0,7, n = 186). Resultatet tyder på en relativt hög nivå av självrapporterad stress, men spridningen visar också att stressnivån varierade mellan studenterna.”
”Åldern på deltagarna var 24,6.”	”Deltagarnas genomsnittliga ålder var 24,6 år (SD = 3,1), med en variationsbredd från 19 till 34 år.”
”Det var 60 procent kvinnor och 40 procent män, vilket är bra.”	”Urvalet bestod av 60 procent kvinnor och 40 procent män. Fördelningen bör beaktas vid tolkning eftersom studien undersöker upplevelser som kan variera mellan grupper.”

Lägg märke till att den starkare versionen inte överdriver. Den beskriver, förklarar vad måtten betyder och markerar försiktigt vad läsaren bör ta med sig.

Hur anpassar du deskriptiv statistik efter ämne och forskningsfråga?

Anpassa deskriptiv statistik efter vad din uppsats undersöker, vilka variabler du har och vilken typ av läsare som ska bedöma rimligheten i analysen. Samma mått passar inte lika bra i alla discipliner. En enkätstudie i psykologi, en registerbaserad vårdstudie och en managementuppsats om anställda kräver olika fokus i redovisningen.

Socialpsykologi och beteendevetenskap

I en socialpsykologisk uppsats om sambandet mellan social jämförelse på sociala medier och självkänsla behöver du beskriva skalorna som används. Då är medelvärde, standardavvikelse, antal items och ibland intern konsistens relevanta, beroende på kursens krav. Om självkänsla mäts med tio påståenden som slås ihop till ett index behöver läsaren förstå skalan innan sambandet med social jämförelse analyseras.

Här kan en rimlig deskriptiv redovisning omfatta:

• antal respondenter som ingår i analysen
• medelvärde och standardavvikelse för varje skala
• minsta och högsta observerade värde
• eventuell information om skalans riktning, till exempel att högre värde betyder högre självkänsla

Om du först behöver säkra att syfte, frågeställningar och hypoteser hänger ihop med variablerna kan Diagram över syfte, frågeställningar, mål och hypoteser ge en struktur för den kopplingen.

Hälsovetenskap och omvårdnad

I en omvårdnadsuppsats om följsamhet till läkemedelsbehandling bland äldre patienter i hemsjukvård kan deskriptiv statistik behöva visa både patientkarakteristika och centrala utfallsvariabler. Ålder, antal läkemedel, boendeform, antal vårdkontakter och följsamhetspoäng kan alla vara relevanta, men inte på samma sätt.

Ålder kan redovisas med medelvärde och standardavvikelse om den är ungefär jämnt fördelad. Antal läkemedel kan vara skevt och därför behöva median och interkvartilavstånd. Boendeform redovisas med antal och procent. Om bortfall finns på följsamhetsmåttet behöver det anges eftersom det direkt påverkar analysens trovärdighet.

Här blir deskriptiv statistik också ett etiskt och kliniskt läsbarhetsverktyg. Läsaren behöver förstå vilken patientgrupp resultaten gäller, inte bara om ett samband är statistiskt signifikant.

Utbildning och management

I en utbildningsvetenskaplig uppsats om formativ återkoppling och elevers motivation kan du behöva redovisa klassnivå, typ av skola, könskategori, motivation före och efter en insats samt antal elever per grupp. Om du jämför två undervisningsgrupper blir deskriptiv statistik särskilt viktig före hypotesprövningen: gruppernas utgångsläge måste vara synligt.

I en managementuppsats om arbetsengagemang och distansarbete kan variabler som bransch, anställningsform, teamstorlek och antal distansdagar per vecka vara centrala. Där kan en kombination av frekvenstabell och tabell med medelvärden vara mest läsbar.

Metodvalet påverkar också vad som behöver beskrivas. Om du fortfarande placerar din studie mellan kvantitativ, kvalitativ och teoretisk ansats kan Metodval mellan kvantitativ, kvalitativ och teoretisk studie hjälpa dig att avgränsa vilken typ av resultatredovisning som är rimlig.

Vilka misstag gör studenter ofta när de skriver deskriptiv statistik i uppsats?

Studenter gör ofta misstaget att behandla deskriptiv statistik som antingen en teknisk bilaga eller som en fullständig analys. De vanligaste problemen är fel mått för variabeltypen, osynligt bortfall, tabeller utan tolkande text och slutsatser som går längre än siffrorna stödjer. En bra deskriptiv del är selektiv, transparent och kopplad till forskningsfrågan.

Fem konkreta misstag och hur du rättar dem

1. Att redovisa medelvärde för kategorier utan numerisk mening
   Studentexempel: ”Medelvärdet för utbildningsprogram var 2,4.”
   Korrigering: Redovisa antal och procent per program. Programkoder i datafilen är bara etiketter, inte mätvärden med meningsfulla avstånd.

2. Att skriva ”medelvärde och standardavvikelse” utan skala
   Studentexempel: ”Motivation hade M = 3,6 och SD = 0,9.”
   Korrigering: Skriv vad skalan går från och till, samt vad höga värden betyder: ”Motivation mättes på en skala från 1 till 5 där högre värde anger högre motivation.”

3. Att dölja bortfall genom att bara ange ett total-N
   Studentexempel: ”Studien omfattade 200 respondenter”, trots att regressionsanalysen bygger på 154 fullständiga svar.
   Korrigering: Ange giltigt n för centrala variabler eller analyssteg. Då kan läsaren bedöma hur mycket data som faktiskt används.

4. Att tolka deskriptiva skillnader som bevisade effekter
   Studentexempel: ”Studenter som arbetar deltid har lägre självtillit, vilket visar att deltidsarbete påverkar självtillit negativt.”
   Korrigering: Skriv mer försiktigt: ”Gruppen som arbetade deltid hade ett lägre genomsnitt på självtillitsskalan. För att bedöma om skillnaden är statistiskt säkerställd krävs vidare analys.”

5. Att fylla resultatkapitlet med tabeller som inte används
   Studentexempel: Tre sidor med tabeller över alla enkätfrågor, men ingen text som knyter dem till forskningsfrågan.
   Korrigering: Välj de variabler som behövs för urvalsbeskrivning och analys. Flytta mindre centrala tabeller till bilaga om de ändå behöver finnas med.

När siffror blir för många

Ett resultatkapitel blir inte mer vetenskapligt för att det innehåller fler decimaler, fler tabeller eller fler mått. Tvärtom kan för mycket deskriptiv statistik göra det svårare att se vad som faktiskt spelar roll. Fråga därför varje gång: hjälper den här siffran läsaren att förstå materialet, analysen eller tolkningen?

Om svaret är nej ska siffran troligen bort, flyttas till bilaga eller slås ihop med annan information. En tabell över tio bakgrundsvariabler kan vara relevant i en större enkätstudie, men överdriven i en liten kursuppsats där bara två av variablerna används i analysen.

Hur går du från rådata till en färdig resultattext?

Gå från rådata till resultattext genom att först kontrollera datakvalitet, sedan välja mått efter variabeltyp och till sist skriva text som förklarar de viktigaste mönstren. Processen bör ske innan du börjar tolka hypoteser eller samband. På så sätt blir den deskriptiva statistiken en grund för analysen, inte något du klistrar in i efterhand.

En konkret arbetsgång

1. Gör en variabellista. Skriv upp varje central variabel, dess mätnivå, skala och roll i studien. Markera bakgrundsvariabler, oberoende variabler och beroende variabler.

2. Kontrollera kodning och bortfall. Se om värden som 99 eller 999 betyder ”saknas” och inte ska räknas som riktiga svar. Kontrollera också om omvända enkätfrågor behöver recoderas.

3. Välj deskriptiva mått. Använd antal och procent för kategorier. Använd medelvärde och standardavvikelse för ungefär symmetriska numeriska variabler. Använd median och kvartiler när fördelningen är skev.

4. Skapa tabellerna. Håll tabellerna korta, konsekventa och kopplade till studiens frågeställning. Använd samma variabelnamn som i metodkapitlet.

5. Skriv resultattexten efter tabellen. Lyft fram de mönster som läsaren behöver förstå, men undvik att upprepa varje siffra. Kommentera särskilt högt bortfall, oväntad spridning eller skeva fördelningar.

6. Kontrollera kopplingen till analysen. Om en variabel senare används i korrelation, gruppjämförelse eller regression bör den vara begripligt beskriven innan analysen kommer.

Kopplingen till metodkapitlet

Deskriptiv statistik ska inte introducera helt nya begrepp som saknas i metodkapitlet. Om du plötsligt redovisar ”akademisk självtillit” i resultatdelen måste metodkapitlet redan ha förklarat hur begreppet mättes. Annars tvingas läsaren gissa vad siffrorna betyder.

Det omvända problemet är också vanligt: metodkapitlet beskriver fem centrala variabler, men resultatdelen redovisar bara två. Då ser analysen ofullständig ut. En fungerande struktur är att låta metodkapitlets variabelbeskrivning, den deskriptiva tabellen och de inferentiella analyserna använda samma ordning. Artikeln Metodkapitel som horisontellt metodflöde kan hjälpa dig att få den kedjan tydlig.

Från tabell till akademisk formulering

En bra resultattext är saklig, kort och specifik. Den använder siffrorna för att orientera läsaren.

Exempel:

Svagt: ”Tabellen visar att deltagarna svarade olika på frågorna. Man kan se att vissa värden är höga och andra låga.”

Starkare: ”Den högsta genomsnittliga nivån återfanns för upplevd autonomi (M = 4,1, SD = 0,6), medan arbetsbelastning hade större variation mellan respondenterna (M = 3,4, SD = 1,1). Detta innebär att respondenterna var mer samstämmiga i bedömningen av autonomi än i bedömningen av arbetsbelastning.”

Den starkare versionen gör tre saker: den namnger variablerna, anger siffrorna och förklarar vad skillnaden i spridning betyder. Den låtsas däremot inte att deskriptiv statistik ensam visar orsakssamband.

Hur kontrollerar du att din deskriptiva statistik är klar för handledning?

Din deskriptiva statistik är klar för handledning när tabeller och text gör datamaterialet begripligt utan att läsaren behöver öppna din datafil. Kontrollera att varje centralt mått har rätt variabeltyp, att bortfall syns och att resultattexten inte drar starkare slutsatser än siffrorna stödjer. Om handledaren kan se vad som har mätts, hur många svar som ingår och varför måtten är valda är du nära en fungerande version.

Före du går vidare: checklista för deskriptiv statistik

• Jag har angett totalt antal respondenter eller observationer.
• Jag har redovisat giltigt n där bortfall varierar mellan variabler.
• Jag använder antal och procent för kategoriska variabler.
• Jag använder medelvärde och standardavvikelse bara när variabeln rimligen kan behandlas som numerisk.
• Jag har övervägt median och kvartiler för skeva variabler.
• Jag har förklarat skalor, riktning och eventuella index.
• Mina tabeller har tydliga rubriker och konsekventa decimaler.
• Jag upprepar inte varje tabellcell i löpande text.
• Jag kommenterar mönster som är relevanta för forskningsfrågan.
• Jag skiljer mellan beskrivning och statistisk prövning.
• Jag har kontrollerat att variabelnamn är konsekventa mellan metod, tabeller och analys.
• Jag har tagit bort eller flyttat siffror som inte hjälper läsaren.

Sista läskontrollen

Läs resultatdelen som om du inte hade sett enkäten eller datafilen. Förstår du vilka som deltog, vilka variabler som mättes och hur svaren fördelade sig? Om svaret är nej behöver den deskriptiva delen förtydligas.

Läs sedan texten en gång till med fokus på överdrivna slutsatser. Ord som ”bevisar”, ”påverkar” och ”leder till” hör sällan hemma i den deskriptiva delen om du inte redan har genomfört en analys som stödjer påståendet. Använd hellre ”visar en högre genomsnittlig nivå”, ”indikerar större spridning” eller ”skiljer sig deskriptivt mellan grupperna”.

Rekommenderade interna länkar

(Byggsystemets metadata — ta inte bort detta avsnitt)

• Beslutspunkt för att välja statistiskt test
• Variabelmodell med mätbara indikatorer
• Diagram över syfte, frågeställningar, mål och hypoteser
• Metodkapitel som horisontellt metodflöde