Kvantitatiivisen aineiston keruu ja analyysi kl 2011 harjoitukset

• Kvantitatiivisen aineiston keruu ja analyysi (kl. 2011) -harjoitukset pääaineopiskelijoille Mira Kalalahti Käyttäytymistieteiden laitos Mira. kalalahti@helsinki. fi Teollisuuskatu 23 (PL 26) 00014 Helsingin yliopisto

Selittävä eli tilastolliseen päättelyyn perustuva tutkimus Muuttujien välisten suhteiden analysointi: Tutkitaan kahden tai useamman muuttujan yhteisvaihtelua Usein sisältää kausaalisia oletuksia (esim. regressioanalyysi) Joskus toimii kuvailevana analyysina (esim. eksploratiivinen faktorianalyysi)

Selittävä (kausaalinen) tutkimus Miksi? Muuttujien välisten suhteiden analysoiminen riippuvuuksien tutkiminen: korrelaatiokerroin / ristiintaulukointi syy-seuraussuhteet, selitysmallit muuttujille tunnistetaan tekijöitä, joilla voidaan luonnehtia ilmiössä olevia piirteitä määritetään tekijöitä, jotka esiintyvät vertailtavissa aineistoissa

Selittävä (kausaalinen) tutkimus Edellytyksinä yhteisvaihtelu, ajallinen seuraaminen, ei kolmatta selittäjää, looginen riippumattomuus, suhteen taustalla yleinen teoria A on B: n syy, B on A: n syy, A ja B johtuvat C: stä, A: n ja B: n yhteisvaihtelu johtuu sattumasta Heikkous: selittävien muuttujien kontrollin puute, vaihtoehtoisten selitysmallien esittäminen

Selittävä (kausaalinen) tutkimus ja korrelaatio Korrelatiivisissa asetelmissa johtopäätökset muuttujien välisistä vaikutussuhteista ja kausaalisuudesta ovat rajoitetut. Asetelmilla voidaan kuitenkin saada tukea teoreettisesti mielekkäille ja oletetuille syyseuraussuhteille. Voidaan myös saada tukea sille, että joidenkin muuttujien välillä EI ole kausaalisuhdetta.

Summamuuttujat summamuuttujalla kuvataan usein abstraktia käsitettä, johon lasketaan yhteen keskenään korreloivia indikaattoreita eli yhdistetään samaa ominaisuutta kuvaavat muuttujat (esim. syrjäytymisen mittarina työ, terveys, asuminen, sosiaaliset suhteet)

saattaa parantaa validiutta; kysyttyä asiaa halutaan kysyä useammalla kysymyksellä, jotka yhdistetään kokonaismittariksi saattaa kohentaa myös reliaabeliutta; summamuuttujassa satunnaisvirheet kumoavat toisensa

Summamuuttujat Likert-asteikollisten muuttujien järjestysasteikkoluonnetta loivennetaan tulkitsemalla se välimatka-asteikolliseksi Tulkintaa tukee summamuuttujan teko

Korrelaatio ● ● ● korrelaatiokerroin kertoo kahden muuttujan välisestä riippuvuudesta miten tarkoin kahden muuttujan välinen tilastollinen yhteys muistuttaa lineaarista riippuvuutta mittaustason mukaan täytyy valita oikea korrelaatiokerroin positiivinen, negatiivinen tai puuttuva korrelaatio (”täydellinen” korrelaatio +1 / -1, 0 = muuttujat eivät korreloi) korkea korrelaatio = 1 -0. 6, kohtuullinen = 0. 6 -0. 4 (Metsämuuronen) ● testattava ● usein analyysin lähtöpiste

Korrelaatio ● ● ● Pearsonin korrelaatiokerroin, r Yleisin käytetty korrelaatiota kuvaava tunnusluku on Pearsonin tulomomenttikorrelaatiokerroin (r). Se on vähintään kahden intervalliasteikollisen muuttujan keskinäisen lineaarisen riippuvuuden voimakkuutta kuvaava tilastollinen tunnusluku. Spearmanin rho, Spearmanin on useimmin käytetty järjestyskorrelaatiokerroin vähintään järjestysasteikollisten muuttujien välillä. (Menetelmäopetuksen tietovaranto)

Reliabiliteetti ● ● ● Paljon käytetty tunnusluku reliabiliteetin mittaamiseksi on Cronbachin (alfa). Sillä mitataan nimenomaan mittarin konsistenssia eli yhtenäisyyttä. Cronbachin alfa lasketaan muuttujien välisten keskimääräisten korrelaatioiden ja väittämien lukumäärän perusteella. Mitä suurempi alfan arvo on, sitä yhtenäisempi mittarin voidaan katsoa olevan. Käytännössä kannattaa kokeilla, mikäli mahdollista, eri muuttujakombinaatioita ja verrata saatuja alfan arvoja. (Menetelmäopetuksen tietovaranto)

Reliabiliteetti ● ● ● Reliabiliteetista ollaan yleensä kiinnostuneita sen vuoksi, että väittämäpatteriston muuttujat halutaan tiivistää summamuuttujaksi. Reliabiliteettia kuvaava tunnusluku lasketaan niille muuttujille, joita on tarkoitus yhdistää. Tällöin väittämien koodaus tulee olla sama, kuin se on summamuuttujaa laskettaessa. Joskus joidenkin muuttujien koodaus pitää kääntää. Teknisesti reliabiliteettia saadaan parannettua, kun jätetään alfa-kertoimen arvoa alentavia muuttujia pois. Tällöin voi kuitenkin mittarin validiteetti kärsiä eli mittari ei enää olekaan kattava. On siis mietittävä myös sisällöllisesti, mitä poistetaan. Ainakin monitulkintaiset väittämät on syytä jättää pois. (Menetelmäopetuksen tietovaranto)