Operasjonalisering mleniv for variabler Sprsml som skal brukes

Operasjonalisering: målenivå for variabler Spørsmål som skal brukes i et spørreskjema kan variere i detaljeringsgrad: under operasjonaliseringen bestemmer vi utformingen av spørsmål og svaralternativ. Målenivået for variabler bestemmer 4 forskjellige typer variabler – brukes på ulike måter i analysen av datamaterialet – utformingen av spørsmål og svaralternativer bestemmer til en viss grad hvilke statistiske analyser vi kan utføre på datamaterialet

Målenivå for variabler Nominalt nivå: en variabel der vi klassifiserer deltakere i gjensidig utelukkende kategorier / svaralternativene Ordinalt nivå: en variabel der vi klassifiserer deltakerne i kategorier – med en naturlig rangering av kategoriene Intervallnivå: en variabel der vi klassifiserer deltakerne i kategorier som kan rangeres og som har samme avstand (konstant avstand) Forholdstallsnivå: en variabel der vi klassifiserer deltakerne i kategorier det eksisterer et absolutt nullpunkt blant kategoriene / svaralternativene

Målenivå for variabler – eksempler på operasjonalisering Nominalt nivå: kun plassering i kategorier - bostedskommune (Steinkjer, Snåsa, Namdalseid osv) - kjønn (menn, kvinner) Ordinalt nivå: kategorier som kan rangeres - utdanning (gr skole, vg skole, høgre utdanning) - holdning til EU (positiv, nøytral, negativ) Intervallnivå: kategorier med konstant avstand - tidsvariabler (målt i år eller uker) - temperatur Forholdstallsnivå: kategorier med absolutt nullpunkt - alder (målt i antall år) - inntekt (målt i kroner)

Målenivå for variabler: oversikt Vurderingskriterier: Gjensidig utelukkende kategorier Lik stor Kategorier Rangering avstand har et av mellom absolutt kategorier nullpunkt Nominalt nivå: X Ordinalt nivå: X X Intervallnivå: X X X Forholdstallsnivå X X Diskrete variabler (nominalt og ordinalt nivå) (kategori-variabler) Kontinuerlige variabler (intervall og forholdstallsnivå)

Målenivå for variabler: anvendelse av statistisk analyse Statistisk analyse: Analyse av tabeller Nominalt nivå: X&Y Ordinalt nivå: X&Y Analyse av Tidsgjennomsnitt serier X Intervallnivå: Forholdstallsnivå Korrelasjon regresjon X Y Y X&Y X: årsaksvariabel (bakgrunnsvariabel, uavhengig variabel) Y: effektvariabel (hovedvariabelen i undersøkelsen, avhengig var)

Operasjonalisering: eksempel 1 Teori: Sammenhengen mellom kjønn, utdanning og holdning til EU: Hypotese: Kvinner med høg utdanning er mest positiv til EU Her er det 3 begrep / variabler som benyttes: kjønn utdanning holdning til EU En modell setter disse variablene i sammenheng – og viser hva vi mener er årsaks- og effektvariabler. Årsaksvariabler (bakgrunns-variabler, uavhengige variabler) plasseres til venstre i en slik modell Effektvariablene (avhengige variabler) plasseres til høyre i modellen

Operasjonalisering: modell av sammenheng – eksempel 1 Teori: Sammenhengen mellom kjønn, utdanning og holdning til EU: Hypotese: Kvinner med høg utdanning er mest positiv til EU 3 begrep / variabler som benyttes: kjønn, utdanning og holdning til EU Modell av sammenheng: kjønn utdanning holdning til EU kjønn – årsaksvariabel (menn, kvinner) utdanning – mellomliggende variabel (gr skole, vg skole, høgre utd) holdning til EU – effektvariabel (positiv, nøytral, negativ) Her finnes også 3 bivariate hypoteser: kjønn → holdning, utdann → holdning, kjønn → utdanning

Operasjonalisering: eksempel 2 Teori: Sammenhengen mellom geografisk lokalisering, tilgang til og holdning til kommunale tjenester: Hypotese: Personer som bor i periferien har mindre tilgang til kommunale tjenester og har en mer negativ holdning til kommunale tjenester sammenlignet med personer som bor mer sentralt Her er det 3 begrep / variabler som benyttes: sentrum-periferi tilgang til kommunale tjenester holdninger til kommunale tjenester En modell setter disse variablene i sammenheng – og viser hva vi mener er årsaks- og effektvariabler.

Operasjonalisering: modell av sammenheng – eksempel 2 Teori: Sammenhengen mellom kjønn, utdanning og holdning til EU: Hypotese: Personer som bor i periferien har mindre tilgang til kommunale tjenester og har en mer negativ holdning til kommunale tjenester sammenlignet med personer som bor mer sentralt 3 begrep / variabler som benyttes: sentrum/periferi, tilgang til kommunale tjenester og holdning til kommunale tjenester Modell av sammenheng: avstand til kommunens sentrum tilgang til kommunale tjenester holdning til kommunale tjenester sentrum/periferi – årsaksvariabel (antall km) tilgang til tjenester – mellomliggende variabel (begrenset, noe, god) holdning til tjenester – effektvariabel (positiv, nøytral, negativ)

Operasjonalisering: modell av sammenheng – eksempel 3 Teori: Sammenhengen mellom land, kjønn, og tillit til politiet: Hypotese: Kvinner i Norge har mer tillit til politiet enn andre grupper i Norge og Portugal 3 begrep / variabler som benyttes: land, kjønn og tillit til politiet Modell av sammenheng: Land kjønn Tillit til politiet land – årsaksvariabel (Norge vs. Portugal) kjønn – årsaksvariabel (menn, kvinner) tillit til politiet – effektvariabel (liten, middels, stor) Her finnes 2 bivariate hypoteser (land → tillit og kjønn → tillit)