Psykologisen mittarin rakenteen tilastollinen analysointi Jouko Miettunen FM

  • Slides: 7
Download presentation
Psykologisen mittarin rakenteen tilastollinen analysointi Jouko Miettunen, FM Psykiatrian klinikka Oulun yliopisto puhelin: 08

Psykologisen mittarin rakenteen tilastollinen analysointi Jouko Miettunen, FM Psykiatrian klinikka Oulun yliopisto puhelin: 08 -3157503 e-mail: jouko. miettunen@oulu. fi

Taustaa n Psykologisen mittarin suunnittelu u mahdolliset osa-asteikot u kysymysten lukumäärä n Muuttujien ominaisuudet

Taustaa n Psykologisen mittarin suunnittelu u mahdolliset osa-asteikot u kysymysten lukumäärä n Muuttujien ominaisuudet u kaksiarvoinen, likert, VAS u psykiatriassa jakaumien vinous usein ongelma n Tutkimusaineisto u otoskoko > (5 * muuttujien lkm) u riittävästi vaihtelua

Eksploratiivinen faktorianalyysi n n n Perustuu muuttujien välisiin korrelaatioihin Muuttujien kommunaliteetit Faktorien lukumäärän valinta

Eksploratiivinen faktorianalyysi n n n Perustuu muuttujien välisiin korrelaatioihin Muuttujien kommunaliteetit Faktorien lukumäärän valinta (ominaisarvot) Erilaiset rotaatiot Esimerkkejä u TAS, SCL, MRI, MSP u OPAS, TDI, CD, MMPI, DSM-III-R

Konfirmatorinen faktorianalyysi n n Olemassaolevien ja uusien mallien testaaminen ja keskinäinen vertailu Osa-asteikkojen testaaminen

Konfirmatorinen faktorianalyysi n n Olemassaolevien ja uusien mallien testaaminen ja keskinäinen vertailu Osa-asteikkojen testaaminen Erilaisia tunnuslukuja Esimerkkejä: u TAS, MSP

Cronbachin alpha n n Perustuu varianssianalyysiin Kertoo kuinka hyvin mittarin eri kysymykset mittaavat samaa

Cronbachin alpha n n Perustuu varianssianalyysiin Kertoo kuinka hyvin mittarin eri kysymykset mittaavat samaa asiaa Voidaan tehdä koko mittarille ja erikseen jokaiselle osa-asteikolle Esimerkkejä u TAS

Muita menetelmiä n Ryhmittelyanalyysi u havainnot n n tai muuttujat Pääkomponenttianalyysi Rakenneyhtälömallit (Structural Equation

Muita menetelmiä n Ryhmittelyanalyysi u havainnot n n tai muuttujat Pääkomponenttianalyysi Rakenneyhtälömallit (Structural Equation Modeling, SEM) Latent Class Analysis (LCA) Esimerkkejä u TAS (sukupuoli, sosiaaliluokka)

Yhteenveto n n Faktorianalyysit yms. ovat vain apuväline, psykologinen teoria oltava taustalla Menetelmien etuja

Yhteenveto n n Faktorianalyysit yms. ovat vain apuväline, psykologinen teoria oltava taustalla Menetelmien etuja ja haittoja: u tilastollinen peruste osa-asteikkojen käytölle u mahdollistaa faktoripisteiden käytön u auttaa uusien teorioiden kehittelyssä u aineiston ja muuttujien ominaisuudet rajoituksena