YFIA202 Kvantitatiiviset menetelmät, luento YTT Pertti Jokivuori Syksy luento (Ti )

Tilastollinen edustavuus : Tilastollisella edustavuudella tarkoitetaan sitä tapaa, jolla kerätyn aineiston taustamuuttujien jakauma vastaa perusjoukkoa. Eroavuus perusjoukon jakaumasta voi johtua otantasattumasta tai siitä, että vastaamisessa tapahtuu systemaattista valikoitumista Jokin ryhmä on laiskempi vastaamaan kuin jokin muu tai kenties kysely onkin sisällöllisesti parempi tavoittamaan tietyn ryhmän kokemuksia. Tämän johdosta kyselytutkimuksessa analysoidaan aina aineiston keräämisen jälkeen sekä se, onko aineisto enää edustava suhteessa siihen ryhmään, josta se on poimittu Väestöön kohdistuneissa kyselyissä tämä tarkoittaa usein sen vertaamista, vastaako aineiston sukupuoli, ikärakenne, koulutus, alue- tai työllisyysjakauma valtakunnallisia arvoja.

Kadon analyysi: Katoanalyysi tarkoittaa sen selvittämistä, onko vastaamatta jättäminen systemaattista vai satunnaista, jolloin vastanneiden taustamuuttujia verrataan otokseen valikoimisen kriteereihin. Kadolla tarkoitetaan vastaamatta jättäneiden osuutta suhteessa siihen ryhmään, jolle kysely on lähetetty Kadon analyysi edellyttää sen, että tutkijalla on tieto siitä, minkä kokoiselle ja millä tavoin jakautuneelle joukolle kysely on lähetetty. Kato ei ole sama asia kuin tilastollinen edustavuus, vaikka vastaamatta jättäminen voikin vaikuttaa aineiston tilastolliseen edustavuuteen.

Teoreettinen edustavuus: Tavoitteena aineiston teoreettinen edustavuus eli aineistossa tulee olla tutkimusongelman ja tutkittavan ilmiön kannalta olennaiset piirteet Paul Lazarsfeld: variable language Survey design

Operationalisointi: Mittari on validi, jos se esittää ominaisuutta oikein, merkityksellisesti ja tarkoituksenmukaisesti Sisällöllisen validiteetin käsite korostaa, että mittari todella mittaa sisällöllisesti sitä mitä sillä halutaan mitata Matemaattinen täsmällisyys mittareiden yhteydessä tai se, että tunnuslukuja esitellään neljän desimaalin tarkkuudella, ei lainkaan paranna tutkimuksen sisäistä validiteettia "Tärkeämpää on mitata oikeita asioita suhteellisesti, kuin vääriä asioita tarkasti" (Becker & Huselid 2003) Yksikään mittarin luotettavuudesta esitetty tunnusluku ei korvaa ajattelutyötä ”Validiteetti tarkoittaa pohjimmiltaan totuutta tai virheettömyyttä, vastaavuutta todellisuuden ja siitä tehtyjen väittämien välillä” (Maxwell & Delaney 1993, 182) Mittarin validiteetti ei ole vain mittarin ominaisuus, vaan kuvaa sillä tehtyjä päätelmiä koko tutkimusprosessin ajan

Operationalisoinnin vaiheet: Operationalisoinnin perustana käsitteen perinpohjainen määritteleminen Operationalisointiprosessiin kuuluvat ainakin seuraavat neljä osa-aluetta (Mäkelä 1996), jossa optiikka tarkentuu vaihe vaiheelta: 1. Käsitteen yleinen hahmottaminen ja määrittäminen 2. Käsitteen osa-alueiden määritteleminen 3. Siirtyminen teoreettisesta kielestä konkreettiseen arkikieleen ja indikaattoreihin 4. Operationalisoinnin tarkka kuvaaminen

Kvantitatiivisen aineiston analysointi: Analyysin kolme tasoa: 1) kuvaileva (deskriptiivinen) 2) yhteyksiä havainnoiva 3) selittävä taso

Kuvaileva analyysi: Analyysi aloitetaan yleensä aina aineiston ja muuttujien kuvailulla: jakaumat ja tunnusluvut Kuvaileva analyysi vastaa muun muassa kysymyksiin 'mitä', 'minkälainen' tai 'kuinka paljon'. Tällöin on tarkoituksena kuvata minkälainen tutkimuksen kohteen ilmiö on tai kuinka yleisestä ilmiöstä on kyse Esim. Kuinka paljon työttömiä, osa-aikatyötä tekeviä, miten vastattu johonkin väittämää etc. Kuvailu on aina analyysin ensimmäinen vaihe, vaikka tutkimuksen tavoite olisikin selittävä Kuvailu tapahtuu pääasiassa tunnuslukujen, taulukoiden ja grafiikan avulla

Kuvaileva analyysin funktiot: Muuttujan jakauma tai keskiarvo sellaisenaan voi olla kiinnostava tulos Yleiskuvan hahmottaminen aineistosta Aineiston edustavuuden arviointi Muuttujien muokkauksen tarpeen arviointi Jakaumien normaalisuuden tarkastelu Aineiston tarkistus ja puuttuvien tapausten ongelmallisuus

Kuvaileva analyysi:

Yhteyksiä havainnoiva taso: Kahden muuttujan riippuvuus Haetaan yhteyksiä muuttujien välillä, eroja ryhmissä Klassiset analyysimenetelmät: ristiintaulukointi, varianssianalyysi ja korrelaatio

Ristiintaulukointi (Cross tabulation): Ristiintaulukoinnilla tutkitaan muuttujien jakautumista ja muuttujien välisiä riippuvuuksia Tarkastellaan toisen muuttujan (Y) jakaumaa muuttujan (X) luokissa Ristiintaulukoinnin etuihin kuuluu mm. se, että voidaan havainnollisesti nähdä kaikki mahdolliset yhteydet kahden muuttujan välillä

Ristiintaulukointi (Cross tabulation):

Ristiintaulukointi, χ2- riippumattomuustesti: Riippumattomuustesti kertoo kuinka todennäköistä on, että riippuvuus on syntynyt ainoastaan otantasattuman vaikutuksesta niin, että muuttujat ovat perusjoukossa toisistaan riippumattomia Voidaanko otoksen tulosten perusteella päätellä tarpeeksi luotettavasti, että havaitut erot pätevät myös perusjoukossa? Perustuu havaittujen ja odotettujen frekvenssien erotukselle Jos p-arvo on riittävän pieni, voidaan päätellä, että erot ovat tilastollisesti merkitsevät: P <.05 tilastollisesti melkein merkitsevä (950/1000) P <.01 tilastollisesti merkitsevä (990/1000) P <.001 tilastollisesti erittäin merkitsevä (999/1000)

Varianssianalyysi: Yksisuuntainen varianssianalyysi (one-way analysis of variance) on varianssianalyysin muodoista yksinkertaisin Koska varianssianalyysissa tarkastellaan selitettävien muuttujien ryhmäkeskiarvoja, täytyy selitettävän muuttujan olla sellainen, että siitä on järkevää laskea aritmeettinen keskiarvo (jatkuva muuttuja) Varianssianalyysin avulla tutkitaan sitä, ovatko selitettävän muuttujan keskiarvot (tilastollisesti merkitsevästi) erisuuruisia selittävän muuttujan eri luokissa

Varianssianalyysi: Muuttujaa, jonka suhteen ryhmiä vertaillaan kutsutaan riippuvaksi tai selitettäväksi muuttujaksi Tilastollisena testinä varianssianalyysissa käytetään ns. F-testiä, joka kertoo millä todennäköisyydellä nollahypoteesi ryhmäkeskiarvojen yhtäläisyydestä voidaan hylätä  Toisin sanoen tutkitaan eroavatko luokkakeskiarvot niin paljon toisistaan, että voidaan olettaa eron esiintyvän myös perusjoukossa Kun verrataan kahta ryhmää  t-testi Kun verrataan useampia ryhmiä  F-testi

Varianssianalyysi, esimerkki: Muuttujaa, jonka suhteen ryhmiä vertaillaan kutsutaan riippuvaksi tai selitettäväksi muuttujaksi Tilastollisena testinä varianssianalyysissa käytetään ns. F-testiä, joka kertoo millä todennäköisyydellä nollahypoteesi ryhmäkeskiarvojen yhtäläisyydestä voidaan hylätä  Toisin sanoen tutkitaan eroavatko luokkakeskiarvot niin paljon toisistaan, että voidaan olettaa eron esiintyvän myös perusjoukossa Kun verrataan kahta ryhmää  t-testi Kun verrataan useampia ryhmiä  F-testi

Varianssianalyysi:

Varianssianalyysi, eroavatko suomen- ja ruotsinkieliset siinä, miten he luottavat muihin ihmisiin:

Varianssianalyysi, eroavatko naiset ja miehet organisaatiositoutumiseltaan: