Linköpings universitet

En presentation över ämnet: "Linköpings universitet"— Presentationens avskrift:

1 Linköpings universitet
Föreläsning 6 Kvantitativ metod: Från frågeställning till analys 722A35 Examensarbete i företagsekonomi Docent Martin Klinthäll Linköpings universitet Linköpings universitet

2 Att lägga upp en studie med kvantitativa frågeställningar
Att lägga upp en studie med kvantitativa frågeställningar Innehåll: Problemformulering Operationalisering Kvantitativa datamaterial Insamling och urval Analys och tolkning Linköpings universitet

3 Typisk disposition INLEDNING TEORI MATERIAL METOD ANALYS DISKUSSION
SLUTSATSER Bakgrund, syfte, problemställning Presentera teori och hypoteser Databeskrivning, urval, variabler Val av statistiska analysmetoder Presentation av analysresultaten Resultat  Teori, Hypoteser Återkoppla till syfte och problem, ev. sammanfattning, implikationer, policyrekommendationer

4 Problemformulering Forskningsproblemet ska: - kunna gå att besvara
Problemformulering Forskningsproblemet ska: - kunna gå att besvara - anknyta till tidigare forskning kunna bidra till ny kunskap Forskningsproblemet kan behöva delas upp i specifika delfrågeställningar 4 Linköpings universitet 4

5 Frågeställning Exempel Deskriptivt: ’Hur många personer utvandrar från Sverige varje år?’ Explorativt: ’Hur samvarierar ålder med utvandringsbenägenhet?’ Explanativt: ’Vilka faktorer kan förklara ökad benägenhet för utvandring?’ 5 Linköpings universitet 5

6 Teorival Välj bland teorier som är relevanta för frågeställningen
Teorival Välj bland teorier som är relevanta för frågeställningen Teorier som passar ihop kan kombineras till ”teoribygge” Motsatta teorier kan testas mot varandra Teori kan användas för att formulera testbara hypoteser 6 Linköpings universitet 6

7 Teorival Klassisk migrationsteori Teorier om ofullständig information
Exempel: Grundantagande: ’Människor flyttar för att få det bättre’ Observation: Migration ofta temporär Forskningsproblem: Varför återvandring? Klassisk migrationsteori Teorier om ofullständig information Livscykelteorier 7 Linköpings universitet 7

8 Operationalisering Frågeställning  teori  operationalisering VARIABLER Kausalsamband: om A så B Oberoende och beroende variabler

9 Operationalisering Att definiera teoretiska begrepp i relation till problemformuleringen Teoretiska definitioner - klargör de teoretiska begreppen 2) Operationella definitioner - visar hur begreppen kommer att mätas 9 Linköpings universitet 9

10 Operationalisering Ur operationaliseringen framträder undersökningens variabler Relevans –mäter variablerna relevanta begrepp på ett bra sätt? Täckning –täcker variablerna frågeställningen? Jämförbarhet –mäter man på samma sätt som i tidigare undersökningar? Om inte, hur påverkas jämförbarheten? 10 Linköpings universitet 10

11 Operationalisering VARIABELTYPER:
VARIABELTYPER: Nominalvariabler (kategori, tex. kön, bostadsort) Ordinalvariabler (rangordning, tex. utbildningsnivå) Intervallvariabler (mäter intervall, tex. födelseår, temperatur) Kvotvariabler (mäter storleksförhållanden, tex. inkomst) 11 Linköpings universitet 11

12 Operationalisering ”välfärd”, ”välstånd”?
Ekonomisk standard ARBETSINKOMST +kapitalinkomst -skatt +bidrag =DISPONIBEL INKOMST + förmögenhet + offentliga tjänster -försörjningsbörda =EKONOMISK STANDARD(?) Lycka Personligt välbefinnande Socialt välbefinnande Trivsel i arbetet …. Linköpings universitet

13 Kvantitativa datamaterial
Primärdata Data som samlas in för projektets eget syfte - intervjuundersökningar - enkätundersökningar - strukturerad observation - innehållsanalys

14 Kvantitativa datamaterial
Sekundärdata Data som samlats in av andra (myndigheter, forskare, företag, organisationer…) -officiell statistik (SOS) -annan offentlig statistik (t.ex SCB, Eurostat) -Svensk Nationell Datatjänst (SND) -kundundersökningar, börsstatistik, företagsarkiv, etc.

15 Kvantitativa datamaterial
Ta reda på om lämplig sekundärdata finns tillgänglig för undersökningen. Fördelar: Billigare/mindre resurskrävande än primärdata Rik tillgång på data hos exempelvis SCB Nackdelar: Validitet. Skapade för andra syften än den undersökning de används till Reliabilitet. Sämre kontroll över datakvalitet

16 Kvantitativa datamaterial
Exempel på lättillgängliga databaser: SCB: Svensk Nationell Datatjänst: Eurostat: Världsbanken: IMF: 16

17 Kvantitativa intervjuundersökningar
Resurskrävande Reliabilitet ofta högre än enkäter - högre svarsfrekvens - mindre risk för missförstånd - låg risk för felaktig inmatning

18 Kvantitativa enkätundersökningar
Mindre resurskrävande Reliabilitet oftast lägre än intervjuer - i vissa kontexter (skolor, arbetsplatser) kan deltagandet bli högt. - dock: urvalets representativitet! Vilka skolor, företag, etc. samarbetar?

19 Datainsamling Konstruera frågeformulär: Öppna frågor: heltäckande, men måste kategoriseras Slutna frågor: ger användbara svar, men kan utesluta relevanta alternativ

20 Datainsamling exakt formulerade frågor vardagligt språk korta frågor
ett svar per fråga undvik negationer undvik ledande frågor enklare frågor före kontroversiella eller komplexa frågor

21 Urval Population: Den grupp du vill undersöka Urvalsram: Förteckning över populationen Stickprov: De individer som representerar populationen i undersökningen

22 Population Stickprov, urval population Data, observationer INFERENS = Dra slutsatser från data om hela populationen utifrån ett stickprov

23 Urval SANNOLIKHETSURVAL OSU: obundet slumpmässigt urval
Stratifierat urval Systematiskt urval Klusterurval

24 Urval ICKE-SANNOLIKHETSURVAL -bygger inte på en urvalsram
Bekvämlighetsurval Kvoturval (tex. lika antal män som kvinnor) Subjektivt urval (tex. ”snöbollsurval”)

25 Urval –minska bortfall
Väcka intresse Påminna Förenkla Locka Introduktionsbrev Uppmärksamhet i media Forskarens auktoritet Frågeställningens angelägenhet Påminnelsebrev E-enkät Telefonuppföljning Tydliga frågor Flera språk Betalning Lotteri 25

26 Bortfall Övertäckning Undertäckning Externt bortfall
Bortfall Övertäckning Undertäckning Externt bortfall a) går ej att få tag på b) vägrar svara c) kan inte svara av annan anledning Internt bortfall – ”fel” eller ”ej svar” på frågor Panel attrition 26 Linköpings universitet 26

27 Analysteknik Frågeställning -vad är det intressanta utfallet?
Valet av analysteknik styrs av Frågeställning -vad är det intressanta utfallet? Operationalisering -vilka egenskaper har variablerna? Typ av data -tvärsnitt -tidsserier -paneldata, händelsedata, etc. 27 Linköpings universitet 27

28 Exempel på analystekniker
Exempel på analystekniker Faktoranalys Linjär regression Logistisk regression Tidsserieanalys Paneldataanalys Durationsanalys 28 Linköpings universitet 28

29 Faktoranalys Mönster i samvariation mellan variabler Explorativt
Lämpligt när man vill reducera antalet variabler som mäter samma bakom-liggande ’faktor’.

30 Linjär regression Beroende variabeln y är kontinuerlig Enkel (bivariat): Yi = a + bXi + ei Multipel: Yi = a + bX1i + bX2i + bX3i+ … + ei

31 Logistisk regression Nominalvariabel som beroende utfall
ln(Pi/(1-Pi) = a + b1X1i + b2X2i + … + bkXki Binära eller multinomiala modeller

32 Ordered logistic eller probit regression
Lämpligt om du har en ordinalvariabel som beroende utfall Rangordning, tex. Likertskalor Kategorisering i nivågrupper (inkomst, ålder) Exempel på regressionsmodell: Utbidningsnivå = f(föräldrars utbildning, yrke, inkomst, grundskola, grannskap,…)

33 Tidsserieanalys Skatta eller analysera egenskaper hos tidsserier. Tekniker för icke-stationäritet, prognoser, …

34 Paneldataanalys Analys av förändring och dynamiska processer
Kausalitetsförhållanden Tekniker för att hantera icke-observerad heterogenitet (fixed effects) gruppspecifika effekter (random effects)

35 Analys av händelsedata
Överlevnadsanalys, livsförloppsanalys När tiden fram till en händelse är av intresse Vanligt inom medicin, men även inom arbetsmarknadsforskning. Tidsstruktur i data: ’diskret’ vs. ’kontinuerlig’

36 Tolkning av analysresultat
Tolkning av analysresultat Signifikans: datamängd, frihetsgrader, etc. Magnitud kontra statistisk signifikans Orsakssamband – bakomliggande faktorer Urval, validitet och reliabilitet Kontext: faktorer som är socialt, rumsligt eller tidsbundet specifika Longitudinella studier –inverkan av institutionell eller strukturell förändring, dynamiska processer 36 Linköpings universitet 36

37 Reliabilitet - tillförlitlighet
Reliabilitet - tillförlitlighet Undersökningens pålitlighet: Upprepade undersökningar ska ge samma resultat Standardiserad mätning Tolkning av uppgifter Tydliga rutiner och instruktioner Dokumentation, metadata 37 Linköpings universitet 37

38 Validitet - giltighet Giltighet –att mäta just det som undersökningen avser att mäta tydlig frågeställning koppling syfte - teori teori  operationalisering datainsamling  analys resultat  slutsatser 38 Linköpings universitet 38

39 Validitet - Reliabilitet
.

40 Bortfallsanalys Bortfallet är ofta systematiskt av olika skäl
Bortfallsanalys Bortfallet är ofta systematiskt av olika skäl Ålder, utbildning, bostadsort, språk, etc. Viktigt att analysera hur bortfallet påverkar resultaten! Tillgång till rik information om urvalsramen underlättar bortfallsanalysen. 40 Linköpings universitet 40

41 Etiska överväganden Forskningsetik: Informationskravet Samtyckeskravet
Konfidentialitetskravet Nyttjandekravet Forskaretik: Hederlighet (förfalskning, plagiat, etc.) Uppförande

42 Implikationer Att se bortom sina resultat Vilka nya frågor väcks?
Vilka intressenter berörs? Vilka är de praktiska implikationerna? Policyrekommendationer på olika nivåer

43