Introduktion Kvantitativ metod. 2 Vad är statistik? ”En massa siffror” Beskrivning av staten Metodlära.

En presentation över ämnet: "Introduktion Kvantitativ metod. 2 Vad är statistik? ”En massa siffror” Beskrivning av staten Metodlära."— Presentationens avskrift:

1 Introduktion Kvantitativ metod

2 2 Vad är statistik? ”En massa siffror” Beskrivning av staten Metodlära

3 3 Några ”definitioner” Metodlära ägnad åt insamling, bearbetning, beskrivning och analys av data En vetenskap som har kunskapsbildning som mål. Den vetenskapliga disciplinen statistik anger metoder och tekniker för att skaffa sig kunskap. Att i närvaro av slumpmässiga variationer se mönster och trender.

4 Statistiska undersökningar Ett gemensamt syfte för alla undersökningar är att få ökad kunskap om ett visst problemområde Det kanske viktigaste sättet att skaffa sig sådan kunskap är genom observationer Inom statistikteorin studeras –hur observationer samlas in –hur observationer analyseras –hur slutsatser kan dras från observationer

5 Statistiska metoder används för att sammanfatta samlade erfarenheter göra förutsägelser dra slutsatser fatta beslut då informationen är osäker. Statistikerns roll är att INSAMLA, BEARBETA och TOLKA data.

6 Statistik består av Ett antal tekniker Regler för när, var och hur dessa tekniker skall användas (metodologi) Statistikämnets uppkomst och utveckling är nära förknippat med behov inom andra discipliner.

7 En statistisk undersöknings olika steg Problemformulering Planering Datainsamling Analys Rapportering

8 Problemformulering Till att börja med måste vi i regel börja med att precisera undersökningsproblemet. Ett undersökningsproblem skall ställas utifrån ett bestämt syfte och på ett så precist sätt att det går att belysa med hjälp av de metoder vi har till vårt förfogande

9 Exempel: –Ursprungligt problem: Finns det någon löneklyfta mellan män och kvinnor? –Preciserad formulering: Får män och kvinnor, anställda vid företaget X vid tidpunkten T, olika lön för samma arbete enligt nu gällande lönesättning?

10 Nästa steg kan vara att skapa en (förenklad) bild, en modell, av den del av verkligheten som vi vill studera. Modellen baserar sig på och sammanfattar vår teoretiska kunskap om ämnesområdet.

11 Om vi t.ex. är ute efter att inte bara beskriva löneskillnaden mellan män och kvinnor utan dessutom förklara den (analytisk undersökning), så utgår vi rimligtvis ifrån någon teori om vad eventuella löneskillnader kan bero på. Denna teori bestämmer ju också delvis valet av variabler. –I vårt exempel väljer vi naturligtvis att ta med variablerna lön och kön. Men tror vi att t.ex. utbildning kan förklara en del av de löneskillnader som finns måste även den variabeln tas med.

12 I samband med problemformuleringen kan det vara lämpligt att ge en precis definition av undersökningens målpopulation. Detta innebär en avgränsning av den mängd enheter som undersökningen skall avse. –Avgränsningen måste vara så precis att vi alltid vet om en individ (undersökningsenhet tillhör populationen eller inte).

13 Planering av en undersökning Vid planering bestämmer man sig bl.a. för: –Vilka data som skall samlas in –Hur dessa data skall samlas in, dvs. val av datainsamlingsmetod Totalundersökning eller urvalsundersökning Typ av urval vid urvalsundersökning Val av mätmetod och mätinstrument Osv. –Hur eventuellt bortfall skall hanteras –Hur data skall analyseras –Hur resultatet skall redovisas

14 Datainsamlingen skall vi ägna mera tid till senare. När det gäller de sista två punkterna måste vi fundera på: –Vilka tabeller och diagram som ska användas –Vilka central och spridningsmått som ska användas. –Vilka samband som ska presenteras –Hur resultatet skall redovisas

15 Att tänka på….. Vad kan bli svårt pga. etiska skäl? Vad säger datainspektionen? Behövs tillstånd av myndigheter, vårdnadshavare, personal mm. Hur skall data förvaras, vilka skall få del av dem?

16 Datainsamling

17 Primärdata och sekundärdata När det efterfrågade datamaterialet inte finns tillgängligt sedan tidigare utan samlas in för första gången gör man en s.k. primärdataundersökning. Vid användning av redan insamlade data, t.ex. i olika register eller i den officiella statistiken som finns i olika publikationer sägs man göra en sekundärdataundersökning eller skrivbordsundersökning. Vi ska i första hand titta på olika insamlingsmetoder för primärdata.

18 Experimentella studier och observationsstudier Experimentella studier: –Behandling. Försöksenheterna utsätts för vissa behandlingar i avsikt att studera effekten av dessa behandlingar –Upprepbarhet. Experimentet kan upprepas ett önskat antal gånger –Randomisering. Försöksenheterna fördelas slumpmässigt på olika behandlingar –Kontroll. Försöksbetingelserna kan i allmänhet kontrolleras och konstanthållas, eller åtminstone löpande registreras

19 Inledande exempel Påverkas barns reaktion vid läkarbesök av läkarens klädsel? Behandlingar A=Vit rock B=Grön rock C=Civil

20 Hur skall vi mäta barns reaktion vid läkarbesök? Vad kan påverka ett barns reaktion vid läkarbesök? –Orsak till besöket –Miljö –Läkarens utseende –Osv –+ Ev läkarens klädsel, dvs orsaken till att studien genomförs.

21 Försöksuppläggning 300 barn som skall göra en obligatorisk fyraårskontroll väljs ut. Dessa möter samma läkare i samma lokal. Vilken behandling som barnet skall utsättas för (vilken klädsel läkaren bär) bestäms av slumpen. I varje behandlingsgrupp finns 100 barn. Diskutera försöksuppläggningen

22 Socialstyrelsen Randomiserade kontrollerade studier: Randomiserade kontrollerade studier är den mest tillförlitliga typen av experimentella studier. Denna typ bygger idealt på en äkta randomiserad, dvs helt slumpmässig, fördelning till experiment- och kontrollgrupp. Slumpmässigheten minskar risken för att urvalet blir skevt, i syfte att resultatet av studien ska kunna generaliseras till hela den grupp som urvalet har gjorts från. Äkta randomisering får man genom att använda slumptabell eller vissa datorprogram. Mindre idealisk randomisering sker genom till exempel personnummer, veckodagar, tärning eller krona- klave.

23 –Dubbelblinda försök. Då försöksenheterna är människor vet i regel varken försökspersonen eller den som ger behandlingen vilken behandling försökspersonen får.

24 Exempel Ett nytt preparat tros kunna bekämpa förkylningssjukdomar. 300 person vid Volvo Umeverken valdes. Med hjälp av slumpen fördelades dessa på två grupper; en behandlings- och en kontrollgrupp. Personerna i behandlingsgruppen sprayades i näsan 6 ggr i veckan med preparatet. Kontrollgruppen sprayades i näsan med vanligt vatten. Varken läkaren eller försökspersonerna visste om den enskilda behandlingen utfördes med det verksamma ämnet eller med vatten. Först i efterhand bröts koderna som avslöjade vilka personer som tillhörde respektive grupp.

25 Diskutera Varför genomfördes studien som ett dubbelblindförsök?

26 Icke-experimentella undersökningar, observationsstudier. –Undersökningsenheter eller händelseförlopp påverkas ej på något sätt. –Behandlingarna i den experimentella studien ersätts av passivt observerande.

27 Socialstyrelsen Kvasiexperimentella studier: Kvasiexperimentella studier är en typ av experimentell studie där man inte fördelar personer till experiment- och kontrollgrupp genom randomisering, dvs slumpmässigt (se randomiserade kontrollerade studier). I kvasiexperimentella studier använder man begreppet jämförelsegrupp istället för kontrollgrupp. Forskaren försöker istället kontrollera för de jämförda klientgruppernas ev olikheter genom t ex statistiska bearbetningar eller matchning.

28 Exempel Vid Överåkerns anstalt ville man utvärdera effekterna av det behandlingsprogram som erbjöds för kriminella narkotikamissbrukare. Behandlingen var frivillig drogfrihet under behandlingstiden samt olika sociala stödåtgärder. Den responsvariabel som studerades var återfallsfrekvensen i brott respektive missbruk. Som jämförelsegrupp valde man interner på andra anstalter med bl a samma typ av missbruk, samma ålder och samma brottsbelastning.

29 Diskussion Vilka skillnader kan det finnas mellan behandlings- och kontrollgrupp som kan påverka återfallsfrekvens?

30 Studier av orsakssamband Experimentella studier är i regel att föredra om man vill undersöka effekten av någon förklaringsvariabel på någon responsvariabel, eftersom det med en icke-experimentell ansats kan vara svårt att särskilja effekten av förklaringsvariabeln från effekter av andra faktorer

31 Vikten av randomisering Randomisering innebär att slumpen avgör vilken behandling en undersökningsenhet tilldelas Genom randomisering undviks systematiska fel Randomisering medför att effekten av en eventuell behandling med hög grad av säkerhet och precision kan fastställas med hjälp av statistikteori

32 Generaliserbarhetsproblemet Ett problem vid experimentella studier är att undersökningsenheterna inte alltid är slumpmässigt utvalda ur någon väldefinierad population och att därför de resultat som erhålls, i strikt mening, endast gäller för de som ingår i försöket. T ex så använder man ofta frivilliga försökspersoner. I sådana fall måste generaliseringar utöver undersökningsenheterna bygga på icke- statistiska argument.

33 Brist på realism Försöken utförs ibland i en miljö som ej är verklig. Detta innebär också ett generaliseringsproblem. Det är inte säkert att en individ reagerar likadant i ett laboratorium som i ”verkligheten”.

34 Meta-analyser Socialstyrelsen: Metaanalys är en statistisk metod som använder resultaten från ett antal sinsemellan oberoende studier för att belysa till exempel effekten av en viss insats. Genom att kombinera resultaten från många studier reducerar man slumpens inflytande på resultaten. Därmed minskar man också risken för felaktiga slutsatser om insatsens effekter

35 Evidensbaserad forskning Socialstyrelsen anser bl a att metaanalyser liknande dem som görs inom medicin skall användas med dubbelblinda försök och med kontrollgrupper.

36 Grundläggande begrepp Population: Grupp av individer vi vill undersöka. Totalundersökning: Alla enheter i populationen undersöks. Urvalsundersökning: En delmängd av populationen väljs ut och undersöks. Variabel: Egenskap hos enheterna i populationen.

37 Urvalsundersökningar Varför urvalsundersökning i stället för totalundersökning? –Billigare –Snabbare –Bättre mätning –Praktiskt omöjligt med totalundersökning då populationen är mycket stor eller oändlig –Förstörande prov

38 Slumpmässiga urval (sannolikhetsurval) Definition: –Varje element i populationen skall ha en känd inklusionssannolikhet och denna skall vara större än 0. Varför slumpmässigt urval? –Vill vi utifrån ett urval dra slutsatser om en hel population, och dessutom få ett mått på hur säkra våra slutsatser är, måste urvalet vara slumpmässigt.

39 Obundet slumpmässigt urval Vid varje dragning av en enhet har de i populationen kvarvarande enheterna samma sannolikhet att bli valda Vid OSU av n enheter har alla möjliga kombinationer av n enheter samma chans att bli valda

40 Systematiskt urval Gör en lista över enheterna. Välj t ex var 10:e med slumpmässig start bland de 10 första. Om urvalsramen är ”slumpmässigt” ordnad är detta ”likvärdigt” med OSU. Risk för stora fel om det finns periodicitet i urvalsramen

41 Stratifierat urval Dela in populationen i homogena delpopulationer (strata). Välj med OSU ett antal enheter i varje strata. Skäl: –Om resultate skall redovisas för varje stratum kan urvalsstorlekarna för varj stratum avpassas så att vissa precisionskrav uppfylles utan att man erhåller överflödiga observationer från vissa strata.

42 Gruppurval (klusterurval) Dela in populationen i heterogena delpopulationer (kluster). Ett antal sådana kluster väljs slumpmässigt. Samtliga enheter inom ett kluster undersöks. Skäl: –Ramproblem –Geografisk spridning –Kostnader

43 Urvalsram I idealfallet en förteckning över alla enheter som ingår i målpopulationen. Detta är i praktiken svårt att uppnå. Den population som definieras av den faktiska ramen kallas undersökningspopulation. De enheter som ingår i ramen kallas urvalsenheter. Alla enheter ingår endast en gång i ramen.

44 Mätning De egenskaper (variabler) hos enheterna som vi är intresserade av skall tilldelas mätvärden (variabelvärden) med hjälp av något mätinstrument. Vad skall vi mäta? Hur skall vi mäta?

45 Mätningen måste var anpassad till den teori man har om problemområdet. Exempelvis så bestäms valet av undersökningsvariabler (vad vi skall mäta) av teoretiska överväganden. Hur bra mätningen än är så är den värdelös om resultaten inte kan placeras in i det sammanhang som är aktuellt. Teorin kan även antyda hur variablerna skall mätas, dvs. hur mätinstrumentet skall konstrueras. (Ex. mätning av en elektrons laddning, mätning av ljusets hastighet)

46 Teorier om dataanalys påverkar mätinstrumentets utformning och konstruktion. Vi måste kunna tolka, bearbeta och analysera data. Det är meningslöst att samla in data som vi ej kan tolka och den analysteknik vi tänker använda ställer i regel vissa krav på mätinstrumentet och dess egenskaper.

47 Operationalisering Operationalisering är ett begrepp som dyker upp i samband med mätning Operationalisering av en variabel innebär en beskrivning av hur man skall gå tillväga, vilka operationer man måste utföra, för att kunna göra mätningen. Operationalisering innebär således att mätregler definieras.

48 Indikatorer och latenta variabler Begreppen latent variabel och indikator förekommer i samband med operationaliseringen En latent variabel är en egenskap som ej är direkt observerbar En indikator är en observerbar (manifest) variabel som används vid mätning av en latent variabel

49 Reliabilitet och validitet Begreppen validitet och reliabilitet förekommer ofta när man vill uttala sig om hur ”bra” en mätning är. En ”bra” mätning har såväl hög validitet som hög reliabilitet. Reliabilitet: Grad av överensstämmelse mellan upprepade mätningar med samma mätinstrument på samma undersökningsenhet. Validitet: –”Mätinstrumentet mäter vad det avser att mäta” –”Överensstämmelse mellan teoretisk och operationell definition” –”Frånvaro av systematiska mätfel”

50 Att tänka på vid konstruktion av frågeformulär: Se till att frågeformuläret är så kort som möjligt. Undvik ledande frågor och gör dem så neutrala och balanserade som möjligt. Börja med bakgrundsfrågor för att “värma upp” respondenten. Undvik värdeladdade och prestigeladdade frågor. Använd ett korrekt, enkelt och lättfattligt språk.. Använd inte negeringar i frågan. Testa frågeformuläret i en provundersökning. Tänk på hur du har tänkt använda dina data när du konstrurerar frågeformuläret. Att tänka på vid konstruktion av frågeformulär: Se till att frågeformuläret är så kort som möjligt. Undvik ledande frågor och gör dem så neutrala och balanserade som möjligt. Börja med bakgrundsfrågor för att “värma upp” respondenten. Undvik värdeladdade och prestigeladdade frågor. Använd ett korrekt, enkelt och lättfattligt språk.. Använd inte negeringar i frågan. Testa frågeformuläret i en provundersökning. Tänk på hur du har tänkt använda dina data när du konstrurerar frågeformuläret. Frågeformulär Vid observationsstudier används ofta ett frågeformulär som mätinstrument

51 Mätnivåer (skalnivåer) Nominal –Endast klassificering Ordinal –Klassificering och rangordning Intervall –Klassificering, rangordning och ekvidistans Kvot –Klassificering, rangordning, ekvidistans och absolut nollpunkt

52 Observera att mätnivån bestäms av vilken typ av information mätningen ger oss. Mätnivån har bl.a. betydelse för vilken typ av beräkningar som är meningsfulla

53 Feltyper

54 Kvalitet och felkällor Täckningsfel Bortfallsfel Mätfel Bearbetningsfel Urvalsfel: Uppstår när man studerar ett urval istället för en hel population. Möjligt att uppskatta om urvalet görs korrekt.

55 Mätfel –Mätfel som beror på respondenten –Mätfel som beror på intervjuaren –Mätfel som beror på mätmetoden –Mätfel som beror på frågeformuläret

56 Bearbetningsfel –Kodningsfel –Inmatningsfel –Datorbearbetningsfel