Kvantitativa (analys) metoder Roland Sjöström.

En presentation över ämnet: "Kvantitativa (analys) metoder Roland Sjöström."— Presentationens avskrift:

1 Kvantitativa (analys) metoder Roland Sjöström

2 Metod En metod är ett redskap och ett sätt att lösa problem för att komma fram till ny kunskap. Allt som bidrar till detta kan kallas metod. Det innebär inte att alla metoder klarar en kritisk granskning lika bra. Roland Sjöström

3 Mål med en undersökning
Ge bra rekommendationer Dra bra slutsatser Göra bra analyser & tolkningar Samla rätt data med hög kvalitet Vilken roll få slumpen spela? Stor/liten Roland Sjöström

4 Tolkning av data Roland Sjöström

5 Mål i förarbetet Ha rätt perspektiv Förstå sitt undersökningsområde
Praktiskt och ”teoretiskt” Fördjupa sig inom rätt frågeområden Inte för få Bra balans Ställa rätt frågor Självklart!? (Kvalitativ intervju – ett intervjutillfälle?) (Ställa frågor rätt) Roland Sjöström

6 Kvalitativa data Data som inte på en meningsfullt sätt går att översätta i sifferform Skilja mellan orka/tycka och precision i analysen Roland Sjöström

7 All statistik handlar om ….
Roland Sjöström

8 Tre faser Nedbrytning Datainsamling Uppbyggnad t
Logiska nivåer? – jmfr syfte - slutsatser Roland Sjöström

9 Mål med föreläsningen/seminariet
Du ska efter detta pass känna till (med fokus på kvantitativa undersökningar): relationerna mellan de logiska nivåerna i en undersökning/avhandling vad som ingår i respektive logisk nivå fällor och fel Roland Sjöström

10 "U-et" Besluts- Rekommen- analys dationer Slutsatser Syfte Analys &
tolkning Ref. ram preciserad uppgift "Beskrivning" ansats & metod Värdering av metod m m Mätteknik & mätinstrument Grunddata Fältarbete Roland Sjöström

11 Beslutsanalys (problemanalys)
Mål Ta fram ett helikopter eller panoramaperspektiv över det som ska undersökas Roland Sjöström

12 Beslutsanalys (problemanalys)
Vad ska resultatet användas till och av vem? dvs en tydlig och väl avgränsad beslutsfråga Diagnos av beslutsfrågan (diagnosis; grekiska betyder undersöka, söka orsaken till något.) kräver en analysmodell (analys= sönderdelning), t.ex. träddiagram målet är att dela upp beslutsfrågan i delfrågor och bakomliggande faktorer Centrala begrepp Roland Sjöström

13 Syfte Mål: Ange vilken typ av slutsatser som ska dras Vanligt fel:
Slutsatsområden, t.ex. faktorer som påverkar … Vanligt fel: ej formulerad så att det går att avgöra om syftet är uppfyllt eller ej Typer av syften explorativa, beskrivande, förklarande, förutsägande Roland Sjöström

14 Referensram Mål: förklara hur data ska analyseras
syfte Mål: förklara hur data ska analyseras nedbrytning av syftet i analyserbara delar hypotetisk modell (gärna grafisk) Teori - att referera och relatera Referensram - att reflektera vad betyder teorin för mitt problem När är reframen tillräckligt bra? olyckor/tusen mil utförsåkning Roland Sjöström

15 Preciserad uppgift (konkreta undersökningsfrågor)
Mål: Precisera de frågor eller frågeområden som undersökningen ska ge svar på Motsvaras ofta av rubriker i analysavsnittet Hur? Varför? Vanligt fel – hur och varför blev det just dessa frågor? Avgränsningar logiska och resursmässiga Roland Sjöström

16 Målpopulation De företag/organisationer/individer som ska beskrivas och analyseras. Ramfel per analysgrupp nettopopulation målpopulation bruttopopulation övertäckning undertäckning Roland Sjöström

17 Representativitet Undersöka björnar Roland Sjöström

18 Inferensproblem Inferens är att dra slutsatser om en målpopulation på grundval av resultaten från de enheter i målpopulationen som faktiskt har undersökts - gäller alla undersökningar där inte samtliga enheter har undersökts - representativa (bedömning görs på förhand) inomformulärsbortfall => svars % varierar mellan frågor (mindre än ca 70% bearbetningsbara svar => skepsis) minska bortfall - bra formulär, säkra deltagande (t.ex. ringa), belöning?, påminnelse analys av bortfall Roland Sjöström

19 Inferensproblem, forts
Urvalets storlek - Två grupper ska undersökas, ftg resp 500 ftg, vi har resurser att genomföra 100 intervjuer - Hur ska vi fördela dem? Roland Sjöström

20 Mätteknik Inleds med en reflektion över hur data ska analyseras
syfte Inleds med en reflektion över hur data ska analyseras Handlar om konsten att inte förstöra en del av informationsinnehållet i ett svar genom att mäta på fel sätt operationalisering av begrepp användning av variabler mätskalor konstruktion av enskilda frågor konstruktion av hela formulär Roland Sjöström

21 Operationalisering av begrepp = översätta begrepp och frågor till något som respondenten förstår
Roland Sjöström

22 Variabel Flervalsfrågor Viktigaste konkurrenter 2006-01-29
Roland Sjöström

23 Analys & mätteknik - utgår från preciserade uppgiften (de konkreta undersökningsfrågorna), ansats, metod för datainsamling - Nominalskala bör vara uttömmande och uteslutande 0 man 0 kvinna - Ordinalskala (rangordningar - hur göra) 0 inst helt 0 inst delvis 0 varken eller Roland Sjöström

24 Mätteknik, forts - Intervallskala inst. inte alls 0 0 0 0 0 inst. helt
udda/jämn antal - Kvotskala, intervallskala med absolut nollpunkt (omsättning? tid?) (ej ordinalskala) - öppna frågor - "ingen åsikt/uppfattning" - möjlighet att lägga till Roland Sjöström

25 Respondentens tre nivåer
Kvalité, pris Strategier Helhetsbedömningar Roland Sjöström

26 Konstruktion av formulär
- Instruktioner (vid enkät) - Ordningsföljd logisk för respondenten - Ej inleda med känsliga frågor för respondenten - Tidsordning - Fakta & kännedom, allmän åsikt, specifik åsikt, skäl för åsikt, intensitet i åsikt - Filterfrågor - Kontrollfrågor - Provintervjuer Roland Sjöström

27 Prövning av formulär - intressant för respondenten
- begripligt språk för respondenten - fri från ledande inslag - ej väcka försvarsinstinkter - fri från oavsiktliga emotionellt, socialt, politiskt etc laddade ord - tidsåtgång Respondenten som "expert" Roland Sjöström

28 Frågors ordningsföljd
Komplexitet Början och slut av uppräkning melodifestivalen 5-6 alternativ ”Överspillningseffekten” Roland Sjöström

29 Roland Sjöström

30 Laddade ord & ledande frågor
Frågor avgr i tid och rum – i övrigt neutrala Inte tillåta - förbjuda Roland Sjöström

31 Kodning & Analys Är några av medelvärdes-skillnaderna signifikanta?
Roland Sjöström

32 Analys 2 Är tabellen signifikant, dvs skiljer sig fördelningen från slumpen? Roland Sjöström

33 Val av analysmetoder skalnivå en (beroende variabel) nominal intervall
kvot ordinal Skalnivå prediktor (x) Skalnivå prediktor (x) Skalnivå prediktor (x) nominal nominal nominal intervall ordinal intervall ordinal intervall stopp stopp stopp stopp Chi-två Cont. coeff Diskriminant analys Spearman’s Rank korr. Regression med dummy var. (0/1) Regressions analys Roland Sjöström

34 Val av analysmetoder skalnivå ingen (beroende variabel) nominal
intervall kvot ordinal Faktoranalys med dummy var. Klusteranalys överkurs Faktoranalys Klusteranalys Roland Sjöström

35 Analys av skillnader =   (O-E)2 E (O)2 - N
Chi-två test Män/kvinnor resturang 1/2 Utan väntevärde är tabellen svårtolkad Ur tabell testvärde (95% nivån) ca 4 för fyrfältare ca 9 för niofältare nästan 16 för 16 fältare (eg. 15) 2 =   (O-E)2 E (O)2 - N Var=  (X-X)2/n-1 T= (medel x1 – medel x2) – (förväntat medelvärde 1-2) (oftast 0 Roland Sjöström

36 Medelfel och konf intervall
Exemplet testförsäljning Avsikten med denna test kan vara flera men här koncentrerar vi oss på volymen. Anta att det krävs en viss minsta volym för att produkten ska anses bli lönsam och för att företaget därför ska gå vidare till en fullskaleförsäljning. Testförsäljningar är dessutom ofta kostsamma och företagen försöker begränsa dem till ett fåtal marknader. Antag att företag X bedriver testförsäljning på tre marknader. Kravet för att produkten ska gå vidare till fullskaleförsäljning är att den i genomsnitt säljs i minst 100 exemplar per marknad. Roland Sjöström

37 Medelfel och konf intervall, forts.
Antal sålda produkter Medelvärdet i denna testförsäljning är klart över 100, närmare bestämt 112. Målet borde vara uppfyllt och det borde bara vara att gå vidare. Men, på grund av den stora spridningen visar det sig att testförsäljningen inte har uppfyllt målet med 95 procents sannolikhet. Marknad 1 Marknad 2 Marknad 3 130 120 86 Roland Sjöström

38 T-test Det kritiska värdet för denna test erhålls ur en tabell för t-fördelning där antalet frihetsgrader är n-1, dvs 2 och alfa=0,05. Det kritiska värdet är 4,3 och eftersom det beräknade värdet inte överstiger det kritiska värdet måste hypotesen att målet var uppfyllt förkastas. (Det kritiska värdet är ca 4 för få frihetsgrader och ca 2 för +100 frihetsgrader.) Först vid 80 procent (istället för 95) är testförsäljningen "signifikant", dvs man kan med 80 procents säkerhet påstå att försäljningen kommer att uppgå till minst 100 enheter i snitt per marknad. Roland Sjöström

39 Jämföra två medelvärden
Tre olika grundläggande förutsättningar Känd varians i mätningarna (sample); ovanligt Varians okänd men antas vara lika (inte heller vanligt) Varians okänd men antas vara olika För att testa skillnader mellan två medelvärden använder man sig vanligtvis av en t-test. Den andra och tredje situationen innebär att man måste räkna ut medelvärde och medelfel för de två grupperna. Detta görs på motsvarande sätt som för ett medelvärde. Skillnaden i t-testet är att man jämför skillnader i medelvärde och dividerar med det totala medelfelet. Roland Sjöström

40 Variansanalys (Anova)
I sin enklaste variant ett F-test som är en direkt vidareutveckling av t-testet Två centrala begrepp Mellangruppsvarians Totala variansen för alla som ingår i undersökningen i relation till det totala genomsnittet Inomgruppsvarians Totala variansen inom de olika grupperna i relation till deras respektive genomsnitt F-test= mellangruppsvarians inomgruppsvarians Roland Sjöström

41 Variansanalys, forts Om t.ex. kvinnor och män verkligen har samma åsikt så är inomgruppsvariansen densamma. Ju mer mellangruppsvariansen överstiger inomgruppsvariansen desto större är chansen att de har olika uppfattning => att nollhypotesen kan förkastas Tre grupper, t.ex. olika utbildningsprogram ger samma tolkning En grupp kan medföra att nollhypotesen förkastas => viktigt att gå vidare i analysen (t.ex. Bonferroni-test) Roland Sjöström

42 Medelvärdesanalyser trubbigt instrument
Människor är olika trygga eller otrygga positiva eller skeptiska benägenhet att uttrycka vad de egentligen anser etc en del instämmer i det mesta medan andra tar avstånd en tredje grupp svara alltid någonstans mitt emellan Medelvärden tenderar alltså att bli ett mycket trubbigt instrument annat än för återkommande undersökningar där avsikten är att mäta avvikelser från tidigare undersökningar Roland Sjöström

43 Analys av likheter Korrelations- och enkel regressionsanalys
Används ofta som substitut Stora likheter En avgörande skillnad Korrelation - gemensam varians Regression - prediktering av värde bästa skattning utan regression?? linjära samband Roland Sjöström

44 Regressionsanalys Anses ha använts första gången av Francis Galton ( ) samband mellan föräldrars och barns längd tendens mot mitten kallades regression inom geovetenskap regression då strandlinjen förskjuts utåt; drar sig tillbaka inom biologi och beteendevetenskap betyder regression tillbakagång till mera primitiva funktions- eller utvecklingsnivåer hos en individ eller ett organ. I statistiska sammanhang betyder regression att en storhet beror av en eller flera storheter. Kopplingen till "tillbakagång" är att alla värden relateras till medelvärdet, dvs man mäter avvikelser från det förväntade värdet som är medelvärdet. Roland Sjöström

45 Linjär regression Roland Sjöström

46 Multipel regression Flera variabler R2 Multikollinearitet
x1=a+b2x2+b3x3 analysera R2 Regression på faktorer Roland Sjöström

47 Korrelation En av de mest kända formlerna utvecklades av en medarbetare till regressionens "grundare" Galton som hette Karl Pearson. Pearsons formel var en vidareutveckling av Galtons grundläggande idé om dragning mot ett medelvärde och kallas produktmomentkorrelationskoefficient. Likhet med regression? korrelation Roland Sjöström