Föreläsning 6Kvantitativ metod:Från frågeställning till analys

722A35Examensarbete i företagsekonomi

Docent Martin Klinthäll

Linköpings universitet

Att lägga upp en studie med kvantitativa frågeställningar

Innehåll:• Problemformulering• Operationalisering• Kvantitativa datamaterial• Insamling och urval• Analys och tolkning

2

Typisk disposition

1. INLEDNING

2. TEORI

3. MATERIAL

4. METOD

5. ANALYS

6. DISKUSSION

7. 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

3

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

Frågeställning

ExempelDeskriptivt: ’Hur många personer utvandrar från Sverige varje

år?’Explorativt: ’Hur samvarierar ålder med

utvandringsbenägenhet?’Explanativt: ’Vilka faktorer kan förklara ökad benägenhet för

utvandring?’

5

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

Teorival

Exempel:

Grundantagande: ’Människor flyttar för att få det bättre’Observation: Migration ofta temporärForskningsproblem: Varför återvandring?

• Klassisk migrationsteori• Teorier om ofullständig information• Livscykelteorier

7

Operationalisering

Frågeställning teori operationaliseringVARIABLER

Kausalsamband: om A så B

Oberoende och beroende variabler

8

Operationalisering

• Att definiera teoretiska begrepp i relation till problemformuleringen

1) Teoretiska definitioner- klargör de teoretiska begreppen

2) Operationella definitioner- visar hur begreppen kommer att mätas

9

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

Operationalisering

VARIABELTYPER:1) Nominalvariabler (kategori, tex. kön, bostadsort)2) Ordinalvariabler (rangordning, tex. utbildningsnivå)3) Intervallvariabler (mäter intervall, tex. födelseår,

temperatur)4) Kvotvariabler (mäter storleksförhållanden, tex. inkomst)

11

Operationalisering”välfärd”, ”välstånd”?

Ekonomisk standardARBETSINKOMST+kapitalinkomst-skatt+bidrag=DISPONIBEL INKOMST+ förmögenhet+ offentliga tjänster-försörjningsbörda=EKONOMISK STANDARD(?)

LyckaPersonligt välbefinnandeSocialt välbefinnandeTrivsel i arbetet….

http://www.nationalaccountsofwellbeing.org/explore/indicators/zwbi

12

Kvantitativa datamaterial

• PrimärdataData som samlas in för projektets eget syfte

- intervjuundersökningar- enkätundersökningar- strukturerad observation- innehållsanalys

13

Kvantitativa datamaterial

• SekundärdataData 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.

14

Kvantitativa datamaterial

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

15

Kvantitativa datamaterial

Exempel på lättillgängliga databaser:SCB: http://www.ssd.scb.se/databaser/makro/start.aspSvensk Nationell Datatjänst: http://snd.gu.se/Eurostat: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/search_databaseVärldsbanken: http://data.worldbank.org/IMF: http://www.imf.org/external/data.htm

16

Kvantitativa intervjuundersökningar

• Resurskrävande

• Reliabilitet ofta högre än enkäter- högre svarsfrekvens- mindre risk för missförstånd- låg risk för felaktig inmatning

17

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?

18

Datainsamling

Konstruera frågeformulär:

Öppna frågor: heltäckande, men måste kategoriseras

Slutna frågor: ger användbara svar, men kan utesluta relevanta alternativ

19

Datainsamling

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

komplexa frågor

20

Urval

Population: Den grupp du vill undersöka

Urvalsram: Förteckning över populationen

Stickprov: De individer som representerar populationen i undersökningen

21

population

Population

Stickprov, urval

INFERENS =Dra slutsatser från data om helapopulationen utifrån ett stickprov

Data, observationer

Urval

SANNOLIKHETSURVAL

1) OSU: obundet slumpmässigt urval2) Stratifierat urval3) Systematiskt urval4) Klusterurval

23

Urval

ICKE-SANNOLIKHETSURVAL-bygger inte på en urvalsram

1) Bekvämlighetsurval2) Kvoturval (tex. lika antal män som kvinnor)

3) Subjektivt urval (tex. ”snöbollsurval”)

24

Urval –minska bortfall• Väcka intresse

• Påminna

• Förenkla

• Locka

IntroduktionsbrevUppmärksamhet i mediaForskarens auktoritetFrågeställningens angelägenhet

PåminnelsebrevE-enkätTelefonuppföljning

Tydliga frågorFlera språk

BetalningLotteri

25

Bortfall• Övertäckning• Undertäckning• Externt bortfall

a) går ej att få tag påb) vägrar svarac) kan inte svara av annan anledning

• Internt bortfall – ”fel” eller ”ej svar” på frågor• Panel attrition

26

AnalysteknikValet av analysteknik styrs av• Frågeställning

-vad är det intressanta utfallet?• Operationalisering

-vilka egenskaper har variablerna?• Typ av data

-tvärsnitt-tidsserier-paneldata, händelsedata, etc.

27

Exempel på analystekniker• Faktoranalys

• Linjär regression

• Logistisk regression

• Tidsserieanalys

• Paneldataanalys

• Durationsanalys

28

Faktoranalys

• Mönster i samvariation mellan variabler

• ExplorativtLämpligt när man vill reducera antalet variabler som mäter samma bakom-liggande ’faktor’.

29

Linjär regressionBeroende variabeln y är kontinuerligEnkel (bivariat): Yi = a + bXi + ei

Multipel: Yi = a + bX1i + bX2i + bX3i+ … + ei

30

8 9 10 11 12 13 14 15 16 17100

105

110

115

120

125

130

135

140

145

150

samband utbildning-inkomst

Logistisk regression

• Nominalvariabel som beroende utfall

ln(Pi/(1-Pi) = a + b1X1i + b2X2i + … + bkXki

Binära eller multinomiala modeller

31

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,…)

32

Tidsserieanalys

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

33

-0.02

-0.01

0.00

0.01

0.02

0.03

0.04

65 70 75 80 85 90 95

Trendrensad återutvandringsfrekvens

0

2

4

6

8

10

65 70 75 80 85 90 95

FIUTFRQ HPTREND

Paneldataanalys

• Analys av förändring och dynamiska processer

Kausalitetsförhållanden

Tekniker för att hantera• icke-observerad heterogenitet (fixed effects)• gruppspecifika effekter (random effects)

34

Analys av händelsedata

Överlevnadsanalys, livsförloppsanalysNär tiden fram till en händelse är av intresseVanligt inom medicin, men även inom arbetsmarknadsforskning.

Tidsstruktur i data: ’diskret’ vs. ’kontinuerlig’

35

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

Reliabilitet - tillförlitlighet

Undersökningens pålitlighet:• Upprepade undersökningar ska ge samma resultat- Standardiserad mätning- Tolkning av uppgifter- Tydliga rutiner och instruktioner- Dokumentation, metadata

37

Validitet - giltighet

Giltighet –att mäta just det som undersökningen avser att mäta

• tydlig frågeställning• koppling syfte - teori• teori operationalisering• datainsamling analys• resultat slutsatser

38

Validitet - Reliabilitet

.

39

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

Etiska övervägandenForskningsetik:• Informationskravet• Samtyckeskravet• Konfidentialitetskravet• Nyttjandekravet

Forskaretik:• Hederlighet (förfalskning, plagiat, etc.)• Uppförande

Implikationer

• Att se bortom sina resultat

- Vilka nya frågor väcks?- Vilka intressenter berörs?- Vilka är de praktiska implikationerna?- Policyrekommendationer på olika nivåer