docent martin klinthäll linköpings universitet
DESCRIPTION
Föreläsning 6 Kvantitativ metod : Från frågeställning till analys 722A35 Examensarbete i företagsekonomi. Docent Martin Klinthäll Linköpings universitet. Att lägga upp en studie med kvantitativa frågeställningar. Innehåll: Problemformulering Operationalisering Kvantitativa datamaterial - PowerPoint PPT PresentationTRANSCRIPT
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