Forkurs i kvantitative metoder ILP 2019

Transkript

1 Forkurs i kvantitative metoder ILP 2019 Forkurs som arbeidskrav for kvantitativ deler av PED-3055 Gregor Maxwell & Bent-Cato Hustad Førsteamanuensis i spesialpedagogikk

2 Program Tirsdag 27/9/19 SVHUM C0109 og TEO-H Innledning, hva er kvantitativ metoder og statistikker, hvorfor er jeg her Gregor Maxwell 12:15-16:00 Forelesning og gruppearbeid Noter: Onsdag 28/9/19 SVHUM C0109 og TEO-H Mer om kvantitativ metoder og statistikker, praktikum med SPSS, osv. Gregor Maxwell 12:15-16:00 Forelesning og gruppearbeid Torsdag 29/9/19 SVHUM C0109 og TEO-H Mer kursardbeid og Test/vurdering og oppsumering av dagene, Gregor Maxwell & Bent-Cato Hustad Forelesning og gruppearbeid Arbeid med oppgaver/forberedelser/lunsj (1600) Test

3 Formål for forkurs Formålet er å gi en grunnleggende innføring i kvantitative metode. - Studentene skal etter gjennomført forkurs forstå hva statistikkfaget kan hjelpe oss med og ha kunnskap og ferdigheter knyttet til grunnleggende deskriptiv statistikk som gjennomsnitt, empirisk standardavvik, median og kvartiler. De skal lære hvordan en kan sammenligne resultater fra to grupper, kjenne til og kunne ta i bruk begreper som populasjon og utvalg, konfidensintervall, statistisk signifikans og normalfordeling og kjenne til noen tester som brukes i statistisk analyse.

4 Foreslått endring av kretsgrenser for skolene i Tromsø For Etter Skole Kapasit et Bjerkaker Fagereng Gyllenborg Prestvannet Workinnmark a Skole Kapasit et Bjerkaker Fagereng Gyllenborg Prestvannet Workinnmark a Regne ut forskjellen (enten positiv eller negativ) fra kapasitet for hver skole for hvert år. Regne ut gjennomsnittlig forskjell (enten positiv eller negativ) fra kapasitet for hver skole for de neste fire år. Sammenligne gjennomsnittlig forskjeller fra for og etter foreslått endringer. Hva tenker vi om dette? Hint: bruk prosent. Saken om endring av kretsgrenser i Tromsø:

5

6 Typer av Data Analyse Kvantitative metoder Teste teorier ved hjelp av tall Kvalitative metoder Teste teorier ved hjelp av språk Magazine artikler / intervjuer Samtaler Aviser Mediesendinger

7 Hva er kvantitativ forskning? Kvantitativ forskning forklarer fenomener ved å samle numeriske data som er analysert ved hjelp av matematisk baserte metoder (særlig statistikk). 7

8 Eksempler på avansert statistiske tester Statistikk Deskriptiv Induktiv Mål for sentraltendens Spredningsmål Parametriske tester Ikke-parametriske tester Gjennomsnitt Standardavvik Pearson rangkorrelasjon Chi-kvadrat test Median Variasjonsbredde Lineær regresjon Spearman rangkorrelasjon (rho) Modus/typetall Kvartildifferanse T-test: Indepenentsamples Paired-samples Mann-Whitney U- test Analysis of variance One-way ANOVA Kruskal-Wallis test 8

9 Hva er kvantifiserbare? Målinger av Fenomena - variabler Fenomena vi undersøker Testresultat Celsius Kognitive evner Temperatur Mann/Kvinne enig / verken / uenig Kjønn Holdning til statistikk Epistemologi Ontologi 9

10 Why is my evil lecturer forcing me to learn statistics? For kunne svare på interessante spørsmål trenger vi data. Tall er en helt essensiell måte for å analysere data og beskrive samfunnet. Kvantitative metoder er unikt egnet for å utforske korrelasjoner og generalisere resultater. Forkurset vil gjøre det lettere for dere å ta metode og vitenskapsteori emne (f.eks. PED-3055). Hvis dere lærer dere kvantitative metoder vil dere kunne skrive svært gode masteroppgaver og lære dere et fantastisk verktøy for fremtidige jobber.

11 Hva gjør vi her? Vi skaper kunnskap! Gjennom forskning. Vi er forskere

12 Forsknings prosessen

13 Hva vi skal igjennom på dette kurset: Del 1 Data innsamling. Begreper og teori Kunnskap og vitenskap. Grunnbegreper i kvantitativ metode Målenivå, validitet og reliabilitet Statistiske og teoretiske forutsetninger for kvantitative analyser Del 2 Data analyse. Teknisk metodebruk og analyse Deskriptiv statistikk som gjennomsnitt, empirisk standardavvik, median og kvartiler. Konfidensintervall Statistisk signifikans Normalfordeling Modeller (Regresjonsanalyse)

14 Kunnskap og vitenskap Å definere det udefinerbare: Sann, begrunnet oppfatning (Plato). Tilfeldigheter kan dermed gi kunnskap (Gettier). Kan muligens løses: Krav om kausalitet. Krav om reliabel kunnskapsprosess. Formålet med vitenskap er å bygge kunnskap på observasjon og fornuft. Vitenskapelige uttalelser kan bli bekreftet eller avkreftet empirisk Mack-øl er det beste ølet i Tromsø Mack-øl er det mest solgte ølet i Tromsø Ikke-vitenskapelige uttalelser har ingen plass i vitenskapet (Popper)

15 Kausalitet Empirisk forhold mellom årsak og virkning. Formålet med vitenskap er i en positivistisk orientert forståelse å påvise slike årsaksforhold. Men kausalitet kan ikke observeres (Hume). Erfart kausalitet: Kontakt. Prioritet. Nødvendighet. Løsning: Observerer samvariasjon. Begrunner påstander om kausalitet med teori. Mer om samvariasjon senere.

16 Pause?

17 Noen antagelser Det finnes en virkelighet utenfor oss. Om denne virkeligheten finnes det fakta som er sanne uavhengig av hva vi eller noen andre tror om dem. For å være nyttige må teorier, modeller og forklaringer baseres på observerbare fakta. Vitenskapelig tenkning søker kontinuerlig forbedring av forklaringer og forståelser av fakta om virkeligheten. Statistikk er et verktøy for å bidra til å oppdage, forstå, kvantifisere, modellere og kommunisere fakta om virkeligheten.

18 Den hypotetisk-deduktive metode Abstrakt ramme for vitenskap. Viser hvordan teori, hypoteser, observasjon og analyse henger sammen og avhenger av ulike tankemåter. Induksjon: Fra observasjon til lov/tendens. Deduksjon: Fra premisser til konklusjon. (Abduktiv: Fra observasjon, via regel, til mulige premisser.)

19 Induksjon-deduksjon

20 Hypoteser og falsifisering Formuler en nullhypotese: Det er INGEN sammenheng OG en alternativ hypotese. Konklusjon: Hvis H 0 forkastes, er H 1 styrket. H 0 : Det er ingen sammenheng mellom inntekt og hvor fornøyd innbyggerne er med grunnskolen H 1 : Det er en sammenheng mellom inntekt og hvor fornøyd innbyggerne er med grunnskolen Og deretter falsifisere

21 Hypoteser og falsifisering Falsifisering: Målet med (samfunns)forskning er ikke å bevise en universell lov (umulig), men å gjøre analyser som svekker teorien (nullhypotesen som sier at det ikke er sammenheng). Hvis nullhypotesen kan forkastes er ikke det et bevis på teorien, men styrking av teoriens forklaringskraft. En hypotese skal være dikotom; den inneholder to påstander som er gjensidig utelukkende og fullstendig uttømmende.

22 Hva og hvorfor? Et primært formål med vitenskap er å få og forbedre kunnskap. Fra ide til presentasjon av resultater. Inkluderer de fremgangsmåter, teknikker, prosesser og metoder som er nødvendige for å besvare ett gitt forskningsspørsmål. En prosess preget av valg og avveininger. Sjelden ett rett svar. Pragmatisme Kunnskaper om delene i forskningsprosessen muliggjør forskning og vurdering av forskning.

23 Grunnbegreper i kvantitativ metode

24 Forskjeller fra kvalitativ metode: Dybde vs. bredde Ulik kunnskap: Kvalitativ: Fortolkning og forståelse av individers selvfortolkning og motiver. Genererer nye ideer. Forstår subjektive fenomen. (I prinsippet) ingen generalisering. Kvantitativ: Tester hypoteser, utvikler modeller og teorier. Samvariasjon og kontroll indikerer kausalitet. Måler objektive fenomen. Generaliseres til populasjonen. Ulike fremgangsmåter: Kvalitativ: Dybdestudier av case. Kvantitativ: Stor-N studier. Statistikk.

25 Kvantativ vs kvalitativ design Kvantitativ design En objektiv sosial verden Sosiale fenomener er relativt stabile i tid og rom Store representative utvalg Avstand til det som studeres Årsaksforklaringer Teoristyrt, definerte begrep Talldata i form av variabler Statistiske analyseteknikker Kvalitativ design En sosialt konstruert verden Sosiale fenomener konstrueres i lokale situasjoner Små utvalg av case Nærhet til det som studeres Formålsforklaringer Eksplorerende, oppdage begrep Tekstdata Uformelle analyseteknikker

26 Målenivåer, validitet og reliabilitet Målenivåer - variabler Validitet og reliabilitet

27 Elementene i kvantitative data Enheter: Analyseenhetene vi innhenter data om og som vi ønsker å trekke slutninger om. Individer og aggregerte størrelser. Eks. Kommuner, land, elever, innbyggere osv. Variabler: Egenskaper ved enhetene. Eks. kjønn, inntekt, utdanning, yrke Verdier: Kvantifisert beskrivelse av enhetenes egenskaper (altså beskrivelsen av variablene) Eks. kroner (inntekten er variabelen med verdien kroner) Eks. høy middels lav (verdier på variabelen utdanning)

28 Målenivå - variabler Data inneholder ulik type informasjon. Mer eller mindre. Målenivå begrenser analysemulighetene. Reflekter om dette begge før måling og før bruk. Hvordan kan man måler? Og, hva slags variabler kan vi har? Minimal Maksimal

29 Nominal variabler Gjensidig utelukkende kategorier. Kategoriene kan ikke rangordnes. Inneholder lite informasjon. Nominal skala Navn Eks.: Navn: Troms, Finnmark, Nordland Modus og kvalitativ variasjon. Krysstabeller og begrensede effektstørrelser.

30 Ordinal variabler Gjensidig utelukkende kategorier. Kategoriene kan rangordnes. Kategoriene gir en retning, men sier ikke noe om forholdet mellom kategoriene. Mer informasjon mer analyse. Ordinal skala Navn og orden Eksempel: Inntekt fordelt på tre kategorier høy medium lav Median, kvalitativ variasjon og prosentiler. Krysstabeller, effektstørrelse med retning og regresjon (med forbehold).

31 Variable typer: Metriske Intervall skala (Variant 1) Orden og metriske Forholdstall skala (Variant 2) Orden og metriske og et naturlig nullpunkt For eksempel: Hva slags temperatur har vi i forelesningssalen? I Celsius intervall skala I Kelvin - forholdstall

32 4 målenivå Nominalt nivå Svarkategorier uten tanke på rang og avstand mellom disse. Eks. Jeg har følgende oppgaver/ansvar i min barnevernstjeneste: (Fosterhjem og rekruttering - fagansatteskjema) Enhetsleder Avdelingsleder med ansvar/oppgaver tilknyttet fosterhjem Å jobbe med å rekruttere fosterhjem Å godkjenne fosterhjem Å gi råd og veiledning til fosterhjem Ordinalt nivå Svarkategorier som brukes til å rangere svarene Eks. I hvilken grad mener du at kursmodulene prekges av forskningsbasert innhold: (Faglig løft for PPT fagansattskjema) I liten grad I noen grad I middels grad I stor grad I svært stor grad Vet ikke

33 4 målenivå Intervallnivå Når det foreligger en måleenhet, en avstand mellom verdiene og et tilfeldig nullpunkt Eks. historisk tid, År 0, og fast avstand mellom årene; eller graderstokken: 0 grader Celsius er et nullpunkt. Fast avstand mellom 10 og 20 grader Celsius. Forholdstall Når det er et absolutt nullpunkt og en ratio mellom verdiene, Eks. inntekt, kroner etc.

34 Målenivå og variabelegenskaper Variabelegenskape r Nominal Ordinal Intervall Ratio Forskjell og likhet x x x x Rangorden x x x Avstander x x Forhold x (Etter Hellevik i Jacobsen 2005)

35 Målenivåer og gyldige regneoperasjoner (Kleven, 2011 s. 30) Navn Kjennetegn Operasjoner Forholdstalln ivå Intervallnivå Ordinalnivå Nominalnivå Absolutt nullpunkt == < > + - * / Like store skalaenheter Kategoriene ordnet i rekkefølge Plassering i kategorier == < > + - ==< > ==

36 Dummyvariabel (av/på variabler) En dikotom variabel Binær: Sann eller usann. Muliggjør analyse uten rangering. Eks.: Kjønn Kodes 0 (egenskap ikke tilstede) og 1 (egenskap til stede). F.eks. datasett så er 0 = mann og 1 = kvinne Benyttes ofte for å skille mellom nominale kategorier i regresjonsanalyse Modus og kvalitativ variasjon. Regresjon, logistisk regresjon, krysstabell.

37 Hvordan kan man måler? Kategoriske variabler Nominal skala Navn Ordinal skala Navn og orden Intervall skala Orden og metriske Forholdstalls Orden og metriske og et naturlig nullpunkt Avhengighet En variabel som vi tror er en årsak, kalles for en uavhengig variabel fordi verdien variabelen ikke er avhengig av noen andre variabler. En variabel som vi tror er en effekt, kalles for en avhengig variabel fordi verdien variabelen er avhengig av årsaken. 37

38 Målefeil Målefeil Uoverensstemmelsen mellom den faktiske verdien vi prøver å måle, og tallet vi bruker til å representere den verdien. Eksempel: Du (i virkeligheten) veier 80 kg. Du står på badet ditt og de sier 83 kg. Målefeilen er 3 kg.

39 Validitet Måler vi det vi ønsker å måle? Hvorvidt et instrument måler hva den har satt til å måle. Primært teoretisk drøfting Mange typer: Intern validitet (kausalitet) Ekstern validitet (generalisering) Konstruksjonsvaliditet. (Sammenfaller fenomen, konsept og operasjonalisering.) Sammenfallende validitet.

40 Validitet og gyldighet Innholdsgyldighet Bevis på at innholdet i en test tilsvarer innholdet i konstruksjonen den ble utformet for å dekke Økologisk gyldighet Bevis på at resultatene av en studie, et eksperiment eller en test kan brukes, og tillate inferences, til virkelige forhold.

41 Validitet Eksempel på perfekt korrelasjon, men fullstendig mangel på kausalitet (intern validitet)

42 Reliabilitet Hvor pålitelig er målingen? Både teoretisk og empirisk undersøkelse. Undersøkes: Vurder datainnsamling. Bruk alternative mål og estimatorer. Nye utvalg. Parallelle utvalg.

43 Reliability Reliabilitet Foranstaltningens evne til å produsere de samme resultatene under de samme forholdene. Test-Retest reliabilitet Evnen til et mål å gi konsistente resultater når de samme enhetene testes på to forskjellige tidspunkter.

44 Validity Reliabilitet og validitet Reliability 44

45 Hva lærte vi i dag? Hva er kvantitativ forskning? Kvantifiserbare Kausalitet Induksjon-deduksjon Hypoteser og falisifisering Målenivåer Variabler avhengig og uavhengig Nominal, ordinal, metriske. Målefeil Validitet og reliabilitet Lust for litt lekser? Se på: ematikk_2p/statistikk/interakti ve-tester/kapitteltest

46 Slutte dag en her