ME Vitenskapsteori og kvantitativ metode

Transkript

1 KANDIDAT 2581 PRØVE ME Vitenskapsteori og kvantitativ metode Emnekode ME-417 Vurderingsform Skriftlig eksamen Starttid :00 Sluttid :00 Sensurfrist :00 PDF opprettet :44 Opprettet av Digital Eksamen 1/11

2 ME-417 generell informasjon Emnekode: ME-417 Emnenavn: Vitenskapsteori og kvantitativ metode Dato: Varighet: 4 timer Tillatte hjelpemidler: Kalkulator (hvis noen skulle ha behov for det) Merknader: Alle 5 oppgavene skal besvares Det forekommer av og til spørsmål om bruk av eksamensbesvarelser til undervisnings- og læringsformål. Universitetet trenger kandidatens tillatelse til at besvarelsen kan benyttes til dette. Besvarelsen vil være anonym. Tillater du at din eksamensbesvarelse blir brukt til slikt formål? Velg et alternativ Ja Nei 1 ME-417, oppgave 1 Hva menes med at en empirisk korrelasjon (sammenheng mellom to variabler) er kausalt spuriøs? Gi to eksempler. Skriv ditt svar her... Korrelasjon betyr sammeheng/samvariasjon, og en empirisk korrelasjon innebærer at det er en teoretisk samvariasjon mellom en avhengig variabel, og en eller flere uavhengige variabler. Eksempel: En bivariat analyse (analyse av to variabler), hvor avhengig (endogen) variabel er lønn (y) og uavhengig (eksogen) variabel er alder (x). Fører vi disse variablene inn i en regresjonsanalyse i f.eks. STATA, vil det med stor sannsynlighet komme frem en tabell som viser en positiv korrelasjon mellom variablene. Korrelasjonen vil vi kunne lese ut fra Pearsons`r (produkt-moment-korrelasjonskoeffisient). Pearsons`r varierer mellom +1 og -1: Pearsons`r = +1, perfekt positiv lineær korrelasjon Pearsons`r = 0, ingen lineær korrelasjon Pearsons`r = -1, perfekt negativ linær korrelasjon 2/11

3 Korrelasjon må imidlertid ikke blandes med kausalitet (årsak-virkning). Selv om to variabler korrelerer, er det ikke gitt at korrelasjonen mellom variablene kan årsaksforklares med utgangspunkt i hverandre. Korrelasjonen kan bygge på en spuriøs effekt, som innebærer at en tredje variabel (eller flere) er årsak til korrelasjonen. Som eksempel kan det tenkes at utdanningsnivå og arbeidserfaring er to uavhengige variabler som vil ha innvirking på lønnsnivå. Et annet eksempel på spuriøs effekt kan knyttes til den avhengige variabelen subjektiv generell helsestatus, og utdanningsnivå. I en regresjonsanalyse kan det eksempelvis komme frem at disse variablene korrelerer. Ser vi derimot på R 2, tabellens forklaringskraft, vil vi kunne se om andre variabler vil kunne forklare korrelasjonen som oppstår. R 2 varierer mellom 1 og 0, hvor 1 innebærer at tabellen har stor forklaringskraft, mens 0 innebærer ingen forklaringskraft. Får vi frem at R 2 = 0,3 vil man kunne forstå at det vil være nødvendig å kontrollere for andre variabler for å få en helhetlig forståelse for sammenhengen mellom den avhengige og den uavhengige variabelen. 3/11

4 2 ME-417, oppgave 2 Hva menes med reliabiliteten til et mål eller en variabel? Gi to eksempler. Skriv ditt svar her... Reliabilitet betyr troverdighet, og reabiliteten til et mål innebærer dermed at en empirisk analyse skal kunne gjentas og gi samme/lignende resultat. Som eksempel kan vi bruke den avhengige variabelen lønn og den uavhengige variabelen alder. Dersom vi antar at en regresjonsanalyse viser at det er en positiv lineær sammenheng mellom de to variablene, og at dette resultatet er statistisk siginifikant (estimatet kan generaliseres tilbake til populasjonen), er dette et resultatet man skal kunne få igjen dersom man gjentar samme empiriske undersøkelse. Dersom testen ikke gir samme resultat vil man kunne si at målet har lav reliabilitet. Gir derimot undersøkelsen samme/tilnærmet samme resultat vil målet har en høy reliabilitet. Et annet eksempel kan dersom vi foretar en bivariat regresjonsanalyse mellom den avhengige variabelen tillit til Stortinget og den uavhengige variabelen utdanning. Dersom resultatet eksempelvis viser at høy utdanning samsvarer med høy utdannelse, er dette et resultatet vi burde få igjen dersom vi skal kunne si at undersøkelsen er av høy reliabilitet. Høy realibilitet er imidlertid avhengig av at undersøkelsen har en høy validitet - at man faktisk har målt det man ønsker å måle. Validiteten bl.a. avhenge av operasjonalisering, som innebærer om vi gjort variablene i en undersøkelse målbare. 3 ME-417, oppgave 3 Presenter to mulige forklaringer på hvorfor menn har høyere timelønn enn kvinner, og redegjør for hvordan du 4/11

5 ville ha testet disse mulige forklaringene empirisk? Skriv ditt svar her... Når det gjelder å forklare hvorfor menn har høyere timelønn enn kvinner har vi med årsaksforklaringer å gjøre. Årsaksforklaringer er den mest bruke forklaringsmetoden innen kvantitativ metode, og innebærer å forklare et årsak-virkning forhold. To hypoteser som kan benyttes for å forklare hvorfor menn har høyere timelønn enn kvinner er: Stillingsnivå (lederstillinger) fører til at menn har høyere gjennomsnitlig timelønn enn kvinner Arbeid i privat sektor fører til at menn har høyere gjennomsntlig timelønn enn kvinner (som i større grad jobbet i offentlig sektor) En empirisk forskningsprosess innebærer totalt seks stadier: Ide Problemstilling Utvalg av respondenter Datainnsamling Analyse Rapport Jeg vil i denne oppgaven beskrive hvordan jeg ville testet forklaringene empirisk, med utgangspunkt i disse stadiene: Et forskningsprosjekt starter med en ide. Ideen kan være påvirket av egen interesse, eller av kunder. I dette tilfeller antar vi at ideen er basert på en interesse fra NAV. Problemstillingen vil i de fleste prosjekter uttale seg direkte eller indirekte om undersøkelsens enheter og variabler. Hovedproblemstillingen vil her være "Hvorfor har menn høyerer timelønn enn kvinner", mens de to hypotesene (forklaringene) vil være prosjektets underproblemstillinger. Når problemstilling er på plass er neste sted å velge ut respondenter. I kvantitativ metode ønsker man breddeinformasjon, og man benytter seg derfor av mange enheter og få 5/11

6 variabler (spørsmål). For å kunne generalisere et estimat til å gjelde hele populasjonen vil det være nødvendig å benytte seg av sannsynlighetsutvelging, som er den vanlige utvalgsmetoden i kvantitativ metode. Her har man flere valgmuligheter, men i denne oppgaven tar vi utgangspunkt i enkel tilfeldig utvelging, hvor det trekkes tilfeldig ut fra to bunker - en for menn og en for kvinner. Man må alltid være bevisst muligheten for målefeil, og ved enkel tilfeldig utvelging vil en sikre at eventuelle målefeil kun vil være tilfeldige. Da det er NAV som etterspør undersøkelsen, er det grunn til å tro at de ønsker en oversikt som skal gjelde hele Norge. Det vil derfor være nødvendig med et stort antall respondenter, og jo større utvalg, dess mindre betydning vil tilfeldige målefeil få. Når respondentene er valgt er neste steg i forskningsprosessen å samle inn data. Dette vil kunne utføres på ulike måter, men i denne undersøkelsen tar vi utgangspunkt i en spørreundersøkelse, som er et tverrsnittsdesign. Tverrsnitt innebærer at undersøkelsen kun utføres på ett tidspunkt. I spørreundersøkelsen vil det være nødvendig å operasjonalisere variablene, slik at de blir målbare. Etter at dataen er samlet inne startet man på det som kalles undersøkelsens analyse. Det vil først være nødvendig å avgjøre hvilken variabel som er den avhengige, og hvilke som er uavhengige variabler. For å gjøre dette er det to metodiske kriterier som vil være avgjørende; tidsrekkefølge (årsak-virkning), og hvilke variabler det vil være mulig å endre. Da kjønn (menn og kvinner) befinner seg på ordinalnivå, som innebærer at veridene er gjensidig utelukkende, er det tydelig at dette er en variabel det ikke er mulig å endre på (man er enten mann eller kvinne). Variabelen vil derfor være uavhengig. Hvordan lønnen fordeler seg er det vi ønsker å undersøke, og lønn vil derfor være avhengig variabel. Lønn befinner seg på forholdstallsnivå, og det vil derfor være mulig å benytte seg av en regresjonsanalyse - her en multivariat regresjonsanalyse. En multivariat regresjonsanalyse er en analyse av en evhengig variabel (y) og flere uavhengige variabler (x 1, x 2 og x 3 ). Formålet med en regresjonsanalyse er å estimere sammenhengen mellom variablene. 6/11

7 For å utføre regresjonsanalyse må vi benytte oss av et metodisk verktøy, eksempelvis STATA. Her fører vi inn dataen vi har samlet inn, og deretter skriver inn variablene vi skal benytte oss av; avhengig variabel (timelønn), og de uavhengige variablene (kjønn, stillingsnivå og sektor). Det vil være fornuftig å kode kjønnsvariabelen til verdiene 0 og 1, hvor 0=mann og kvinne=1). Jeg ville først undersøkt hvordan kjønn påvirker lønn, ved å føre opp en bivariat regresjonsanalyse. Deretter ville jeg laget en ny regresjonstabell hvor jeg først trekker inn den auvhengige variabelen stillingsnivå, og til slutt en tabell med samtlige variabler. I tabellen er det først og fremst koeffisientene vil er interessert i, og disse forteller variablene fordelinger på den avhengige variabelen. Vi antar at samtlige variabler har et positivt fortegn, og dette vil da innebære at alle de uavhengige variablene korrelerer med den avhengige variablene. Konstantleddet vil fortelle hvordan korrelasjonen er for menn. Om resultatene kan generaliseres tilbake til populasjonen finner vi ut ved å se på p-verdien (signifikansnivået). Er signifikansnivået under 0,05 (5% nivået), kan man anta at resultatet kan generaliseres. Er det imidlertid under 5% vil resultatet ikke være statistisk signifikant. Ser vi videre på standardavviket vil vi kunne se det gjennomsnittlige avviket fra gjennomsnittet. R 2 vil kunne fortelle oss om tabellens forklaringskraft. Denne varierer mellom 0 og 1. Jo nærmere R 2 er 1, dess større forklaringskraft har tabellen. Til slutt må resultatene dokumenteres i en rapport. I rapporten må vi har med relevant teori, samt en tolkning av de analysene vi har foretatt. 7/11

8 4 ME-417, oppgave 4 Forklar kort hva tabellen nedenfor viser om hvordan tillit til Stortinget er fordelt i Norge. Dataene er tilfeldig trukket blant norske menn og kvinner. Tillit måles her med et enkelt spørsmål som varierer fra 0 (ingen tillit) til 10 (full tillit). Tabell: Lineær regresjonsanalyse av tillit til Stortinget (0-10) som resultat av kjønn, alder og utdanningsnivå (i år ut over grunnskolen) Skriv ditt svar her... Den avhengige variabelen er her "Tillit til Stortinget". Variabelen er empirisk testet opp mot variablene alder og utdanning, kontrollert for kjønn. Lav utdanning er benyttet som referansekategori. Kjønn er fordelt på to verdier 0 og 1, hvor 0 = mann og 1 = kvinne. Alder måles i tiår, noe som gjør tabellen mer håndterlig. Tabellen er en multivariat regresjonsanalyse, som viser hvordan de uavhengige variablene fordeler seg på den avhengige variabelen, tillit til Stortinget. Utvalget (N) er på 1536 respondenter, og det er benyttet enkelt tilfeldig utvelging (EET), som er en form for sannsynlighetsutvalg. Ut fra tabellen kan vi lese at menn uten videregående- eller høyere utdanning har en tillit til Stortinget på verdi 6,32 (konstantledd). Kvinner har i gjennomsnitt -1,73 mindre tillit til Stortinget enn menn, og ligger dermed på en gjennomsnittlig verdi på 4,59 (6,32-1,73). Videre ser vi at både videregående- og høyere utdanning korrelerer positivt med den avhengige variabelen. En mann med høyere utdanning vil ha en gjennomsnittlig tillit til Stortinget på verdi 7,97 og en mann med videregående utdanning vil ha en gjennomsnittlig verdi på henholdsvis 6,85. 8/11

9 Ut fra aldersvariabelen kan vi lese at tillit til Stortinget reduseres med -0,03 for hvert tiår. Det vil si at jo eldre mann blir, dess mindre tillit vil man ha - gjelder både for menn og kvinner. Med utgangspunkt i aldersvariabelen kan vi estimere hvordan tilliten til Stortinget vil forandre seg etter utdanningsnivå og alder: Mann 40 med videregående utdanning: (6,32 + 0,53) + (-0,03*40) = 6,73 Mann 40 med høyere utdanning: 6,32 + 1,65) + (-0,03*40) = 7,85 For å estimere de samme tallene for en kvinner på 40 år, vil man måtte ta -1,73. Estimert verdi vil dermed blir: Kvinne 40 med videregående utdanning: 6,73-1,73 = 5 Kvinne 40 med høyere utdanning: 7,85-1,73 = 6,12 Ser på vi standardavviket (SE), kan vi se at det er et gjennomgående lavt standardavvik bortsett fra på kjønnsvariabelen. Kjønnsvariabelen har et standardavvik på 1,07, noe som vil si at det gjennomsnittlige avviket fra gjennomsnittet er på 1,07. Et stort standardavvik på kjønnsvariabelen, innebærer at det er en stor spredning i svarene til respondentene. Motsatt vil lavt standardavvik (som det er på de resterende variablene) innebærer en liten spredning i svarene til respondentene. Signifikansverdiene viser at hverken kjønnsvariabelen eller aldersvariabelen er statistisk signifikante med utgangspunkt i det kritiske nivået på 5%. Utdanningsvariabelen, hva omhandler både videregåendeog høyere utdanning, er statistisk signifikant på henholdsvis 1% for videregående utdanning og 0 for høyere utdanning. Utdanningsvariablene kan derfor generaliseres tilbake til populasjonen. R2 viser til tabellens forklaringskraft. I dette tilfellet er R2 lik 0,084, dvs. 8,4%. Dette tyder på at det vil være nødvendig å kontrollere for andre variabler. Det er med andre ord en spuriøs effekt. 9/11

10 Som en konkluasjon kan vi si at mennene i utvalget i gjennomsnitt har høyere tillit til Stortinget enn kvinner. Dette er imidlertid et resultatet som ikke kan generaliseres til å gjelde hele populasjonen. 10/11

11 5 ME-417, oppgave 5 Kunne variablene alder og utdanningsnivå ha blitt operasjonalisert annerledes enn i tabellen ovenfor, og i så fall hvordan? Skriv ditt svar her... Variablene alder og utdanningsnivå kunne ha blitt operasjonalisert på en annen måte enn hvordan de fremkommer i tabellen i forrige oppgave. Operasjonalisering innebærer at man gjøre teoretiske variabler om til målbare variabler. Dette er viktig slik at det ikke skjer noen misforståelser blant respondentene, og at alle svarer på samme spørsmål (ikke tolker spørsmålene ulikt). Alder kunne eksempelvis være kvadret med ett årstal, eksempelvis 40 år. På denne måten hadde tabellen kunne være enklere å tolke, og i stedet for å regne ut hvordan tilliten til Stortinget endrer seg for hver ti år, kunne man sett hvordan det var for en mann eller kvinne på 40 år. Det hadde også vært mulig å dele opp aldervariabelen og vist hvordan tillit til Stortinget eksempelvis samvarierer med mennesker i alderen år, år, osv. Når det gjelder utdanningsvariabelen hadde det vært mulig å dele denne inne i flere verdier. Eksempelvis hadde det vært interessant å se på hvordan tillit til Stortinget hadde variert med utgangspunkt i utdanningsretning. Har type utdanning (samfunnsfaglig, medisinsk, politisk, helsefaglig, osv), innvirkning på hvordan tilliten varirerer blant mennesker? Dette er en problemstilling det hadde vært interessant å utforske. 11/11