SENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SOS1002 VÅREN 2008

Transkript

1 SENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SOS1002 VÅREN 2008 Alle tre oppgavene skal besvares. De tre besvarte oppgavene teller hver en tredjedel av den samlede karakteren. Oppgave 1 Nedenfor ser du en tabell fra den norske delen av European Social Survey Utvalget skal behandles som et sannsynlighetsutvalg fra populasjonen: alle personer på 15 år og eldre, som var bosatte i Norge høsten Variabelen yrkesaktivitet er konstruert ut fra spørsmålene Se på dette kortet. Hvilke av beskrivelsene passer på det du har gjort de siste 7 dagene? og Og hvilke av disse beskrivelsene passer best på din situasjon (de siste 7 dagene)?, og er kodet med verdien 1 (yrkesaktiv) for de som har krysset av for I lønnet arbeid (eller midlertidig fraværende), (ansatt, selvstendig næringsdrivende eller har arbeid i familiebedrift) og verdien 0 (ikke yrkesaktiv) for alle andre svar. I tillegg har tabellen informasjon om kjønn og alder, der alder er gruppert i tre kategorier. Tabell 1. Yrkesaktivitet fordelt etter alder og kjønn. Frekvenser. Kjønn Menn Kvinner Alder Under 35 år år 55 år og eldre Under 35 år år 55 år og eldre Yrkesaktivitet Ikke yrkesaktiv Yrkesaktiv a) Gjør om tabell 1 til en prosenttabell. Beskriv deretter variablene, og forklar kort hva tabellen viser. MÅL: Teste studentens ferdigheter i å sette opp tabeller, identifisere variabler, gi grunnlag for å vurdere deres evne til å drøfte hvor mye informasjon de mener det er forsvarlig å trekke ut av verdifordelingen i disse variablene (bestemme målenivå), og å teste studentenes evner til å fortolke innholdet i en krysstabell. Uavhengige variabler: Kjønn Alder Avhengige variabler: Yrkesaktivitet Målenivå: Kjønn: Alle bør kunne se at denne variabelen må plasseres på nominalnivå 1

2 Alder: Variabelen kan rangeres, og det er derfor mest naturlig å plassere den på ordinalnivå. Yrkesaktivitet: Denne variabelen kan også rangeres, og bør plasseres på ordinalnivå. Den prosentuerte tabellen bør se omtrent slik ut: Tabell 1. Tid brukt til daglig avislesing fordelt etter alder og kjønn. Prosenter. Kjønn Menn Kvinner Alder 55 år Under Under 35 år år og eldre 35 år år Yrkesaktivitet Ikke yrkesaktiv 55 år og eldre Yrkesaktiv Sum (n=) (292) (328) (270) (278) (304) (276) I forklaringen av hva tabellen viser, ønsker vi kun en beskrivelse av mønsteret inne i tabellen, og ikke tekniske beskrivelser av hvordan tabellen er satt opp. Alle bør se at det er en høyere andel yrkesaktive blant menn enn blant kvinner, og at det er en kurvelineær alderseffekt. Det er ikke noe tydelig samspillmønster mellom de to variablene, så forskjellene mellom kvinner og menn er omtrent lik i alle aldersgruppene. b) Regn ut korrelasjonene mellom alder og yrkesaktivitet for både menn og kvinner, og sammenlign de to korrelasjonskoeffisientene. MÅL: Teste studentenes forståelse av statistiske mål for bivariate sammenhenger, teste forståelsen hvordan valget av mål for samvariasjon mellom to variabler avhenger av variablenes målenivå, og teste ut studentenes ferdigheter i å beregne korrelasjonsmål. Alle bør se at de må regne ut en korrelasjonskoeffisient mellom alder og yrkesaktivitet for menn, og en korrelasjonskoeffisient mellom alder og yrkesaktivitet for kvinner. Her bør vi tillate mange ulike valg av mål, og heller se på argumentasjonen bak valget. De fleste vil sannsynligvis argumentere med at de to variablene alder og yrkesaktivitet bør plasseres på ordinalnivå, og ut fra dette enten velge gamma eller tau-c. Vi bør gi noe ekstra for de som argumenterer godt for å bruke korrelasjonsmålet tau-c i stedet for gamma. De som problematiserer det kurvelineære aldersmønsteret, og ut fra dette argumenter for Cramers V, bør honoreres for god forståelse. De som velger gamme eller tau-c bør ha en løsning som ligger nært opp til denne: 2

3 Utgangspunkt for å beregne korrelasjonene mellom alder og yrkesaktivitet for menn: Under Ikke yrkesaktiv Yrkesaktiv Etter som både gamma og tau er korrelasjonsmål som utnytter informasjonen om rangering, bør det gies et pluss for de studentene som tar hensyn til retningen på rangeringene når de regner forholdet mellom par ordnet likt og par ordnet ulikt. For å få riktig fortegn på korrelasjonsmålene har alle blitt anbefalt å starte beregningen av par ordnet likt (L) i ruten med de laveste verdiene på begge variablene. Fortegnet blir også riktig hvis de starter med de høyeste verdiene på begge variablene, men dette er kanskje ikke så logisk godt startpunkt. Her er det naturlig å betrakte Under 35 som laveste verdi på aldersvariabelen og Ikke yrkesaktiv som laveste verdi for yrkesaktivitet. Da blir det mest naturlig å starte beregningen av par ordnet likt (L) fra den ruta som har 105 enheter (kombinasjonen lav/lav). Beregningen av par ordnet ulikt (U) bør da enten starte med kombinasjonen lav/høy (n=187) eller høy/lav (n=152). Nedenfor viser jeg en detaljert løsning basert på det første startpunktet. Par ordnet likt (starter øverst til venstre): L= 105 ( ) + 31 (118) = Par ordnet ulike (start nederst til venstre): U= 187 (31+152) (152) = Gamma for menn blir da: Gamma Menn = = 0,2538 0, Tilsvarende løsning for kvinner blir: Utgangspunkt for å beregne korrelasjonene mellom alder og yrkesaktivitet for kvinner: Under Ikke yrkesaktiv Yrkesaktiv Par ordnet likt (starter øverst til venstre): L= 133 (245+91) + 59 (91) = Par ordnet ulike (start nederst til venstre): U= 145 (59+185) (185) = Gamma for kvinner blir da: Gamma Kvinner = = 0,2344 0,

4 Løsninger med andre mål for samvariasjon blir: kvinne Asymp. Value Std. Error(a) Approx. T(b) Approx. Sig. Nominal by Phi Nominal Cramer's V Ordinal by Ordinal Kendall's tau-b Kendall's tau-c Gamma N of Valid Cases 890 Nominal by Phi Nominal Cramer's V Ordinal by Ordinal Kendall's tau-b Kendall's tau-c Gamma N of Valid Cases 858 a Not assuming the null hypothesis. b Using the asymptotic standard error assuming the null hypothesis. Tolkning: Det er svake negative korrelasjoner mellom alder og yrkesaktivitet både for menn og for kvinner, med mønsteret er omtrent det samme for begge kjønn. De svake korrelasjonene skjuler et kurvelineært mønster som er mye tydeligere enn det de lineære korrelasjonskoeffisientene viser. c) Tabell 2 viser informasjonen fra tabell 1 i en logistisk regresjonsmodell, der de yrkesaktive har verdien 1 og de som ikke er yrkesaktive har verdien 0. Forklar hva denne modellen viser. Tabell 2. Logistisk regresjonsmodell for yrkesaktivitet, ut fra kjønn og alder. Uavhengige variabler B S.E. P OR Kvinne (menn=0, kvinner=1) -0,491 0,171 0,004 0,612 Alder (dummyer med Under 35 år som referansekategori) år 1,683 0,225 0,000 5, år og eldre -0,830 0,173 0,000 0,436 Samspill mellom kvinne og aldersdummyene Kvinne * år -0,345 0,293 0,239 0,708 Kvinne * 55 år og eldre 0,034 0,246 0,889 1,035 Konstant 0,577 0,122 0,000 1,781 B: logistiske regresjonskoeffisienter, S.E.: regresjonskoeffisientenes standardfeil, P: er signifikanssannsynligheten til B/S.E., OR: oddsratioet er antilogaritmen av B, eller exp(b), eller eb der e er den matematiske konstanten e = 2,718. 4

5 MÅL: Teste studentenes forståelse av logistisk regresjon. Her skal alle kunne klare å se sammenhengen mellom tabell 1 og tabell 2. Videre bør alle kunne se at kvinner har en lavere andel yrkesaktive enn menn, at aldersgruppen år har en høyere andel yrkesaktive enn referansegruppen under 35 år, og at aldersgruppen over 55 år har en lavere andel yrkesaktive enn referansegruppen under 35 år. Alle disse effektene er statistisk signifikante på 5%-nivå. De to samspilleddene er ikke statistisk signifikante på 5%-nivået. Noen vil sannsynligvis fortolke oddsratioene i tabell 2, og da blir den naturlige tolkningen at kvinner har nester 40 prosent lavere odds for yrkesaktivitet enn menn (100%*(0,612-1)=-38,8%), at i de mellom 35 og 54 år har mer enn fire ganger så høy odds for yrkesaktivitet enn referansegruppen (100%*(5,380-1)=438%), og at den eldste aldersgruppen har rundt halvparten så høy odd for yrkesaktivitet som referansegruppen (100%*(0,436-1)=-56,4%). De som har satt opp regresjonslikningen, og regnet om fra predikerte logiter til predikerte sannsynligheter, bør ha en løsning som ligger nært opp til denne: Predikert Predikert logit sannsynlighet Grupper: Regresjons-likning: (L) (P) Kvinne < 35-0,491*1 + 1,683*0 0,830*0-0,345*0 + 0,034*0 + 0,577 0,086 0,52 Kvinne ,491*1 + 1,683*1 0,830*0-0,345*1 + 0,034*0 + 0,577 1,424 0,81 Kvinne ,491*1 + 1,683*0 0,830*1-0,345*0 + 0,034*1 + 0,577-0,710 0,33 Mann < 35-0,491*0 + 1,683*0 0,830*0-0,345*0 + 0,034*0 + 0,577 0,577 0,64 Mann ,491*0 + 1,683*1 0,830*0-0,345*0 + 0,034*0 + 0,577 2,260 0,91 Mann ,491*0 + 1,683*0 0,830*1-0,345*0 + 0,034*0 + 0,577-0,253 0,44 De som predikert sannsynligheter, og vist at de har forstått hva prediksjonene viser, bør belønnes for dette. Oppgave 2 MÅL: Teste studentenes kjennskap til sentrale begrep i pensum. Gjør kort rede for følgende begrep: a) Litteratursøking Oppgaven viser til kapittel 3 (Litteratursøking) i Ringdal. b) Referanseliste (litteraturliste) Referanseliste: Eller litteraturliste, en (alfabetisk) oversikt over litteratur det er vist (referert) til i en vitenskapelig publikasjon. 5

6 c) Måling Måling: Å knytte tall til egenskaper ved analyseenheter etter en regel, eller å knytte empiriske indikatorer til teoretiske begrep. d) Sentraltendens og spredning Oppgaven viser til kapittel 12 (Statistisk beskrivelse av enkeltvariabler) i Ringdal. e) Formålsforklaringer Formålsforklaringer (intensjonale forklaringer): En handling forstås eller tolkes ved å knytte den til en hensikt, en intensjon, en plan, et prosjekt hos den handlende (aktøren). f) Spuriøs effekt Spuriøs sammenheng (effekt): En skinnsammenheng eller en tilsynelatende årsakssammenheng mellom X og Y som skyldes en bakenforliggende variabel Z. Oppgave 3 Du blir spurt av Studentsamskipnaden i Trondheim (SiT) om å gjøre en kvalitativ undersøkelse av hvordan studenter bor og hva slags erfaring de har med sin bosituasjon. For å svare på forespørselen må du sette opp en plan for prosjektet: Redegjør for følgende aspekter: hva slags datainnsamlingsmetoder du anser som relevante, hva slags data du kan få ved tilnærmingen (det vil si hva dataene sier noe om), om det er spesielle problemer eller utfordringer med ulike deler av prosjektet, hvordan dine empiriske data kan registreres, bearbeides og analyseres. Begrunn dine valg. MÅL: Teste studentenes kjennskap til kvalitative metoder. Her er det mange forhold som studentene kan ta med inn. Det er viktig at de reflekterer om hvordan intervjuer og observasjoner gir ulike typer data, førstnevnte knyttet til det subjektive; opplevelser, erfaringer, synspunkter, meninger, og kan også være knyttet til noe som har hendt tidligere (men hvor man skal være obs på selektiv hukommelse). En ekstra god besvarelse bør diskutere hvordan intervjuet framstår som en samtale mellom to parter og derfor en slags utvikling av empiriske data heller enn en framskaffing av på forhånd eksisterende kunnskap. 6

7 For observasjoner bør man ta hensyn til praktiske hensyn; tilgang, synlighet, hvor mye man vil påvirke de man observerer, osv. Studentene bør diskutere hva slags rolle de skal ha som observatør (deltaker eller observatør), om de skal være skjult eller ikke og hvor aktive de skal være. Her kan de gjerne ha satt opp en firefeltstabell med dimensjonene synlighet og deltakelse, og dette bør belønnes. Når det gjelder omfang kan studentene komme inn på ideen om metning, at man slutter datainnsamling når momenter gjentar seg selv i ulike intervjuer eller observasjoner. Også andre hensyn kan spille inn, og velbegrunnede valg bør belønnes. Tekniske hjelpemidler inkluderer video, lydopptak, stillbilder og bruk av feltnotater. Fordeler og ulemper bør diskuteres, det typiske vil være at folk vil føle seg overvåket ved bruk av video f.eks., og kanskje i noen grad ved bruk av lydopptak. Men at video/lydopptak gjør mulig en mer detaljert analyse. 7