KANDIDAT 2586 PRØVE ME-417 1 Vitenskapsteori og kvantitativ metode Emnekode ME-417 Vurderingsform Skriftlig eksamen Starttid 18.05.2018 09:00 Sluttid 18.05.2018 13:00 Sensurfrist 08.06.2018 02:00 PDF opprettet 24.04.2019 14:43 Opprettet av Digital Eksamen 1/9
ME-417 generell informasjon Emnekode: ME-417 Emnenavn: Vitenskapsteori og kvantitativ metode Dato: 18.05.2018 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 2/9
1 ME-417, oppgave 1 Hva menes med at en empirisk korrelasjon (sammenheng mellom to variabler) er kausalt spuriøs? Gi to eksempler. En empirisk korrelasjon vil si at det ikke er korrelasjon mellom variablene som er brukt, som for eksempel ektefellers utdanning hvor det ikke er noen klar sammenheng på utdanningsnivået mellom dem. Når en empirisk korrelasjon er kausalt spuriøs vil en underliggende variabel skape korrelasjon mellom variablene som er brukt. Sett i sammenheng med eksempelet med ektefellers utdanningsnivå vil det si at en undeliggende variabel kan forklare sammenhengen mellom ektefellenes utdanning. En underliggende variabel kan også korrelere med en av de to variablene, hvor så den aktuelle variabelen korrelerer med en av de andre. Et eksempel på dette er variablene utdanning, evne og lønn. Lønn og evne har nødvendigvis ikke en sammenheng, men ved å legge til variabelen utdanning kan man få en sammenheng mellom lønn og evne. Utdanningsnivå kan tenkelig påvirke lønnsnivået, og utdanningsnivå er avhengig av evne, både for i hvilken grad man tar høyere utdanning og de evnene man sitter igjen med etter utdanning. 3/9
2 ME-417, oppgave 2 Hva menes med reliabiliteten til et mål eller en variabel? Gi to eksempler. Reliabiliteten vil si hvor pålitelig et måleinstrument er. Om gjentatte målinger med samme instrument vil gi samme svar. Test-retest er en måte å undersøke dette på, men metoden er svært tidkrevende og kostbar, og kan være vanskelig å gjennomføre. Generell kildekritikk vil også skape høyere reliabilitet. Generell kildekritikk handler om å være kritiske til dataene man velger, om de er pålitelige og gir den rette informasjonen. Reliabilitet påvirkes av målefeil,det gjelder derfor å være nøye i utvalget og ta høyde for slike feil. Konsekvensen av lav reliabilitet er at man ikke får et pålitelig resultat. 3 ME-417, oppgave 3 Presenter to mulige forklaringer på hvorfor menn har høyere timelønn enn kvinner, og redegjør for hvordan du ville ha testet disse mulige forklaringene empirisk? 4/9
At menn har høyere timelønn enn kvinner har vært mye omdiskutert, det såkalte "glasstaket" kan være en hindring for mange kvinner. Det kan være mange årsaker til dette, og det er flere momenter som tenkelig kan påvirke lønnsnivået. En mulig forklaring på dette er at menn har høyere stilling enn kvinner, altså at menn har en høyere stilling i form av mer ansvar og tenkelig et lederansvar. Stillingshierarkiet påvirker ofte lønnsnivået. En annen forklaring kan være at kvinner velger å jobbe mer deltid, og menn gjerne har flere arbeidstimer enn kvinner totalt sett. For å teste disse mulige forklaringene ville jeg funnet frem til aktuell data, data som gir informasjon om i hvilken stillingsprosent man har - og i hvilken grad man har lederansvar eller annet ansvar som gjør at man har en "større" stilling. Viktige variabler her er selvsagt kjønn, stillingsprosent og i hvilken grad man har lederansvar, og lønn. En regresjonsanalyse kan gi et bilde av i hvilken grad det er sammenheng mellom disse variablene, og hvor mye de påvirker. Jeg ville brukt lønn som avhengig variabel, og testet med hver variabel, for så å foreta en samlet regresjonsanalyse med alle variablene, for å kunne se om det er noen sammenheng mellom de forklarende variablene. Da kjønn er det sentrale her, ville jeg ha foretatt to regresjonsanlyser - en for menn og en for kvinner. Ved ananlyse av regresjonsanalysen kan man se om det er en sammenheng mellom disse variablene, om det faktisk er type stilling og stillingsprosent man jobber i som påvirker. Det er også interessant å se om det faktisk er likheter her. Hvis det viser seg at menn og kvinner har ulik lønn til tross av at de har samme ansvar og samme stillingsprosent er det klart at det er andre bakenforeliggende faktorer som påvirker og bør undersøkes. Det kan tenkes at man bør ta høyde for hvilken sektor man jobber i. Kvinner velger ofte sikrere og mer stabile jobber, som ofte er i offentlig sektor. Lønnsnivåene mellom offentlig sektor og privat sektor er ofte ulike. 5/9
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) 6/9
Tabellen viser en lineær regresjonsanalyse. Antall observasjoner er 1536. Den avhengige variabelen er tillit til stortinget, som er målt fra 1 til 10 - hvor 1 er lav tillit og 10 er høy tillit. De forklarende variablene er kvinne som er kodet 1 og 0, alder i tiår og utdanning, da videregående utdanning og høyere utdanning. Konstantleddet er 6,32 som vil si en mann med lavere utdanning. Kvinner har lavere tillit til stortinget enn menn, koeffisienten for kvinne er -1,73. Alder påvirker også negativt, men her er koeffisienten lav, 0,03 som vil si at alder påvirker i relativt liten grad. Høyere utdanning påvirker tilliten til stortinget mer enn videregående utdanning, begge har en positiv sammenheng. Koeffisienten for videregående utanning er 0,53 og for høyere utdanning er den 1,65. For å kunne generalisere til populasjon må signifikansnivået være under 0,05 eller 5%. Utdanning er her den eneste variabelen som er signifikant, signifikansnivået for videregående utdanning er 0,00 og 0,01 for høyere utdanning. Variablene kvinne og alder er på henholdsvis 0,10 og 0,26, noe som er over det tillate signifikansnivåene, og kan derfor ikke generalisere til populasjonen. R 2 er her 0,084, og forklarer denne tabellens totale forklaringsstyrke. Det har vært rettet kritikk mot R 2 da den har en tendens til å øke når flere variabler er lagt til. I dette tilfellet er det ikke mange variabler som er lagt ved, og den totale forklaringsstyrken er relativt lav, ca 8%. Dette taler for at andre variabler kunne gitt et klarere bilde av ha som påvirker tillit til stortinget. 5 ME-417, oppgave 5 Kunne variablene alder og utdanningsnivå ha blitt operasjonalisert annerledes enn i tabellen ovenfor, og i så fall hvordan? 7/9
Alder er i tabellen operasjonalisert som alder i 10år. Koeffisienten for alder i tiår er -0,03, det vil si at den ikke påvirker tillit til stortinget i stor grad. En mulig måte å operasjonalisere alder på er å rett og slett la alder stå uten å dele inn i noen underkategorier, altså uten å dele det inn i tiår. Dette kan gi en noe mer uoversiktlig bilde totalt sett, men samtidig kan det tenkes at den kan forklare mer av tilliten til stortinget da alder i år er mer nøyaktig. Man kan også dele alder inn i undergrupper, altså å lage dummyvariabler for ulike aldersgrupper. Dette vil nok ikke gi et like bra bilde av aldersnivået sett opp mot alder i tiår. Alder generelt ville nok gi et godt bilde, men alder i tiår gir nok en enklere oversikt. Utdanningsnivået i tabellen er operasjonalisert med videregående utdanning og høyere utdanning, hvor de med lav utdanning er referansegruppe. Dette er en grei måte å operasjonalisere utdanning på. Malen for gruppering av utdanningsnivå i Norge og ellers i verden inneholder imidlertid flere kategorier, hvor alt fra barnehage til doktorgrad er inkludert. I tabellen ovenfor har utdanning en påvirkning på tilliten til stortinget, og det kunne derfor vært interessant å lage flere undergrupper av utdanning for å se hvordan sammenhengene utarter seg. Da dette er en undersøkelse med uvalg fra befolkningen i Norge, kunne man laget grupper også for ungdomsskole og eventuelt fagskole for å få et større bilde av fordelingen. De med mindre utanning enn dette vil være referansegruppe i en eventuell regresjonsanalyse. For å gjøre dette er man avhengig av data som har disse nivåene av utdanning. Dersom dette foreligger kan man lage dummyvariabler som grupperer slik at man får en dummyvariabler for hver gruppe. Hvordan man operasjonaliserer variabler er avhengig av hva man ønsker å få frem i undersøkelsen. I dette tilfellet påvirker som nevnt utdanning mer enn alder, og det kan derfor være av interesse å undersøke i hvilken grad de ulike utdanningsnivåene påvirker. Generelt sett er det kanskje ikke nødvendig å operasjonalisere utdanning i så mange kategorier, med mindre man ønsker å få mer informasjon om i hvilken grad utdanning påvirker en avhengig variabel. 8/9
9/9