SENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SOS1002 HØSTEN 2007 Oppgave 1 Nedenfor ser du en tabell fra den norske delen av European Social Survey 2006. Utvalget skal behandles som et sannsynlighetsutvalg fra populasjonen: alle personer 15 år og eldre som var bosatte i Norge høsten 2006. Variabelen nwsptot måler svarene på spørsmålet: Hvor mye tid, alt i alt, bruker du til å lese aviser, på en vanlig ukedag?. De opprinnelige svarkategoriene var: 0 "Ikke noe tid", 1 "Mindre enn en ½ time", 2 "Fra ½ til 1 time", 3 "Mer enn 1 time, opptil 1½ time", 4 "Mer enn 1½, opptil 2 timer", 5 "Mer enn 2 timer, opptil 2½ timer", 6 "Mer enn 2½ timer, opptil 3 timer" og 7 "Mer enn 3 timer". I tabell 1 har vi slått sammen kategoriene fra 3 til 7 til den nye kategorien Mer enn 1 time. I tillegg har tabellen informasjon om kjønn og alder, der alder er gruppert i tre kategorier. Tabell 1. Tid brukt til daglig avislesing fordelt etter alder og kjønn. Frekvenser. Kjønn Menn Kvinner Alder 15-29 år 30-59 år Over 60 år 15-29 år 30-59 år Over 60 år Daglig tid til avislesing Ikke noe tid 23 26 6 13 25 4 Mindre enn en ½ time 82 156 45 85 160 22 Fra ½ til 1 time 64 204 99 76 227 83 Mer enn 1 time 18 73 63 19 89 88 Totalt 187 459 213 193 501 197 a) Gjør om tabell 1 til en prosenttabell. Beskriv deretter variablene, og fortell 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: Daglig tid til avislesing Målenivå: Kjønn: Alle bør kunne se at denne variabelen må plasseres på nominalnivå Alder: Variabelen kan rangeres, og det er derfor mest naturlig å plassere den på ordinalnivå. Daglig tid til avislesing: Denne variabelen kan også rangeres, og bør plasseres på ordinalnivå. 1
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 15-29 år 30-59 år Over 60 år 15-29 år 30-59 år Over 60 år Daglig tid til avislesing Ikke noe tid 12 6 3 7 5 2 Mindre enn en ½ time 44 34 21 44 32 11 Fra ½ til 1 time 34 44 46 39 45 42 Mer enn 1 time 10 16 30 10 18 45 Sum 100 100 100 100 100 100 (n=) 187 459 213 193 501 197 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 eldre bruker mer tid på avislesing enn unge, og at kvinner bruker mer tid på avislesing enn menn. Det er ikke noe tydelig samspillmønster mellom de to variablene, så forskjellene mellom kvinner og menn er omtrent lik i alle aldersgruppene. b) Ta utgangspunkt i tabell 1, og test hypotesen Det er forskjeller mellom menn og kvinner når vi sammenligner andelene som leser aviser daglig. MÅL: Teste studentenes evne til å konkretisere en hypotese, teste deres forståelse av statistisk generalisering gjennom å bruke kjikvadrattesten, samt å teste studentenes evne til å endre en tabell slik at den kun inneholder den informasjonen som er nødvendig for å kunne teste en konkretisert hypotese. Her skal det være enkelt å skille mellom de som har lært seg kjikvadtattesting mekanisk, og de som forstår hva de tester når de utfører en kjikvadrattest. Den siste gruppen bør kunne se at aldersvariasjonen ikke skal taes inn i beregningen av kjikvadratet. Hypotesen om forholdet mellom kjønn og avislesing kan likevel tolkes på to ulike måter: Tolkning 1: Hypotesen legger opp at en test av om det er signifikante kjønnsforskjeller mellom andelen som leser avisen daglig og andelen som ikke leser avisen daglig Tolkning 2: Hypotesen kan også tolkes slik at det er her spørsmål om det er kjønnsforskjeller mellom de ulike gruppene som leser aviser daglig. Denne tolkningen vil i så fall innebære at de som ikke leser aviser ikke blir tatt med i testen. Her presenterer vi først den tekniske løsningen for den første tolkningen, og deretter presenterer vi løsningen for den andre tolkningen. Løsningsforslag for tolkning 1: De som tolker hypotesen slik at vi her skal skille mellom andelen som leser aviser daglig og andelen som ikke leser aviser daglig bør slå sammen de tre gruppene som leser aviser til en samlet gruppe, og sammenligne disse med de som ikke leser aviser. 2
De observerte og de forventede frekvenser bør da se omtrent slik ut: Menn Kvinner O E O E Totalt Leser ikke aviser 55 47.61 42 49.39 97 Leser aviser 804 811.39 849 841.61 1653 Totalt 859 859 891 891 1750 Løsningsforslag for tolkning 2: De observerte og de forventede frekvenser bør da se omtrent slik ut: Menn Kvinner O E O E Totalt Mindre enn en ½ time 283 267.51 267 282.49 550 Fra ½ til 1 time 367 366.25 386 386.75 753 Mer enn 1 time 154 170.24 196 179.76 350 Totalt 804 804 849 849 1653 Et godt svar skal ha klarlagt alle disse trinnene i en hypotesetest. 1. Klargjort valg av test: kjikvadrattesten, der kjikvadrat er testobservator. 2. Formulert H0 og H1 om populasjonen. 3. Klargjort valget av signifikansnivå, vanligvis 5% (0,05) 4. I den klassiske versjonen av testen skal de så finne den kritiske verdi basert på signifikansnivå og antall frihetsgrader som her er 1 (tolkning 1) eller 2 (tolkning 2). Kritisk verdi skal da være 3,84 for tolkning 1 og 5,99 for tolkning 2. 5. Deretter beregnes kjikvadratet som i tolkning 1 blir 2,38, og i tolkning 2 blir 4,76 6. Konklusjon i begge tolkningene: H0 må beholdes, og det er derfor ingen forskjell mellom kvinner og menn når vi sammenligner andelene som leser aviser daglig. c) Tabell 2 viser informasjonen fra tabell 1 i en logistisk regresjonsmodell der de som leser aviser daglig er kodet med verdien 1 og de som ikke leser aviser daglig er kodet med verdien 0. Forklar hva denne modellen viser. Tabell 2. Logistisk regresjonsmodell for daglig avislesing, ut fra kjønn og alder. Uavhengige variabler B S.E. P OR Kvinne (menn=0, kvinner=1) 0,664 0,363 0,068 1,942 Alder (dummyer med 15-29 år som referansekategori) 30 59 år 0,848 0,301 0,005 2,336 Over 60 år 1,577 0,470 0,001 4,838 Samspill mellom kvinne og aldersdummyene Kvinne * 30 59 år -0,530 0,464 0,253 0,589 Kvinne * Over 60 år -0,328 0,747 0,661 0,720 Konstant 1,964 0,223 < 0,001 7,130 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 = 2,714. 3
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 det ikke er noen statistisk signifikant forskjell mellom kvinner og menn, men at aldersgruppen mellom 30 og 59 år og aldergruppen over 60 år bruker mer tid til å lese aviser enn de som er under 30 år. De to samspillene i tabellen er ikke statistisk signifikante på 5 prosentnivå. De som klarer å tolke mer ut av denne tabellen bør belønnes for det. Vi kan ikke forvente at studentene regner ut predikerte sannsynligheter for avislesing, men metodene for dette er både vise på forelesning og i pensum. Hvis noen har forsøkt seg på dette, så skal de riktige prediktere sannsynlighetene være: Kjønn Menn Kvinner Alder 15-29 år 30-59 år Over 60 år 15-29 år 30-59 år Over 60 år Sannsynlighet for avislesing 0,88 0,94 0,97 0,93 0,95 0,98 Oppgave 2 MÅL: Teste studentenes kjennskap til sentrale begrep i pensum. Gi en kort beskrivelse av følgende begrep: a) Validitet Validitet, eller gyldighet: Går på om en faktisk måler det en vil måle. Her bør alle vite at validitet går på gyldigheten av det vi maler. Ellers er det presentert en god del ulike validitetsbegrep både i Enhet og mangfold og på forelesningene. Her bør alle drøfte begrepet validitet i forhold til begrepet reliabilitet. b) Hypotetisk-deduktiv metode Hypotetisk-deduktive metode: En abstrakt vitenskapsmodell som bygger på prøving og feiling ved hjelp av både induksjon og deduksjon. Her forventer vi at studentene kjenner logikken i vitenskapesirkelen slik denne blir framstilt i Enhet og mangfold. Vitenskapssirkelen 4
c) Pearsons r Pearsons r: Det mest kjente korrelasjonsmålet. Krever kontinuerlige variabler, men kan anvendes også i andre situasjoner. Det blir lagt stor vekt på Pearsons korrelasjonskoeffisient, og de ulike spesialtilfellene av denne, i den nye utgaven av Enhet og mangfold. Dette er det første semesteret vi bruker andreutgaven av boka, og i førsteutgaven står det vesentlig mindre om Pearsons r. De som har brukt gammelt pensum, bør likevel ha fått med seg denne oppjusteringen gjennom forelesningene og de utlagte lysarkene fra forelesningene. Alle bør derfor ha fått med seg at Pearsons r er et korrelasjonsmål som forutsetter at begge variablene har kontinuerlige fordelinger. Ringdal opererer i denne sammenhengen med en forholdsvis vid definisjon av kontinuerlig som omfatter variabler på forholdstall- eller intervallnivå samt ordinalvariabler med minst fem kategorier. Videre presenterer utgave 2 også en del spesialtilfeller av Pearsons r der vi enten har to dikotome variabler (Phi) eller en dikotom og en kontinuerlig variabel (Point-biserial r og biserial r). De som har fått med seg det siste poenget bør belønnes. d) Sammensatte mål Sammensatte mål: Mål som er basert på to eller flere indikatorer. To hovedtyper er skalaer og indekser. Dette utgjør et eget kapittel i Enhet og mangfold, og det er også gitt en times forelesning om dette kapitlet. De som har fulgt med bør derfor vite at skalaer er sammensatte mål som består av effektindikatorer, det vil si at verdiene på hver indikator skapes av den teoretiske variabelen. Disse indikatorene bør derfor ha sterk innbyrdes korrelasjon. Indekser er et fellesnavn på en annen hovedtype av sammensatte mål, der indeksen er konstruert uten at indikatorene nødvendigvis må korrelere. Eksempler på indekser er formative indekser, ad hoc-indekser og ratioindekser. Oppgave 3 Oppgave (1. del) Du blir engasjert av REMA 1000 for å gjøre en liten undersøkelse om arbeidsmiljø. Bedriften har ikke gjennomført slike undersøkelser før og du blir bedt om å gjøre en begrenset forstudie i én butikk som kan danne grunnlaget for en breddeundersøkelse senere. Gjør en vurdering av muligheter for gjøre dette forstudiet som en kvalitativ undersøkelse bestående av intervjuer og/eller observasjoner. Vurder omfang, eventuelle tekniske hjelpemidler og andre forhold ved gjennomføring av datainnsamling. 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. 5
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. (2. del) Hva slags spesielle etiske hensyn du bør ta i løpet av datainnsamlingen og presentasjonen av resultater? Her bør studentene se at spørsmålet er todelt. Når det gjelder datainnsamlingen bør man vurdere hvordan de ansatte vil føle seg overvåket. Man bør i forbindelse med dette komme inn på om man oppfattes som en utsendt fra ledelsen og hvorvidt dette skaper problemer i forholdet til informanter og de man observerer. I forholdet til presentasjon av resultater er det viktigste man kan komme inn på anonymisering og hvordan man sjekker at man ikke utleverer informasjon som ble avgitt under et løfte om anonymitet. (3. del) Du tenker deg at en temasentrert analyse vil være aktuell. Hva er hovedtrekkene i en slik form for analyse? Studentene bør her nevne at den temasentrerte analysen kan være induktiv (med basis i dataene når det gjelder å utvikle temaer/koder/kategorier/indekser) eller i noen grad induktiv (med noe teoretisk styring på hva som er sentralt, noen studenter kan komme inn på abduktiv, selv om dette nok bare er de spesielt informerte). Om man setter opp noen figurer om hvordan man går fra de sekvensielle dataene (feltnotater og intervjutranskripsjoner) til temasentrerte data, så er dette fint. Det har vært vist på forelesninger, men er ikke i Thagaard. Studentene kan nevne at kategorier er empirinære eller mer på basis av teori. For sos1002-studenter som har alle de tre delene bør de vurderes i sammenheng siden det kan være naturlig at f.eks. etiske hensyn tas med i vurderingen av ulike former for datainnsamlingsmetoder. 6