Forkurs i kvantitative metoder ILP 2019

Forkurs som arbeidskrav for kvantitativ deler av PED-3055

Gregor Maxwell & Bent-Cato Hustad

Førsteamanuensis i spesialpedagogikk

ProgramTirsdag 27/9/19 SVHUM C0109 og TEO-H1 1.433Innledning, 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-H1 1.433

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-H1 1.433

Mer kursardbeid og Test/vurdering og oppsumering av dagene,

Gregor Maxwell & Bent-Cato Hustad

0815-1000 Forelesning og gruppearbeid

1000-1200 Arbeid med oppgaver/forberedelser/lunsj

1200-1500 (1600) Test

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.

Foreslått endring av kretsgrenser for skolene i Tromsø

• 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:

• https://www.tromso.kommune.no/hoering-om-regulering-av-kretsgrenser-for-skolene-i-tromsoe-kommune-2019-2023.6122945-167939.html

Skole Kapasit

et

2019-2020 2020-2021 2021-2022 2022-2023

Bjerkaker 350 425 431 439 454

Fagereng 450 204 191 185 182

Gyllenborg 380 473 461 458 468

Prestvannet 380 287 290 270 268

Workinnmark

a

490 315 324 335 353

Skole Kapasit

et

2019-2020 2020-2021 2021-2022 2022-2023

Bjerkaker 350 415 421 429 444

Fagereng 450 234 221 215 212

Gyllenborg 380 456 464 478 482

Prestvannet 380 342 342 342 342

Workinnmark

a

490 325 334 345 363

For

Etter

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

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

Eksempler på avansert statistiske tester

Statistikk

Deskriptiv

Mål for sentraltendens

Gjennomsnitt

Median

Modus/typetall

Spredningsmål

Standardavvik

Variasjonsbredde

Kvartildifferanse

Induktiv

Parametriske tester

Pearson rangkorrelasjon

Lineær regresjon

T-test:Indepenent-

samplesPaired-samples

Analysis ofvariance

One-way ANOVA

Ikke-parametriske tester

Chi-kvadrat test

Spearmanrangkorrelasjon

(rho)

Mann-Whitney U-test

Kruskal-Wallis test8

Hva er kvantifiserbare?

Målinger av Fenomena - variabler

Testresultat Celsius

Mann/Kvinneenig / verken

/ uenig

Fenomena vi undersøker

Kognitive evner

Temperatur

KjønnHoldning til

statistikk

9Epistemologi Ontologi

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.

Hva gjør vi her?• Vi skaper kunnskap!

• Gjennom forskning.

• Vi er forskere…

Forsknings prosessen

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)

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)

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.

Pause?

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.

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.)

Induksjon-deduksjon

Hypoteser og falsifisering

• Formuler en nullhypotese: Det er INGEN sammenheng OG en alternativ hypotese. Konklusjon: Hvis H0 forkastes, er H1 styrket.

• H0 : Det er ingen sammenheng mellom inntekt og hvor fornøyd innbyggerne er med grunnskolen

• H1 : Det er en sammenheng mellom inntekt og hvor fornøyd innbyggerne er med grunnskolen

• Og deretter falsifisere

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.

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.

Grunnbegreper i kvantitativ metode

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.

Kvantativ vs kvalitativ design

Kvantitativ design Kvalitativ design

En objektiv sosial verden En sosialt konstruert verden

Sosiale fenomener er relativt stabile i tid og rom

Sosiale fenomener konstrueres i lokale situasjoner

Store representative utvalg Små utvalg av case

Avstand til det som studeres Nærhet til det som studeres

Årsaksforklaringer Formålsforklaringer

Teoristyrt, definerte begrep Eksplorerende, oppdage begrep

Talldata i form av variabler Tekstdata

Statistiske analyseteknikker Uformelle analyseteknikker

Målenivåer, validitet og reliabilitet

• Målenivåer - variabler

• Validitet og reliabilitet

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)

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?

MaksimalMinimal

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.

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).

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

31

-15 -10 -5 0 5 10 15 20 25 30

258 263 268 273 278 283 288 293 298 303

4 målenivåNominalt 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 gradI noen gradI middels gradI stor gradI svært stor gradVet ikke

4 målenivå

IntervallnivåNår det foreligger en måleenhet, en avstand mellom

verdiene og et tilfeldig nullpunktEks. 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.

ForholdstallNår det er et absolutt nullpunkt og en ratio mellom

verdiene, Eks. inntekt, kroner etc.

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)

Målenivåer og gyldige regneoperasjoner (Kleven, 2011 s. 30)

Navn Kjennetegn Operasjoner

Forholdstalln

ivå

Absolutt nullpunkt == < > + - * /

Intervallnivå Like store

skalaenheter

== < > + -

Ordinalnivå Kategoriene ordnet i

rekkefølge

==< >

Nominalnivå Plassering i

kategorier

==

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.

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

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.

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.

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.

Validitet

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

http://www.tylervigen.com/spurious-correlations

Reliabilitet

• Hvor pålitelig er målingen?

• Både teoretisk og empirisk undersøkelse.

• Undersøkes:• Vurder datainnsamling.• Bruk alternative mål og

estimatorer.• Nye utvalg.• Parallelle utvalg.

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.

Reliabilitet og validitet

44

Reliability

Vali

dit

y

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: http://www.lokus.no/open/matematikk_2p/Statistikk/Interaktive-tester/Kapitteltest

Slutte dag en her