KvantiMOTV

Ajankohtaista | MOTV-lista | Palaute

Menetelmäopetuksen tietovaranto - KvantiMOTV
 Lisäesimerkit   SPSS-harjoitukset   Lisätietoja 

Menetelmien tyyppejä ja soveltuvan menetelmän valinta

Määrällisten menetelmien kirjo on erittäin laaja ja niitä voi luokitella eri tavoin. Yksi luokittelutapa liittyy siihen, onko menetelmän kohteena yksittäinen muuttuja vai useita muuttujia. Jos kiinnostuksen kohteena on yksi muuttuja ja sen arvojen jakauma, voidaan puhua yhden muuttujan menetelmistä (univariate methods). Jos tarkastelun kohteena on yhtä aikaa useita muuttujia, voidaan taas puhua kahden muuttujan menetelmistä (bivariate methods) tai, jos muuttujia on useampia kuin kaksi, monimuuttujamenetelmistä (multivariate methods). Lisäksi soveltuvan tutkimusmenetelmän valita riippuu muuttujien mittaustasosta.

Kun tarkastelun kohteena on vain yksi muuttuja, kiinnitetään yleensä huomiota muuttujan arvojen jakaumaan. Jakauman kuvailuun sopivat esimerkiksi graafinen tarkastelu, keskiluvut ja hajontaluvut. Soveltuvien keski- ja hajontalukujen valinta riippuu muuttujan mittaustasosta.

Jos kyseessä on kahden tai useamman muuttujan yhtäaikainen tarkastelu, voidaan menetelmiä luokitella sen mukaan sisältyykö niihin (joko eksplisiittinen tai implisiittinen) kausaalioletus. Esimerkiksi muuttujien välisiä korrelaatiokertoimia voidaan käyttää muuttujien yhteisvaihtelun tarkasteluun tekemättä etukäteen vahvoja oletuksia muuttujien kausaalisuhteista. Samoin eksploratiivinen faktorianalyysi ja ryhmittelyanalyysi ovat menetelmiä, jotka eivät varsinaisesti edellytä oletuksia muuttujien välisistä kausaalisuhteista.

Soveltuvan menetelmän valinta

Taulukossa 1 on ryhmitelty soveltuvia monimuuttujamenetelmiä siinä tapauksessa, että tutkijalla on etukäteen tehty kausaalioletus eli hän on valinnut selitettävän muuttujan ja yhden tai useamman muuttujan, joita käytetään selittävinä muuttujina. Tällaisessa tapauksessa muuttujien mittaustaso vaikuttaa soveltuvan menetelmän valintaan.

Taulukko 1. Soveltuvan monimuuttujamenetelmän valinta mittaustason suhteen.

  Selitettävä muuttuja
Luokittelu- tai järjestysasteikko Välimatka- tai suhdeasteikko
Selittävä muuttuja Luokittelu- tai järjestysasteikko
Välimatka- tai suhdeasteikko

Jos sekä selitettävä että selittävä muuttuja ovat luokittelu- tai järjestysasteikollisia muuttujia, analyysimenetelmäksi käyvät esimerkiksi ristiintaulukointi tai log-lineaariset mallit. Ristiintaulukointi sopii tilanteeseen, jossa selittäviä muuttujia on vain yksi tai enintään muutama. Jos selittäviä muuttujia on useita, tulee ristiintaulukoiden tulkinta usein ongelmalliseksi. Tällaisessa tapauksessa saattaa log-lineaaristen mallien käyttö olla parempi vaihtoehto.

Kun selitettävä muuttuja on mitattu vähintään välimatka-asteikolla ja selittävä muuttuja on luokittelu- tai järjestysasteikollinen, tilanteeseen soveltuva menetelmä on varianssianalyysi. Sen avulla voidaan tutkia esimerkiksi sitä, kuinka paljon sukupuoli selittää naisten ja miesten palkkaeroja.

Regressioanalyysia voidaan käyttää silloin kun sekä selittävä että selitettävä muuttuja ovat mittaustasoltaan vähintään välimatka-asteikon muuttujia. Sen avulla voidaan esimerkiksi tutkia, mikä on työntekijän iän vaikutus hänen palkkaansa.

Silloin kun selitettävä muuttuja on enintään järjestysasteikollinen ja selittävä muuttuja on mitattu välimatka- tai suhdeasteikolla, on tarjolla kaksi vaihtoehtoa riippuen selitettävän muuttujan luonteesta. Jos selitettävä muuttuja on dikotomia (eli sillä on vain kaksi mahdollista arvoa), tarkoituksenmukainen analyysimenetelmä on logistinen regressioanalyysi. Sen avulla voi tutkia esimerkiksi sitä, miten ikä vaikuttaa siihen käyvätkö ihmiset äänestämässä vai eivät. Jos selitettävässä muuttujassa on enemmän kuin kaksi vaihtoehtoa, voidaan puolestaan käyttää multinomiaalista regressioanalyysia. Tutkija voi esimerkiksi analysoida sitä, miten ikä vaikuttaa siihen, äänestääkö vastaaja hallituspuolueiden ehdokkaita, oppositiopuolueiden ehdokkaita vai jättääkö hän äänestämättä kokonaan.

Lisäksi kannattaa muistaa, että sellaisessakin tilanteessa, jossa selittävinä muuttujina on eri mittaustason muuttujia, voidaan käyttää useampia edellä mainittuja menetelmiä. Esimerkiksi regressioanalyysissa (samoin kuin sen logistisessa tai multinomiaalisessa versiossa) voidaan käyttää selittäjinä myös luokittelu- tai järjestysasteikon muuttujia tekemällä niistä ns. dummy-muuttujia. Samoin varianssianalyysiin voi tarvitessa lisätä luokittelu-tai järjestysasteikollisten selittäjien joukkoon välimatka- tai suhdeasteikon muuttuja eli ns. kovariaatin.


viimeksi päivitetty 2003-09-02
 Lisäesimerkit   SPSS-harjoitukset   Lisätietoja 

Yhteiskuntatieteellinen tietoarkisto Menetelmäopetuksen tietovaranto
FSD