Analüütilise kompetentsi arendamise seminarid 2006

Kuidas ankeetuuringut efektiivselt planeerida ja andmeid koguda?

14.09.2006

Katre SeemaTNS Emor

2

Käsitletavad teemad

Vajaduste kaardistamine, ülesande püstitus Üldkogumi kirjeldus Valikumeetodid Valimi headus Küsimustiku koostamine Tehniline aruanne Andmete kogumise meetodid

3

Vajaduste kaardistamine, ülesande püstitus (1) Miks? Uuringu läbiviimine iseenesest ei saa olla eesmärgiks Kes on uuringu sihtgrupiks? (asutused, firmad, elanikud,

kliendid, liikmesorganisatsioonid, objekti külastajad,

teenindajad, patsiendid, ..) Kas ja kuidas me saame oma uuringuobjekte kindlalt

määratleda/defineerida või iseloomustada? Kas on olemas andmekogusid üldkogumi kirjeldamiseks,

sihtgrupi osakaalu määramiseks? Kas äkki on meid huvitav informatsioon juba kusagil olemas?

Kas see on usaldusväärne ja kasutatav? Kas meil on ligipääs

sellele andmeallikale?

4

Vajaduste kaardistamine, ülesande püstitus (2) Jõudes ikkagi arusaamale, et teatavat tüüpi uuring on vaja läbi

viia, tuleb täpselt formuleerida konkreetse uuringu eesmärk.

Vastasel korral jääb võib uuringu ülesanne jääda häguseks ning

tulemused kesiseks. Võib ka juhtuda, et ühe uuringu raames ei olegi võimalik

tervikülevaadet probleemile saada (vaatenurki ja seega

võimalikke sihtgruppe liialt palju: liikluskorraldus - politsei,

autojuhid, ühistranspordi korraldajad, jalakäijad, jalgratturid,

erinevad ametkonnad jne jne) – tuleb püstitada hulk

alamülesandeid

5

Üldkogumi kirjeldus

Üldkogumi kirjeldamiseks sobivad mistahes andmeallikad, mis

on usaldusväärsed. Riiklik statistika, registrid, kõiksed andmekogud, eelmised

dokumenteeritud uuringud, teadusartiklid, uurimustööd Kui üldkogumi kohta on väga vähe teada, siis võib uuringu üks

eesmärke ollagi üldkogumi kirjeldamine (nt kalja joojad,

maasikate kasvatajad, autojuhid) laiema, teadaolevate

proportsioonidega objektide kaudu

6

Valikumeetodid

Kõikne uuring või valikuuring? Valiku suurus? Küsimusi on palju, vastuseid ja

põhjuseid nende vastamiseks samuti, kuid kõik sõltub väga palju

konkreetsest eesmärgist ja üldkogumist Tõenäosuslik valik on oma olemuselt juhuslik ja selle korral eeldatakse igal

indiviidil olevat teatav nullist erinev tõenäosus sattuda valimisse (lihtne

juhuvalik, süstemaatiline juhuvalik, kihtvalik, klastervalik, jne) Mittetõenäosusliku valiku korral individuaalseid valikutõenäosusi ei vaadelda

(kvootvalik, ekspertvalik, käepäraste elementide valik jne) Praktikas kasutatavate valikutehnikate varu on rikkalik, seda eriti ka

erinevate valikuviiside kombineerimise alusel. Kuid kuidas valida see õige? Millega mõõta valimi headust?

7

Valimi headus (1) Valimi headuse tuntud kokkuvõtlik garantii on valimi esindavus üldkogumi

suhtes (representatiivsus populatsiooni seisukohalt) Kahjuks ei ole esindavuse mõte kaugeltki üheselt mõistetav

Valim arvatakse esindavaks, sest valikus ei ole võimalik märgata

mingeid suunatud valiku märke Valikureegel on arendatud nii keeruliseks ja valik muutunud nii kalliks, et

ainuüksi seetõttu tavatsetakse valikut pidada esindavaks Kõige sagedamini peetakse esindavaks sellist valimit, mis osutub

üldkogumi minimudeliks. Valim moodustatakse tüüpilistest (ideaalsetest) objektidest ja on

seetõttu esindav. Mõnikord peetakse esindavaks ka sellist valikut, milles on esindatud igat

tüüpi objekt vaadeldavate objektide seast. (nt üliõpilane ja teaduskond)

8

Valimi headus (2)

Teine oluline headuse näitaja on valimi alusel saadud hinnangu täpsus Valimi koostamise eesmärgiks on saada andmeid tunnuse jaotuse või

jaotusparameetrite statistiliseks hindamiseks Hinnangu täpsus sõltub valimi kvaliteedist Hinnangu täpsuse alusena kasutatakse põhiliselt kaht kriteeriumi:

hinnang peab olema keskmiselt õige (nihketa) ja vähima dispersiooniga (hajuvusega)

Mida suurem on tunnuse dispersioon, seda kaugemale võib tegeliku

väärtuse suhtes hajuda valimi alusel saadud keskmine väärtus Mida suurem on valim, seda konsentreeritumalt paiknevad võimalikud

valimikeskmised väärtused parameetri tõelise väärtuse ümber

9

Valimi headus (3) Oluline on see, kui suure osa üldkogumist moodustab valim Mida suurem on valikuosa n/N, seda väiksemas ulatuses hajuvad

aritmeetilise keskmise võimalikud väärtused Kui tunnust võiksime pidada normaaljaotuse alusel jaotunuks, siis saaksime

ligikaudu hinnata ka valimikeskmise usalduspiire Usaldusvahemiku laius sõltub standardhälbe kaudu peale tunnuse

dispersiooni ka valimimahust n Määrates, kui kitsast usaldusvahemikku hindamisel soovitakse saada, on

võimalik arvutada, kui suurt valimit selleks kasutada Selline esmapilgul väärtuslik mõte ei ole aga eriti praktiline, sest iga tunnuse

jaoks tuleks teha oma arvutused ja peaksime teadma ka tunnuse

standardhälvet Reaalsed ülesanded on mitmekesisemad ja eeldavad suuremat valimimahtu

Mittetõenäosuslikud valikudTõenäosuslikud valikud

11

Tõenäosuslikud valikud (1)

Lihtne juhuslik valik on keskseim võimalikest valikuviisidest, esinedes

põhivõttena ka mitmete keerulisemate valikuskeemide sees. Üldkogumi nimestik peab olema kättesaadav (freimiks ametlikud registrid) Juhuarvude generaator (statistikaprogrammid, Excel, juhuarvude tabelid

jne) Üldkogumi nimestik nummerdatakse ja genereeritakse valimimahuga

võrdne arv juhuarve Indiviidid, kelle järjekorranumber ühtib genereeritud juhuarvuga, võetakse

valimisse Lihtsa juhusliku valimi saab moodustada ka pimevalikuga (nt nimesildid

mütsis)

12

Tõenäosuslikud valikud (2)

Sageli moodustatakse lihtne juhuvalik süstemaatilise valiku teel, valides

populatsiooni nimestikust indiviide kindla sammu järel (iga viies, iga kümnes

vms) Lugemist alustatakse nimestiku juhuslikult valitud kohast Tuleb jälgida, et populatsiooni nimestik oleks koostatud juhuslikus

järjekorras (perioodiline ja samm jälgib perioodi, siis tekib nihe) Oluline on mõista, et juhusliku loomu tõttu võib juhuslik valik anda ka halva

tulemuse ja uuritava parameetri ebaõige hinnangu. Paljude valikute korral oleks hinnang keskmiselt õige, kuid ei tarvitse seda olla

iga konkreetse üksikvalimi korral Üks tee hinnangu täpsusastme suurendamiseks seisneb tunnuse

hajuvusastme vähendamiseks, mille saavutamiseks…

13

Tõenäosuslikud valikud (3) … tuleb populatsiooni vaadelda struktureeritult, homogeensete

alampopulatsioonide kogumina Selle mõtte aluseks on kihtvalimi (stratifitseeritud valimi) moodustamine, mil

üldkogum jagatakse teatud kihitunnuse alusel osadeks ja iga kihi sees tehakse

lihtne juhuslik valik Kihitunnuseks on sageli demograafilised või regionaalsed tunnused –

sugu, haridus, regioon, asula tüüp jne Kihitunnuse väärtus peab iga indiviidi korral olema selgelt teada, samuti

peab olema teada indiviidide loetelu kihi sees (kihi freim) Kihid võivad uurimuse seisukohalt ka iseseisvat huvi ja seetõttu on vajalik

nende esindatus valimis Juhuslik valik kihi sees võib olla kihi suurusega võrdeline või

mittevõrdeline (tulemuste tagasikaalumine vastavalt kihtide suurusele!)

14

Tõenäosuslikud valikud (4) Eelnevalt tutvustatud valikutehnikate korral langevad valikuühik ja uurimisühik

kokku ning mõõtmisi tehakse valikuindiviidide korral. Kasutatakse ka valikuskeeme, kus see nii ei ole näiteks klastervalik

(pesavalik). Valikuühikuks indiviidide rühm Indiviidide rühmast kas kõik indiviidid või valik nendest Klastri tähendus sõltub ülesande sisust (korrusmajade trepikojad, firmade

töötajad, leibkonnad, linnaplaani ruudud Sageli on klastervaliku põhjuseks see, et klastrisiseste indiviidide nimestik ei

ole eelnevalt teada ja koostatakse alles uurimuse käigus Samuti tuleb naabruses paiknevate indiviidide uuring odavam

15

Mittetõenäosuslikud valikud (1) Kvootvalik on mõnede arvates problemaatiline valikuviis, kuid sotsioloogilistes

uuringutes üsna levinud Kvootvaliku korral ei tagata kõigile indiviididele võrdseid võimalusi valimisse

sattuda, sest teatud momendil toimub valik ekspertmeetodil Kvootvalik on oma olemuselt kihtvalik, kus valik kihi sees toimub

ekspertmeetodil, näiteks küsitleja suva kohaselt. Küsitleja saab ülesande küsitleda kindlat arvu indiviide, kelle kirjeldus teatud

tunnuste osas on ette antud, personaalse valiku teeb aga küsitleja ise. Kui küsitleja valib indiviidid juhuslikult, siis ei tohiks kvootvaliku tulemustes

nihet tekkida, kui kvoot täidetakse tendentslikult, siis võib tekkida ka viga. Kvootide kehtestamiseks peab hästi tundma populatsiooni, selle variatiivsust

põhjustavate tunnuste jaotusi. Eesmärk on saavutada valim, mis on üldkogumi

minimudel teatud tunnuste osas)

16

Mittetõenäosuslikud valikud (2) Populatsiooni tundmata on raske õigeid kvoote kehtestada, kvootide õigsusest

sõltub aga see, kas valimi alusel saadud tulemused on nihketa või ei ole. Kvootvaliku tehnika on kutsunud esile elava diskussiooni selle valikuviisi heade

ja halbade külgede üle: Kvootvaliku korral ei ole võimalik hinnata tulemuste viga Ka tõenäosuslike valikuviiside korral on vea hindamine keerukas ja

kaudne, eriti mitmeastmeliste valikuviiside korral Valiku viga sõltub suures osas sellest, kuivõrd juhuslikult tehakse

kvootgrupis valik (intervjueerija lähikond, teatavat sorti piirkonnad jäävad

välja või indiviid ei ole kvoottunuse alusel selgelt identifitseeritav) Kvootvalik on odavam, toimub kiiremini ja on korralduslikult lihtsam.

Intervjueerija võib valida lähestikku paiknevad või muidu kergesti

kättesaadavad indiviidid, samuti ei ole vaja valikufreimi

17

Mittetõenäosuslikud valikud (3) Kui kvootvalikus on subjektiivne otsustus olulisel kohal, siis ekspertvalik

põhineb täielikult subjektiivsel valikul. Valimisse võetakse tüüpilised või ideaalsed esindajad, seda muidugi eksperdi

arvamuse kohaselt (nt etnoloog valib 8 tüüpilist Eesti küla ja korraldab neis

süvauuringu) Ekspertvalikuga saavutatakse üldkogumi esindavus tüüpiliste omaduste

edasiandmise mõttes Ekspertvalikut saab kasutada siis, kui üldkogumit tuntakse väga hästi, kuigi

seda võib-olla ei osata kvantitatiivselt väljendada Ekspertvalik ongi kvalitatiivse, fenomenoloogilise analüüsi iseloomulikuks

valikumeetodiks

18

Mittetõenäosuslikud valikud (4) Käepäraste elementide valik – valim kujuneb iseenesest kättesaadavatest

indiviididest, indiviidide otsimine ja valiku planeerimine jääb ära. Ajaleheküsitlused – vastab teatud hulk lugejaid, üldkogum konkreetse lehe

lugejate hulk Tänavaintervjuud – igaüks ei satu intervjueerimiskohale

Üldisemat laadi ja kirjeldavate ülesannete korral võiks sellist valikuviisi siiski

kasutada, kuid mittetõenäosuslike valikumeetodite korral ei saa valimi alusel

teha tõenäosuslikke järeldusi. Veahinnang toimub ekspertmeetodil, klassikaline “olulisuse nivoo statistika” ei

ole rakendatav, sest valik ei pruugi olla juhuslik. Valimit tuleb käsitleda kui üldkogumi analoogi ja kasutada ainult selles ulatuses

järelduste tegemiseks üldkogumi kohta

Andmete kogumise meetodidKüsimustiku koostamine

20

Küsimustiku koostamine Ankeeti koostada võib olla väga lihtne, kuid samas ka väga keeruline, olulisemad

asjad läbimõtlemiseks on: Ankeedi loogiline ülesehitus Küsimuste arusaadavus ja järjekord, filterküsimustest lähtuvad üleminekud Vastusevariantide kõikehõlmavus Mittevastamise lubamine või mittelubamine Küsimuste püstitus kujul, et vastused oleksid analüüsitavad ja annaksid

infotmatsiooni (100% “jah” vastuste vältimine) Kaudsed küsimustega olulise info saamiseks juhul kui otseküsimused ei

mõõda tegelikkust (alkoholi tarbimine, tundlikud teemad, ..) Ankeedi pikkus ehk ajakulu vastajale Abimaterjalid vastajale sõltuvalt meetodist kas pildid, kaardid, ettelugemised

21

Küsimustiku koostamine. Tehniline aruanne Kindlasti tuleb küsimustiku koostamise faasis jälgida uuringu põhieesmärke ja

seda, kas nimetatud küsimuste kogum ikka mõõdab seda, mida peab (küsimuste

valideerimine, pilootuuring) Kui uuringu üks eesmärke on üldkogumi kirjeldamine, peab sihtrühma

mittekuuluvate indiviidide kohta ka infot koguma Samuti peaks juba siin läbi mõtlema andmetöötluse ja andmete esitamise

põhimõtted – millisel kujul andmed saavad olema, mis tüüpi graafikuid, tabeleid,

kokkuvõtteid on võimalik sedatüüpi tunnustega saavutada Millistes sots-dem lõigetes andmeid analüüsitakse, kas kõik vajalikud

taustatunnused on ankeedis sees Kuidas ja kas on tagatud vastaja anonüümsus? Mil viisil saab kogu uuring dokumenteeritud – meetodid, kirjeldused, kuupäevad,

külastuskohad, intervjuude mittetoimumised, sihtrühma mittekuulumised

22

Andmete kogumise meetodid (1)

Kogumistehnika valikul on otstarbekas vaadelda meetodi kättesaadavust,

objektide valikureegli realiseerimise võimalikkust, meetodi kallidust,

andmekogumise aega ning tagasijõudvate andmete kvaliteeti Peamised andmekogumise võimalused on

Telefoniintervjuud Personaalintervjuud Internetiküsitlused Postiküsitlused

23

Andmete kogumise meetodid (2) Kui kõikide meetodite juures jälgitakse protseduurireegleid ja indiviidide

kättesaadavus lähenemisviisist ei sõltu, siis ei ole sisulist vahet, mil viisil

andmeid kogutakse Tihtipeale sõltub meetodi valik üldkogumi eripärast ja kontaktide olemasolust:

Veebiuuring võimaldab madalate kuludega korjata infot samaaegselt

paljudelt inimestelt, kuid e-postiaadressidega kaetus võib olla probleemiks.

Kuna personaalselt ei kohtuta, ei teata kas vastas õige inimene Telefon – kiire ja tänu programmile vigadevaene, kuid tavatelefonidega

kaetus ebaühtlane ning langevas trendis (2006.a TNS Emori omnibussid,

15-74a elanikud: telefon kodus 52%, mobiiltelefon 86%, ainult mobiiltelefon 44,5%

24

Andmete kogumise meetodid (3) Personaalintervjuu – võimaldab piltide näitamist, toodete edastamist,

juhuvalikureeglite head täitmist, kuid ajamahukas ja kallis. Kinniste uste

probleem Postiküsitlused – lihtne töösse anda, kuid töömahukas hilisemas faasis -

tagastamise määr, ebatäpselt täidetud ankeedid, vastamise korrektsus ei

ole kontrollitav, ei tea, kes tegelikult ankeedile vastas. Uuringu pikk

ajakava Andmete kogumise korrektsuse kontrollimise lihtsaim viis on järelkontroll

juhuslikult valitud uuringule vastanud indiviidide hulgas Järelkontrolli küsimustikus saab kontrollida intervjueerija käitumise korrektsust,

tehtud valikureeglite täitmist, mõne taustaküsimuse kokkulangemist Järelkontroll ei pea olema läbi viidud sama meetodiga, mis põhiuuring

Kasutatud kirjandus:Andmeanalüüs sotsiaalteadustes, L.-M. ToodingRakendusstatistika algkursus, E.-M. Tiit, M. MölsTõenäosuslik valikuuring, I.Traat, J. Inno

Suur tänu kuulamast ja kaasa mõtlemast!