Upload
creda
View
191
Download
0
Embed Size (px)
DESCRIPTION
Kvantitatiiviset tutkimusmenetelmät. Luento 3 Mittaaminen ja tutkimuksen arviointi Kaisu Puumalainen. Tutkimuksen arviointi ja virheet. Hyvän tutkimuksen ominaisuuksia. Rigour Hyvä tieteellinen käytäntö niin toteutuksessa kuin raportoinnissa - PowerPoint PPT Presentation
Citation preview
Kvantitatiiviset tutkimusmenetelmät
Luento 3Mittaaminen ja tutkimuksen arviointi
Kaisu Puumalainen
Tutkimuksen arviointi ja virheet
Hyvän tutkimuksen ominaisuuksia
− Rigour− Hyvä tieteellinen käytäntö niin toteutuksessa kuin
raportoinnissa− http://www.tenk.fi/hyva_tieteellinen_kaytanto/kayta
nto.html
− http://www.aomonline.org/aom.asp?ID=268&page_ID=240
− Validiteetti ja reliabiliteetti− Relevance
− Tutkimuksella on merkitystä− Ei nollatutkimusta− Käytännön relevanssi ja tieteellinen relevanssi
Virheitä voi tulla joka vaiheessa
ilmiö
käsitteet
muuttujat
kohderyhmä
otos datamatriisi
tulokset
käsitteellistäminen
operationalisointi
mittaaminen
kohderyhmän määrittely
otanta tiedonkeruu analyysi
Kohderyhmän määrittely ja otanta
− Valittu kohderyhmä ei palvele tutkimuksen tavoitetta− Valintavirhe (selection bias eli survivor bias)− Perusjoukon määrittelyvirhe− Otantakehyksen virheet ja puutteellisuudet− Liian pieni (tai suuri) otos− Väärä informantti
− Otantavirhe (sampling error) on virhe, joka liittyy aina otantaan ja joka otetaan huomioon tilastollisessa analyysissa (laskemalla otoksesta saatujen estimaattien keskivirheitä, luottamusvälejä ja tilastollisia testejä)
Tiedonkeruuvirheet
− Tutkijan virheitä− kysymys esitetään väärin, seurauksena esim. vinot jakaumat,
keskittyneisyys tai halo effekti− vastaus tallennetaan väärin− häirintä tiedonkeruutilanteessa
− Vastaajan vastausvirheet− tahalliset− Tahattomat
− vastaamattomuusvirhe
Vastausvirheet
− tahattomat− ei tiedä /muista vastausta/ ei osaa muotoilla oikein− Common method/source variance/bias (jos kaikki kysymykset
kysytään samalla tavalla samoilta henkilöiltä niin vastauksissa ilmenee näennäistä, pelkästä kysymystavasta johtuvaa korrelaatiota, voi todeta Harman’in testillä ja välttää käyttämällä useita eri informantteja tai kysymällä eri aikoina)
− Vastaustyylit (esim. agreement bias, vastaaja on kaikesta samaa mieltä, ARS/DARS, ExtremeRS, RRange, MidPointR)
− tahalliset− haluaa antaa sosiaalisesti hyväksyttäviä vastauksia (social
desirability, Crowne&Marlowe 1964)− haluaa ”kaunistella” tilannettaan− Haluaa tehdä kiusaa− hutiloi, on väsynyt
Vastaamattomuusvirheet (non-response bias)
− kaikki eivät vastaa ollenkaan, alhainen vastausprosentti− kannusteet− uusinnat− informointi etukäteen− vastaamatta jättäneiden analysointi− Aikaisten ja myöhäisten vastaajien vertailu
− epätäydelliset vastaukset− Hyödynnä, jos suurin osa kysymyksistä on vastattu ja
hylkää kokonaan jos suurin osa puuttuu− Puuttuvien arvojen imputointi
Analysointivirheet
− Väärä tai liian heikko tilastollinen testi− Tulosten väärät tulkinnat− Huolimattomuus (esim. outlier-tarkastelut)− Mallien väärä spesifiointi− Ylisovittaminen (overfitting, mallissa on liikaa muuttujia suhteessa
havaintojen määrään, johtaa hyvään sopivuuteen otoksessa mutta heikkoon yleistettävyyteen)
− Johtopäätösten on oltava linjassa analyysitulosten kanssa
Mittaaminen
12
Mittaaminen
− Yleistä− Mittarin kehittämisprosessi ja vaiheiden yksityiskohdat− Kirjallisuutta aiheesta− Esimerkki ja reliabiliteetin arviointi SAS-ohjelmistolla
13
Yleistä mittaamisesta
− Tieteellisen tutkimuksen tavoitteena teorian kehittäminen − Teoria muodostuu käsitteistä ja niiden välisistä
yhteyksistä (käsitteet, typologiat, suhteet)− Monet käsitteet ovat hypoteettisia: ei vastinetta
fysikaalisessa maailmassa (älykkyys, sitoutuminen)− Jotta tiede edistyisi, teorioiden (epä)pätevyys on
todistettava− Empiirinen tutkimus onnistuu vain, jos käsitteet on
määritelty ja operationalisoitu
14
Miksi operationalisoinnilla on väliä?
− operationalisointi = millä indikaattoreilla mitataan käsitettä, ja miten tieto kerätään ja analysoidaan
− data, jota keräämme on mittauksen tulos – se ei ole välttämättä todellinen arvo tai määrä käsitettä− todellinen (käsite) = aineistosta saatu (mittari) + virhe
− virhe (error, bias) voi olla satunnaista tai systemaattista− mittaamiseen liittyy aina virhettä, mutta tulisi pyrkiä mahdollisimman lähelle
todellista
15
Yhdistetty mittari vai yksittäinen muuttuja?
− jos käsite on abstrakti, vaikeasti havaittava ja monitahoinen, niin yhdistetty on parempi
TRUE Actual
Single-item Measure
TRUEActual-1Actual-2
Actual-3
Multi-item Measures
valokuvat kohteesta useammasta suunnasta antavat paremman käsityksen kuin yksi valokuva
16
Mittaamisen kaksi näkökulmaa
− reflektiivinen perinteisesti yleisempi− latentti käsite vaikuttaa indikaattoreihin (items, väittämät, osiot)− indikaattori on käsitteen funktio− kaikki indikaattorit muuttuvat yhtä aikaa, jos käsite muuttuu− Indikaattorit korreloivat keskenään− Esim. kielitaito
− formatiivinen− indikaattorit vaikuttavat latenttiin käsitteeseen− käsite muuttuu, jos yksikin indikaattori muuttuu− Indikaattorit eivät välttämättä korreloi keskenään− esim. SES, HDI, maariski ym. indeksit− Esim. liikunnan harrastaminen− (Diamantopoulos, A. artikkeleita aiheesta )
− matemaattiset menetelmät hieman erilaisia
17
Mittarin muodostamisprosessi (scale development)− käsitteen määrittely − väittämien laatiminen (item generation)− muuttujien karsiminen− tiedon keruu − muuttujien karsiminen− mittarin muodostaminen− yksidimensioisuuden varmistaminen (unidimensionality)− reliabiliteetin arviointi (reliability)− validiteetin arviointi (validity)− yleistettävyyden arviointi (replikointi, stability across
samples)− Ks. SERVQUAL.pdf
18
Käsitteen määrittely
− Arkikielen määritelmä ja tieteellinen määritelmä− Samalle käsitteelle löytyy yleensä monta erilaista
määritelmää tieteellisistä tutkimuksista (esim. Kulttuuri yli 300 kpl)
− Mitä tämä diversiteetti aiheuttaa tieteen edistymiselle?− Operationaalinen määritelmä käyttää termejä, jotka
ovat empiirisesti mitattavissa − Ks. Marketorientation.xls− esim. Sitoutuminen: jatkuvuus, panostus, valmius
uhrauksiin
19
Käsite: äidinkielen taito
AI
suullinen viestintä
kirjallinen viestintä
sanaston käyttö
kuuntelutaito
puheviestintätaito
lukutaito
kirjoitustaito
kielioppitaito
sanavarasto
20
Käsitteen määrittelyn keinot
− kirjallisuuskatsaus ylivoimaisesti tärkein!− muista ottaa huomioon muut tutkimusalat ja erilaiset näkökulmat tai
analyysin tasot− miten käsite eroaa lähikäsitteistä− mitä on, eikä miksi on (capability?)− aiemmat tutkimukset ja niissä käytetty operationalisointi voi auttaa − haastattelut− oma kokemus
21
Väittämien laatiminen
− Item generation− deduktiivinen ja induktiivinen lähestyminen− deduktiivinen
− vaatii ilmiön ymmärtämistä− kirjallisuuskatsaus käsitteen määritelmistä
− induktiivinen− sopii kun ilmiö on vähemmän tutkittu− laadullinen aineisto pohjana− sisältöanalyysi ja teemoittelu− kuvaile, miten esimiehesi kommunikoi kanssasi− kriittisten tapausten tekniikka
22
Butler 1991 luottamuksen edellytysten operationalisointi
induktiivinen lähestyminen1. managerit kuvailivat henkilöä, johon luottavat ja henkilöä, johon eivät luota2. kuvailivat kriittisiä tapauksia, jotka olivat johtaneet luottamuksen syntyyn
tai menettämiseen3. löytyi 280 + 174 edellytystä4. opiskelijat ryhmittelivät ne 10 luokkaan5. kirjoitettiin määritelmät kullekin luokalle6. laadittiin 4 väittämää kullekin luokalle
23
Väittämien laatiminen
− aiemmat empiiriset tutkimukset− mittarikäsikirjat (handbook of …)− kvalitatiivisia menetelmiä (critical incident)− delphi, aivoriihi, GDSS, yms.− asiantuntijapaneelit, yrityshaastattelut− mahdollisimman paljon, karsitaan myöhemmin− Aluksi ainakin 10 per dimensio/alakäsite, lopulliseen 4-6− positiivisia sekä negatiivisia− selkeitä ja yksikäsitteisiä− käyttäytymistä vai asennetta vai mielipidettä vai aikomusta− suoria vai projektiivisia− mittaustapoja useita (Likert 5 tai 7, Osgood)− vaihtelua on saatava, ja normaalijakaumia
24
Asenneväittämien laadinta (Metsämuuronen)− yksinkertaisuus (luennon hyödyllisyysaste oli korkea –
luennosta oli minulle hyötyä)− ei faktoja (matematiikan arvosanani oli kiitettävä – saan
helposti hyviä arvosanoja matematiikassa)− vältä ääritermejä: aina, ei koskaan, kaikki, ei kukaan,
ainoa (en koskaan valehtele – pyrin olemaan rehellinen)− lyhyitä väittämiä, max 20 sanaa− yksiselitteisyys (rasismi on oikeusasia – ketään ei saisi
aliarvostaa rodun tai ihonvärin perusteella)− ei johdattelevia (myönnän, että jaettu materiaali oli hyvä
– olen tyytyväinen …)
25
Asenneväittämien laadinta (Metsämuuronen)− yksi asia per väittämä
− pidän kirjallisuudesta, koska lukemalla opin uusia asioita – pidän kirjallisuudesta
− vältä ja-sanaa väittämässä− pitää tulla vaihtelua
− on hyväksi käydä koulua – minusta on hauskaa käydä koulua− ei liikaa negatiivisia väittämiä− väittämät satunnaiseen järjestykseen
26
Väittämien karsiminen I
Ennen varsinaista tiedonkeruutaScale purification, item reductionasiantuntija-arviotryhmittely
käsitemääritelmät esitetään ja pyydetään asettamaan kukin item sitä vastaavaan käsitteeseen
asiantuntijoiden yksimielisyyden arviointi (konkordanssikerroin)
pilottitutkimus/esitestaus, josta saadaan itemien jakaumatkorrelaatiot itemien välilläfaktorianalyysit
27
Väittämien karsiminen II
− Varsinaisen ison tiedonkeruun jälkeen− varmistetaan normaalit jakaumat− varmistetaan riittävä varianssi− käännetään negatiiviset väittämät− itemien väliset korrelaatiot (min .30)− Item-total korrelaatiot− Reliabiliteettikerroin Cronbach alpha− eksploratiivinen faktorianalyysi
− ei liian suuria sivulatauksia− lataus min .40− faktorien määrän voi rajoittaa
28
Mittarin muodostaminen
− Kullekin dimensiolle itemien summa (SAS: filter&query, functions, sum)− itemien keskiarvo (SAS: filter&query, functions, mean)
− yleensä parempi kuin summa, koska haluat ehkä verrata keskenään sellaisia yhdistettyjä mittareita, joissa on eri määrät itemeita
− Faktoripistemäärä (voidaan tallentaa SAS-ohjelmassa faktorianalyysin yhteydessä)− Standardoitu muuttuja− Kaikki itemit vaikuttavat kaikkiin dimensioihin
29
Yksidimensioisuuden varmistaminen
− unidimensionality− Tarkistetaan että väittämistä muodostuu oletettu määrä dimensioita, ja että
kukin väittämä sijoittuu oikeaan dimensioon− faktorianalyysi
− eksploratiivinen vaatii min 150 havaintoa− konfirmatorinen parempi, vaatii 200 havaintoa− alle .40 latautuvat väittämät poistetaan yleensä− aineisto hyvä puolittaa niin että kehittely ja validointi tapahtuvat eri
puolikkaissa
Mittareiden validiteetti ja reliabiliteetti
Reliabiliteetti ja validiteetti
Scale Evaluation
Reliability Validity
Test-RetestInternal
ConsistencyAlternative Forms Construct
Criterion
Content
Convergent Validity
Discriminant Validity Nomological
Validity
32
Reliabiliteetti
− tarkoittaa vapautta satunnaisesta virheestä− tyypit:
− Stability (“test-retest reliability”)− Equivalence (“parallel forms reliability”, esim. ranking vs. rating)− Consistency (“split-half reliability”)− Homogeneity (“internal consistency reliability”)− Inter-rater reliability (concordance)
33
Reliabiliteetti
− Cronbach alpha− mittaa yhdistetyn summa-asteikon sisäistä yhtenäisyyttä
(internal consistency), saa arvoja välillä 0…1.− Enemmän muuttujia -> korkeampi alpha− kuinka paljon väittämät korreloivat keskenään positiivisesti
(inter-item correlations, min.30)− Alphan on oltava vähintään 0.60 alustavassa tutkimuksessa,
0.70 teorioiden testaamisessa (Nunnally)− poista sellaiset väittämät, joiden item-total correlation on heikko
(min. noin .50)− Poista sellaiset väittämät, joiden Squared multiple correlation
on heikko (yli .5 olisi hyvä, huom. SAS ei tulosta ko. lukua)− Älä nosta reliabiliteettia validiteetin kustannuksella
34
Cronbach alpha
N of items
Average inter-item correlation Alpha
2 0,3 0,4615382 0,5 0,6666672 0,7 0,8235293 0,3 0,56253 0,5 0,753 0,7 0,8755 0,3 0,6818185 0,5 0,8333335 0,7 0,9210537 0,3 0,759 0,2 0,692308
rN
rN*)1(1(
*
N=väittämien määrä
r= väittämien välisten korrelaatioiden keskiarvo
Validiteetti
tyypit:− ulkoinen validiteetti eli tulosten yleistettävyys ko. otoksen
ulkopuolelle− Sisäinen tulosten validiteetti eli onko analyysit oikein
tehty ja tulkittu− Sisäinen mittarin validiteetti eli mitataanko sitä mitä on
tarkoitus mitata, onko mittari vapaa systemaattisesta virheestä− sisältö- eli ilmivaliditeetti− kriteerivaliditeetti (ennustevaliditeetti)− Käsite- eli rakennevaliditeetti
36
Mittarin reliabiliteetti ja validiteettiScale
EvaluationReliability Validity
Test-RetestInternal
ConsistencyAlternative Forms Construct
Criterion
Content
Convergent Validity
Discriminant Validity Nomological
Validity
37
Sisältövaliditeetti
− content validity− onko mittarit laadittu siten että niiden avulla
saadaan vastaukset tutkimuskysymyksiin− capture the domain of the construct− ei voi arvioida matemaattisesti− huolellinen käsitteiden määrittely− pinnallisuuden välttäminen− ulkopuolisten asiantuntijoiden arvioinnit
38
Kriteerivaliditeetti
− criterion validity− onko mittarit laadittu siten että niiden avulla
saadaan hyvä selitysaste tai ennustetarkkuus− concurrent tai predictive− Esim. Yrityksen konkurssiriskiä kartoittavan
mittarin kriteerivaliditeetti voidaan arvioida pitkittäistutkimuksella, jossa verrataan myöhemmin konkurssiin menneiden aiempaa riskitulosta eloonjääneiden vastaaviin riskilukuihin
39
Käsite- eli rakennevaliditeetti
− construct validity− onko käsite teoreettisesti validi ja onko mittari
riittävän kattava (deficiency, contamination)− kertooko mittari käsitteestä ”the whole truth and
nothing but the truth”− convergent validity (samanlaiset tulokset kuin
aiemmin käytetyillä vastaavilla mittareilla)− korrelaatio, MTMM
− discriminant validity (eroaa muista käsitteistä)− faktorianalyysi, MTMM
− nomological validity (suhteet teorian mukaiset)
40
Multitrait - Multimethod Matrix (Campbell & Fiske,
1959) Method 1 Method 2 Trait a Trait b Trait a Trait b
Trait a b1 Method 1 Trait b m1 b1 Trait a va d b2 Method 2 Trait b d vb m2 b2
b1 = reliability for method 1va = convergent validity for both methods wrt trait am1 = discriminant validity for method 1d = “nonsense”-correlation
Requirements: • v > 0 and "high enough"• v > d• v > m• d low
Correlationcoefficients{
41
ExampleMosher Forced Choice Guilt Scale
3 traits− Guilt feelings about sex− Hostile guilt− Guilt concerning morality
3 methods− Incomplete sentences "When I dream about sex …"− Forced choice " When I dream about sex …"
a) I don't remember a thing in the morningb) I feel happy when I get up
− True / false− "When I dream about sex I wake up feeling happy"
42
MTMM matrix for the Mosher Forced Choice Guilt Scale
TF(true/false)
FC(forced choice)
IS(incompl. sent.)
SG HG MC SG HG MC SG HG MCSG .91HG .52 .84TFMC .68 .50 .84SG .86 .56 .73 .97HG .53 .83 .53 .61 .96FCMC .63 .54 .83 .70 .58 .92SG .78 .51 .63 .79 .54 .57 .72HG .24 .67 .23 .33 .73 .37 .32 .65ISMC .47 .40 .66 .48 .49 .70 .49 .28 .55
Sexual
Hostile
MoralityFC very reliable,
TF too, IS not
Good convergent
validityDiscriminant validity OK
43
Yleistettävyyden arviointi
− mittarin toimivuutta tulisi aina arvioida eri otoksella kuin se on laadittu− replikointi hakee rajoja sille, missä konteksteissa teoriat pätevät (tai
mittarit toimivat), esim. SERVQUAL erityyppiset palvelut− kansainvälisen tutkimuksen invarianssi (cross-cultural validation)
44
Kirjoja mittareista
http://www.socialsciencesweb.com/ tosi paljon kirjoja− Nunnally & Bernstein (1994) Psychometric Theory. McGraw Hill− DeVellis (1991) Scale Development: Theory and Applications. Sage− Marketing Scales Handbook: A Compilation of Multi-Item Measures, Vol.
I-III Authors: G. Bruner , K. James , P. Hensel − Measures of Personality and Social Psychological Attitudes : Volume 1:
Measures of Social Psychological Attitudes. Authors: J. Robinson , P. Shaver , L. Wrightsman
− Metsämuuronen (2004): Tutkimuksen tekemisen perusteet ihmistieteissä− Price JL and Mueller CW. (1986). Handbook of organizational
measurement. Marshfield,Mass.: Pitman. − Rubin RB, Palmgreen P & Sypher HE. (1994). Communication research
measures: A sourcebook. New York: Guilford Pr. − Psykologian mittareita
http://www.ull.ac.uk/subjects/guides/psycscales.shtml
45
Artikkeleita mittaamisesta
− Churchill (1979) A paradigm for developing better measures of marketing constructs. J Mark Res, 16(1):64-73
− Campbell et al (1973) The development and evaluation of behaviorally based rating scales. J Appl Psych, 57:15-22
− Mullen (1995) Diagnosing measurement equivalence in cross-national research. J Int Bus Stud, 26(3):573-96
− Campbell & Fiske (1959) Convergent and discriminant validity by the multitrait-multimethod matrix. Psych Bulletin 56(March):81-105
− Gerbing & Anderson (1988) An updated paradigm for scale development incorporating unidimensionality and its assessment. J Mktng Res 25(May):186-192
− Hinkin (1995) A review of scale development practices in the study of organizations. Journal of management, 21(5)
− jne…
SAS-esimerkki: Summamuuttujan reliabiliteetti ja muodostaminen
47
IGO väittämät
International Growth Orientationtarkoitus kuvata yrityksen tahtoa kansainväliseen kasvuun
Kuusi väittämää, joista kaksi sanamuodoltaan käännettyjä
IGO4: Growth can be achieved mainly through internationalizationIGO5:There is still enough growth potential in domestic markets*IGO6: Risks related to internationalization are too high*IGO7: We need to internationalize in order to succeed in the futureIGO10: It is important for our company to internationalize quicklyIGO11: Internationalization is the only means to achieve the
objectives of growth we have set*huom. Sanamuoto käännetty
48
IGO –väittämien korrelaatiomatriisiAnalyze- multivariate - correlations
49
IGO –väittämien korrelaatiomatriisi
Igo5 ja igo6 korreloivat negatiivisesti muiden kanssa, arvot on käännettävä 1->5, 2->4, 4->2, 5->1
Pearson Correlation CoefficientsProb > |r| under H0: Rho=0
Number of Observationsigo4 igo5 igo6 igo7 igo10 igo11
igo4kasvu lhinnà kansainvÃlistymÃlllÃ
1.00000
287
-0.70955<.0001
287
-0.37947<.0001
285
0.67503<.0001
285
0.56300<.0001
285
0.73467<.0001
286igo5kotimaassa kasvupotentiaalia riittÃvÃsti
-0.70955<.0001
287
1.00000
288
0.44797<.0001
285
-0.59091<.0001
285
-0.52070<.0001
285
-0.67336<.0001
286igo6kansainvÃlistymisen riskit liian suuret
-0.37947<.0001
285
0.44797<.0001
285
1.00000
285
-0.42719<.0001
283
-0.38194<.0001
283
-0.41510<.0001
284igo7kansainvÃlistyminen vÃlttÃmÃtontà tulevaisuuden menestystà varten
0.67503<.0001
285
-0.59091<.0001
285
-0.42719<.0001
283
1.00000
285
0.63456<.0001
285
0.72844<.0001
285
igo10tÃrkeÃà kansainvÃlistyà nopeasti
0.56300<.0001
285
-0.52070<.0001
285
-0.38194<.0001
283
0.63456<.0001
285
1.00000
285
0.66460<.0001
285igo11kansainvÃlistyminen ainoa keino saavuttaa kasvutavoitteet
0.73467<.0001
286
-0.67336<.0001
286
-0.41510<.0001
284
0.72844<.0001
285
0.66460<.0001
285
1.00000
286
50
Väittämien suunnan kääntäminenquery builder – computed columns – new – recoded column
Footer
SAS-koodit, väittämien suunnan kääntäminenPROC SQL; CREATE TABLE LUENTO3.igodataluento3b AS SELECT t1.igo4, t1.igo5, t1.igo6, t1.igo7,
t1.igo10, t1.igo11, /* igo5kää */ (CASE WHEN 1 = t1.igo5 THEN 5 WHEN 2 = t1.igo5 THEN 4 WHEN 4 = t1.igo5 THEN 2 WHEN 5 = t1.igo5 THEN 1 ELSE t1.igo5 END) FORMAT=IGO5A. AS 'igo5kää'n, /* igo6kää */ (CASE WHEN 1 = t1.igo6 THEN 5 WHEN 2 = t1.igo6 THEN 4 WHEN 4 = t1.igo6 THEN 2 WHEN 5 = t1.igo6 THEN 1 ELSE t1.igo6 END) FORMAT=IGO6A. AS 'igo6kää'n FROM WORK.IGODATALUENTO3 AS t1;QUIT;
52
Reliabiliteetin laskeminenAnalyze- multivariate - correlations
Tänne aina yhden mittarin kaikki väittämät kerrallaan
53
Esimerkki: IGO reliabiliteettiAnalyze- multivariate - correlations
Footer
SAS-koodit, korrelaatiomatriisi ja reliabiliteetti
PROC CORR DATA=LUENTO3.IGODATALUENTO3BPLOTS=NONEALPHAPEARSONVARDEF=DF;VAR igo4 igo7 igo10 igo11 igo5kää igo6kää;
RUN;
Sana ALPHA tulostaa reliabiliteettitunnusluvut
55
Esimerkki: IGO reliabiliteettiAnalyze- multivariate - correlations
Simple StatisticsVariable N Mean Std Dev Sum Minimum Maximum Label
igo4 287 3.62021 1.31373 1039 1.00000 5.00000 igo4
igo5kää 288 3.55556 1.26479 1024 1.00000 5.00000 igo5kää
igo6kää 285 3.60000 1.05216 1026 1.00000 5.00000 igo6kää
igo7 285 3.65965 1.20443 1043 1.00000 5.00000 igo7
igo10 285 2.81404 1.07327 802.00000 1.00000 5.00000 igo10
igo11 286 3.37413 1.40046 965.00000 1.00000 5.00000 igo11
56
Esimerkki: IGO reliabiliteettiAnalyze- multivariate - correlations
Cronbach Coefficient Alpha
Variables Alpha
Raw 0.890422
Standardized 0.888217Katso tätä, jos muuttujilla on kovin erisuuruiset keskiarvot
57
Esimerkki: IGO reliabiliteettiAnalyze- multivariate - correlations
Cronbach Coefficient Alpha with Deleted VariableDeletedVariable
Raw Variables Standardized Variables
Label
Correlationwith Total
Alpha Correlationwith Total
Alpha
igo4 0.774771 0.860229
0.766160 0.858630 igo4
igo5kää
0.735935 0.866803
0.730886 0.864388 igo5kää
igo6kää
0.48161 0.90235
0.483720 0.902578 igo6kää
igo7 0.767328 0.861979
0.764493 0.858904 igo7
igo10 0.682471 0.876013
0.679342 0.872662 igo10
igo11 0.81675 0.85290
0.812711 0.850910 igo11
IGO6 poistaminen hieman parantaisi reliabiliteettia, IGO11 poistaminen huonontaisi aika paljon
58
Esimerkki: IGO reliabiliteettiAnalyze- multivariate - correlations
Pearson Correlation CoefficientsProb > |r| under H0: Rho=0
Number of Observations
igo4 igo5kää igo6kää igo7 igo10 igo11
igo4igo4
1.00000
287
0.70955<.0001
287
0.37947<.0001
285
0.67503<.0001
285
0.56300<.0001
285
0.73467<.0001
286
igo5kääigo5kää
0.70955<.0001
287
1.00000
288
0.44797<.0001
285
0.59091<.0001
285
0.52070<.0001
285
0.67336<.0001
286
igo6kääigo6kää
0.37947<.0001
285
0.44797<.0001
285
1.00000
285
0.42719<.0001
283
0.38194<.0001
283
0.41510<.0001
284
igo7igo7
0.67503<.0001
285
0.59091<.0001
285
0.42719<.0001
283
1.00000
285
0.63456<.0001
285
0.72844<.0001
285
igo10igo10
0.56300<.0001
285
0.52070<.0001
285
0.38194<.0001
283
0.63456<.0001
285
1.00000
285
0.66460<.0001
285
igo11igo11
0.73467<.0001
286
0.67336<.0001
286
0.41510<.0001
284
0.72844<.0001
285
0.66460<.0001
285
1.00000
286
59
Esimerkki: IGO reliabiliteetti
IGO6 on huono item -> jätetään pois summamuuttujasta ja tarkastellaan reliabiliteettiluvut uudelleen
Cronbach Coefficient Alpha
Variables AlphaRaw 0.902357
Standardized 0.902578
60
Esimerkki: IGO reliabiliteetti
Cronbach Coefficient Alpha with Deleted Variable
DeletedVariable
Raw Variables Standardized Variables
LabelCorrelation
with Total AlphaCorrelation
with Total Alphaigo4 0.790887 0.873191 0.786684 0.874558 igo4
igo5kää 0.725578 0.887444 0.720087 0.888912 igo5kää
igo7 0.767385 0.878715 0.767536 0.878728 igo7
igo10 0.681770 0.896764 0.681543 0.897031 igo10
igo11 0.829704 0.864607 0.830065 0.864983 igo11
Nyt ok: minkä tahansa poistaminen heikentäisi reliabiliteettia
Footer
SAS-koodit, Summamuuttujan muodostaminen
Lasketaan summamuuttuja keskiarvona 5 muuttujastaFilter and queryComputed columns – new – advanced expression - functions mean (muuttuja1, muuttuja2, …)
SAS –koodillaPROC SQL; CREATE TABLE LUENTO3.IGODATALUENTO3c AS SELECT t1.igo4, t1.igo7, t1.igo10, t1.igo11, t1.'igo5kää'n, /* igosumma */ (MEAN(t1.igo4, t1.igo10, t1.igo11, t1.'igo5kää'n , t1.igo7)) AS igosumma FROM LUENTO3.IGODATALUENTO3B AS t1;QUIT;
62
Esimerkki: reliabiliteetin raportointi
-itemien sanamuodot, ja tieto siitä mitkä itemit ovat sanamuodoltaan käänteisiä
-tarkasteltiin reliabiliteettia korrelaatiokertoimien ja Cronbachin alfan avulla
- 6 itemin mittarissa alfa=.890
-item IGO6 poistettiin koska sen korrelaatiot muiden kanssa olivat .38 - .45 kun muilla .52 - .73 ja sen item-total korrelaatio oli vain .48 kun muilla .68 - .82-5 itemin mittarissa alfa = .902, kaikki itemien väliset korrelaatiot tilastollisesti merkitseviä 1% tasolla ja vähintään .52-Itemien korrelaatiot taulukossa (tiivistetty aiemmin esitetyistä SAS-tulostetaulukoista)
63
Esimerkki: reliabiliteetin raportointi
Pearson Correlation Coefficientsand Cronbach Alpha (N= 285 – 288)
igo4 Igo5* igo7 igo10 igo11Igo5* .710
igo7 .675 .591
igo10 .563 .521 .635
igo11 .735 .673 .728 .665
Item-total (if item deleted) .791 .726 .767 .682 .830
Alpha (if item deleted) .873 .887 .879 .897 .865