Analyse og tolkning av datamaterialet Om å skaffe seg orden og oversikt

Likheter og forskjeller mellom kvantitativ og kvalitativ dataanalyse Formål: begge har som formål å skape orden og oversikt i datamaterialet (fra kaos til orden) Strategi: begge benytter seg av datareduksjon som strategi og begge benytter ”koding” som verktøy for å bidra til datareduksjonen

Forskjeller: Kvantitativ analyse baserer seg på at spørreskjemaet er kodet (koding før datainnsamling), dessuten er fasene analyse og tolkning atskilte Kvalitativ analyse baserer seg på koding av intervjuutskriftene (koding etter datainnsamling), fasene analyse og tolkning kan vanskelig holdes fra hverandre

Statistisk analyse Deskriptiv statistikk dreier seg om, ved hjelp av ulike teknikker og prosedyrer, å beskrive innholdet datamatrisen, d.v.s. fordelinger av verdier og sammenhenger mellom variable. Induktiv statistikk / generaliserende statistikk, dreier seg om å kunne trekke slutninger fra utvalg til univers (hypotesetesting). NB! Bør bare brukes dersom utvalget er et sannsynlighetsutvalg.

Noen viktige arbeidsoperasjoner i deskriptiv statistisk analyse Mål for sentraltendens: Statistiske mål som skal vise hva som er typisk verdi for enhetene i fordelingen: Modus – den verdien som forekommer oftest. Kan brukes uansett målenivå, men er eneste mål som kan brukes for nominalvariabler (Eks bosted) Median – verdien av enhetene som ligger midt i rekken av enheter når de er ordnet etter verdi. Forutsetter minst ordinalnivå. Brukes f.eks i forbindelse med inntektsundersøkelser Verdi 11112223334 Modus: 1 Median 2

Gjennomsnitt: summen av alle enheters verdi, dividert med antall enheter. Forutsetter høyt målenivå (intervall, forholdstall)

Mål for spredning Mål som skal vise hvor stor variasjon det er for verdiene til enhetene i fordelingen: Variasjonsbredde Kvartildifferanse Varians Standardavvik

Variasjonsbredde: differansen mellom høyeste og laveste verdi i fordelingen (eks aldersfordeling fra 50 – 71 gir Vb = 21 Kvartidifferanse: differansen mellom tredje og første kvartil i en fordeling (variasjonsbredden for de midterste 50%): Alder ordnet: 20,24,31,37,44,48,50,59,67,71 Q3 – Q1 = 59 – 31 = 28 år

Varians: gjennomsnittelig kvadrert differanse mellom enhetenes verdi og gjennomsnittet til variabelen. Alder – snittalder – differanse – diff i annen. Summen av diff. I annen deles på antall enheter. Standardavvik: kvadratroten av variansen.

Analyse av sammenhenger ved hjelp av korrelasjonskoeffisienter Korrelasjonskoeffisienter er symmetriske mål for sammenheng. De forteller oss om styrke og retning på sammenhenger. Styrke: angis ved en tallverdi, jo nærmere 1.0 jo sterkere sammenheng (r = .48 > r = . 39 Retning: angis ved fortegn, - betyr at sammenhengen er negativ, + at sammenhengen er positiv Vanlig korrelasjonskoeffisient er Pearsons r, som brukes på intervall- og forholdstallnivå.

Signifikante sammenhenger Signifikante sammenhenger skal sikre at sammenhengen ikke er resultat av tilfeldigheter Signifikante sammenhenger er ikke nødvendigvis meningsfulle Signifikans er avhengig av størrelse på utvalget Ved store utvalg vil selv meget svake sammenhenger være signifikante En signifikant sammenheng er altså ikke det samme som en sterk sammenheng og har derfor heller ikke alltid faglig, samfunnsmessig eller praktisk interesse.

Kort om kvalitativ analyse Kvalitativ analyse er analyse av tekster egne eller andres) Det finnes ulike analysestrategier, men felles for dem er at datamaterialet brytes ned og settes sammen igjen (”klipp-og-lim”, ”omelettmetaforen”). Dette kan gjøres v.h.a. saks og papir, eller v.h.a. programvare. Denne nedbrytings- og gjenoppbyggingsprosessen gjennomføres ofte ved hjelp av koding (i flere operasjoner). Noen ganger kalt ”åpen – aksial – selektiv”, andre ganger ”beskrivende – analytisk”. Kodingen eller klippingen skal gjøre oss i stand til å samle dataene (tekstursnittene) i kategorier som kan endres, utvides, avgrense etter hvert som nytt materiale kommer til. Fordi det ikke er klare regler og retningslinjer, blir det viktig, gjennom beskrivelse av prosessen, å overbevis leseren om at de prosedyrer man har fulgt er formålstjenelige og sikrer kvaliteten på analysen.

Litt om validitet og reliabilitet Validitet og reliabilitet er kvalitetskriterier undersøkelser blir mål opp mot. Begrepene validitet og reliabilitet er ”barn” av den kvantitative tilnærmingen. Reliabilitet: intrasubjektivitet og intersubjektivitet; testing av samsvar mellom målinger, kan stole på Validitet: har vi målt det vi hadde til hensikt å måle (undersøkt det vi hadde til hensikt å undersøke); testing av begrepsvaliditeten (hvor godt har vi operasjonalisert det teoretiske begrepet vi vil måle) eks ”Organisasjonsforpliktelse”

Hva med kvalitative studier? Validitet = troverdighet Reliabilitet = Pålitelighet Ingen formelle prosedyrer, forsker må godtgjøre/overbevise leseren om at det er tale om pålitelige og troverdige konklusjoner