Kutatásmódszertan Kérdőíves módszer & statisztikai adatfeldolgozási alapok

Kitöltetés Kérdezőbiztos által felvett kérdőív Önkitöltő kérdőív Helyszínen Telefonon Online Önkitöltő kérdőív Papír alapú Helyszíni Postai „Elviszi-visszahozza” Elektronikus Statikus Válaszadó: Egy vagy több Képzettség Érdekeltség

Forma Névadás Fejléc Hangnem A válaszadó megnyerése: bevezető, kutatásvezető, ellenőrizhetőség Kérdőívet azonosító adatok Olvashatóság, érthetőség Megfogalmazás Szerkezet Kivitelezés „Bolondbiztosság” Kitöltő felé Elemző felé Kérdezőbiztos felé Feldolgozási mód figyelembe vétele (szkenner?) Kérdések számozása Kódolás feltüntetése Köszönetnyilvánítás, kontaktlehetőség

Szerkezet Bevezető jellegű kérdések Demográfiai vs. lényegi kérdések Gondolkodásmenet figyelembe vétele Logika Átvezető kérdések Egy vagy több kitöltő? Kérdések csoportosítása Kínos vagy személyes kérdések a végére Terjedelem Érdeklődés fenntartása (változatosság) Elektronikusnál: egyszeri vagy folytatható?

Kérdés-típusok Nyílt Félig nyílt (félig zárt): Zárt Fajtái (lehet szabad válasz vagy behelyettesítés): Numerikus Szöveges: Szavak Mondatok Hosszabb szöveg Egyéb (pl. ábra) Elektronikus rögzítésénél „kicsúszhat a képből” Félig nyílt (félig zárt): „Egyéb” „Éspedig?” Zárt

Zárt kérdések fajtái Q rendezés (nominális): Kétértékű Általában nominális skála. Ha 0 és 1, akkor „dummy” változó. A dummy változó skálaváltozóként viselkedik. Választás több lehetőség közül (nominális skála): Állítások, fogalmak, számértékek stb. Egy vagy több megjelölés engedélyezése Egyszeres választás Többszörös választás Q rendezés (nominális): csoportosítás hasonlóság alapján Ordinális skálán mérő eszközök Intervallum vagy arányskálán mérő eszközök

„Dummy” változóvá alakítás Dummy változók: Fővárosban lakik-e? 0 = nem, 1 = igen Megyeszékhelyen lakik-e? 0 = nem, 1 = igen Egyéb városban lakik-e? 0 = nem, 1 = igen Falun, községben lakik? 0 = nem, 1 = igen Egyéb lakhelyet megjelölt-e? 0 = nem, 1 = igen Eredeti változó: Lakóhely típusa? 1 = Főváros 2 = Megyeszékhely 3 = Egyéb város 4 = Falu, község 5 = Egyéb: ………… Milyen mérési skálájú a fenti változó? Ordinális. Ebből következően fontos a sorrend! Fontos-e a dummy változók sorrendje? Mikor? Ha sorban zárják ki egymást a lehetőségek. Ebben a példában fontos (mert a főváros is megyeszékhely, ami egyéb város is egyben).

Zárt kérdések: mértékskálák Sorba rendezés (ordinális) Kombinálható a választással (pl. a legfontosabb 3-at sorrendbe) Ekkor a ki nem választottak rangszáma kérdéses Gyakori tévesztés („visszabutítani”, átkódolni) Szemantikus differenciál (ordinális vagy jobb) Szembenálló fogalmak, kijelentések (irány és intenzitás is) Eredetileg grafikus de lehet számozott Likert-skála = „egyetértő skála” (ordinális): Attitűdmérés: mennyire ért egyet? Alapesetben 5-ös skála, de lehet ettől magasabb is Stapel-skála: -5 -4 -3 -2 -1 0 +1 +2 +3 +4 +5 Thurstone-skála (intervallum vagy arány): szakértői súlyozás Eredetileg kérdések súlyozására, de válaszokra is alkalmazható Guttman-skála (sorrendi vagy jobb): Kérdések minta alapú (empirikus) súlyozása Kumulativitás feltételezése a válaszokban – mérni kell a reprodukálhatóságot (aki egy erősebbet megjelöl, az a gyengébbet is) Kényszerített szétosztás + konstantösszeg-skála (arány) Index-skála (arány) Többdimenziós skálák (táblázatos forma)

Skálák tartománya, formája Érthetőség: minél kisebb Elemezhetőség: minél nagyobb Negatív értékek: elemzési nehézség Különböző skálák: együttes elemzés nehézsége Páros-páratlan: kutatási cél Számok vagy grafikus skála: érthetőség Grafikus megoldások: Szakaszok; Körök, négyzetek stb.; Szimbólumok Fontos lehet az érdeklődés felkeltése, fenntartása is Magyarázott skálák: csak ha világosan

Kényes vagy nehéz kérdések Anonimitás Indirekt megkérdezés Dialógus Proxy-változó mérése Asszociáció „Más szájába adás” Kategóriák

Ellenőrzés Ellenőrző kérdések: Újrakérdezés Pontosítás Ugyanúgy Átfogalmazva Pontosítás Kapcsolódó, korreláló kérdések Statisztikai ellenőrzés: Válaszok eloszlása (pl. diagramok, felezés) Mutatók, pl. Cronbach alfa „Benchmarking”

Cronbach alfa K = adott skálához tartozó itemek száma σ2X = teljes pontszám varianciája σ2Y = adott item pontszámának varianciája A belső konzisztencia legelterjedtebb összesített mérőszáma. Főleg pszichológiai, szociológiai kérdőíveknél használják, de akár iskolai teszteknél is helye van. 0-1 közt mozog. Feltétele, hogy a skála elemei egy dimenziót mérjenek. Bináris változókon is használható: Kuder-Richardson 20 (KR-20).

Kuder-Richardson 20 Kétérétékű változókra alkalmazható. Értéke 0-1 közt mozog. A mérőeszköz belső konzisztenciáját (ezáltal megbízhatóságát) méri. Képlete K elemű tesztek esetén:

Kuder-Richardson 20 Képlete K elemű tesztek esetén: ahol pi az i-dik kérdésre adott jó válaszok aránya, qi pedig a rossz válaszoké (pi + qi = 1). A nevezőben szereplő variancia pedig:

Gyakori hibák Pilot-teszt kihagyása! Kiválasztási torzítás: Oka: a minta nem véletlenszerű Egy típusa az önkiválasztási torzítás (internet, felvételi helyszín) Többértelmű megfogalmazás Többszörös kérdések (egy kérdésben több) Nem közérthető (zsargon, bonyolult) Ismeretek adottnak vétele Érzések kiváltása, figyelembe nem vétele Irányító kérdések Nem lefedett választartomány Logikának ellentmondó sorrend vagy kódolás

Adatmentés Ha rossz a kérdés Hibás a válasz Hiányzik az adat („semmi vagy nulla” problémája) Visszabutítás: mérési skála rontása Átlag Kikövetkeztetés Újrafelvétel Mindig rögzíteni a választott módszert! Függ a mintanagyságtól

Adatok feldolgozása Minta ismertetése: egyenes, leíró elemzés demográfiai változók válaszadási magatartás jellemzői Lényegi kérdések egyenes elemzése Kérdésenként Változónként: egy-egy változó több itemet is jelenthet Összefüggések statisztikai feltárása Indulhat a statisztika és a szakma felől is Mindig magyarázni kell szakmailag is! Szakértői elemzés Szükség esetén új ciklus indul

Statisztikai módszerek és adatelemzés Skálák Elfogadott módszerek: szekunder elemzés A minta használhatósága: A nem használható elemszámú csoportokat kihagyni, amikor a csoportok vannak terítéken, de visszatenni, ha az egyes csoportfüggetlen esetek, vagy más szempontú csoportok Egyenes elemzés: Gyakoriságok: célszerű ábrázolni (sorrend, ábratípus) Relatív gyakoriság: százalék, ha „illik” Primitív kereszttáblák: mutatók nélkül

Statisztikai módszerek és adatelemzés Két csoport összehasonlítása: Nominális vagy ordinális függő változó: kereszttábla Intervallum vagy arányskála: t-próba Regresszió-analízis (lineáris vagy binomiális) Több csoport összehasonlítása: Intervallum vagy arányskála: ANOVA (post-hoc tesztekkel) vagy páronként elvégzett t-próba, de leginkább mindkettő Dummyzás után regresszió-analízis (lineáris vagy binomiális)

Statisztikai módszerek és adatelemzés Változók közti együttjárás: Lineáris vagy nemparametrikus korreláció Lineáris regresszió Ha a magyarázó változó intervallum vagy arányskálás és a függő alacsonyabb: Megfordítjuk a kérdést Diszkriminancia-analízis Binomiális vagy multinomiális regresszió Ha sok a változónk: előkészítés után regresszió Interpretálás: Helyes kódolás és jelölés (pl. 0-1) Label-ök használata

folyamatos változók (pl. életkor, se Na)   folyamatos változók (pl. életkor, se Na) normál eloszlású nem normál eloszlású 2 független csoport összehasonlítása két mintás t-próba Mann-Whitney teszt Szignifikánsan különbözik-e a súlyos és nem súlyos betegek vércukor értéke? 2 kapcsolt csoport összehasonlítása (pl. érték kezelés előtt és kezelés után) páros t próba Wilcoxon teszt Megváltozik-e a betegek fehérvérsejt száma a kezelés hatására? Változik-e a betegek koleszterinszintje 10 év követés alatt? 3 vagy több független csoport összehasonlítása egy szempontos ANOVA Kruskal-Wallis teszt Van-e különbség a különböző Dukes stadiumú betegek hemoglobin szintjében? 3 vagy több kapcsolt csoport összehasonlítása ismételt méréses ANOVA Friedman próba Az ismételt mérések során változik-e a betegek BMI-je? Forrás: Gombos Tímea előadása: Paraméteres és nem paraméteres próbák alkalmazása több csoport összehasonlítására folytonos változók esetén.

Adatközlés statisztikai elemzés után Elfogadhatóság: Praktikus szempontok Szignifikancia-szintek Jóságmutatók (pl. R-négyzet) Egymást kiegészítő információk: pl. átlag és szórás Az elégséges és szokásos minimum Melléklet: nagy adattáblák Outputokat, grafikonokat mindig átszerkeszteni, fordítani Értelmezést segítő ábrák, szöveges magyarázatok Néha az adatbázist is elérhetővé kell tenni Bizonyíthatóság, feltevések explicitté tétele!

A szoftverek Számolni mind tud, de kérdés közöl-e mindent! Excel – a minimumot tudja, de sokszor nem közöl szignifikanciát SPSS – kényelmes, közismert de fizetős Gretl, R-nyelv, PSPP és célprogramok Amit nem közölnek, „gyalog” sokszor kiszámolható

Köszönöm a figyelmet!