Tilastollisest. a tietojenkäsittelystät) Seppo Mustonen Tilastotieteen laitos Helsingin yliopisto

Transkriptio

1 Arkhimedes30. vsk, 25-29, 1978 Tilastollisest a tietojenkäsittelystät) Seppo Mustonen Tilastotieteen laitos Helsingin yliopisto Automaaitisen tietojenkäsittelyn valtava tekninen kehitys on viime vuosikymmeninä vaikuttanut suuresti eri tieteenalojen tutkimusmahdollisuuksiin. Myös tilastotieteessätämä vaikutus ilmenee voimakkaana. Tilastollisessatutkimustyössähän eivät riitä yksinomaan periaatteellisetja teoreettiset tarkastelut vaan tarvitaan myös selviä laskennallisiatuloksia. Ennen tietokoneiden käyttöönottoa laskentavålineidenpuutteellisuus rajoitti tuntuvasti tilastollisten menetelmien kehittämistä ja käyttöä sekä tilastotieteen omassapiirissä että tilastotiedettä soveltavilla aloilla. Silti jo pelk?inkäsinlaskennankinavulla ahkerat tutkijat suoriutuivat hankalista tehtävistä, vaikka aikaa kului paljon. Esim. muutaman muuttujan regressiomallinlaskeminen saattoi viedä kokonaisen työpäivän, mutta sitä tarkemmin laskelmoitiin jo etukäteen, mitä kannatti laskeskella. Saattaauskoa, että tuollainen vaikkapa 195O-luvullatoiminut tilastollisia menetelmiä soveltanut tutkija olisi suunnattoman innostunut niistä keinoista, jotka nykyisin ovat tarjolla eri laskentatehtäviin. Kuitenkaan en ole varma, että hän olisi kovinkaan ilahtunut havaitessaan,kuinka tehottomasti näitä loistavia mahdollisuuksia käytetään hyväksi. Kieltämättä nykyisin tehdään tilastollisia analyysejavaltavan paljon, mutta onko tutkimusten taso siitä noussut? Vaikuttaa siltä, että useat ATK:n apuun luottavat tutkijat ovat tietokoneiden ja niille laadittujen ohjelmistojen armoilla vailla kunnon käsitystä omista vaikutusmahdollisuuksistaan. He kamppailevat näiden uusien laskentaviilineidenkanssasuorastaansääliäherättäjonka våillätavalla. He ovat vieraantuneettärkeästä työkohteestaan, itse laskentaprosessista, seuraaminenja ohjaaminen oli itsestäänselvä asia käsin tai pöytälaskukoneilla toimittaessa. Nykyisin saattaasyntyä empiirisiä tutkimuksia, joiden tekijä ei ole missäänvaiheessakunnolla tutustunut aineistoonsaeikä pahimmassatapauksessaole edes nähnyt havaintoarvojaan, koska tutkimusapulaiset ovat koonneet aineistonja >menetelmäasiantuntija0tai >tietokonemieheil ovat toteuttaneet analyysit ja selittäneet tulokset. 1) Vitk"anastujaisesitelm ä I6.t I.Ig7 7

2 26 Seppo Mustonen, Tilastollisesta tietoj enkäsittely stä Tilannetta ei paranna se, että tietokoneiden usein laadultaan kyseenalaisetvakio-ohjelmistot houkuttelevat tutkijoita valitsemaankaavamaisiaratkaisutapoja,joiden yksityiskohtiin heillä itsellään ei ole mitään mahdollisuutta puuttua. Toisaalta tutkijat voivat muodollisesti soveltaakirjasto-ohjelmien avulla menetelmiä,joiden perusteistaja merkityksestä heillä ei ole riittävää käsitystä. Tällaisenvalmiiksipakatun laskenta-avunentistä helpompi saatavuuson siis johtanut arveluttaviin käyttötapoihin, ja virhesovellutukiin kohdistettu täysin oikeutettu arvostelu on osaltaanheittänyt varjonsa myös väärinkäytettyihin tilastollisiin menetelmiin. Tällä asiantilalia on oma osuutensasiihen, että vielä 1960-luvulla vanin suositut monimuuttujamenetelmät, ennen muuta faktorianalyysi, ovat nykyisin miltei pannassaeriiillä tutkimusaloilla. Faktorianalyysilla oli aikoinaan erittäin keskeinen asemasuomalaisessa kåiyttäytymis- ja yhteiskuntatieteellisessätutkimulcessa. Siitä tuli laskentamahdollisuuksien parantuessamuotimenetelmä, jota saatettiin soveltaavalmiiden ohjelmien suosiollisella awstuksella ja onnistuneita tutkimusasetelmiamatkien mitä kummallisimmissatilanteissa eikä juuri tavattu soveltajaa,joka olisi ollut omiin tuloksiinsa tyytymätön. Faktorianalyysi on näet mekaanise$i käytettynä verrattavissametsään,joka vastaaniin kuin sille huutaa. Faktorianalyysi on saanut sittemmin samoistasyistä osakseenkohtuutonta innostusta myös muissareaalitieteissä.yhteiskuntatieteissäse johtui kuitenkin 1960-luvun lopulla ankaran arvostelun kohteeksi, mikä johtui ennen muuta sovellutustenheikosta tasostaja samallase oli helppo leimata epiiilyttävien >positivististeo tutkimusmenetelmien joukkoon kuuluva*si. Nyt ei tietenkään ole tarkoitus moittia tietokoneiden suomia laskentamahdollisuuksia siitä, että faktorianalyysia tai muita tutkimusmenetelmiä saatetaankäyttää väärin. Jokainen tutkimusedellytysten parannusvoi edesauttaamyös huonojen tutkimusten tekoa, eikä uudistuksia näillä syillä tule torjua. Jotain on kuitenkin mennyt vikaan. ATKn tarjoama apu on nåihdäkseninykyiselläåin painottunut väärin eikä vastaakaikin osin tilastollisen tutkimustyön tarpeita. Tiillä vääristyneisyydellä on oma llhistoriallinen) taustansa. Kun tilastollisia ohjelmia l?ihdettiin alunperin kehittelemään, huomion kohteeksi joutuivat etenkin laskentatyöltään raskaat menetelmät, joissa tietokoneen hyötysuhde on suurimmillaan. Yleisiä ohjelmia ei näyttänyt kannattavan laatia yksinkertaisia tilastollisia kuvaustapoja,laskentoja ja päättelyjä varten, vaikka nämä ovat käytännössäyleisimpiä ja sikäli myös tärkeimpiä. Uskottiin, että tutkijat hoitavat nuo helpommat tehtävät entiseen tapaan. Näin uskotaan kai edelleenkin, sillä vaikka entistä laajempia tilastollisia ohjelmistoja on otettu käyttöön, vielä tällä hetkellä tilanne on se, että tutkijan on vaivattomampaa laskettaa tietokoneilla esim. faktorianalyysia kuin toteuttaa oman aiheensakannalta tär-, keitä ylsilöllisiä alkeistilastollisialaskentatehtäviä. Niinpä syntyy houkutus käydä suoraanpitkälle automatisoitujen, laskennallisestivaativien menetelmien kimppuun ja jättää alustavanluonteisetyksinkertaiset tarkastukset ja yhteenvedot suorittamatta. Tällaisistaolosuhteiden yllyttämistä laiminlyönneistä seuraa, että tutkijalta jäävät havaitsemattamonet aineistonsaerityispiirteet ja jopa koodaus-ja

3 Arkhimedes30. vsk 27 hienojenanalyysientuloksia.mitäänylisaattavatkohtalokkaastivääristää lävistysvirheet ja tunnollinentutkija voimaisiaesteitäei toki ole järkevientarkistustensuorittamiselle hoitaane, vaikkase tuottaakinylimääräistävaivaa. tilastollisentietojenkäsittelynepäkohdateivätyksinomaanjohdu liian Tiimänkaltaiset metodologisesta tilastollisistaohjelmistaeikä tutkijoiden puutteellisesta kaavamaisista ja olevistaatk-laitteistoista vaanhyvin paljon myösyleisestikåiytössä koulutuksesta, jotka eivät ainasovellujoustavaan,ihmisläheiseen työskentelyyn. niidenkäyttömuodoista, Tilastolliseen tietojenkäsittelyyntarkoitetutjärjestelmäton jouduttu toteuttamaan ATKn ehdoillaeikä tutkimuksenteonomiaerityispiirteitäole voitu ottaa huomioonriif tävästi.nåiitäongelmiakärjistääkäsityksenimukaanse,että kaikki toiminta perustuuliikaa keskitettyihin,suuriinatk-laitteistoihinja niiden byrokraattisiin,laskentakeskusvaltaisiin kåiyttömuotoihin. Keskitettyihinlaitteistoihintukeutuvatratkaisutnäyttivät vielätämänvuosikymmenen ainoiltamahdollisilta.tuntui edulliseltasiirtää alussahoukutteleviltaja taloudellisesti kaikki ATK- toiminnatharvoille,nimellisestitehokkaillejättiläiskoneille.uskottiin niiden pystyvät palvelemaan suhteessa nämätoiveet kaikkia.monessa moniajokäytt<iiärjestelmien avulla. ovat toteutuneet,mutta useinvastakalliidenlisäinvestointien Myöstilastollisentietojenkäsittelynosaltatähänkehitykseenliittyy paljonmyönteistä. tietorekistereitätarvitsevattutkimukseteivät Bsim.laajatsimulointiatai valtakunnallisia olisi matrdollisiailman niiitä suuriaatk-järjestelmiä. On kuitenkinharhaanjohtavaa kuvitilastollisettutkimuksetvaatisivatsuurialaitteistojaja byrokraattitella, että tavanomaiset siajärjestelmiä,vaikkamiltei ylsinomaansellaisianykyisin käytetiiän.useimmattilastolli sentietojenkäsittelynalaankuuluvistalukuisistakorkeakoulujentutkimus-ja opetussovellupienissä ajatellen.tällaisissa tulsista ovat varsinpieniäsuurtenlaitteistojenmahdollisuuksia suurtenkeskitettyjenjärjestelmienkäyttö on kankeaaja epätaloudellista. tehtävissä Käyttäjät turhautuvatja jopa luopuvatyrityksistään. Tiillaistataustaavastentuntuu luonnolliselta,että ns. pientietokoneetja hajautetut yleensäkintarjoavatuudenvarteenotettavan tietojenkiisittelymenetelmät tuen tilastollisen tietojenkäisittelyn tehtäviin. Helsinginyliopistontilastotieteenlaitoksellaon nyt parin vuodenajantutkittu pientietokoneidenkäyttömahdollisuuksia tilastollisentietojenkäsittelynalaankuuluvissatehtävissä.päiihuomioon kiinnitetty tilastotieteenomien tutkimus-ja opetusmahdollisuuksien suhteessa tiillainentutkimustyöantaaviitteitä kehittämiseen ATKn avulla,mutta monessa myössiitä, millaistatilastollinentietojenkäsittelyvoisi olla laajassa mittakaavassa liihitulevaisuudessa. uudentyyppisen tilastollisen Olemmesuunnitelleetlaitoksenomallepientietokoneelle ja jatkuvasti. kiiyttqiärjestelmän sitä laajennetaan Kokemustemme mukaanon selvää,että sopivallatilastollisellajärjestelmällävarustetulla joka palvelutaso, pientietokoneella saavutetaan tilastollisentietojenkäsittelyntehtävissä ylittää nykyistenyleisessä käytössäolevienjärjestelmienmahdollilaädultaanolennaisesti päästään välittömään,monipuoliseen suudet.tämäperustuusiihen,että pientietokoneella

4 28 Seppo Mustonen, Tilastollisesta tietoj enkäsittely stä ja keskustelunomaiseentyöskentelyyn ilman arvaamattomienulkopuolisten tekijöiden aiheuttamia viivytyksiä. Tutkija voi itse vaivattomasti pitiiä yhteyttä sekä ohjelmistoon että käyttämiinsä aineistoihin. Hän voi haluamassaanjärjestyksessävaiheittain soveltaa yhtälailla yksinkertaisia tilastollisia kuvaustapojakuin vaativia analyysimenetelmiäja koko ajan seurata,mitä hänen aineistolleentapahtuu. Pientietokoneiden avulla voidaan myös palauttaa suosioon monia ihmisläiheisiätyötapoja, jotka on syyttä suotta unohdettu tällä ns. tietokoneaikakaudella. Samallatyöskentelyä on mahdollista suunnata muotoon, jossa tutkijalta jälleen edellytetään tarvitsemiensa menetelmien hallinta ja jossa hän voi monipuolisesti käyttää hyvä*si taitojaan. Esim. omassajärjestelmässämmekoneen nopea kuvaputkinäyttölaite mahdollistaa eräitä sellaisiaosittain näköhavaintoon perustuvia tilastollisia tarkastelutapoja,jotka vaikeasti automatisoituvina ovat syrjäytyneet viime vuosikymmeninä. Faktorianalyysin ns. rotaatiovaihe on tiistä sopiva osoitus. Sen alkuperäinen suoritustapa oli visuaalinenja perustui tiettyihin peräkkåiisiingraafisiin konstruktioihin. Kun rotaatio-ongelmaohjelmoidaan tietokoneella, jolla ei ole joustavaa keskustelunomaistaja kuvallista käyttötapaa, ratkaisun kriteerit joudutaan muokkaamaansokeaananalyyttiseen muotoon. Eräät tällaiset analyyttiset rotaatiomenetelmät antavat muodollisesti hyviä tuloksia, mutta niiden varjopuolena on täysi tunteettomuus tutkijan mahdollisia erityistoivomuksia kohtaan. Monet ovat tosin sitä mieltä, että tämä onkin etu, koska analyyttinen kriteeri estääliian subjektiiviset ratkaisut. Tåillaisissakiistanalaisissatilanteissa on hyödyllistä antaa tutkijalle tilaisuus vaihtoehtoisiin menettelytapoihin ja niiden vertailuun. Omassajärjestelmässämmefaktorianalyysin rotaatiovaihe toteutetaan kuvaputken avulla siten, että päämenettelynätutkija soveltaagraafista menetelmää,mutta hänellä on koko ajan samallasaatavillaneuvonantajinaantietyt analyyttiset rotaatiokriteerit. Uenee selvää,että tällä tapaa työskentelevätutkija voi olennaisestiparemmin ymmärtää ja hyväksikåiyttä aineistoaanja menetelmiä kuin heittäessääntehtävänsätäysin automaattiselle ohjelmalle, jonka toimintaa ei pääselainkaan seuraamaan.samoin menetelmien opetuksessatiillaiset havainnollistamiskeinotovat korvaamattomia. Monipuolinen pientietokonejärjestelmäon siten tutkijan ja opettajan käytössä todellinen data-analyyttinen laboratorio, jonka tuottama hyöty esim. metodologian tutkimuksessaja opetuksessasaattaaolla paljon enemmän kuin se sinänsämerkittävä laskenta-apu,jota ATK on tiihåin asti tarjonnut. Vaikka toistaiseksi olisi syytä karttaa esittiimästä kovin yltiöpåiisiäja yleistettyjä kaisityksiä hajautetun tietojenkäsittelyn merkityksestä tutkimukselle ja opetukselle, uskon vakaasti, että yliopistojen ja korkeakoulujen ATK-resurssejakannattaisi viipymättåi kohdistaa entistä enemmåinpientietokoneisiin sekä niiden käyttöä koskevaantutkimukseen ja suunnitteluun. Keskitettyjä laitteistoja ja laskentakeskusorganisaatiota toki tarvitaan edelleenkin, mutta niiden luonne ja tehtävät olisi ainakin tilastollisen tietojenkäsittelyn osalta arvioitava uudelleen. ATK:ta käyttävien tutkijoiden ja opettajien tulisi itse pohtia, millaisia laitteistoja ja pal-

5 29 veluja he työssäåin tarvitsevat ja osallistu aktiivisesti oman sovellutusalansa ohjelmistojen kehittämiseen. Nykyisin on liikaa mukauduttu siihen, mitä sattuu olemaan tarjolla ja tietty muuttumattomuus uhkaa lyödä leimansa tietojenkiisittelytoimintoihin. Vaikka jäykkiä akateemisia traditioita yhä ylläpidetään, eivät ne ainakaan tilastollisessa tietojenkåisittelyssä ole vielä paikallaan.