TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

Transkriptio

1 TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas

2 KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen empiirisen jakauman esittäminen Frekvenssijakauma Luokittelu Kuviot Tunnusluvut Kaksiulotteisen jakauman esittäminen ja riippuvuus Ristiintaulukko ja kuviot Riippuvuuden tunnusluvut Vähän todennäköisyydestä Otantajakauma Tilastollinen päätöksenteko Estimointi Hypoteesien testaus Perustestejä Keskiarvotestit, varianssianalyysit Riippuvuuden testit

3 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Luokittelu- ja järjestysasteikko: Ristiintaulukko Sukupuoli Mies (1) Nainen (2) Maa Suomi (1) Ruotsi (2) Tanska (3) Yhteensä Arvoparin frekvenssi näkyy taulukon soluista Ehdolliset frekvenssit: kiinnitetään yksi maamuuttujan luokka (esim. Suomi) ja tarkastellaan sukupuolijakaumaa

4 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Sukupuoli Mies (1) Nainen (2) Maa Suomi (1) Ruotsi (2) Tanska (3) Yhteensä Riviprosentit: / 355 = % / 355 = % / 368 = % / 368 = % / 481 = % / 481 = %

5 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Luokitteluasteikko: Ristiintaulukko Sukupuoli Mies (1) Nainen (2) Maa Suomi (1) 119 (34 %) 236 (66 %) 355 (100 %) Ruotsi (2) 159 (43 %) 209 (57 %) 368 (100 %) Tanska (3) 222 (46 %) 259 (54 %) 481 (100 %) Yhteensä Esim. Suomessa otos painottui selkeämmin naisiin (noin kaksi kolmannesta oli naisia)

6 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Sukupuoli Mies (1) Nainen (2) Maa Suomi (1) Ruotsi (2) Tanska (3) Yhteensä Sarakeprosentit: / 500 = % / 704 = % / 500 = % / 704 = % / 500 = % / 704 = %

7 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Sukupuoli Mies (1) Nainen (2) Maa Suomi (1) 119 (24 %) 236 (34 %) 355 Ruotsi (2) 159 (32 %) 209 (30 %) 368 Tanska (3) 222 (44 %) 259 (37 %) 481 Yhteensä 500 (100 %) 704 (100 %) 1204 Esim. pienin osuus miehistä muodostui suomalaisista miehistä, naisista pienin osuus oli ruotsalaisilla

8 RISTIINTAULUKON GRAAFINEN ESITYS Huono: Vaikea erottaa pylväitten keskinäisiä korkeuksia Miehet 100 Naiset 50 0 Suomi Ruotsi Tanska Naiset Miehet

9 RISTIINTAULUKON GRAAFINEN ESITYS Mies Nainen 50 0 Suomi Ruotsi Tanska Maa

10 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Jatkuvat muuttujat: hajontakuvio Koehenkilöiden pituus 75- ja 80-vuotiaana ID Pituus 75 Pituus

11 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Jatkuvat muuttujat: hajontakuvio Koehenkilöiden pituus 75- ja 80-vuotiaana ID Pituus 75 Pituus

12 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Jatkuvat muuttujat: hajontakuvio Koehenkilöiden pituus 75- ja 80-vuotiaana ID Pituus 75 Pituus

13 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Tulkintaa helpottavia kuvaajia Identiteettiviiva

14 KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Tulkintaa helpottavia kuvaajia Identiteettiviiva Regressiosuora

15 RIIPPUVUUS Antavatko muuttujan Xarvoihin liittyvät frekvenssit lisätietoa muuttujan Yarvojen frekvensseistä? Keskeisiä riippuvuuden ominaisuuksia ovat suunta ja voimakkuus

16 1. Luokitteluasteikolliset muuttujat Ovatko muuttujan Xjakaumat samanlaiset muuttujan Y eri luokissa (ehdolliset jakaumat)? Tunnuslukuja mm. χ 2 testisuure, kontingenssikerroin Muita: McNemarin testi, Fisherin nelikenttätesti

17 Esim. Tupakoinnin useus ja sukupuoli, kun muuttujien välillä ei ole ollenkaan riippuvuutta Päivittäin Silloin Ei koskaan Yhteensä tällöin Mies Nainen Yhteensä

18 Esim. Tupakoinnin useus ja sukupuoli, kun muuttujien välillä ei ole ollenkaan riippuvuutta Päivittäin Silloin Ei koskaan Yhteensä tällöin Mies 45 (31.7) 52 (36.6) 45 (31.7) 142 (100) Nainen 45 (31.7) 52 (36.6) 45 (31.7) 142 (100) Yhteensä Riviprosentit

19 Esim. Tupakoinnin useus ja sukupuoli, kun muuttujien välillä ei ole ollenkaan riippuvuutta Päivittäin Silloin Ei koskaan Yhteensä tällöin Mies 45 (50) 52 (50) 45 (50) 142 Nainen 45 (50) 52 (50) 45 (50) 142 Yhteensä 90 (100) 104 (100) 90 (100) 284 Sarakeprosentit Johtopäätös: tupakoinnin useuden jakauma on sama huolimatta siitä kumpaa sukupuolta tarkastellaan

20 Esim. Tupakoinnin useus ja sukupuoli, kun muuttujien välillä on riippuvuutta Päivittäin Silloin Ei koskaan Yhteensä tällöin Mies Nainen Yhteensä

21 Esim. Tupakoinnin useus ja sukupuoli, kun muuttujien välillä on riippuvuutta Päivittäin Silloin Ei koskaan Yhteensä tällöin Mies 59 (64.1) 5 (5.4) 28 (30.4) 92 Nainen 14 (7.3) 4 (2.1) 174 (90.6) 192 Yhteensä Johtopäätös: Tupakoinnin useuden ja sukupuolen välillä on riippuvuutta; miehillä painottuu päivittäinen tupakointi, kun taas naiset eivät tupakoi.

22 2. Jatkuvat muuttujat Jos muuttujan Xarvot lisääntyvät yksikön, liittyykö myös muuttujan Yarvoihin lisäystä tai vähentymistä? Lineaarinen riippuvuus Korrelaatiokertoimet (mm. Spearman ja Pearson) Muuttujat tulisi koodata niin, että suuret arvot tarkoittavat mitattavan ominaisuuden suurempaa esiintymistä tutkittavassa: Esim. terveydentila suuret arvot tarkoittavat parempaa terveyttä

23 3. Järjestysasteikolliset muuttujat Käsitys riippuvuudesta samankaltainen kuin jatkuvilla muuttujilla Varsinaisten havaintoarvojen sijasta käytetään järjestyslukuja

24 RIIPPUVUUDEN TUNNUSLUKUJA A. Luokitteluasteikko: χ 2 testisuure Mittaa kahden muuttujan välisen riippuvuuden voimakkuutta, mutta ei määritä sille suuntaa Mitä suuremman arvo suure saa, sitä enemmän muuttujien välillä on riippuvuutta Arvo vaihtelee teoreettisesti välillä [0, ] Perustuu ristiintaulukkoon

25 ESIMERKKI Onko tupakoinnin useus riippuvaista sukupuolesta? Usein (1) Harvoin (2) Ei tupakoi (3) Mies (1) Nainen (2) Yhteensä Tunnusluvun laskenta: 1) Määritetään odotetut frekvenssit. 2) Lasketaan testisuureen arvo. Merkintöjä (rivi ija sarake j) Rivisumma: f i (esim. f 1 = 91) Sarakesumma: f j (esim. f 2 = 42) Yhteensä

26 KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen empiirisen jakauman esittäminen Frekvenssijakauma Luokittelu Kuviot Tunnusluvut Kaksiulotteisen jakauman esittäminen ja riippuvuus Ristiintaulukko ja kuviot Riippuvuuden tunnusluvut Vähän todennäköisyydestä Otantajakauma Tilastollinen päätöksenteko Estimointi Hypoteesien testaus Perustestejä Keskiarvotestit, varianssianalyysit Riippuvuuden testit

27 RIIPPUVUUDEN TUNNUSLUKUJA A. LUOKITTELUASTEIKKO: Χ 2 TESTISUURE χ 2 testisuure mittaa kahden muuttujan välisen riippuvuuden voimakkuutta, mutta ei määritä sille suuntaa Mitä suuremman arvo suure saa, sitä enemmän muuttujien välillä on riippuvuutta Arvo vaihtelee teoreettisesti välillä [0, ] Perustuu ristiintaulukkoon Tunnusluvun laskenta: 1) Määritetään odotetut frekvenssit. 2) Lasketaan testisuureen arvo.

28 ESIMERKKI Onko tupakoinnin useus riippuvaista sukupuolesta? Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies (1) Nainen (2) Yhteensä Merkintöjä (rivi ija sarake j) Rivisumma: f i (esim. f 1 = 91) Sarakesumma: f j (esim. f 2 = 42)

29 ODOTETUT FREKVENSSIT Nimitetään ristiintaulukoksiesellaista, jossa ei ole ollenkaan riippuvuutta RistiintaulukonEmarginaalit ( Yhteensä ) ovat samat kuin havaitussa ristiintaulukossa; olkoon tämä jälkimmäinen F Ristiintaulukon E solufrekvenssit lasketaan e ij = f i f j / n

30 Χ 2 TESTISUURE Määrittää mikä on havaitun ristiintaulukon(f) etäisyys täydellisestä riippumattomuudesta (E), ts. F E. Lasketaan missä g on rivien ja h sarakkeiden lukumäärä (tässä esimerkissä g= 2 ja h= 3).

31 ESIMERKKI: ODOTETUT FREKVENSSIT Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies (1) Nainen (2) Yhteensä Mies, usein: / 284 = Mies, harvoin: / 284 = Mies, ei tupakoi: / 284 = Nainen, usein: / 284 = Nainen, harvoin: / 284 = Nainen, ei tupakoi: / 284 =

32 HAVAITUT JA ODOTETUT FREKVENSSIT F: E: Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies (1) Nainen (2) Yhteensä Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies (1) Nainen (2) Yhteensä

33 f ij e ij : Usein (1) Harvoin (2) Ei tupakoi (3) Mies (1) Nainen (2) (f ij e ij ) 2 /e ij : Usein (1) Harvoin (2) Ei tupakoi (3) Mies (1) Nainen (2) χ 2 = =

34 MERKITSEVYYS χ 2 -testisuure poikkeaa siis nollasta, joten riippuvuutta on muuttujien välillä Jos riippuvuus on tilastollisesti merkitsevää, voidaan sitä sanoa olevan myös perusjoukossa Tilastollinen testi suureelle osoittaa, että siihen liittyy pieni p-arvo (Asymp. Sig.), joten riippuvuus on tässä merkitsevää

35 Itse arvioidun terveydentilan ja sukupuolen välinen riippuvuustarkastelu. Jyväskyläläiset 75-vuotiaat miehet ja naiset vuonna Muuttujien välillä ei ole merkitsevää riippuvuutta. HUOM. Riviprosentit ovat lähes yhtä suuret.

36 Merkitsevä riippuvuus ulkona liikkumiskyvynja sukupuolenvälillä (p= 0.004). Naisilla ongelmat liikkumiskyvyssä (16.6 %) olivat yleisempiä kuin miehillä (7.8 %). Koska ristiintaulukko on 2 2 taulukko, usein raportoidaan Fisherin nelikenttätestin p-arvo.