OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3

Koko: px

Aloita esitys sivulta:

Download "OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3"

Erkki Korhonen
8 vuotta sitten
Katselukertoja:

1 OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3

2 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset - tutkimushypoteesi(t) 3. Otos - valinta ja perustelut 4. Tutkimusmenetelmät ja prosessi - tutkimusprosessi ja aikataulu - tiedonkeruumenetelmät (esim. lomake, haastattelurunko) - Analyysimenetelmät 5. Pohdinta

3 Luento 3 SPSS-perehdytystä + SPSS-Jukebox Käytetyimmät tilastolliset menetelmät käyttäjäkokemuksen tutkimuksessa: T-testit Varianssianalyysi Menetelmien käyttö SPSS-ohjelmassa

4 SPSS:ää Uuden matriisin luominen Esimerkki valmiin kvanttilomakkeen avulla Tallentaminen matriisin tiedostomuoto:.sav tulosteen (output) tiedostomuoto:.spo

5 T-testit Yksinkertaisimpia jakauman sijainnin tarkasteluun käytettäviä tilastollisia testejä (keskiarvojen vertailu) Edellyttää: Normaalijakauma (suurinpiirtein) Vähintään välimatka-asteikollinen data Vähintään 20 havaintoa jokaisessa verrattavassa ryhmässä Henkilö voi kuulua vain toiseen ryhmään T-testi ottaa huomioon hajonnan X1 X2

(suurinpiirtein) Vähintään välimatka-asteikollinen data Vähintään 20 havaintoa

6 Tutkimusesimerkkejä Eroavatko miehet ja naiset toisistaan suoriutumisessa? Onko kahden laitteen/palvelun käytön miellyttävyydessä eroa? Parantaako kouluttaminen suoriutumista (onko suor. parempaa kurssin jälkeen)?

7 Eri t-testit Riippumattomien otosten t-testi (independent samples t-test) Kun verrataan kahta eri ryhmää (miehet/naiset) Huom! Vain 2! Toistettujen mittausten t-testi (paired samples t-test) Kun verrataan samojen henkilöiden eri kerroilla tehtyjä mittauksia (ennen/jälkeen) Yhden otoksen t-testi Otoksen keskiarvoa verrataan johonkin valinnaiseen lukuun (tyypillisesti populaation tiedetty keskiarvo, esim. ÄO)

Toistettujen mittausten t-testi (paired samples t-test) Kun verrataan samojen henkilöiden eri

8 Riippumaton t-testi / SPSS Analyze compare means independent samples Testattava muuttuja jota arvioidaan (test variable) Ryhmittelevä muuttuja (grouping variable) määritellään sille kaksi arvoa tai leikkauspiste

arvioidaan (test variable) Ryhmittelevä muuttuja

9 1 2 Levenen testi arvioi jakaumien samankaltaisuuden (varianssin). Jos Sig.>.05, jatketaan analyysia samalla rivillä (equal variances assumed). JOS VARIANSSI ERI SUURET, EI PITÄISI KÄYTTÄÄ T-TESTIÄ! JOSKUS KUITENKIN TÄYTYY, TÄLLÖIN TOINEN RIVI: EQUAL VARIANCES NOT ASSUMED Keskiarvojen erojen tilastollinen merkitsevyys (Sig) P<.05 tilastollisesti melkein merkitsevä * P<.01 tilastollisesti merkitsevä ** P<.001 tilastollisesti erittäin merkitsevä *** Tulos?

JOS VARIANSSI ERI SUURET, EI PITÄISI KÄYTTÄÄ T-TESTIÄ!

10 Toistettujen mittausten t-testi (tai: toisistaan riippuvien mittausten) Valitaan vertailtavat muuttujat pareittain

11 Jakauman normaalisuus (palataan aiheeseen luennolla 5) Jos on epäselvyyttä jakauman normaalisuusehdon toteutumisesta, voi/pitää suorittaa testin: 1-sample Kolmogorov-Smirnov Two-Independent-Samples tests Analyze Nonparametric test 1-sample K-S / 2 independent samples

suorittaa testin: 1-sample Kolmogorov-Smirnov

12 Esim. K-S-testistä Ikäjakaumat sukupuolen mukaan Tässä p-arvon pitää YLITTÄÄ.05 jotta 0-hypoteesi toteutuu (ei eroja) On siis huono, jos arvo jää alle.05. Johtopäätös on, että jakaumat eivät sovellu testeihin sellaisinaan. Niitä pitää muuntaa matemaattisen kaavan mukaan (muuttujamuunnoksista luennolla 5).

Niitä pitää muuntaa matemaattisen kaavan mukaan (muuttujamuunnoksista

13 Varianssianalyysi (1-suuntainen) ANOVA 1-suuntainen varianssianalyysi on käytetyimpiä tilastomenetelmiä käyttäytymistieteissä. Melko yksinkertainen mutta silti voimakas menetelmä tilastollisen yhteyden tai riippumattomuuden tarkastelemiseen Samanlainen testi kuin t-testi, mutta sellaiselle riippumattomalle muuttujalle, jossa useampi kuin 2 luokkaa. Esim. Kuinka peruskoulutus (peruskoulu, keskiaste, amk, yliopisto) vaikuttaa suoriutumiseen?

Melko yksinkertainen mutta silti voimakas menetelmä tilastollisen yhteyden tai riippumattomuuden

14 Eri ryhmien vertailu Kokeellinen asetelma

15 Varianssianalyysin edellytykset Riippumaton muuttuja on mitattu laatuasteikolla ja riippuva muuttuja vähintään välimatka-asteikolla Otos peräisin normaalisti jakautuneesta populaatiosta Populaatiovarianssit yhtä suuria Jokaisen vertailtavan ryhmän koko on suurempi kuin 20 Vertailtavat ryhmät ovat samansuuruisia (pienet poikkeamat eivät kuitenkaan yleensä aiheuta kohtalokasta virhettä)

Populaatiovarianssit yhtä suuria Jokaisen vertailtavan ryhmän koko on suurempi kuin 20

16 Varianssianalyysi SPSS:ssä Analyze - Compare means - 1-way ANOVA Dependent list: riippuvat muuttujat, joita arvioidaan Factor: riippumaton muuttuja, joka selittää

17 Anova-tulosteet Test of Homogeneity of Variances x190_f: On tärkeää että matkapuhelin sopii muuhun tyyliin (erit. vaatetukseen)? x190_a: Mitä mieltä m-puhelimen käyttöön liitt. väitteistä: haluan käyttää uusimpia m-puh.malleja? Levene Statistic df1 df2 Sig. 1, ,126 2, ,048 Varianssin homogeenisuus-testi (saako varianssianalyysia käyttää?) ANOVA x190_f: On tärkeää että matkapuhelin sopii muuhun tyyliin (erit. vaatetukseen)? x190_a: Mitä mieltä m-puhelimen käyttöön liitt. väitteistä: haluan käyttää uusimpia m-puh.malleja? Between Groups Within Groups Total Between Groups Within Groups Total Sum of Squares df Mean Square F Sig. 11, ,843 2,096, , , , , ,606 6,040, , , , Erojen merkitsevyys Kutittaa saada tietää, keiden välillä erot syntyvät!!

) ANOVA x190_f: On tärkeää että matkapuhelin sopii muuhun tyyliin (erit. vaatetukseen)? x190_a: Mitä mieltä m-puhelimen käyttöön liitt. väitteistä: haluan käyttää uusimpia m-puh.malleja?

18 Multiple Comparisons Dependent Variable: x190_a: Mitä mieltä m-puhelimen käyttöön liitt. väitteistä: haluan käyttää uusimpia m-puh. malleja? LSD Post Hoc Etsitään taulukosta merkitsevät erot LSD heikko (älä käytä), suositeltavimpia Bonferroni, Tukey, ovat tilastomatemaattisesti parempia Tulkitaan erot sanallisesti: post hoc vertailussa todettiin, että ikäryhmät eroavat suhtautumisessa suuresti toisistaan; varsinkin nuorin ikäluokka erosi kaikista muista ja vähintään 50 täyttäneet itseään nuoremmista. (I) x3_5b: Ikä kymmenvuosittain v v v v v v v. (J) x3_5b: Ikä kymmenvuosittain v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v v. *. The mean difference is significant at the.05 level. Mean Difference 95% Confidence Interval (I-J) Std. Error Sig. Lower Bound Upper Bound,118,177,505 -,23,47,397*,173,023,06,74,421*,166,012,09,75,579*,170,001,25,91,832*,191,000,46 1,21,937*,244,000,46 1,42 -,118,177,505 -,47,23,279,149,062 -,01,57,303*,141,032,03,58,461*,145,002,18,75,715*,169,000,38 1,05,819*,228,000,37 1,27 -,397*,173,023 -,74 -,06 -,279,149,062 -,57,01,024,136,859 -,24,29,182,140,194 -,09,46,436*,166,009,11,76,540*,225,017,10,98 -,421*,166,012 -,75 -,09 -,303*,141,032 -,58 -,03 -,024,136,859 -,29,24,158,131,229 -,10,42,412*,158,010,10,72,516*,219,019,08,95 -,579*,170,001 -,91 -,25 -,461*,145,002 -,75 -,18 -,182,140,194 -,46,09 -,158,131,229 -,42,10,254,162,118 -,06,57,358,222,108 -,08,79 -,832*,191,000-1,21 -,46 -,715*,169,000-1,05 -,38 -,436*,166,009 -,76 -,11 -,412*,158,010 -,72 -,10 -,254,162,118 -,57,06,104,239,663 -,37,57 -,937*,244,000-1,42 -,46 -,819*,228,000-1,27 -,37 -,540*,225,017 -,98 -,10 -,516*,219,019 -,95 -,08 -,358,222,108 -,79,08 -,104,239,663 -,57,37

todettiin, että ikäryhmät eroavat suhtautumisessa suuresti toisistaan; varsinkin nuorin ikäluokka erosi kaikista muista ja vähintään 50 täyttäneet itseään nuoremmista.

19 Tiivistetty kuvio (Excel) * Tilastollisesti melkein merkitsevä * Tilastollisesti merkitsevä * Tilastollisesti erittäin merkitsevä

Samankaltaiset tiedostot

Perusnäkymä yksisuuntaiseen ANOVAaan

Perusnäkymä yksisuuntaiseen ANOVAaan Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja