Kvantitatiiviset menetelmät

Samankaltaiset tiedostot
pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489

Otantajakauman käyttö päättelyssä

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Sisältö. Kvantitatiivinen metodologia verkossa. Monitasomallintaminen. Monitasomallit. Regressiomalli dummy-muuttujilla.

Kvantitatiiviset menetelmät

SELITETTÄVÄ MUUTTUJA SELITTÄVÄ MUUTTUJA. Välimatka- tai suhdelukuasteikko. Laatuero- tai järjestysasteikko. Laatuero- tai järjestysasteikko

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Tilastolliset menetelmät: Tilastolliset testit

Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot

n = 100 x = %:n luottamusväli µ:lle Vastaus:

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.

ARVIOINTIPERIAATTEET

Osa 2: Otokset, otosjakaumat ja estimointi

Mat Tilastollisen analyysin perusteet, kevät 2007

TILASTOLLINEN LAADUNVALVONTA

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu

TILASTOT: johdantoa ja käsitteitä

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

5. Väliestimoi tehtävän 3 tilanteessa tulppien keskimääräinen kestoa.

r = n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

4.3 Signaalin autokorrelaatio

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Otoskoko 107 kpl. a) 27 b) 2654

Väliestimointi (jatkoa) Heliövaara 1

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

Testejä suhdeasteikollisille muuttujille

Tunnuslukuja 27 III TUNNUSLUKUJA

ABHELSINKI UNIVERSITY OF TECHNOLOGY

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Tutkimuksen suunnittelu / tilastolliset menetelmät. Marja-Leena Hannila Itä-Suomen yliopisto / Terveystieteiden tdk

Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Mat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Tilastollinen riippuvuus ja korrelaatio

Sovellettu todennäköisyyslaskenta B

Harjoitus 7: NCSS - Tilastollinen analyysi

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

Harjoitukset 1 : Tilastokertaus

Mat Tilastollisen analyysin perusteet, kevät 2007

Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)

8. laskuharjoituskierros, vko 11, ratkaisut

Johdatus tilastotieteeseen Yhden selittäjän lineaarinen regressiomalli. TKK (c) Ilkka Mellin (2005) 1

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:

Testit järjestysasteikollisille muuttujille

Sormenjälkimenetelmät

Kuluttajahintaindeksi (KHI) Kuluttajahintaindeksi (KHI) Kysymys Miten mitata rahan arvon muutoksia?

Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?

Estimointi. Luottamusvälin laskeminen keskiarvolle α/2 α/2 0.1

Sovellettu todennäköisyyslaskenta B

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit

Tilastolliset menetelmät: Tilastolliset testit

Induktio kaavan pituuden suhteen

Hypoteesin testaus Alkeet

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

Johdatus tilastotieteeseen Tilastollinen riippuvuus ja korrelaatio. TKK (c) Ilkka Mellin (2004) 1

Mat Sovellettu todennäköisyyslasku A

Tilastotieteen jatkokurssi syksy 2003 Välikoe

Kvantitatiiviset tutkimusmenetelmät maantieteessä

Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

2-suuntainen vaihtoehtoinen hypoteesi

****************************************************************** ****************************************************************** 7 Esim.

Tilastollisia peruskäsitteitä ja Monte Carlo

Kvantitatiiviset menetelmät

Työ 55, Säteilysuojelu

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

dx=5&uilang=fi&lang=fi&lvv=2014

5 Lisa materiaali. 5.1 Ristiintaulukointi

Estimointi. Otantajakauma

Otoskoon arviointi. Tero Vahlberg

Tilastollinen todennäköisyys

Osa 2: Otokset, otosjakaumat ja estimointi

Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

voidaan hylätä, pienempi vai suurempi kuin 1 %?

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

Yhden selittäjän lineaarinen regressiomalli

HAVAITUT JA ODOTETUT FREKVENSSIT

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

10. laskuharjoituskierros, vko 14, ratkaisut

Keskivirheen käytännön ajatus kolmessa sovellustilanteessa:

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto

2-suuntainen vaihtoehtoinen hypoteesi

031021P Tilastomatematiikka (5 op) viikko 5

Tilastollisten aineistojen kuvaaminen. Tilastollisten aineistojen kuvaaminen. Tilastollisten aineistojen kuvaaminen: Mitä opimme?

Matematiikan tukikurssi

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.

Sovellettu todennäköisyyslaskenta B

Transkriptio:

Kvatitatiiviset meetelmät Pieryhmii ilmoittautumie alkaa ke 2.2. klo 9.00 Ryhmä 1: Jussi Kiue: Esimmäie kokootumie to 24.2. klo 14-16, paikka?? SPSS-harjoitukset: ti 29.3. klo 11-13 ja to 7.4. klo 15-19 Ryhmä 2: Mikko Mattila Esimmäie kokootumie to 24.1 klo 10-12, U40 sali 13 SPSS-harjoitukset ma 14.3. klo 16-19 ja to 17.3. 15-18 Ryhmä 3: Mia Tiili Esimmäie kokootumie to 24.2. klo 10-12, päärak. sl 16 SPSS-harjoitukset ke 30.3. klo 16-19 ja to 31.3. klo 9-12 Ryhmä 4: Haa Wass Esimmäie kokootumie pe 25.2. klo 10-12, U37 sh 1 SPSS-harjoitukset 17.3. klo 9-12 ja pe 18.3. 9-12 Perusjoukko ja otos Havaitoyksikkö o empiirise mittaukse kohde Perusjoukko o kaikkie havaitoyksiköide muodostama kokoaisuus Otos o perusjoukkoa pieempi havaitoyksikköjoukko, joho mittaus kohdistetaa Mikko Mattila 2005 1 Mikko Mattila 2005 2 Otos ja äyte Otos o havaitoyksikköje joukko, joho kaikilla havaitoyksiköillä o tiedossa oleva ollaa suurempi todeäköisyys tulla valituksi Edustava otos kuvaa mahdollisimma hyvi perusjouko omiaisuuksia Näyte o havaitoyksikköje joukko, joka valitsemisee ei käytetä satuaisuutta Näyttee edustavuudesta ei ole mitää takeita Mikko Mattila 2005 3 Tilastollie päättely Kuvaileva tilastoaalyysi tiivistää iformaatiota muuttujie omiaisuuksista ja iide välisistä suhteista Ei ole tarkoitus tehdä yleistyksiä perusjoukosta Tilastollise päättely avulla voidaa tehdä johtopäätöksiä perusjoukosta Kuika hyvi otokse avulla mitatut tulokset voidaa yleistää koko perusjoukkoa koskeviksi tuloksiksi? Mikko Mattila 2005 4 Luottamusväli ja -taso Luottamusväli kertoo mille välille perusjouko tuusluvu arvo sijoittuu tietyllä todeäköisyydellä Esim. 95% todeäköisyydellä suomalaiste Nato-kaatus sijoittuu 40-50% välille Luottamusväli ja -taso Luottamustaso kertoo, millä todeäköisyydellä perusjoukkoa kuvaava tuusluku o tietyllä luottamusvälillä Edellisessä esimerkissä 95% o luottamustaso Luottamusväli tietämiseksi täytyy tietää luottamustaso ja päivastoi Mitä korkeampi luottamustaso, sitä pidempi luottamusväli ja päivastoi Mikko Mattila 2005 5 Mikko Mattila 2005 6 1

Otatajakauma Luottamusväli laskemiseksi tarvitaa tietoa otatajakaumasta Otatajakauma o tuusluvu jakauma, joka saadaa ottamalla kaikki määräty kokoise otokset perusjoukosta Esim. otetaa kaikki mahdolliset 1000 hege otokset suomalaisista ja lasketaa Nato-kaattajie osuus jokaisesta otoksesta Tuusluku voi olla osuus, keskiarvo, keskihajota, korrelaatiokerroi, regressiokerroi je. Keskivirhe Otatajakauma omiaisuudet voidaa määritellä laskeallisesti tilastotietee meetelmi Luottamusväli laskemiseksi tarvitaa tieto tuusluvu keskivirheestä Tuusluvu keskivirhe kuvaa se otatajakauma hajotaa Mikko Mattila 2005 7 Mikko Mattila 2005 8 Keskivirhee laskemie Keskivirhee laskemie Jos kyse o osuudesta (esim. kuika mota prosettia suomalaisista kaattaa Natojäseyyttä), se saadaa kaavasta: S=keskivirhe, p=kaattajie prosettiosuus, q=vastustajie prosettiosuus, =otoskoko. S = pq Mikko Mattila 2005 9 Jos kyse o keskiarvosta (esim. mikä o suomaiste keskipalkka) saadaa keskivirhe kaavasta: Kaavassa S=keskivirhe, s=muuttuja keskihajota otoksessa, =otoskoko S = s Mikko Mattila 2005 10 Luottamusväli laskemie 95% luottamusväli lasketaa kaavasta: otoskeskiarvo ± 1,96 * keskivirhe Esim. otoksessa 45% kaattaa Natoa ja keskivirhe o 1,57 Silloi Nato-kaatus o välillä 45% ± 1,96*1,57 eli 41,9%-48,1% Jos halutaa 99% luottamusväli, käytetää kertoimea 2,58 ISSP 2000 / esimerkki q32: Oletteko jäseeä jossaki ryhmässä, joka tärkeimpää tavoitteea o luoo- ja ympäristösuojelu? q33: Oletteko viimeksi kuluee vuode aikaa a) Allekirjoittaeet joki ympäristösuojelua koskeee adressi tai vastaava? b) Lahjoittaut rahaa jolleki ympäristösuojelujärjestölle tai ryhmälle? c) Ottaut osaa mieleosoituksee tai marssii joku ympäristöasia vuoksi? Mikko Mattila 2005 11 Mikko Mattila 2005 12 2

ISSP 2000 / esimerkki ISSP 2000 / esimerkki Kyllä Ei N Jäseyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mieleosoitus 1,1% 98.9 % 1489 Jäseyys 5,4% 4.3-6.5 3.9-6.9 Adressi 21,6% 19.5-23.7 18.9-24.3 Lahjoitus 23,7% 21.5-25.9 20.9-26.5 Mieleosoitus 1,1% 0.6-1.6 0.4-1.8 Mikko Mattila 2005 13 Mikko Mattila 2005 14 MAA Suomi Espaja I political matters people talk of the left ad the right. How would you place your views o this scale? LEFT 1 2 3 4 5 6 7 8 9 10 RIGHT KESKIARVO 5,58 4,60 N 862 795 KESKIHAJON TA 1,91 2,03 Lasketaa Suomalaiste vastaajie 95% luottamusväli: S s = = 1,91 = 0,065 862 5,58 1,96 * 0,065 = 5,45 Taska 5,44 954 1,94 5,58 + 1,96 * 0,065 = 5,71 Mikko Mattila 2005 15 Mikko Mattila 2005 16 Otokse ja perusjouko koko MAA Suomi Espaja Taska 95%: luottamusväli 5,45 5,71 4,46 4,74 5,32 5,56 Otoskoo kasvaessa luottamusväli pieeee eli pystytää tekemää tarkempia arvioita perusjoukosta Luottamusväli puolittamiseksi otoskoko täytyy elikertaistaa Perusjouko koko ei vaikuta tilastolliste yleistyste tarkkuutee Samaa otoskokoa voidaa käyttää väestömäärältää eri kokoisissa maissa Mikko Mattila 2005 17 Mikko Mattila 2005 18 3

Otoskoo vaikutus Esimerkissä o laskettu eri otoskokoje vaikutus keskivirheesee ja luottamusvälii. Oletuksea o, että 50% vastaajista o vastaut kyllä kysymyksee. Otoskoko 50 100 200 500 1000 2000 10000 Keskivirhe 7.1 5.0 3.5 2.2 1.6 1.1 0.5 95%: luottamusväli 36 64 40 60 43 57 46 54 47 53 48 52 49 51 Mikko Mattila 2005 19 Hypoteesie tilastollie testaus Hypoteesie testaukse perusperiaatteide ymmärtämie tärkeää, koska kaikki moimuuttujameetelmät sisältävät automaattisesti tilastollisia testejä ristiitaulukko χ2-testi regressioaalyysi t-testi, F-testi variassiaalyysi F-testi je. Mikko Mattila 2005 20 Hypoteesie tilastollie testaus Hypoteesie tilastollie testaus Huom. tutkimushypoteesi ja tilastollise hypoteesi ero Tutkimushypoteesi: paremmi koulutetut hekilöt osallistuvat poliittisesti eemmä kui vähemmi koulutusta saaeet Em. hypoteesia voidaa operatioalisoida, mitata ja tutkia moella eri tavalla Tilastollie hypoteesi liittyy aia joki muuttuja jakaumaa tai muuttujie välistä yhteyttä kuvaavaa tuuslukuu Mikko Mattila 2005 21 Hypoteesie testaukse viisi vaihetta: 1) hypoteesie valita 2) tilastollise testi valita 3) merkitsevyystaso valita 4) testi suorittamie 5) päätökse tekemie Kyseessä hypoteesi testaukse oppikirjamalli, todellisuudessa ämä vaiheet ovat tutkija päässä, eikä iitä muuta kui poikkeustapauksissa kirjata esim. tutkimusraporttii Mikko Mattila 2005 22 Hypoteesie valita Tilastollise testi valita Nollahypoteesi H 0 Teoriasta johdetu oletukse vastaie hypoteesi Esim. mieste ja aiste keskipalkka o sama Vastahypoteesi H 1 Mieste ja aiste keskipalka ovat erisuuret (kaksisuutaie testaus) Naiste keskipalkka o mieste keskipalkkaa pieempi (yksisuutaie testaus) Riippuu hypoteesi sisällöstä Erilaisia testejä o kymmeiä Moee määrällisee meetelmää sisältyy automaattisesti testit esim. Pearsoi korrelaatiokertoime yhteydessä testataa, eroaako ko. kerroi tilastollisesti merkitsevästi ollasta Mikko Mattila 2005 23 Mikko Mattila 2005 24 4

Merkitsevyystaso valita Kutsutaa myös riskitasoksi Määrittää todeäköisyyde sille, että ollahypoteesi hylätää, vaikka se o tosi Yleesä käytetää 5%, 1% ja 0,1% tasoja Em. tasot aioastaa sopimuksevaraisia Testi suorittamie Käytäössä aia tilasto-ohjelmisto avulla Tuloksea p-arvo, joka määrittää virhee todeäköisyyde, jos ollahypoteesi hylätää Mikko Mattila 2005 25 Mikko Mattila 2005 26 Päätökse tekemie Jos p-arvo alle valitu merkitsevyystaso ollahypoteesi hylätää Tällöi puhutaa tilastollisesti merkitsevästä tuloksesta (ei merkittävästä ) Merkitää taulukoihi usei tähdillä: * (p<0,05),** (p<0,01), ***(p<0,001) Sisällöllie tulkita tärkeä! p-fetisismi vaara Päätökse tekemie Päätöstä tehtäessä o mahdollisuus kahtee virheesee: Jos ollahypoteesi hylätää, vaikka se o tosi hylkäämisvirhe (egl. type I error) Jos ollahypoteesi hyväksytää, vaikka se o epätosi hyväksymisvirhe (type II error) Hyväksymis- ja hylkäämisvirheide todeäköisyydet toisistaa riippuvaisia jos hylkäämisvirheelle asetetaa vaativa raja (esim 0,1%), kasvaa hyväksymisvirhee todeäköisyys ja päivastoi Mikko Mattila 2005 27 Mikko Mattila 2005 28 Hypoteesie testaukse kritiikki Tekie: ovatko otokset todella satuaisotoksia? Tieteefilosofie: ollahypoteesi useimmite triviaali Käytäöllie: testit tehdää vääri tai iide ritualistie käyttö Pragmaattie vastakritiikki: testauksessa ogelmia, mutta siitä huolimatta parempi käyttää iitä, kui luopua kokoaa tilastollise merkitsevyyde arvioiista. Mikko Mattila 2005 29 Aieistoa koko perusjoukko? Oko tilastollisessa testauksessa mieltä, jos aieistoa o koko perusjoukko? Asia o joki verra kiistaalaie, mutta valtavirra mielipide o, että testaamie o hyödyllistä myös tässä tapauksessa Esim. tutkitaa Helsigi yliopisto professoreide tieteellistä tuottavuutta ja havaitaa ero alemmista sosiaaliluokista ja korkeimmista sosiaaliluokista tulleide välillä Vaikka kyseessä ei ole otos, voi erot kuiteki johtua satuaisista tekijöistä, koska jos kaikki proffat jaettaisii satuaisesti kahtee ryhmää, myös äide ryhmie välillä olisi todeäköisesti pieiä eroja tilastollie testi kertoo, oko ero ii suuri, että o epätodeäköistä, että yhtä suuri ero saataisii jakamalla perusjoukko satuaisesti ryhmii Mikko Mattila 2005 30 5