”…most current practices in quantitative data analysis in sociology do a very poor job of integrating theory and research. There has been an enormous progress.

Præsentationer af emnet: "”…most current practices in quantitative data analysis in sociology do a very poor job of integrating theory and research. There has been an enormous progress."— Præsentationens transcript:

1 ”…most current practices in quantitative data analysis in sociology do a very poor job of integrating theory and research. There has been an enormous progress in what we can do with data … Nevertheless, quantitative sociology remains very theory poor. In fact, the mainstream has regressed rather than progressed. Quantitative sociology is now less theoretically informed and less relevant for theoretical progress than it was three decades ago” Aage B. Sørensen 1998, s. 238 Noget af det der er gået galt: -Tankeløs anvendelse af komplekse statistiske teknikker -Fokus på at forklare variation i den afhængige variabel og ikke på at forstå sammenhænge

2 Pct. that chooses freedom of speech as most important goal Specifikation af en sammenhæng

3 Lazarsfeld traditionen

4 Hvad kendetegner et godt redskab til analyse af samfundsvidenskabelige data? det skal kunne håndtere nominelle og ordinale data det skal kunne håndtere såvel kausale som symmetriske sammenhænge det skal være let at forstå (inspireret af Davis 1983)

5 Det skal kunne håndtere nominelle og ordinale data fordi det er næsten de eneste vi har i samfundsvidenskaberne Datatyper Nominelle: ingen mulighed for rangorden Fx regioner, stilling Ordinale: rangorden, men ingen information om afstand mellem kategorier Fx meget enig, enig, hverken eller uenig, meget uenig Interval: lige stor afstand mellem kategorier (ratio: interval med nulpunkt) Fx alder (men i tolkningen vil det ofte være ordinale data: fx livsfaser) Aritmetiske beregninger (gange, dividere) er uvenner med nominelle eller ordinale data

6 det skal kunne håndtere såvel kausale som symmetriske sammenhænge, for det er ofte svært at fastslå årsagssammenhæng i samfundsvidenskaberne Kausalitet og forklaring Meget sjældent eksperimenter, men teorier om sandsynligheder Y x symmetriske (tillid til politiet tillid til domstole) YxPartivalg højre-venstreorientering

7 det skal kunne håndtere nominelle og ordinale data det skal kunne håndtere såvel kausale som symmetriske sammenhænge det skal være let at forstå Alle tre kriterier er opfyldt med krydstabeller, men hvis man vil lave mere omfattende analyser (ud over tre-fire variable), bliver det uoverskueligt og derfor uforståeligt

8 DIGRAM program -En cykel med hjælpemotor Cyklen: (Durkheim), Lazarsfeld, Rosenberg, (Davis, Hellevik, Aneshensel … ) Hjælpemotoren: systematisering, estimationer og ikke faktiske tal, separationstesen, computerkraft Fordele Kategorielle, ordinale data Alle variabler inde i modellen fra start Symmetriske og asymmetriske relationer Mulighed for flere afhængige variable Visuelt Let at forstå, let at bruge??

9 Analyse Valg af variable Opstille en model (antagelser om sammenhænge) Symmetriske eller asymmetriske relationer Tre variable (valg af 3. variabel og dens placering) Fire og mange flere variable (følger samme principper) Før du gå i gang med den egentlige modelanalyse Deskriptive analyser af data En variabel: beskrive fordelinger To variable: sammenhænge

10 En variabel

11

12 Beskrivelse af variable Gennemsnit: tage bil 1,16; Sort arbejde: 3,80; Aktiv dødshjælp 6,81

13 To variable 1.symmetri: gensidig påvirkning. Den ene har ikke indflydelse på den anden 2.asymmetri: den ene påvirker den anden, men det omvendte er ikke tilfældet

14 Symmetriske relationer Typer 1.funktionel gensidig afhængighed (hvor der er trapper er der også elevatorer. Den ene er ikke årsag til den anden, men begge er funktionelle i høje huse) 2.Kausaliteten kan gå begge veje (børnetal og beskæftigelse) 3.I nogle tilfælde kan det måske være alternative indikatorer på samme begreb. Fx forskellige former for tro. I så fald muliggør det skalakonstruktion eller klassifikationer. 4.De to variable kan være dele af et kompleks. Fx folk der spiser stegt flæsk, lytter også til ABBA. Benyt fx korrespondanceanalyse. (men der kan også være en fælles årsag – kulturel kapital)

15 Symmetriske variable: procenter summerer til 100 Tror på et liv efter døden janej Tror på Gudja323062 nej53338 i alt3763100

16 (2) Kausaliteten går veje Børnetal/ Beskæftigelse FåMange Fuldtid Deltid Forklaringen går begge veje Fuld tid -> få børn Mange børn -> deltid Eksempel: børnetal og beskæftigelse for kvinder (Hypotetisk fordeling) (Davis eksempel: Desværre ser det ikke ud til at eksemplet holder empirisk i Danmark, 2008) Bedre eksempler?

17 Symmetriske relationer (3) alternative indikatorer på samme begreb Elementer i tro Pct af totalen Tror på et liv efter døden janej Tror på Gudja323062 nej53338 i alt3763100 Figur: kombinationer af de to variable y =,75; p= 0,000; n=1286

18 Symmetriske relationer (4) Et kompleks Læse romaner gå i teateret Romanlæsning Går i teateret ofte sjældent

19 Asymmetriske relationer Antagelse om kausalitet B kan påvirke A, men A kan ikke påvirke B A B Afhængig variabel (tro) Uafhængig variabel (køn)

20 Tabelopstilling: Den uafhængige variabel summeres til 100 pct. Y1Y2I alt X1100 pct X2100 pct. Tror på Gud Tror ikke på Gud I alt Mænd5644100 Kvinder7129100

21 Figurer: Den uafhængige variabel på x-aksen, den afhængige på y aksen

22 Antagelser om kausalitet Variable med klare start og stop punkter. I så fald: y<- x hvis y er startet efter x er stoppet. Fx kirkegang som voksen <- religiøs opdragelse. Sekvenser. y<- x hvis y følger efter x i en sekvens fx livscyklus holdninger til børns uddannelse <- holdninger til egen uddannelse; Fikserede, relativt stabile tilstande y<- x hvis x er mere fikseret end y (hvis x ikke forandrer sig, men y gør). A) helt fikseret Fx Holdning til abort <- køn B) ret stabilt fx kirkegang <- urbanisering; politiske holdninger <- religiøsitet (?) Frugtbare variable (variable der kan forklare mange ting) påvirker mere begrænsede variable. Fx holdning til abort <- religiøsitet. En ændring i x skal følges af en ændring i y (parforhold og lykke)

23 Tre variable Symmetriske klassifikation skala Asymmetriske Forklaringsformer

24

25 Pct.Kombination Gud Liv Paradis16+ + + Gud Liv – Paradis15+ + - Gud – Liv Paradis3+ - + Gud – Liv – Paradis27+ - - - Gud Liv Paradis0- + + - Gud – Liv Paradis0- - + - Gud Liv – Paradis5- + - - Gud – Liv - Paradis33- - - Kombinationer

26 Pct.Kombination - Gud – Liv - Paradis33- - - Gud – Liv – Paradis27+ - - Gud Liv Paradis16+ + + Gud Liv – Paradis15+ + - - Gud Liv – Paradis5- + - Gud – Liv Paradis3+ - + - Gud Liv Paradis0- + + - Gud – Liv Paradis0- - + Sorteret efter hyppighed

27 Pct.Kombination - Gud – Liv – Paradis33- - - Gud – Liv – Paradis27+ - - Gud Liv – Paradis15+ + - Gud Liv Paradis16+ + + De fire hyppigste sorteret efter kombination

28 Paradis +Paradis - Gud +Liv +1615 Gud +Liv -327 Gud -Liv +05 Gud -Liv -033 Klassifikation: nominelle kategorier /egenskabsrum

29 Paradis +Paradis - Gud +Liv +1615 Gud +Liv -327 Gud -Liv +05 Gud -Liv -033 Tro på paradis er vigtig for at skelne mellem troende og ikke troende

30 Paradis +Paradis - Gud +Liv +16 Kristne 15 Blandings religion? Gud +Liv -3 meningsløs 27 Spirituelle? Gud -Liv +0 meningsløs 5 Meningsløs? Gud -Liv -0 meningsløs 33 Ikke troende

31 Peger i retning af at sammenslå de to midterste kategorier

32 Latent variabel Skala for kristentro? Antal ja-svar Pct.KombinationSkala - Gud – Liv - Paradis33- - -Ikke kristen Gud – Liv – Paradis27+ - -Lidt kristen Gud Liv – Paradis15+ + -Noget kristen Gud Liv Paradis16+ + +Meget kristen Andre kombinationer9Andet eller tælle antal +’er

33 Konstruktion: spørgsmålsbatteriet Analyse en latent variabel Symmetriske. En latent variabel

34

35 Asymmetriske relationer Fasthold den centrale (primære) sammenhæng /forskningsspørgsmålet Fastlæg rækkefølge mellem variablene

36 Afhængig variabel primær uafhængig variabel Tredje variabel y x z

37 Afhængig variabel primær uafhængig variabel Tredje variabel y x z Valg af 3. variabel Teori Mindst en korrelation Placering i forhold til rekursiv struktur

38 1) Mellemkommende variabel y z x y x z 2) Falsk korrelation Sammenhængen specificeres Den oprindelige sammenhæng forsvinder / mindskes De to almindeligste

39 Mellemkommende variabel y z x y x z Falsk korrelation Sammenhængen specificeres Den oprindelige sammenhæng forsvinder / mindskes Rekursiv struktur skal fastlægges

40 1) Mellemkommende variabel y z x Sammenhængen specificeres (z) Ytringsfrihedpolitisk holdningår (1999,2008) -.15 Opposition går mere ind for ytringsfrihed (0,03) Ingen ændring Marginale sammenhænge Flere går ind for ytringsfrihed Teori: Zaller: ændring påvirkes af generelle holdninger Placering: holdning efter år

41 Kun sammenhæng for regeringstro Stratificeres efter den variabel der specificerer sammenhængen Tilslutning til ytringsfrihed vokser stærkt for de regeringstro, men den ændrer sig ikke for oppositionen. Tolkning: Framing af spørgsmålet om ytringsfrihed

42 Som figur (den primære relation opdelt på den mellemkommende variabel)

43 2) Falsk korrelation Tro på liv efter døden Sus-uddannelse 0.23 Den primære sammenhæng: teori: Heelas/woodhead

44 2) Falsk korrelation Introduktion af 3. variabel får sammenhængen til at forsvinde 3. variabel skal være årsag til (kunne forklare, komme før i den rekursive struktur) til begge de to andre variable + være teoretisk relevant, her kønsteori. Tro på liv efter døden Sus-uddannelse 0.23 Den primære sammenhæng køn 0.38 0,72 Kvinder vælger sus-uddannelser, kvinder er mere religiøse; sammenhængen mellem sus og tro forsvinder, når man kontrollerer for køn (den primære sammenhæng gøres betinget af en 3. variabel)

45 Marginalt Gamma: 0.23, p= 0,001 Falsk korrelation??

46 Eksemplet i Svends bog (12.2) BoligkvalitetArbejde Kohorteår Kohorteår medfører at den oprindelige sammenhæng mellem boligkvalitet og arbejde forsvinder

47 Afhængig variabel y Uafhængig variabel x1 Uafhængig variabel x2 c) To primære sammenhænge, ingen sammenhæng mellem de uafhængige variable. Forklare variationen i y

48 Afhængig variabel y gudstro Uafhængig variabel x1 urbanisering Uafhængig variabel x2 køn c) To primære sammenhænge, ingen sammenhæng mellem de uafhængige variable. Forklare variationen i y -.23 -.31

49 MændKvinder Center4854 Midt imellem6077 Periferi5979 Pct. der siger at de tror på Gud fordelt på køn og urbanisering. 2008.

50 Afhængig variabel y1 Uafhængig variabel x d) To primære sammenhænge, afhængige variable på samme niveau. Forklare sammenhængen mellem y1 og y2 Afhængig variabel y2

51 Hvor vigtigt er arbejde køn d) To primære sammenhænge, afhængige variable på samme niveau. Forklare sammenhængen mellem y1 og y2 Hvor vigtigt er familie Gamma mænd = 0.29 Gamma kvinder = 0.53 0,15 -0,47

52 Lige mange kvinder og mænd synes at både arbejde og familie er meget vigtigt Flere kvinder end mænd synes at arbejdet er ret vigtigt og familien er meget vigtig etc.

53 Digram: mange kombinationer af variable

54 Den primære relation, sammenhængen specificeres

55 Specificerer sammenhængen

56 Medvirker til at forklare variationen i speech

57 Partivalg bidrager ikke til forklaringerne

58 v270_2 immi dikotomiseret v204_2 freedom dikotom Total 1,00 freedom of speech2,00 other Positive1999,0029,6%70,4%100,0% 2008,0029,8%70,2%100,0% 29,8%70,2%100,0% negative1999,0019,2%80,8%100,0% 2008,0025,8%74,2%100,0% 22,9%77,1%100,0% Ingen ændring Mere ytringsfrihed Specifikation af den primære relation