Mikä kvanttimenetelmä jos

Kiitos vinkeistäsi. Olen ajatellut kenties käyttää just tuota multinominaalista regressioanalyysia. Mitä tarkotat tolla, että testillä menettää järjestysominaisuuden informaation? Siis sitä, että joudun luokittelemaan selitettävän muuttujan? Aluksi siis muodostin tyytyväisyyden summamuuttujan, jonka sit koodasin kolmeen, vähän, hyvin ja erinomaisen tyytyväisiin. Eli järjestysinformaatio kai säilyy vaikka tavallaan luokittelen?

Selitettävänä muuttujana on asiakkaat, joiden tyytyväisyyttä tutkiskelen. Tarkoitetuksena etsiä siis yhteyksiä/ selittää, mitkä tekijät vaikuttaa/on yhteydessä tuohon tyytyväisyyteen. Selittävät muuttujat ovat pääasiassa nominaalisia eli sukupuoli, asiakkuustyyppi ja sit ikä ja pari likert-asteikollista muuttujaa esim luottamus. Eli yritän tutkia esim. onko luottamuksella ja tyytyväisyydellä yhteyttä.

No, tuolla järjestysinformaatiolla tarkoitan sitä, että vaikka multinomiaalinen logistinen regressio sopiikin järjestettyjen Likert-luokkien mallintamiseen, niin se antaa silloin tismalleen samat tulokset kuin selaisessa tapauksessa, jossa luokilla ei ole järjestystulkintaa. Esimerkiksi, jos luokittelu on syntynyt, niin että tilastoyksikön täytyy "selvitä" luokissa ylöspäin, niin että pääsy tasolle 4 vaatii jonkinlaista prosessia, jossa on noustu hierarkiassa ylöspäin luokka luokalta, niin silloin tuossa rakenteessa voisi olla jotain informaatiota. Kun kyse on kuitenkin asiakastyytyväisyydestä, niin tuontyyppistä prosessia ei varmaankaan ole taustalla. Multinomiaalinen logistinen regressio luultavasti on oikein hyvä menetelmä

Mutta mikä ihme oli tuo summamuuttuja? Oletko summaamassa Likert-muuttujia yhteen? Jos summattavia Likertejä on yhtään useampia, kuten 5-6, niin harvoin kannattaa saatua summaa diskretisoida, tuota voisi käyttää joihan jatkuvana muuttujana. Epälineaarisuuksia voi hallita esim. mainituilla logaritmimuunnoksilla, jatkuvien selittäjien toisen asteen termien mukaan ottamisella, spline-regressiolla... Vasteen ja/tai virhetermien normaalisuus ei ole millään tavalla välttämätöntä. Jos se ei päde, niin sitten vain mallinnat sitä jollain toisella jakaumalla, kuten vinonormaalijakaumalla.

Olen siis muuttanut/muuttamassa summamuuttujaksi datan neljästä Likert-kysymyksestä, jotka siis mittaa tyytyväisyyden eri komponentteja eli kyllä, olen summaamassa Likert-muuttujia yhteen. Ymmärtääkseni ei siinä mitään prosessia "ylöspäin". Hahmotin tuon järjestyksen tavallaan säilyvän ikään kuin sen kautta, että myös summamuuttujassa järjestys heikko-hyvä-erinomainen jakojen perusteella, vähän sen tapaisesti kuin alkuperäisessä kyselyssä. Sen lisäksi varmaan teen vielä pari summamuuttujaa kyselun muista teemoista. Mulla on ollut ideana, että säilytän osassa tuon tyytyväisyyden summamuuttujan jatkuvana ja voin käyttää esim Kruskal-Wallisia ja sitten taas jossain tapauksissa luokittelen summamuuttujan datan kolmeen luokkaan ja teen tilanteesta riippuen khii2 tai vaikka yritän sitä multinominaalista regressioanalyysia. Paljon on vaikuttamassa se, että parametrittomat tuntuu "varmemmilta" Tosin nyt kun enemmän mietin, niin vähän sekavaltahan tollanen kuulostaa. Aineistosta (tai siis hieman eri osasta) on tehty yks aiempi artikkeli ja siinä käytettiin khii2:sta, Kruskall-Wallisia ja multinominaalista regressioanalyysia eli kaikkia näitä vähemmän "oletuksia" tekeviä testejä.

Kuten ehkä mun kysymyksistä päättelee, ei opinnoissa ole käyty juuri yhtään tätä kvantitatiivista puolta ja sitten kannustettiin ottamaan kvantiaineisto, johon tartuin. Ohjausta ei juuri ole tarjolla. Ja aika alkeistason juttuja vissiin on yleensä käytetty eli khii2 ja sit jos ne ei toimi (eli SPSS herjaa testauksessa) niin menty parametrittomien puolelle Kruskal-Wallisiin ja Mann-Whitneyn ym. Eli mitään logaritmimuutoksia, spline-regressiosta en ole kuullutkaan. Toki noita menetelmäoppaita mulla tuossa pöydällä on kuten Nummenmaan Tilastolliset menetelmät, mutta luulen, että voi mennä liian haastavaksi mulle..

Ihan hyvältä tuo suunnitelmasi kuulostaa. Vastemuuttujan luokitteleminen kolmeen luokkaan on luultavasti ihan hyvä idea tuossa tapauksessa.
Nuo parametrittomat menetelmät perusmuodossaan yleensä antavat tuloksena vain jonkin p-arvon, joka on sellaisenaan tietenkin vastaa kysymykseen, että onko joillain muuttujilla riippuvuutta, mutta p-arvo on yksinään varsin tylsä tulos. Jos havaitset merkitsevän eron, niin olisi hyvä saada jonkinlainen esitys tuolle erolle myös varsinaisilla mitattavilla muuttujilla. Esimerkiksi miten 10 vuotta enemmän ikää vaikuttaa tyytyväisyyteen. Sellaisethan asiat siinä varsinaisesti kiinnostavat. Multinomiaalinen logistinen regressio antaa myös jonkinlaisen vastauksen tuohon p-arvojen lisäksi.

Hyvä juttu, jos ei kuulosta ihan pöljältä menolta. Kiitoksia paljon vinkeistä!

Noitinha kirjoitti:

No, tuolla järjestysinformaatiolla tarkoitan sitä, että vaikka multinomiaalinen logistinen regressio sopiikin järjestettyjen Likert-luokkien mallintamiseen, niin se antaa silloin tismalleen samat tulokset kuin selaisessa tapauksessa, jossa luokilla ei ole järjestystulkintaa. Esimerkiksi, jos luokittelu on syntynyt, niin että tilastoyksikön täytyy "selvitä" luokissa ylöspäin, niin että pääsy tasolle 4 vaatii jonkinlaista prosessia, jossa on noustu hierarkiassa ylöspäin luokka luokalta, niin silloin tuossa rakenteessa voisi olla jotain informaatiota. Kun kyse on kuitenkin asiakastyytyväisyydestä, niin tuontyyppistä prosessia ei varmaankaan ole taustalla. Multinomiaalinen logistinen regressio luultavasti on oikein hyvä menetelmä

Mutta mikä ihme oli tuo summamuuttuja? Oletko summaamassa Likert-muuttujia yhteen? Jos summattavia Likertejä on yhtään useampia, kuten 5-6, niin harvoin kannattaa saatua summaa diskretisoida, tuota voisi käyttää joihan jatkuvana muuttujana. Epälineaarisuuksia voi hallita esim. mainituilla logaritmimuunnoksilla, jatkuvien selittäjien toisen asteen termien mukaan ottamisella, spline-regressiolla... Vasteen ja/tai virhetermien normaalisuus ei ole millään tavalla välttämätöntä. Jos se ei päde, niin sitten vain mallinnat sitä jollain toisella jakaumalla, kuten vinonormaalijakaumalla.

Lue lisää

Summamuuttuja vielä mietityttää. Onko sillä merkitystä, että summamuuttuja ei käytännössä voi mun kohdalla saada arvoa nolla, koska nollan olen koodannut puuttuvaksi tiedoksi (kyselyssä 0= en osaa sanoa) ja summamuuttuja on muodostettu sitten niistä vastauksista, joissa on vastattu kaikkiin summamuuttujan kysymyksiin vastanneet.

Gradupähkinä kirjoitti:

Summamuuttuja vielä mietityttää. Onko sillä merkitystä, että summamuuttuja ei käytännössä voi mun kohdalla saada arvoa nolla, koska nollan olen koodannut puuttuvaksi tiedoksi (kyselyssä 0= en osaa sanoa) ja summamuuttuja on muodostettu sitten niistä vastauksista, joissa on vastattu kaikkiin summamuuttujan kysymyksiin vastanneet.

Lue lisää

Kertoisitko vielä ihan tarkalleen, että miten kukin noista Likert-muuttujista on koodattu (vastaukset ja puuttuvat arvot) ja miten olet laskemassa niistä summaa. Puuttuvien arvojen kanssa kannattaa aina olla varovainen.

Noitinha kirjoitti:

Kertoisitko vielä ihan tarkalleen, että miten kukin noista Likert-muuttujista on koodattu (vastaukset ja puuttuvat arvot) ja miten olet laskemassa niistä summaa. Puuttuvien arvojen kanssa kannattaa aina olla varovainen.

Lue lisää

Kiitos ja kumarrus kun kyselet!
Kyselyssä on ollut neljän kysymyksen osio Likert-asteikolla, josta olen tehnyt SPSS:ssä Transform - Compute toiminnolla summamuuttujan mallilla (a b c d)/4. Kaikissa yksittäisissä muuttujissa on samansuuntainen (heikko-erinomainen) asteikko 1-5. Jokaisen kysymyksen kohdalla olen määrittänyt puuttuvaksi arvoksi 0 (en osaa sanoa) ja puuttuvia on myös siis kokonaan tyhjät eli sen perusteella, mitä luin SPSS-oppaista summamuuttujassa ei ole mukana ko. tapauksessa yhtään sellaista vastausta, jossa on vastattu yhteenkin kysymykseen 0 tai jätetty yksikin kysymys tyhjäksi. Koska summamuuttuja koostuu vain neljästä kysymyksestä, jotka kaikki on oleellisia omia "komponentteja" en ole lähtenyt korvaamaan puuttuvia arvoja millään vaan tiputtanut ne vaan pois. Lopputulemana summamuuttuja koostuu 160 vastaajan vastauksesta, jotka ovat vastanneet kaikkiiin neljään kysymykseen antamalla 1-5 väliset vastaukset. Ideaalitilanteessahan olisi kunnon patteristo, joka mittaisi esim. jokaista tyytyväisyyden osa-aluetta kahdella kysymyksellä eli yhteensä kysymyksiä olisi 8, mutta näin nyt ei vaan ole.

Menneeköhän näin oikein?

Gradupähkinä kirjoitti:

Kiitos ja kumarrus kun kyselet!
Kyselyssä on ollut neljän kysymyksen osio Likert-asteikolla, josta olen tehnyt SPSS:ssä Transform - Compute toiminnolla summamuuttujan mallilla (a b c d)/4. Kaikissa yksittäisissä muuttujissa on samansuuntainen (heikko-erinomainen) asteikko 1-5. Jokaisen kysymyksen kohdalla olen määrittänyt puuttuvaksi arvoksi 0 (en osaa sanoa) ja puuttuvia on myös siis kokonaan tyhjät eli sen perusteella, mitä luin SPSS-oppaista summamuuttujassa ei ole mukana ko. tapauksessa yhtään sellaista vastausta, jossa on vastattu yhteenkin kysymykseen 0 tai jätetty yksikin kysymys tyhjäksi. Koska summamuuttuja koostuu vain neljästä kysymyksestä, jotka kaikki on oleellisia omia "komponentteja" en ole lähtenyt korvaamaan puuttuvia arvoja millään vaan tiputtanut ne vaan pois. Lopputulemana summamuuttuja koostuu 160 vastaajan vastauksesta, jotka ovat vastanneet kaikkiiin neljään kysymykseen antamalla 1-5 väliset vastaukset. Ideaalitilanteessahan olisi kunnon patteristo, joka mittaisi esim. jokaista tyytyväisyyden osa-aluetta kahdella kysymyksellä eli yhteensä kysymyksiä olisi 8, mutta näin nyt ei vaan ole.

Menneeköhän näin oikein?

Lue lisää

OK. Jos kokonaan vastaamatta jättäneitä, eli niitä, jotka ovat yhdenkin kysymyksen jättäneet välistä, on vain vähän niin tuo, että olet tiputtanut ne kokonaan pois on varmasti ihan kohtuullisen hyvä ratkaisu. Jos niitä on kuitenkin kovin paljon, niin informaatiota menee hukkaan. Vain osittain tunnettuja summamuuttujien arvoja voisi yrittää käsitellä tuolloin välisensuroituina, mutta se on jo kohtuullisen vaativa menetelmä.

Sen sijaan tuo "En osaa sanoa" -arvon koodaaminen nollaksi ei varmastikaan ole järkevää. Ajattele, että jos "5" vastaa erinomaista tyytyväisyyttä ja "1" syvää tyytymättömyyttä, niin "0" vastaisi tuolloin jo jotain suurta inhoa liikettä kohtaan, mikä ei ole varmastikaan se mitä "En osaa sanoa" vastannut sillä tarkoittaa. Olisit jättänyt kyseisen vaihtoehdon kokonaan pois kyselystä, niin kaikki olisi paljon paremmin. :) Parempi ratkaisu olisi varmaankin korvata "En osaa sanoa" arvolla "3", se on varmaan lähimpänä oikeaa. Toki sekään ei ole ihan yksiselitteisesti paras ratkaisu, mutta menisi sellaisena ns. karvalakkiratkaisuna. Multinomiaalisen logistisen regression kertoimet saattavat tosin ns. "kutistua" kohti nollaa, kun teet noin.

Jaa, taisin lukea tekstisi nyt hieman huonosti. Oletko sittenkin heittämässä myös kaikki, jotka ovat vähintään kerran vastanneet "En osaa sanoa", pois tismalleen samala tavalla kuin heität pois ne, jotka ovat ainain kerran jättäneet vastaamatta kokonaan? Sittenhän nolla ei pääse vaikuttamaan mitenkään pahasti tietenkään.

Kuinka paljon vastauksia sinulla oli kaikein kaikkiaan muokkaamattomassa aineistossa?

Noitinha kirjoitti:

Jaa, taisin lukea tekstisi nyt hieman huonosti. Oletko sittenkin heittämässä myös kaikki, jotka ovat vähintään kerran vastanneet "En osaa sanoa", pois tismalleen samala tavalla kuin heität pois ne, jotka ovat ainain kerran jättäneet vastaamatta kokonaan? Sittenhän nolla ei pääse vaikuttamaan mitenkään pahasti tietenkään.

Kuinka paljon vastauksia sinulla oli kaikein kaikkiaan muokkaamattomassa aineistossa?

Lue lisää

Koko n=201 ja sitten tuosta summamuuttujassa jäljellä 160. Eli 41 vastaajaa on jättänyt tavalla tai toisella vastaamatta ainakin osin kysymyksiin tai sitten vastannut johonkin kohtaan 0. Itse asiassa 0:n sanotus on ollut "asia ei koske minua" ja tuo 0 on ollut jo valmiina kyselyyn koodattuna.

Mukavasti menee SPSS:n parissa viikonloppu, aika kiehtova puuhaa, vaikka ei juuri mitään tajuakaan :)

Gradupähkinä kirjoitti:

Koko n=201 ja sitten tuosta summamuuttujassa jäljellä 160. Eli 41 vastaajaa on jättänyt tavalla tai toisella vastaamatta ainakin osin kysymyksiin tai sitten vastannut johonkin kohtaan 0. Itse asiassa 0:n sanotus on ollut "asia ei koske minua" ja tuo 0 on ollut jo valmiina kyselyyn koodattuna.

Mukavasti menee SPSS:n parissa viikonloppu, aika kiehtova puuhaa, vaikka ei juuri mitään tajuakaan :)

Lue lisää

Ja tähän summamuuttujaan liittyen: onko summamuuttujan graafina jees noin niin kuin yleensä? Heikkilä T kirjoitti oppaassaan, että sopis kokonaistutkimusten kuvaamiseen missä lukumäärätkin kertovat, mullahan summamuuttuja on ensinnäkin Likerteistä muodostettu ja sitten kaikkea muuta kuin kokonaistutkimus eli äkkiseltään prossat kertoo paljon enemmän kuin havaintojen määrä.

Gradupähkinä kirjoitti:

Ja tähän summamuuttujaan liittyen: onko summamuuttujan graafina jees noin niin kuin yleensä? Heikkilä T kirjoitti oppaassaan, että sopis kokonaistutkimusten kuvaamiseen missä lukumäärätkin kertovat, mullahan summamuuttuja on ensinnäkin Likerteistä muodostettu ja sitten kaikkea muuta kuin kokonaistutkimus eli äkkiseltään prossat kertoo paljon enemmän kuin havaintojen määrä.

Lue lisää

Siis histogrammista oli kyse.

Niin, nuo "asia ei koske minua" -vastaukset ja vastaamatta jättämiset kuvaavat sitten varmaan aika lailla samaa asiaa, joten ehkä teit tuon asian ihan hyvin. Sinulla on siis nyt käsittelyssä ainoastaan ne vastaukset, joissa kaikki neljä vastausta on annettu välille 1 - 5.

Summamuuttujasta sen verran, että sen laskeminen on jo ideana eräänlainen "jatkuvointi" eli se on hyvä käsittää jatkuvaksi, jolloin juuri histogrammin käyttäminen on erinomaisen perusteltua. Tuo, että olet jakanut summan neljällä on myös hyvä asia, koska se tavallaan pitää yllä alkuperäisen Likert-skaalan (1 - 5) uudessa muuttujassa.

Tuo vastaamattomuus/ei koske minua -vastaus voi tavallaan olla mielenkiintoinen ilmiö myöskin. Voisit yrittää tutkia lisäksi sitä, miten asiakkaiden eri taustatekijät ovat yhteydessä siihen, että vastaus jää antamatta. Voisit esim. koodata kaikki täydelliset vastaukset luvulla "0" ja kaikki, joilla on vähintään yksi puuttuminen luvulla "1". Sitten voisit tutkia vaikkapa ihan tavallisella logistisella regressiolla, että mitkä tekijät voisivat olla yhteydessä vastaamattomuuteen.

Hyvinhän tuo homma etenee sinulla!

Noitinha kirjoitti:

Niin, nuo "asia ei koske minua" -vastaukset ja vastaamatta jättämiset kuvaavat sitten varmaan aika lailla samaa asiaa, joten ehkä teit tuon asian ihan hyvin. Sinulla on siis nyt käsittelyssä ainoastaan ne vastaukset, joissa kaikki neljä vastausta on annettu välille 1 - 5.

Summamuuttujasta sen verran, että sen laskeminen on jo ideana eräänlainen "jatkuvointi" eli se on hyvä käsittää jatkuvaksi, jolloin juuri histogrammin käyttäminen on erinomaisen perusteltua. Tuo, että olet jakanut summan neljällä on myös hyvä asia, koska se tavallaan pitää yllä alkuperäisen Likert-skaalan (1 - 5) uudessa muuttujassa.

Tuo vastaamattomuus/ei koske minua -vastaus voi tavallaan olla mielenkiintoinen ilmiö myöskin. Voisit yrittää tutkia lisäksi sitä, miten asiakkaiden eri taustatekijät ovat yhteydessä siihen, että vastaus jää antamatta. Voisit esim. koodata kaikki täydelliset vastaukset luvulla "0" ja kaikki, joilla on vähintään yksi puuttuminen luvulla "1". Sitten voisit tutkia vaikkapa ihan tavallisella logistisella regressiolla, että mitkä tekijät voisivat olla yhteydessä vastaamattomuuteen.

Hyvinhän tuo homma etenee sinulla!

Lue lisää

Miksiköhän ne puuttuvat havainnot on koodattu nollalla? Poista ne nollat datasta ja jätä blancoiksi! SPSS korvaa automaatisesti puuttuvat havainnot muuttujan keskiarvolla.

Statistician kirjoitti:

Miksiköhän ne puuttuvat havainnot on koodattu nollalla? Poista ne nollat datasta ja jätä blancoiksi! SPSS korvaa automaatisesti puuttuvat havainnot muuttujan keskiarvolla.

Lue lisää

Ymmärtääkseni SPSS ei korvaa automaattisesti keskiarvolla puuttuvia tietoja vaan juurikin jättää ne ulkopuolelle.. Ja siis puuttuvaa tietoa en ole siis koodannut nollaksi, vain ne vastaukset, joissa vastattu, että asia ei koske minua. Mutta Missing arvoiksi olen kyllä ne nolla- vastaukset sitten lisännyt myöhemmin. Ja tosiaan tuo "asia ei koske minua" on periaatteessa ihan mielenkiintoinen tutkittava itsessäänkin, sikäli mikäli ehdin.

Gradupähkinä kirjoitti:

Ymmärtääkseni SPSS ei korvaa automaattisesti keskiarvolla puuttuvia tietoja vaan juurikin jättää ne ulkopuolelle.. Ja siis puuttuvaa tietoa en ole siis koodannut nollaksi, vain ne vastaukset, joissa vastattu, että asia ei koske minua. Mutta Missing arvoiksi olen kyllä ne nolla- vastaukset sitten lisännyt myöhemmin. Ja tosiaan tuo "asia ei koske minua" on periaatteessa ihan mielenkiintoinen tutkittava itsessäänkin, sikäli mikäli ehdin.

Lue lisää

Riippuu siitä, miten määrität missing-tapausten käsittelyn. LISTWISE jättää pois kaikki havainnot, joista puuttuu jonkin muuttujan tieto (tämä kai sinulla on päällä). CASEWISE korvaa puuttuvat arvot keskiarvolla. Voit säätää kyllä muutakin korvaavaa, kun perehdyt SPSS:n syntaksiin.

Kiitos avustasi, menetelmäoppaat antaa tuosta Likertistä vaihtelevia näkeymyksiä, joten mukana kuulla, että näkemyksesi mukaan voi käsitellä jatkuvina huoleti :)
Luokkien yhdistelyitä olen jo tehnyt jonkin verran. Silti luulen, että vaikeaa saada normaalisuutta lisää, ettei informaatio täysin katoa. Tai siis esim. normaalisuus voisi kenties parantua, jos vaikka olisi vain kaksi ikäluokkaa, mutta olisiko se sitten enää kovin käyttökelpoista tämän aineiston ja tutkimuskysymysten kohdalla. Logaritmien käyttämistä en ole ajatellut (enkä oikein perilläkään siitä). Lähinnä siis pohdin käyttääkö esi multinominaalista regressioanalyysia selvittämään mitkä tekijät vaikuttaa asiaan vai sitten "helpompia" Kruskall-Wallisia ja Mann-Whitneytä eli onko eroja esim naisten ja miesten tyytyväisyydessä. Tai sit tolla multinominaalisella sitä esim. miten ikä ja sukupuoli vaikuttaa tyytyväisyyteen.