Metod C Föreläsningsanteckningar PDF

FL 1 ATT STÄLLA FORSKNINGSFRÅGOR -​ Ingen metod = ingen vetenskap -​ Vetenskap: systematiska/metodiskt sökande efter svar på vetenskapliga frågeställningar -​ Bristfällig metod → Bristfälliga svar -​ Metoden avgör det vetenskapliga värdet av en studie De vetenskapliga idealen...

FL 1 ATT STÄLLA FORSKNINGSFRÅGOR -​ Ingen metod = ingen vetenskap -​ Vetenskap: systematiska/metodiskt sökande efter svar på vetenskapliga frågeställningar -​ Bristfällig metod → Bristfälliga svar -​ Metoden avgör det vetenskapliga värdet av en studie De vetenskapliga idealen Inferens: processen att dra en slutsats om en vetenskaplig fråga utifrån ett tydligt syfte och en väl anpassad metod. Undersökningen ska leda fram till en slutsats utifrån ett klart formulerat syfter. Vår fråga måste kunna få svar. Evidens: slutsatserna behöver vara välgrundade. Goda empiriska belägg för våra påståenden. Osäkerhet: ödmjukhet för våra resultat. Diskutera öppet val och beslut samt möjliga felkällor. Intersubjektivitet: kunskap som accepteras av andra forskare som giltig. Kräver transparens och tydlighet kring resonemang och metodval. Kumulativitet: utgå från vad vi redan har kunskap om och bidra till ny kunskap. -​ Utan goda metodkunskaper kan vi inte uppfylla idealen på ett acceptabelt sätt Empiri -​ (Sinnes)erfarenhet -​ Data om verkligheten. Allt som går att observera genom ex. intervju-, arkivmaterial, enkäter, deltagarobservationer etc. Teori -​ Tankeresonemang som inte direkt bygger på empiri, en “välgrundad spekulation”. -​ Antagande som utgår från eller tar spjärn mot tidigare forskning, såvälteoretisk som empirisk -​ En studie kan vara helt teoretisk: dvs. inte inkludera någon empiri. Ex. normativa eller begreppsutredande studier. -​ När vi pratar om teori på den här kursen menar vi teori i empiriska studier - alltså användning av teori som hjälpmedel för arr ställa bra empiriska forskningsfrågor, och för att tolka forskningsresultat Teorianknytning -​ Begreppet är mångtydigt -​ Kan förstås som ett parapltbegrepp för något olika (men besläktade och ej omsesidigt uteslutande) tankeövningar -​ Det finns många sätt att “göra en teori” -​ Gemensamt för olika ansatser är att det handlar om att resonera om sina utgångspunkter och ta avstamp i eller spjärn mot tidigare forskning inom forskningsområdet -​ Vi kan kalla detta teorianknytning Exempel -​ Med vilka glasögon betraktar jag verkligheten? Hur ser verkligheten ut? Ex. positivism, kostruktivism osv. -​ Teorier och teoretiska modeller: hjälper oss att förstå eller förklara varför något fungerar på ett ivsst sätt eller hur olika saker hänger ihop. Ex. Social identity theory -​ Begreppsdefinitioner: hur har tidigare forskning definierat ditt begrepp? Vad betyder begreppet i din studie? Ex. vad innebär “makt” i din studie -​ Antaganden: vilka förhållanden hålls för sanna i resonemanget utan att testas? Ex. alla människor är rationella. -​ Hypoteser: empiriskt testbara och falsifierbara implikationer som bygger på teorin. Uttrycks som förslag på svaret på en specifik forskningsfråga. Ex. låginkomsttagarre röstar mer till vänster och högutbildade mer till höger. -​ Tidigare forskning: mycket bred ingång till teorianknytning som kan avse på allt möjligt som är relevant för en studie. Varför teorianknytning? -​ Möjliggör vetenskaplig dialog och utveckling: vad är rimligt/fungerar (ej)/stämmer (ej) -​ Styr vår blick på det empiriska materialet och hjälper oss att fokusera på det väsentliga  -​ Hjälper oss att tolka och förstå det empiriska materialet -​ Skapar trovärdighet och legitimitet -​ Resultat som backas upp av rimliga teoretiska resonemang anses mer trovärdiga (inte minst statistiska resultat) -​ Hjälper oss hitta saknade “pusselbitar” och därigenom ställa bra forskningsfrågor Induktion Slutsatserna följer av observationer. Ex. alla svanar är vita. Kan bara vara mer eller mindre sannolik. Deduktion Med nödvändighet sann. Att formulera en fråga -​ En studie börjar med att uttrycka en fråga/problem och slutar med ett uttryckligt svar på frågan/lösningen på problemet (inferens) - sällan satt i sten, kan omformuleras under forskningsprocessen -​ Forskningsfrågor behöver vara teoridrivna -​ Det betyder att de bör ha sin upprinnelse i tidigare forskning, återknyta till eller bygga vidare på tidigare kunskap -​ Vetenskapligt ideal: kumulativitet En bra forskningsfråga har… -​ Inomvetenskaplig relevans -​ Utomvetenskaplig relevans: av intresse för samhället i stort. Inget krav på konkreta lösningsförslag. Inte bara tillämpad forskning. Ofta indirekt “härledd” -​ Du tycker att frågan är intressant Att hitta sin fråga 1.​ Klassisk variant -​ Börja med ett ämnesområde eller ett fenomen ex. välfärdsstaten, diplomati, sociala rörelser etc. -​ Avgränsning gör studien genomförbar 2.​ Nerifrån och upp -​ Börjar i det lilla 3.​ Börja i material eller metod -​ Nytt/sällan använt material Olika slags forskningsfrågor Beskrivande (deskriptiva) frågeställningar -​ HUR är någonting? Beskrivningar av verkligheten: processer, organisationer, konflikter osv.  -​ Ex. hur väljer svenska riksdagspartier sina partiledare? Har politiken blivit mer polariserad? Förklarande frågeställningar -​ Varför? VAd påverkar? Orsaker till eller effekter av något. -​ Ex. vad förklarar att någon blir partiledare? Vad har påverkat graden av polarisering? Normativa frågeställningar -​ Värderingar, BÖR-frågor -​ Ex. bör partierna ha könskvotering till sina vallistor? -​ Kräver särskilda verktyg FL 2 FORSKNINGSPROCESSEN OCH CENTRALA METODBEGREPP Att designa en studie - kvalitativa(intensiva) eller extensiva (kvantitativa) Kval och kvant har olika styrkor och begränsningar ​ Kvalitativa studier: att föredra om man ex. vill beskriva en process ingående, eller hur människor uppfattar sin egen värld ​ Kvantitativa studier är mer lämpade för att besvara frågor om generella mönster och frågor om orsak och verkan Praktiska ramar -​ Tidsram -​ Genomförbarhet: vad är praktiskt möjligt? Att definiera begrepp -​ Utan begreppsdefinitioner: ofta oklart vad exakt som menas med ett visst begrepp -​ Begreppsdefinitioner har en särskilt central roll inom samhällsvetenskapen där vi ofta är intresserade av att studera komplexa eller abstrakta fenomen ex. populism, jämställdhet, hållbar utveckling, terrorism, makt Teoretiska definitioner -​ Klargör begreppens tilltänkta betydelse och är teoretiska i dubbel bemärkelse -​ Bygger del på teoretiska resonemang (snarare än empiriska observationer) om vad en faktiskt menar när en använder ett visst begrepp -​ Dels är de teoretiska i bemärkelsen att de bör ta avstamo i hur tudugare forskning sett på de fenomen vi är intresserade av att studera - fråga om kumulativitet -​ Transparens -​ Intersubjektivitet Bra definition -​ Intuitivt rimlig genom att den rimmar väl med en allmän uppfattning -​ Tydliggöra vilka aspekter av det fenomen vi studerar som vår definition åsyftar  -​ Göra studien genomförbar - praktisk för vårt syfte -​ Varken för maximal eller minimal Minimal Maximal Mycket få kriterier lyfts in i den teoretiska Väldigt många kriterier lyfts in i den definitionen teoretiska definitionen Fördelar: kommer alltid finnas fall som Fördelar: kan vara väldigt precisa med vad uppfyller kriterierna vi menar Risker: ingen intressant variation bland de Risker: få,om några fall uppfyller alla fall vi undersöker kriterier Kan vara mer tidskrävande att analysera och kan därför passa bättre i studier med få fall Operationella definitioner -​ Våra teoretiska definitioner är inte direkt observerbara/mätbara - abstrakta/komplexa Operationalisering: specificera lämpliga indikatorer (empiriska uttryck) för de abstrakta begrepp vi vill studera. Ex. välfärdsstat -​ Teoretisk definition: stats som i någon utsträckning omfördelar resurser efter behov -​ Operationell definition: finns det socialbidrag? Validitet Svarar den operationella definitionen mot den teoretiska definitionen? Mäter jag det jag avser att mäta? Begreppsvaliditet. -​ Överensstämmelsen mellan teoretisk och operationell definition -​ Oavsett vad vi normativt tycker om den teoretiska definitionen -​ Frånvaron av systematiska mätfel Reliabilitet Hur precis/konsekvent den empiriska mätningen är -​ Mätningen ska ge samma resultat om den görs vid olika tidpunkter under liknande förhållanden -​ Om det finns utrymme för tolkning/dagsform kommer vi ibland (eller ofta) att träffa fel -​ Frånvaron av osystematiska mätfel (slumpmässiga) -​ Har ingenting med den teoretiska begreppsdefinitionen att göra Variabeltänket Analysenhet: det objekt som vi är intresserade av och vill berätta något om ex. länder, partier, konflikter, individer Variabel: en egenskap hos den analysenhet vi studerar och är intresserade av givet vår fråga (ex. politiska åsikter, utbildningsnivå, ålder, välfärdsregim) -​ Beroende variabel (utfallsvariabel) vs. oberoende variabel (förklaringsvariabler) Variabelvärde: de värden som variabeln kan anta ex. höger/vänster F3 ATT BESKRIVA Beskrivning: varför beskriva? -​ Beskrivning utgör fundamentet i samhällsvetenskaperna: strukturerar verkligheten och ger den mening, goda beskrivningar är förutsättning för bra förklaringar Reducering -​ Vi måste förenkla -​ Samlar in data: gör val om vilka uppgifter vi ska ha mer och vilka vi ska utelämna -​ Går att göra sig av med väldigt mycket information utan att förloa särskilt mycket precision Analysnivå -​ Vilken nivå? Ex. global/regional -​ Vägleds av vår forsningsfråga Skalnivåer -​ Anger hur en variabels olika tänkbara värden förhåller sig till varandra -​ Skalnivån avgöra ofta vilken typ av analyser vi kan göra med en variabel Nominalskala -​ Artskillnader - INTE gradskillnader -​ Innebär att vi inte kan göra en “naturlig” rangordning av olika variabelvärden -​ Kallas ibland för kvalitativa/kategoriska variabler Ex. yrke, kön, inriktning på utbildning Ordinalskala -​ Vi kan rangordna varibelvärdena -​ Avstånden mellan varibelvärdena kan antingen inte besömas rent logiskt eller är olika längs skalan Ex. utbildningsnivå, svar på många enkätfrågor Intervallskala -​ Vi kan rangordna värdena och avstånder mellan värdena är också i praktiken konstant (ekvidistand) - när vi ökar från 1 till 2 betyder det en lika stor ökning som när vi ökar från 11 till 12  -​ Ingen absolut nollpunkt. Vi kan därför inte prata om relativaskillnade (“dubbelt så mycket”). Betyder inte att skalan saknar nollpunkt, utan att den inte har en konkret tolkning som absolut. Ex. temperatur i celsius, datum, årtal Kvotskala -​ Vi kan rangordna och avståndsbedöma men skalan har dessutom en absolut nollpunkt -​ Vi kan därför prata om relativa skillnader -​ Detta betyder inte att variabeln inte kan anta negativa värden. Det handlar om att noll betyder frånvaro av något i en absolut mening Ex. längd, tid arbetslöshet, antal, andelar, lön, förmögenhet Dummyvariabler -​ En variabel som bara kan anta två olika värden -​ Kallas också för binär eller dikotom variabel -​ Finns både naturliga och omvandlade kategoriska variabler -​ Kringgår problemen med skalnivå genom att de bara har ett skalsteg - vi behöver inte anta att stegen är lika stora Beskrivande statistik Centralitetsmått ​ Typvärde: oftast förekommande ​ Median: mittersta. Påverkas inte av extremvärden. ​ Medelvärde: genomsnitt. Påverkas av extremvärden. -​ Med bara centralitetsmått får vi inte syn på någon skillnad mellan fördelningarna Spridning -​ Mäter hur olika analysenheterna är sinsemellan  -​ Vi måste känna till spridningen för att få en bra ide om hur vanliga olika värden är. Viktigt att känna till spridningen för att veta om medelvärder och/eller medianen egentligen är särskilt representativt. -​ Spridningen avgör hur osäkra våra skattningar blir när vi använder ett urval för att uttala oss om en hel population. Spridningsmått Valet av spridningsmått beror på -​ Absoluta eller relativa skillnader -​ Vilka delar av fördelningen vi är intresserade av Absoluta mått -​ Uttryckta i skalans egna enheter -​ Ändras inte om distributionrn skiftar - alltså om alla värden ändras lika mycket i absoluta tal -​ Ex. Lisa tjänar 1000 kr mer än Kalle Relativa mått -​ Saknar enhet -​ Ändras inte om alla värden ändras lika mycker i relativa tal (propertionerligt) -​ Ex. Lisa tjänar 10 % mer än Kalle Spridningsmått ​ Percentilavstånd - absolut ​ Percentilkvot - relativt ​ Standardavvikelse - absolut Percentiler -​ Ett sätt att beskriva spridningen i ett datamaterial är att ordna all värden från lägst till högst och sedan ange värden från olika delar av fördelningen -​ Observationen som har ett högre värde än än exakt x procent av alla observationer kallas för percentil x. -​ Vid percentil x har alltså x% av alla observationerna ett lägre värde Percentilavstånd -​ Anger den absoluta skillnaden mellan två percentilier -​ Kräver intervallskala -​ Det vanligaste percentilavståndet är p75-p25 (kvartilavståndet). Okänsligt för extremvärden. -​ Variationsbredden (max-min) är också en typ av percentilavstånd (p100-p0). Mycket känsligt för extremvärden Percentilkvot -​ Anger den relativa skillnaden mellan två percentiler -​ Kräver kvotskala -​ Kan uttryckas som att den ena percentilgränssen är X ggr större än den andra -​ p90/p10 och p90/p50 Standardavvikelse -​ Det viktigaste spridningsmåttet är standardavvikelsen  -​ Anger “den typiska” avvikelse från medelvärdet -​ Absolut spridningsmått -​ Innehåller information om alla observationer och är därflr omständigt att beräkna manuellt Nivåskattning Om vi är intresserade av att beskriva räcker det sällan med att presentera en mätning. För att en siffra ska ha någon betydelse i sig behöver den jämföras med något. ​ Förändringsstrategin -​ Jämför med andra tidpunkter ​ Populationsstrategin -​ Jämför med en population som vi tycker att det aktuella fallet tillhör ​ Referenspunktstrategin -​ Jämför med ett relevant fall som har vissa allmänt vedertagna egenskaper (ett referensfall)  -​ Har skalan ändpunkter? -​ Kan vi kosntruera ideltyper att jämföra med? -​ Finns det tydliga förväntningar på vad vi borde observera? Ex. allmän bild i media eller politisk debatt. FL 4 ATT GENERALISERA Generaliseringar Innebär att vi drar slutsatser om någonting annat än det vi har studerat -​ Vi bör huvudsakligen intressera oss för det generella snarare än det partikulära -​ Generella teorier och stora populationer -​ Eftersom vi sällan kan genomföra en totalundersökning - och aldrig direkt studera abstrakta fenomen eller teorier - måste vi generalisera “Varje situation är unik” -​ Sant i trivial mening: två situationer är aldrig identiska -​ Det kan ändå finnas mycket som förenar ​ Generalisering är aldrig något binärt ​ Ju godare förutsättningar att generalisera, desto bättre ​ Utforma teorier så att de kan appliceras på många fall Teoretisk generalisering -​ Vi generaliserar från det vi observerat tillbaka till de teoretiska begreppen. Vi går från det operationella tillbaka till det teoretiska. -​ Liknas ibland vid att ersätta egennamnen med mer abstrakta begrepp -​ Uttrycks ofta med frågan “vad är det här ett fall av?” -​ Styrkan i den teoretiska generaliseringen beror på validiteten i operationaliseringen Exempel -​ Anta att vi studerat den ekonomiska krisen som följt av pandemin och funnit att inställningen till både en höjning av den kommunala inkomstskatten och ersättningsgraden i arbetslöshetsförsäkringen har blivit mer positiv i de kommuner där arbetslösheten steg mest. -​ En teoretisk generalisering är att upplevd ekonomisk risk kan ha något att göra med stöd för ekonomisk omfördelning. -​ Vi har gått från det operationella tillbaka till det teoretiska Empirisk generalisering Innebär att dra slutsatser om andra situationer än de vi har studerat -​ Från urval till population: -​ Från fall till fall -​ Från befintlig kunskap till urval Utmaning: det vi vill uttala oss om ofta skiljer sig från det vi studerar med avseende på: -​ Variabler (val av utfall, definition, källa) -​ Analysenheter (exempelvis andra personer) -​ Kontext (tid, plats och sammanhang) Från urval till population Statistisk inferens -​ När vi använder statistiska metoder för att dra slutsatser om en större population än den vi har studerat kallas det för statistisk inferens -​ Om urvalet är slumpmässigt och alla analysenheter i populationen har samma sannolikhet för att inkluderas i urvalet så kommer våra urval i genomsnitt att återspegla populationen. Vår enda felkälla är slumpen. -​ Ger oss möjlighet att uppskatta osäkerheten i vår undersökning -​ Samma tekniker kan användas när vi har andra typer av urval, men då tillkommer andra felkällor -​ När vi studerar ett urval från en population kan vi enkelt beräkna medelvärden och proportioner i urvalet. Dessa värden kalals punktestimat och är ofta vår bästa gissning om populationens egenskaper. -​ Det finns alltid en viss osäkerhet när vi utifrån ett urval vill generaliseras till en hel population. Ett sätt att hantera den osäkerheten är med hjälp av så kallade konfidensintervall. Normalfördeöning och standardfel  -​ Vi kan i regel anta att medelvärdet i alla möjliga urval följer en normalfördelning. Följer av centrala gränsvärdessatsen. -​ Det innebär bland annat att sannolikheten för ett punktestimat nära populationens medelvärde är högre än sannolikheten för ett kraftigt avvikande punktestimat. -​ Ju större stickprov, desto mindre avvikelse mellan punktestimat och populationsvärde -​ Trots en skev fördelning i populationen blir fördelningen av medelvärden normalfördelad för större stickprov -​ Urvalens spridning från populationsvärdet anges av standardfelet Standardfelet är ett mått på osäkerheten i en skattning Formell definition: standardfelen är standardavvikelsen för fördelningen av alla möjliga stickprovsmedelvärden (s.k samplingfördelning) Konfidensintervall När vi studerar ett urval från en population kan vi enkelt beräkna medelvärden och proportioner i urvalet. Dessa värden kallas punktestimat och är ofta vår bästa gissning om populationens egenskaper. -​ Det kan tyckas vanskligt, men sådana punktestimat används hela tiden för att beskriva populationen! T.ex. arbetslöshet, stödet för ett parti -​ Man bör i så fall ange ett intervall i vilket vi är ganska säkra på att medelvärdet eller proportionen i populationen befinner sig. Det kallas konfidensintervall eller intervallestimat -​ Vi sätter en säkerhetsnivå, oftast 95 % men även 90 och 99 % är vanligt -​ Om vi räknade ut konfidensintervall för ett oändligt antal urval från populationen så skulle vi i 95 procent av fallen täcka in populationens medelvärde eller proportion -​ Inte samma sak som att sannolikheten för att populationsvärdet ligger i intervallet är 95 procent. I stället för ”med 95 procents sannolikhet...” säger vi ”vid 95 procents säkerhetsnivå...”. -​ Utgörs a ett punktestimat omgivet av en felmarginal åt varje håll -​ Dessa felmarginaler beräknad som ett kritiskt värde - vilket beror på vår säkerhetsnivå - multiplicerat med en uppskattning av standardfelet i populationen av urval Liksom tidigare väljer vi en säkerhetsnivå på 95 procent. Eftersom vi kan anta en normalfördelning i detta fall innebär ett kritiskt värde (zkv ) på 1,96 oavsett urvalets storlek. Superpopulationer Vi behandlar ofta totalundersökningar som om de vore urval -​ Ofta beräknar vi konfidensintervall, trots att vi kanske har undersökt alla Sveriges kommuner -​ Med regressionsanalys gör vi alltid signifikanstest, även vid totalundersökningar -​ Epistemologisk probalism Representativa fall -​ Typiskt för populationen (inte samma sak som nära genomsnittet) -​ Avviker inte systematiskt från andra fall i populationen -​ Typiskt med avseende på relevanta faktorer, utgå från teori och tidigare forskning -​ Ofta i praktiken svårt Kritiska fall -​ Ett most likely-fall är ett fall som i alla avseenden har en maximal sannolikhet för att hypotesen ska stämma. Används för att förkasta hypoteser. -​ Least likely-fall är ett fall som i alla avseenden har en minimal sannolikhet för att hypotesen ska stämma. Används för att ge stöd åt hypoteser. Båda fallen används ungefär lika ofta i förklarande studier. Ordlista Punktestimat: Vår bästa gissning om en populationsegenskap utifrån ett urval. T.ex. medelinkomst. Konfidensintervall: Det intervall inom vilket man, med en viss säkerhet, tror att ett populationsvärde ligger. Strategiskt urval: Att generalisera genom att välja ett fall som på grund av sina egenskaper gör det möjligt att dra vissa generella slutsatser. Representativa fall: typiskt för andra fall. Most likely case: Ett kritiskt fall med gynnsamma omständigheter (om teorin inte får stöd här, får den sannolikt inte stöd någon annanstans heller. Man gör det lätt för teorin.) Least likely case: Ett kritiskt fall med ogynnsamma omständigheter (om teorin får stöd här får den sannolikt stöd även under mindre ogynnsamma omständigheter. Man gör det svårt för teorin. ) R-FÖRELÄSNING Starta r-skript för att spara koden som text a