Kvantitativ vs kvalitativ forskningstradition. Kvantitativ vs kvalitativ forskningstradition. Ontologisk nivå (hur världen är beskaffad)

Transkript

1 Det finns tre sorters lögner: Lögn, förbannad lögn och statistik. Kent- Inge Perseius, RN, PhD Mark Twain Kvantitativ vs kvalitativ forskningstradition Ontologisk nivå (hur världen är beskaffad) Kvantitativ: Det finns en objektiv verklighet vi vill försöka nå vetskap om Kvalitativ: Frågan om en objektiv verklighet och dess beskaffenhet är ointressant. Det intressanta är vår subjektiva och intersubjektiva verklighetsbilder (jfr postmodernism och konstruktivism) Kvantitativ vs kvalitativ forskningstradition Epistemologisk nivå (hur vi kan få kunskap) Kvantitativ och kvalitativ: Via att nyfiket ställa frågor, systematiskt observera och använda logiska resonemang för att försöka förstå det vi ser 1

2 Kvantitativ vs kvalitativ forskningstradition Metodnivå (vad och hur vi specifikt gör ) Kvantitativ: Genom medveten förenkling och reduktionism skrapa på ytan över stora ytor för att få överblick och på det sättet upptäcka saker (t ex samband) som man inte skulle upptäckt annars. Hög grad av generalisering önskvärd. Kvalitativ: Upptäcka nyanser och detaljer, se olika subjektiva perspektiv. Varken klarar eller eftersträvar någon högre grad av generalisering. Kvantitativ vs kvalitativ forskningstradition Datanivå ( det givna ) Å ena sidan: Inom vårdforskning på hela människan nivå är i princip all data i grunden kvalitativ (upplevelser, omdömen, tankar och handlingar) Å andra sidan: Kan i princip all kvalitativa data kodas kvantitativt Statistikbaserade undersökningar Vetenskapsteore+ska utgångspunkter bl a sannolikhetslära samt mät- och tes8eori Deskrip+va undersökningar (descrip<ve sta<s<cs, univariat) o Beskriva företeelser Analyserande eller analy+ska undersökningar (inferen<al sta<s<cs, bivariat eller mul<variat) o Hypotesprövning o Orsakssammanhang (kausalitet) o Prognoser (förutse händelser/skeenden) 2

3 Kvantitativ metod inom omvårdnad Beskriva <llstånd på gruppnivå Iden<fiera riskgrupper Utvärdera omvårdnadsåtgärder och interven<oner Pröva teorier empiriskt Utveckla och testa mä<nstrument Kvantitativ forskningsprocess Backman 2008 Kvantitativ forskningsdesign Experimental study Quasi-experimental study Non-experimental study (correlational or descriptive) Randomized controlled trial (RCT) Controlled trial Descriptive study / Observational study Retrospective study Longitudinal prospective study Cross-sectional Ex. Case-control study Ex. Cohort study Ex. Point prevalence study 3

4 Experimentell design För a8 testa olika interven<oner och behandlingar Är all<d prospek<va Benämns oqa RCT Grundförutsä8ningar: o Manipula<on av den oberoende variabeln o Kontroll (sampling, kontrollgrupper, instrument) o Randomisering Kvasiexperimentell eller pragmatiskt RCT design Manipula<on förekommer Brister vad gäller kontrollgrupp och/eller randomisering Svårare a8 påvisa kausala samband än i RCT Rela<vt vanligt förekommande inom omvårdnadsforskning Urval Totalundersökningar o Om popula<onen är liten o Om hela popula<onen måste undersökas o OQa resurskrävande o Rela<vt ovanliga Urvalsundersökningar o Billigare än totalundersökningar o Omfördelning av resurser bä8re kvalitet o Kan vara mera <llförlitlig än en totalundersökning 4

5 Population, urval, individ Popula<on = Den grupp vi är intresserade av a8 u8ala oss om Urval (sample) = De individer som väljs ut för a8 representera popula<onen Individ = Enskilda individer i popula<onen eller urvalet Bor`all (drop- out) = De individer i e8 urval som faller bort ur studien Completers = De individer slutligen studeras Ev. bor`allsanalys (drop- out analysis) Population, urval, individ POPULATION URVAL Fråga 1: Vad försöker man i första hand uppnå med si7 urval? Slumpmässiga urval Obundet slumpmässigt urval (Simple random sampling) Systema<skt slumpmässigt urval (Systema<c random sampling) Stra<fierat slumpmässigt urval (Stra<fied random sampling ) Klusterurval (Cluster sampling) 5

6 Kausalitet Samband mellan variablerna måste kunna påvisas Nödvändigt a8 kunna påvisa a8 sambanden inte är falska Nödvändigt a8 kunna påvisa a8 åtminstone en variabel är oberoende och a8 orsaken föregår effekten Variabler VARIABELER Kategori/Kvalitativ variabel Numerisk/Kvantitativ variabel (intervall-, kvotskala) Ej möjlig att rangordna (nominalskala) Möjlig att rangordna (ordinalskala) Diskret variabel Kontinuerlig variabel Oberoende och beroende variabler Oberoende (Cause) Längd Beroende (Outcome) Vikt Vikt Aktie portfölj Välbefinnande Förmögenhet Hur saker och ting hänger ihop är långt ifrån alltid givet. I många fall är förhållandet mellan variabler något forskaren bestämmer sig för t ex med hjälp av en teori. 6

7 Variabler Oberoende (Cause) Beroende (Outcome) Längd Fysisk aktivitet Vikt Kost Variablers egenskaper & skalnivåer Skala Klassificering Rangordning Ekvidistans 0-punkt Nominal X Ordinal X X - - Intervall X X X - Kvot X X X X Skalor exempel nominal Är Du q Kvinna q Man 7

8 Skalor exempel ordinal Hur är Din ekonomiska situation just nu? q Bra, inga problem q I stort ser bra q Tveksam q En aning problematisk Skalor - exempel 3 Hur mycket väger du? Fråga 2: Vilken typ av skala är vikt e7 exempel på? Vanliga statistiska symboler N Populationens storlek n Urvalets storlek f Frekvens (antal med ett visst observationsvärde) X Enskilt observationsvärde X i Samtliga observationer, dvs X1, X2, X3,, n Sigma använd som symbol för summa 8

9 Deskriptiv statistik Omfa;ar vanligen: o Frekvenser o Centralmå8 (t ex median och medelvärde) o Spridningsmå8 (frak<ler och standardavikelser) Presenteras vanligen i form av: o Tabeller o Diagram o Figurer Val av centralmått utifrån skalnivå Nominal Ordinal Intervall/Kvot Typvärde X X X Median (md) - X X Medelvärde (m) - - X Aritmetiska medelvärden (mean) kräver numrerisk - parametrisk data. Val av spridningsmått utifrån skalnivå Nominal Ordinal Intervall/Kvot Variationsvidd (min-max) Fraktil (t ex kvartil, decil) Standardavikelse (standard deviation, sd) - X X - X X - - X Standardavvikelse (sd) kräver numrerisk - parametrisk data. 9

10 Kombination av central- och spridningsmått Centralmått Spridningsmått Typvärde - Median (md) Variationsvidd / Fraktil Medelvärde (m) Variationsvidd / Standardavikelse Normalfördelningskurva (normal distribution curve) Positiv skev fördelning Typvärde Medelvärde Median Fråga 3: Vilket spridningsmå7 kombinerar man lämpligen medianen med? 10

11 Negativ skev fördelning Medelvärde Typvärde Median Fråga 4: Vilket spridningsmå7 kombinerar man lämpligen medelvärdet med? Frekvenstabeller Betyg Absolut Frekvens, f Relativ Frekvens, % Kumulativ Frekvens, f Kumulativ Relativ frekvens, % (1/30) (1/30) (4/30) 5 (1+4) 16.6 (5/30) (15/30) 20 (1+4+15) 66.6 (20/30) (8/30) 28 ( ) 93.3 (28/30) (2/30) 30 ( ) 100 (30/30) Fyrfältstabell Icke rökare, f Rökare, f Totalt Kvinnor, f Män, f Totalt

12 Enkelt stapeldiagram Grupperade stapeldiagram Histogram 12

13 Frekvenspolygon Lådagram - boxplot Fråga 5 : Var befinner sig m respektive sd här? Analyserande statistik o Hypotesprövning o Orsakssammanhang (kausalitet) o Prognoser (förutse händelser/ skeenden) 13

14 Statistisk signifikans o Centralt begrepp i analyserande sta<s<k språkligt se8 ung. betydande o A8 räkna på sannolikheten (probability) för a8 t ex en effekt uppkommit av slump, p- värde. o Ju lägre p- värde desto mindre sannolikhet a8 det är slump som gjort resultatet. o Vanliga signifikansnivåer är 0.05 (=5% risk a8 det är slump, benämns * signifikans), 0.01 (1% risk a8 det är slump, benämns ** signifikans) och (0,1% risk a8 det är slumpen, benämns ***signifikans) o P- värden från brukar räknas som icke- signifikanta (non- significant, ns) Statistisk signifikans o Vid sta<s<sk hypotesprövning används p- värdet som beslutsunderlag kring huruvida man ska behålla eller förkasta noll- hypotesen. o En förkastad noll- hypotes innebär a8 man tror på alterna<v- hypotesen o t ex a8 det finns e8 sant samband eller a8 det är en sann skillnad mellan grupper eller olika mätningar. Statistisk slutledning Forskaren bestämmer på förhand en nivå där resultaten ska anses statistiskt säkerställda t ex p = 0.05 eller lägre Beslutet att förkasta noll-hypotesen görs dock alltid av forskaren Läsaren av en rapport artikel ska dock ha underlag nog för att kritiskt granska slutledningen 14

15 Typ I och typ II fel Typ I fel = att förkasta en sann noll-hypotes Typ II fel = att behålla en falsk noll-hypotes, vilket också innebär att alternativ-hypotesen är sann. Typ II alltså också att förkasta en sann alternativhypotes. Att satsa hårt på att inte göra typ I fel innebär samtidigt att man ökar risken för att göra typ II-fel Slutledning allmänt P-värden och att räkna på sannolikheten för slump är dock bara en del av tolkningar och slutledningar i en kvantitativ studie En del felkällor har inte med slumpinverkan att göra utan är systematiska fel sk bias. Vad göra? Designa för bygga in kontroll i studien t ex genom att ha kontrollgrupper Analysera för samla in data kring misstänkta felkällor och analysera för detta i efterhand t ex i subgruppsanalyser. Diskutera har man inte gjort något av ovanstående får man nöja sig med att resonera och diskutera kring möjlga felkällor och svagheter i en metoddiskussion. Vad vill du göra? o Ti8a på samvarians och samband mellan olika variabler? o Jämföra u`all i en grupp före och eqer en insats, eller mäta över längre <d? o Jämföra effekter mellan två eller flera grupper som få8 olika insatser? 15

16 Analys av samvarians mellan variabler - korrelation Må8 på samvariansens styrka Korrela<ons koefficienten (r) varierar all<d mellan - 1 <ll = svag korrela<on, 0.5 medelstark, 0.8 stark Intervall- kvotskala o Pearson s correla<on (r) Ordinalskala eller skeva fördelningar icke parame<skt test o Spearman s rank correla<on (r s ) Positiv korrelation r = 0.78, p= VIKT LÄNGD Fråga 6: Tolka r- och p- värden Negativ korrelation r = , p= 0.01 Fråga 7: Tolka r- och p- värden 16

17 Okorrelerat r = 0.03, p= BETYG LÄNGD Fråga 8: Tolka r- och p- värden Korrelation Vad betyder det att två variabler samvarierar Att det finns ett samband? Direkt och kausalt X ger Y Indirekt via en tredje (okänd) variabel Z som påverkar X och ger Y Eller kanske Z påverkar både X och Y Eller samvariansen kanske är ett s k nonsenssamband Regressionsanalys AR statistiskt förklara samband eller ar predicera. FörutsäRer ar man bestämt vilken som är oberoende och beroende variabel. I dera fall en enkel linjär regression. Värdet på X- axeln anses i dera fall vara oberoende ge och värdet på Y- axeln. Predikation 17

18 Vad vill du göra? o Ti8a på samvarians och samband mellan olika variabler? o Jämföra u`all i en grupp före och eqer en insats, eller mäta över längre <d? o Jämföra effekter mellan två eller flera grupper som få8 olika insatser? Vad är en effekt? Och när är den statitiskt betydelsefull eller statistiskt säkerställd? 5 Frånvarodagar/vecka enhet A (inomgruppsjämförelse) Fråga 9: Tolka p- värdena Bivariat v 1 & v 5 t= 3.76 p= Multivariat: z= 1.91 p= V 1 V 2 V 4 V 5 Insats Tid Effekt? Vad vill du göra? o Ti8a på samvarians och samband mellan olika variabler? o Jämföra u`all i en grupp före och eqer en insats, eller mäta över längre <d? o Jämföra effekter mellan två eller flera grupper som få8 olika insatser, eller mellan en grupp och referensdata (historiska kontroller)? 18

19 Statistisk mellangruppsjämförelse Grupp A Grupp B Fråga 10: Tolka t- och p- värdena Bivariat t- test: t= 5.76 p= Statistisk mellangruppsjämförelse Grupp B Grupp A Bivariat t- test: t= 0.76 p= 0.54 Fråga 11: Tolka t- och p- värdena Statistisk mellangruppsjämförelse Grupp A Grupp B Grupp C Multivariat t ex Anova: Z= 3.23 p=

20 Statistisk mellangruppsjämförelse Frånvarodagar/vecka enhet A och referensdata 5 Referens- data A Effekt? t= 3.14 p= V 1 V 2 V 4 V 5 Insats Kvalitet i kvantitativa studier: Validitet & Reliabilitet God validitet och reliabilitet är en förutsä8ning precision, a8 kunna dra slutsatser och för a8 kunna generalisera resultat. Förknippat med hela forskningsprocessen urval, datainsamling (instrument) och dataanalys Valid står för av värde (t ex a8 mäta det man avser mäta) och reliabel för pålitlig (a8 göra det med precision) Strävan efter precision och generaliserbarhet Konklusionsvaliditet t ex <llräcklig sta<s<k power Sta+s+sk validitet Korrekta sta<s<ska metoder Intern validitet Hög grad av kontroll på faktorer som kan påverka(confunders) t ex via kontrollgrupper, inklusion- och exklusionskriterier, randomisering Extern validitet Hög grad av generaliserbarhet från urval <ll popula<on. Korrekt urval en vik<g grund. Märk väl om man fokuserar hårt på intern validitet förlorar man oqa i extern validitet vad gäller möjligheter a8 generalisera <ll naturalis<ska förhållanden 20

21 Psykometri Att försöka operationalisera och mäta olika komplexa mänskliga fenomen via frågeformulär Är en hel vetenskap i sig självt Mätinstruments validitet Påsennde validitet (face validity) Innehållsvaliditet (content validity) Begreppsvaliditet (construct validity) Faktorbaserad validitet (factorial validity) Kriterievaliditet (criterion validity t ex i jämförelse med andra instrument) Reliabilitet Test- retest reliabilitet o Konsistens över <d Split- half tekniker o Intern konsistens Cronbach s alpha ( sta<s<sk mul< split- half ) o Intern konsistens 21