Sosiaalityön 3401 kurssikirja

Aluksi on ymmärrettävä muuttujien luonne ja se, miten muuttujia käytetään tutkimuksen suunnittelussa tutkimuskysymyksiin vastaamiseksi. Tässä luvussa opit:

• erilaisia muuttujatyyppejä kvantitatiivisissa tutkimuksissa,
• analyysiyksikkökysymykseen liittyviä kysymyksiä.

Kvantitatiivisten muuttujien ymmärtäminen

Sanan muuttuja juureen liittyy sana ”vaihdella”, minkä pitäisi auttaa meitä ymmärtämään, mitä muuttujat voivat olla. Muuttujat ovat elementtejä, kokonaisuuksia tai tekijöitä, jotka voivat muuttua (vaihdella); esimerkiksi ulkolämpötila, bensiinin hinta gallonalta, henkilön paino ja suurperheesi henkilöiden mieliala ovat kaikki muuttujia. Toisin sanoen niillä voi olla erilaisia arvoja eri olosuhteissa tai eri ihmisillä.

Käytämme muuttujia kuvaamaan kiinnostavia ominaisuuksia tai tekijöitä. Esimerkkeinä voidaan mainita eri kotitalouksien jäsenten lukumäärä, etäisyys terveellisiin ruokalähteisiin eri asuinalueilla, sosiaalityön opettajien ja opiskelijoiden suhde BSW- tai MSW-ohjelmassa, eri rotu/etnisiin ryhmiin kuuluvien vankilassa olevien henkilöiden osuus, kuljetuskustannukset sosiaalityön palveluiden saamiseksi ohjelmasta tai imeväiskuolleisuuden määrä eri maakunnissa. Sosiaalityön interventiotutkimuksessa muuttujia voivat olla intervention ominaisuudet (intensiteetti, tiheys, kesto) ja interventioon liittyvät tulokset.

Demografiset muuttujat. Sosiaalityöntekijät ovat usein kiinnostuneita niin sanotuista demografisista muuttujista. Demografisia muuttujia käytetään kuvaamaan populaation, ryhmän tai väestöotoksen ominaisuuksia. Esimerkkejä usein käytetyistä demografisista muuttujista ovat

• ikä,
• etnisyys,
• kansallinen alkuperä,
• uskonnollinen suuntautuminen,
• sukupuoli,
• seksuaalinen suuntautuminen,
• avioliitto-/suhdetilanne,
• työtilanne,
• poliittinen suuntautuminen,
• maantieteellinen sijainti,
• koulutustaso ja
• tulot.

Makrotasolla yhteisön tai organisaation demografiaan kuuluu usein myös sen koko; organisaatioita mitataan usein niiden kokonaisbudjetin perusteella.

Riippuvat ja riippuvat muuttujat. Tapa, jolla tutkijat ajattelevat tutkimuksen muuttujia, vaikuttaa merkittävästi tutkimuksen suunnitteluun. Tutkijat tekevät päätöksiä siitä, ovatko ne joko riippumattomia muuttujia vai riippuvia muuttujia. Tämä erottelu ei ole muuttujalle luontaista, vaan se perustuu siihen, miten tutkija päättää määritellä kunkin muuttujan. Riippumattomat muuttujat ovat niitä, joita voisi ajatella manipuloitaviksi ”panos”-muuttujiksi, kun taas riippuvaiset muuttujat ovat niitä, joissa tuon panosmuuttujan vaikutusta tai ”tulosta” havainnoitaisiin.

Sisäänmenevän (riippumattoman) muuttujan tarkoituksellinen manipulointi ei aina ole kyseessä. Tarkastellaan esimerkiksi Ruotsissa tehtyä tutkimusta, jossa tutkittiin lasten pahoinpitelyn uhriksi joutumisen ja myöhemmän lukiosta poissaolon välistä yhteyttä: kukaan ei manipuloinut tarkoituksellisesti sitä, joutuisivatko lapset lasten pahoinpitelyn uhreiksi (Hagborg, Berglund, & Fahlke, 2017). Tutkijat olettivat, että luonnollisesti esiintyvät erot tulomuuttujassa (lasten pahoinpitelyhistoria) liittyisivät systemaattiseen vaihteluun tietyssä tulosmuuttujassa (koulupoissaolot). Tässä tapauksessa riippumaton muuttuja oli lapsen pahoinpitelyn uhriksi joutumisen historia, ja riippuvainen muuttuja oli koulupoissaolotulos. Toisin sanoen tutkija olettaa riippumattoman muuttujan aiheuttavan vaihtelua tai muutosta riippuvassa muuttujassa. Tältä se voisi näyttää kaaviossa, jossa ”x” on riippumaton muuttuja ja ”y” on riippuvainen muuttuja (huom: näit tämän nimityksen aiemmin luvussa 3, kun käsittelimme syy-seuraus-logiikkaa):

Toiseksi esimerkkinä voidaan tarkastella tutkimusta, jonka mukaan lapsen pahoinpitelyn uhriksi joutuminen liittyy suurempaan päihteidenkäytön riskiin nuoruusvuosien aikana (Yoon, Kobulsky, Yoon, & Kim, & Kim, 2017). Riippumaton muuttuja tässä mallissa olisi lapsen pahoinpitelyhistoria. Riippuva muuttuja olisi riski päihteiden käyttöön nuoruusiässä. Tämä esimerkki on vieläkin yksityiskohtaisempi, koska siinä täsmennetään polku, jonka kautta riippumaton muuttuja (lasten pahoinpitely) saattaa määrätä vaikutuksensa riippuvaiseen muuttujaan (nuorten päihteidenkäyttö). Tutkimuksen tekijät osoittivat, että posttraumaattinen stressi (PTS) oli linkki lapsuuden kaltoinkohtelun (fyysisen ja seksuaalisen) ja päihteidenkäytön välillä nuoruusiässä.

Kvantitatiivisten muuttujien tyyppejä

On muitakin mielekkäitä tapoja miettiä mielenkiinnon kohteena olevia muuttujia. Tarkastellaan kvantitatiivisissa tutkimuksissa käytettävien muuttujien erilaisia ominaisuuksia. Tässä tarkastelemme kvantitatiivisia muuttujia siten, että ne ovat luonteeltaan kategorisia, ordinaalisia tai intervallisia. Näillä ominaisuuksilla on vaikutuksia sekä mittaamiseen että aineiston analysointiin.

Kategoriset muuttujat. Jotkin muuttujat voivat saada arvoja, jotka vaihtelevat, mutta eivät merkityksellisellä numeerisella tavalla. Sen sijaan ne voidaan määritellä mahdollisten luokkien avulla. Loogisesti näitä kutsutaan kategorisiksi muuttujiksi. Tilasto-ohjelmistoissa ja oppikirjoissa kategorioita sisältäviin muuttujiin viitataan joskus nimellismuuttujina. Nominaalinen voidaan ajatella latinankielisestä juuresta ”nom”, joka tarkoittaa ”nimeä”, eikä sitä pidä sekoittaa numeroon. Nominaalinen tarkoittaa samaa kuin kategorinen muuttujien kuvaamisessa. Toisin sanoen kategoriset tai nominaaliset muuttujat tunnistetaan edustettujen luokkien nimillä tai merkinnöillä. Esimerkiksi sen auton väri, jonka kyydissä viimeksi olit, olisi kategorinen muuttuja: sininen, musta, hopea, valkoinen, punainen, vihreä, keltainen tai muu ovat sen muuttujan kategorioita, jota voisimme kutsua auton väriksi.

Kategoristen muuttujien kohdalla on tärkeää, että näillä kategorioilla ei ole relevanttia numeerista järjestystä tai järjestystä. Eri autonvärien välillä ei ole numeerista eroa tai eroa kategorioiden ”kyllä” tai ”ei” välillä vastattaessa siihen, ajoitko sinisellä autolla. Etnisyysmuuttujan kategorioilla ”latinalaisamerikkalainen tai latino” ja ”ei latinalaisamerikkalainen tai latino” ei ole mitään implisiittistä järjestystä tai hierarkiaa; ei myöskään ole mitään relevanttia järjestystä sellaisten muuttujien kategorioilla kuin sukupuoli, osavaltio tai maantieteellinen alue, jossa henkilö asuu, tai se, onko henkilön asunto omistus- vai vuokra-asunto.

Jos tutkija päättää käyttää numeroita kategorioihin liittyvinä symboleina tällaisessa muuttujassa, numerot ovat mielivaltaisia – kukin numero on pohjimmiltaan pelkkä erilainen, lyhyempi nimi kullekin kategorialle. Esimerkiksi muuttuja sukupuoli voitaisiin koodata seuraavilla tavoilla, eikä sillä olisi mitään merkitystä, kunhan koodia sovellettaisiin johdonmukaisesti.

.

Koodausvaihtoehto A	Muuttujaluokat	Koodausvaihtoehto B
1	mies	2
2	nainen	1
3	muu kuin mies tai nainen yksinään	4
4	ei halua vastata	3

Rotu ja etninen alkuperä.Yksi yleisimmin tutkituista kategorisista muuttujista sosiaalityön ja yhteiskuntatieteellisessä tutkimuksessa on henkilön rodulliseen ja/tai etniseen taustaan viittaava demografinen muuttuja. Monissa tutkimuksissa hyödynnetään U.S. Census Bureaun aiemmissa raporteissa määriteltyjä kategorioita. Seuraavassa kerrotaan, mitä U.S. Census Bureaulla on sanottavaa kahdesta erillisestä demografisesta muuttujasta, rodusta ja etnisyydestä (https://www.census.gov/mso/www/training/pdf/race-ethnicity-onepager.pdf):

Mitä on rotu? Census Bureau määrittelee rodun henkilön itsensä yhdeksi tai useammaksi sosiaaliseksi ryhmäksi. Henkilö voi ilmoittautua valkoiseksi, mustaksi tai afroamerikkalaiseksi, aasialaiseksi, Amerikan intiaaniksi ja Alaskan alkuperäiskansaksi, Havaijin alkuperäiskansaksi ja muuksi Tyynenmeren saaristolaiseksi tai joksikin muuksi roduksi. Kyselyyn vastanneet voivat ilmoittaa useita rotuja.

Mitä on etnisyys? Etnisyys määrittää, onko henkilö latinalaisamerikkalaista alkuperää vai ei. Tästä syystä etnisyys jaetaan kahteen luokkaan: latinalaisamerikkalaiset tai latinot ja muut kuin latinalaisamerikkalaiset tai latinot. Latinalaisamerikkalaiset voivat ilmoittaa minkä tahansa rodun.

Toisin sanoen Census Bureau määrittelee kaksi luokkaa muuttujalle nimeltä etnisyys (Hispanic or Latino ja Not Hispanic or Latino) ja seitsemän luokkaa muuttujalle nimeltä rotu. Vaikka näitä muuttujia ja kategorioita käytetään usein yhteiskuntatieteellisessä ja sosiaalityön tutkimuksessa, ne eivät ole täysin kritiikittömiä.

Tässä esitetään näiden kategorioiden perusteella, mitä Yhdysvaltain väestöstä arvioidaan olevan totta vuonna 2016:

Dikotomiset muuttujat.On olemassa erityinen kategorisen muuttujan kategorian kategorian luokka, jolla on seurauksia tietyissä tilastollisissa analyyseissä. Kategorisia muuttujia, jotka koostuvat täsmälleen kahdesta vaihtoehdosta, ei enempää eikä vähempää, kutsutaan dikotomisiksi muuttujiksi. Esimerkkinä voidaan mainita U.S. Census Bureaun dikotomiset muuttujat Hispanic/Latino ja Non-Hispanic/Non-Latino etnisyys. Toisena esimerkkinä tutkijat saattavat haluta verrata hoidon loppuunsaattaneita henkilöitä niihin, jotka keskeyttävät hoidon ennen sen loppuunsaattamista. Tämä hoidon loppuun saattamista koskeva muuttuja ei ole ainoastaan kategorinen, vaan se on myös dikotominen, koska siinä on kaksi luokkaa, hoidon loppuun saattaminen ja sen kesken jättäminen. Muuttujat, joissa yksilöt vastaavat ”kyllä” tai ”ei”, ovat myös luonteeltaan dikotomisia.

Aiempi perinne käsitellä sukupuolta joko miehenä tai naisena on toinen esimerkki dikotomisesta muuttujasta. On kuitenkin olemassa hyvin vahvoja perusteita sille, että sukupuolta ei enää käsitellä näin kaksijakoisesti: moninaisemmat sukupuoli-identiteetit ovat todistetusti merkityksellisiä sosiaalityössä henkilöille, joiden identiteetti ei vastaa kaksijakoisia (myös binäärisiksi kutsuttuja) kategorioita mies/nainen tai mies/nainen. Näitä ovat esimerkiksi agender, androgyyninen, bigender, cisgender, gender expansive, gender fluid, gender questioning, queer, transgender ja muut.

Ordinaalimuuttujat. Toisin kuin näissä kategorisissa muuttujissa, joskus muuttujan kategorioilla on looginen numeerinen järjestys tai järjestys. Määritelmän mukaan järjestysmuuttuja viittaa asemaan sarjassa. Muuttujia, joilla on numeerisesti merkityksellisiä luokkia, kutsutaan ordinaalimuuttujiksi. Esimerkiksi muuttujalla nimeltä koulutustaso on luokkien epäsuora järjestys pienimmästä suurimpaan. U.S. Census -tietojen luokat tälle ordinaalimuuttujalle ovat:

• ei mitään
• 1.-4. luokka
• 5.-6. luokka
• 7.-8. luokka
• 9. luokka
• 10. luokka
• 11. luokka
• lukion suorittanut
• jotain korkeakoulututkintoa suorittanut

, ei tutkintoa

• associate’s degree, ammatillinen
• associate’s degree academic
• bachelor’s degree
• master’s degree
• professional degree
• doctoral degree
• doc-tutkinto
• Tarkastelemalla Census Bureaun vuoden 2016 estimointitietoja tämän muuttujan kohdalla näemme, että naiset olivat miehiä enemmistönä kategoriassa, jossa he olivat suorittaneet kandidaatin tutkinnon: Tämän luokan 47 718 000 henkilöstä 22 485 000 oli miehiä ja 25 234 000 naisia. Tämä sukupuolijakauma säilyi maisterin tutkinnon suorittaneiden kohdalla, mutta tohtorin tutkinnon suorittaneiden kohdalla tilanne oli päinvastainen: miehiä oli enemmän kuin naisia, jotka suorittivat tämän korkeimman koulutustason. On myös mielenkiintoista huomata, että naisten määrä oli suurempi kuin miesten määrä alhaisimmassa asteessa: 441 000 naista ilmoitti, ettei heillä ole koulutusta, kun taas miehiä oli 374 000.

  Tässä on toinen esimerkki ordinaalimuuttujien käytöstä sosiaalityön tutkimuksessa: kun henkilöt hakeutuvat hoitoon alkoholin väärinkäyttöongelman vuoksi, sosiaalityöntekijät saattavat haluta tietää, oliko tämä heidän ensimmäinen, toinen, kolmas tai mikä tahansa numeroitu vakava yrityksensä muuttaa alkoholinkäyttöään. Osallistujat, jotka osallistuivat tutkimukseen, jossa verrattiin alkoholin käyttöhäiriöiden hoitomenetelmiä, ilmoittivat, että interventiotutkimus oli heidän ensimmäinen tai yhdestoista merkittävä muutosyritys (Begun, Berger, Salm-Ward, 2011). Tämä muutosyritysmuuttuja vaikuttaa siihen, miten sosiaalityöntekijät voivat tulkita tietoja, joissa arvioidaan interventiota, joka ei ollut kaikkien osallistujien ensimmäinen yritys.

  Arvosana-asteikot. Tarkastellaan erilaista mutta yleisesti käytettyä ordinaalimuuttujan tyyppiä: luokitusasteikkoja. Sosiaali-, käyttäytymis- ja sosiaalityön tutkijat pyytävät usein tutkimukseen osallistujia käyttämään luokitteluasteikkoa kuvaamaan tietojaan, asenteitaan, uskomuksiaan, mielipiteitään, taitojaan tai käyttäytymistään. Koska tällaisen asteikon luokat ovat järjestyksessä (eniten vähiten tai vähiten eniten), kutsumme näitä järjestysmuuttujiksi.

  

  Esimerkkeinä voidaan mainita, että osallistujien on arvioitava:

  • kuinka paljon he ovat samaa tai eri mieltä tiettyjen väittämien kanssa (ei lainkaan erittäin paljon);
  • kuinka usein he harjoittavat tiettyjä käyttäytymismuotoja (ei koskaan aina);
  • kuinka usein he harjoittavat tiettyjä käyttäytymismuotoja (tunti-, päivä-, päivä-, viikko-, kuukausi-, kuukausi-, vuosi- tai harvemmin);
  • jonkun suorituksen laatu (huonosta erinomaiseen);
  • kuinka tyytyväisiä he olivat hoitoonsa (erittäin tyytymättömästä erittäin tyytyväiseen)
  • luottamuksen taso (erittäin alhaisesta erittäin korkeaan).

  Intervallimuuttujat. Vielä muut muuttujat ottavat arvoja, jotka vaihtelevat mielekkäällä numeerisella tavalla. Demografisten muuttujien luettelosta ikä on yleinen esimerkki. Yksittäiselle henkilölle annettu numeerinen arvo ilmaisee, kuinka monta vuotta henkilön syntymästä on kulunut (pikkulasten kohdalla numeerinen arvo voi ilmaista päiviä, viikkoja tai kuukausia syntymästä). Tässä tapauksessa muuttujan mahdolliset arvot on järjestetty, kuten ordinaalimuuttujissa, mutta siinä on suuri ero: mahdollisten arvojen välisten intervallien luonne. Intervallimuuttujissa vierekkäisten mahdollisten arvojen välinen ”etäisyys” on yhtä suuri. Joissakin tilastollisissa ohjelmistopaketeissa ja oppikirjoissa käytetään termiä asteikkomuuttuja: tämä on täsmälleen sama asia kuin se, mitä kutsumme intervallimuuttujaksi.

  Esimerkiksi alla olevassa kuvaajassa yhden unssin ero sen välillä, onko tämä henkilö kuluttanut 1 unssin vai 2 unssia alkoholia (maanantai, tiistai), on täsmälleen sama kuin yhden unssin ero sen välillä, onko hän kuluttanut 4 unssia vai 5 unssia (perjantai, lauantai). Jos kuvailisimme asteikon mahdolliset pisteet, ne olisivat kaikki yhtä kaukana toisistaan; minkä tahansa kahden pisteen välinen väli mitataan vakioyksiköissä (tässä esimerkissä unssissa).

  

  Ordinaalimuuttujien, kuten luokitusasteikkojen, kohdalla kukaan ei voi sanoa varmasti, että vastausvaihtoehtojen ”ei koskaan” ja ”joskus” välinen ”etäisyys” on sama kuin vastausvaihtoehtojen ”joskus” ja ”usein” välinen ”etäisyys”, vaikka käytettäisiinkin numeroita näiden vastausvaihtoehtojen järjestykseen asettamiseen. Näin ollen luokitusasteikko pysyy ordinaalisena, ei intervalliasteikkona.

  Hieman hämmentävää voi olla se, että tietyt tilasto-ohjelmat, kuten SPSS, kutsuvat intervallimuuttujaa ”asteikkomuuttujaksi”. Monet sosiaalityön tutkimuksessa käytetyt muuttujat ovat sekä järjestettyjä että pisteiden väliset etäisyydet ovat yhtä suuret. Tarkastellaan esimerkiksi muuttujaa syntymäjärjestys. Tämä muuttuja on intervallimuuttuja, koska:

  • mahdolliset arvot ovat järjestettyjä (esim. kolmanneksi syntynyt lapsi tuli esikoisen ja toiseksi syntyneen jälkeen ja ennen neljänneksi syntynyttä) ja
  • ”etäisyyksiä” tai välejä mitataan ekvivalenttisina yhden hengen yksikköinä.
  

  Jatkuvatoimiset muuttujat. On olemassa erityinen numeeristen intervallimuuttujien tyyppi, jota kutsumme jatkuviksi muuttujiksi. Esimerkiksi iän kaltaista muuttujaa voidaan käsitellä jatkuvana muuttujana. Ikä on luonteeltaan ordinaalinen, sillä suuremmat luvut merkitsevät jotain suhteessa pienempiin lukuihin. Ikä täyttää myös intervallimuuttujan kriteerit, jos sitä mitataan vuosina (tai kuukausina tai viikkoina tai päivinä), koska se on ordinaalinen ja 15 ja 30 vuoden iän välillä on sama ”etäisyys” kuin 40 ja 55 vuoden iän välillä (15 kalenterivuotta). Jatkuvasta muuttujasta tekee jatkuvan muuttujan se, että minkä tahansa kahden aikavälin välillä on myös mahdollisia, mielekkäitä ”murtopisteitä”. Esimerkiksi henkilö voi olla 20½ (20,5) tai 20¼ (20,25) tai 20¾ (20,75) vuotta vanha; emme ole rajoittuneet vain kokonaislukuihin iän osalta. Sitä vastoin, kun tarkastelimme syntymäjärjestystä, emme voi saada mielekästä murto-osaa henkilöstä asteikon kahden sijan välillä.

  Tulojen erityistapaus. Yksi väärinkäytetyimmistä muuttujista yhteiskuntatieteellisessä ja sosiaalityön tutkimuksessa on tuloihin liittyvä muuttuja. Tarkastellaan esimerkkiä kotitalouden tuloista (riippumatta siitä, kuinka monta ihmistä kotitaloudessa on). Tämä muuttuja voi olla kategorinen (nominaali), ordinaali tai intervalli (asteikko) riippuen siitä, miten sitä käsitellään.

  Kategorinen esimerkki: Riippuen tutkimuskysymysten luonteesta tutkija voi yksinkertaisesti päättää käyttää kotitalouksien luokittelussa dikotomisia luokkia ”riittävästi resursseja” ja ”riittämättömästi resursseja” jonkin vakiolaskentamenetelmän perusteella. Näitä voitaisiin kutsua ”köyhiksi” ja ”ei-köyhiksi”, jos kotitalouksien luokittelussa käytetään köyhyysrajaa. Näitä erillisiä tulomuuttujan luokkia ei ole mielekästä asettaa numerojärjestykseen, joten kyseessä on kategorinen muuttuja.

  Ordinaali Esimerkki: Kotitalouksien luokittelussa käytettävät luokat voidaan järjestää matalasta korkeaan. Esimerkiksi nämä vuositulojen luokat ovat yleisiä markkinatutkimuksissa:

  • Vähintään 25 000 dollaria.
  • 25 000-34 999 dollaria.
  • 35 000-49 999 dollaria.
  • 50 000-74 999 dollaria.
  • 75 000-99 999 dollaria.
  • 100 000-149 999 dollaria.
  • 150 000-199 999 dollaria.
  • 200 000 dollaria tai enemmän.

  Huomaa, että luokat eivät ole yhtä suuria – luokkaparien välinen ”etäisyys” ei aina ole sama. Ne alkavat noin 10 000 dollarin välein, siirtyvät 25 000 dollarin välein ja päätyvät noin 50 000 dollarin välein.

  Intervalli Esimerkki. Jos tutkija pyytäisi tutkimukseen osallistujia ilmoittamaan kotitalouden tulojen todellisen dollarimäärän, kyseessä olisi intervallimuuttuja. Mahdolliset arvot on järjestetty, ja mahdollisten vierekkäisten yksiköiden välinen väli on 1 dollari (kunhan dollarin murto-osia tai senttejä ei käytetä). Näin ollen 10 452 dollarin tulot ovat samalla etäisyydellä jatkumolla 9 452 dollarin ja 11 452 dollarin välillä – 1 000 dollaria kumpaankin suuntaan.

  

  The Special Case of Age. Kuten tulot, myös ”ikä” voi tarkoittaa eri tutkimuksissa eri asioita. Ikä on yleensä indikaattori ”ajasta syntymästä lähtien”. Voimme laskea henkilön iän vähentämällä mittausajankohdasta syntymäaikamuuttujan (tämän päivän päivämäärä miinus syntymäaika). Aikuisten ikä mitataan yleensä vuosina, joissa vierekkäiset mahdolliset arvot ovat yhden vuoden etäisyydellä toisistaan: 18, 19, 20, 21, 22 ja niin edelleen. Näin ollen ikämuuttuja voisi olla jatkuvan tyyppinen intervallimuuttuja.

  Tutkija saattaa kuitenkin haluta jakaa ikätiedot järjestettyihin luokkiin tai ikäryhmiin. Nämä olisivat edelleen ordinaalisia, mutta eivät ehkä enää intervallisia, jos mahdollisten arvojen väliset lisäykset eivät ole vastaavia yksiköitä. Jos esimerkiksi olemme enemmän kiinnostuneita iästä, joka edustaa tiettyjä ihmisen kehitysjaksoja, ikävälit eivät välttämättä ole yhtä suuria ikäkriteerien välillä. Mahdollisesti ne voivat olla:

  • Vauvaikä (syntymästä 18 kuukauteen)
  • Lapsi-ikä (18 kuukaudesta 2 ½ vuoteen)
  • Esikouluikä (2 ½ vuodesta 5 vuoteen)
  • Kouluikä (6-11 vuotta)
  • Kouluikä (6-11 vuotta)
  • Nuoruusikä (12-17 vuotta)
  • Keski-ikä (18-25 vuotta)
  • Aikuisuus (26-45 vuotta)
  • Keski-ikä (46-60 vuotta)
  • Nuoruusikä…Vanha aikuisuus (60-74 vuotta)
  • Keski-ikäinen aikuisuus (75-84 vuotta)
  • Vanha aikuisuus (85 vuotta tai enemmän)

  Ikää voidaan jopa käsitellä tiukasti kategorisena (ei-ordinaalisena) muuttujana. Esimerkiksi jos kiinnostava muuttuja on se, onko joku laillisessa juomisen ikärajassa (21 vuotta tai vanhempi) vai ei. Meillä on kaksi luokkaa – täyttää tai ei täytä laillisen juomisen ikärajan kriteerit Yhdysvalloissa – ja jompikumpi niistä voitaisiin koodata ”1” ja toinen joko ”0” tai ”2” ilman eroa merkityksessä.

  Mikä on ”oikea” vastaus siihen, miten ikää (tai tuloja) mitataan? Vastaus on ”se riippuu”. Se riippuu tutkimuskysymyksen luonteesta: mikä iän (tai tulojen) käsitteellistäminen on olennaisinta suunniteltavan tutkimuksen kannalta.

  Alfanumeeriset muuttujat. Lopuksi on olemassa tietoja, jotka eivät sovi mihinkään näistä luokituksista. Joskus tieto, jonka tiedämme, on osoitteen tai puhelinnumeron, etu- tai sukunimen, postinumeron tai muiden lausekkeiden muodossa. Tällaisia tietoja kutsutaan joskus aakkosnumeerisiksi muuttujiksi. Tarkastellaan esimerkiksi muuttujaa ”osoite”: henkilön osoite voi koostua numeerisista merkeistä (talon numero) ja kirjainmerkeistä (kadun, kaupungin ja osavaltion nimet), kuten 1600 Pennsylvania Avenue. NW, Washington, DC, 20500.

  

  Tosiasiassa tässä osoite-esimerkissä on useita muuttujia:

  • katuosoite: 1600 Pennsylvania Ave.
  • kaupunki (ja ”osavaltio”): Washington, DC
  • postinumero: 20500.

  Tämäntyyppiset tiedot eivät edusta erityisiä määrällisiä luokkia tai arvoja, joilla olisi järjestelmällinen merkitys aineistossa. Näitä kutsutaan joskus myös ”merkkijonomuuttujiksi” tietyissä ohjelmistopaketeissa, koska ne koostuvat merkkijonosta symboleja. Jotta tällaisesta muuttujasta olisi hyötyä tutkijalle, se olisi muunnettava tai koodattava uudelleen mielekkäiksi arvoiksi.

  Huomautus analyysiyksiköstä

  Muuttujia pohdittaessa on tärkeää pitää mielessä, että tietoja voidaan kerätä monilla eri havaintotasoilla. Tutkittavat elementit voivat olla yksittäisiä soluja, elinjärjestelmiä tai henkilöitä. Tai havainnointitaso voi olla yksilöparit, kuten pariskunnat, sisarukset tai vanhempi-lapsi-parit. Tällöin tutkija voi kerätä tietoa parista jokaiselta yksilöltä, mutta tarkastelee kunkin parin tietoja. Näin ollen sanoisimme, että analyysiyksikkö on pari tai dyadi, ei kukin yksittäinen henkilö. Analyysiyksikkönä voi olla myös laajempi ryhmä: tietoja voidaan esimerkiksi kerätä kokonaisen luokkahuoneen jokaiselta oppilaalta, kun analyysiyksikkönä ovat koulun tai koulujärjestelmän luokkahuoneet. Analyysiyksikkö voi olla myös naapurustojen, ohjelmien, organisaatioiden, maakuntien, osavaltioiden tai jopa kansakuntien tasolla. Esimerkiksi monet muuttujat, joita käytetään ruokaturvan indikaattoreina yhteisöjen tasolla, kuten kohtuuhintaisuus ja saatavuus, perustuvat yksittäisistä kotitalouksista kerättyihin tietoihin (Kaiser, 2017). Näitä indikaattoreita käyttävissä tutkimuksissa analyysiyksikkönä olisivat vertailtavat yhteisöt. Tällä erottelulla on merkittäviä vaikutuksia mittaamiseen ja tietojen analysointiin.

  Muistutus muuttujista vs. muuttujatasoista

  Tutkimusta voidaan kuvata vertailtavan muuttujan luokkien eli tasojen määrällä. Tutkimusta saatetaan esimerkiksi kuvata 2 X 2 -asetelmana, joka lausutaan kaksi kertaa kaksi -asetelmana. Tämä tarkoittaa, että ensimmäiselle muuttujalle on kaksi mahdollista luokkaa ja toiselle muuttujalle kaksi mahdollista luokkaa – molemmat ovat dikotomisia muuttujia. Tutkimuksessa, jossa verrataan muuttujan ”alkoholin käyttöhäiriö” kahta luokkaa (kriteerit täyttävät luokat, kyllä tai ei) muuttujan ”laittomien päihteiden käyttöhäiriö” kahteen luokkaan (kriteerit täyttävät luokat, kyllä tai ei), olisi neljä mahdollista lopputulosta (matemaattisesti 2 x 2 = 4), ja se voitaisiin kaavioida seuraavalla tavalla (tiedot perustuvat vuoden 2016 NSDUH-kyselystä saatuihin osuuksiin, jotka on esitetty teoksessa SAMHSA, 2017):

  .

  	Liiton päihteidenkäytön häiriö (SUD)
  Alkoholikäytön häiriö (AUD)		Ei	Kyllä
  	Ei	500	10
  	Kyllä	26	4

  Tämän 2 X 2 -taulukon 4 solua lukiessa selviää, että tässä (hypoteettisessa) tutkimuksessa, johon osallistui 540 henkilöä, 500 ei täyttänyt alkoholin tai laittomien aineiden käyttöhäiriön kriteerejä (Ei, Ei); 26 täytti vain alkoholin käyttöhäiriön kriteerit (kyllä, ei), 10 täytti vain laittomien aineiden käyttöhäiriön kriteerit (ei, kyllä) ja 4 täytti sekä alkoholin että laittomien aineiden käyttöhäiriön kriteerit (kyllä, kyllä). Lisäksi pienellä matematiikalla voidaan todeta, että yhteensä 30:llä oli alkoholin käyttöhäiriö (26 + 4) ja 14:llä laittomien aineiden käyttöhäiriö (10 + 4). Ja voimme nähdä, että 40:llä oli jonkinlainen päihteiden käyttöhäiriö (26 + 10 + 4).

  Jotta tämä muuttujien ja muuttujien tasojen tai luokkien välinen ero olisi kristallinkirkas, tarkastellaan vielä yhtä esimerkkiä: 2 X 3 -tutkimusasetelma. Ensin, kun teemme laskutoimituksen, meidän pitäisi nähdä 6 mahdollista lopputulosta (solua). Toiseksi tiedämme, että ensimmäisellä muuttujalla (ikäryhmä) on kaksi luokkaa (alle 30-vuotias, 30-vuotias tai vanhempi) ja toisella muuttujalla (työllisyystilanne) on kolme luokkaa (täysin työllistetty, osittain työllistetty, työtön). Tällä kertaa mallin 6 solua ovat tyhjiä, koska odotamme tietoja.

  		Työssäkäyntistatus
  Aikaryhmä		Täysin työllistetty	Työllistetty osittain. Työllistetty	Työtön
  	<30
  	≥30

  Niin, kun näet tutkimussuunnitelman kuvauksen, joka näyttää siltä, että kaksi lukua kerrotaan, se lähinnä kertoo, kuinka monta luokkaa tai tasoa kullakin muuttujalla on, ja johtaa sinut ymmärtämään, kuinka monta solua tai mahdollista lopputulosta on olemassa. 3 X 3 -suunnitelmassa on 9 solua, 3 X 4 -suunnitelmassa on 12 solua ja niin edelleen. Tämä asia tulee jälleen kerran tärkeäksi, kun käsittelemme otoskokoa luvussa 6.

  Toteuta seuraava työkirjan tehtävä:

  • SWK 3401.3-4.1 Tietojen syöttämisen aloittaminen

  Luvun yhteenveto

  Yhteenvetona voidaan todeta, että tutkijat suunnittelevat monia kvantitatiivisia tutkimuksia testatakseen hypoteeseja, jotka koskevat muuttujien välisiä suhteita. Kyseisten muuttujien luonteen ymmärtäminen auttaa tehdyn tutkimuksen ymmärtämisessä ja arvioinnissa. Erityyppisten muuttujien sekä muuttujien ja luokkien välisten erojen ymmärtämisellä on tärkeitä vaikutuksia tutkimuksen suunnitteluun, mittaamiseen ja otoksiin. Muun muassa seuraavassa luvussa tarkastellaan kvantitatiivisessa tutkimuksessa tutkittujen muuttujien luonteen ja sen, miten tutkijat ryhtyvät mittaamaan kyseisiä muuttujia, välistä yhtymäkohtaa.

  

  Vietä hetki aikaa suorittamalla seuraava tehtävä.