Szociális munka 3401 tanfolyamkönyv

Az első dolog, amit meg kell értenünk, az a változók természete, és az, hogy a változókat hogyan használják a vizsgálat tervezése során a vizsgálati kérdések megválaszolására. Ebben a fejezetben megismerheted:

• a változók különböző típusait a kvantitatív vizsgálatokban,
• az elemzési egység kérdésével kapcsolatos kérdéseket.

A kvantitatív változók megértése

A változó szó gyökere a “variál” szóval áll kapcsolatban, ami segíthet megérteni, hogy mik lehetnek a változók. A változók olyan elemek, entitások vagy tényezők, amelyek változhatnak (változhatnak); például a külső hőmérséklet, a benzin gallononkénti ára, egy személy súlya és a tágabb családodban élő személyek hangulata mind változók. Más szóval, különböző körülmények között vagy különböző emberek esetében különböző értékeket vehetnek fel.

Változókat használunk az érdekes jellemzők vagy tényezők leírására. Példaként említhetjük a különböző háztartások tagjainak számát, az egészséges élelmiszerforrások távolságát a különböző városrészekben, a szociális munka oktatóinak és hallgatóinak arányát egy BSW vagy MSW programban, a különböző faji/etnikai csoportokhoz tartozó bebörtönzött személyek arányát, a szociális munka program szolgáltatásainak igénybevételéhez szükséges szállítási költségeket, vagy a csecsemőhalandóság arányát a különböző megyékben. A szociális munka intervenciós kutatásában a változók közé tartozhatnak a beavatkozás jellemzői (intenzitás, gyakoriság, időtartam) és a beavatkozással kapcsolatos eredmények.

Demográfiai változók. A szociális munkásokat gyakran érdekli az, amit demográfiai változóknak nevezünk. A demográfiai változókat egy populáció, csoport vagy a populáció mintájának jellemzőinek leírására használják. Példák a gyakran alkalmazott demográfiai változókra:

• kor,
• nemzetiség,
• nemzetiségi származás,
• vallási hovatartozás,
• nem,
• nem,
• szexuális irányultság,
• házassági/kapcsolati státusz,
• foglalkoztatási státusz,
• politikai hovatartozás,
• földrajzi elhelyezkedés,
• képzettségi szint, és
• jövedelem.

Makroszinten egy közösség vagy szervezet demográfiai jellemzői között gyakran szerepel annak mérete; a szervezeteket gyakran a teljes költségvetésük alapján mérik.

Függő és függő változók. Az a mód, ahogyan a vizsgálók a vizsgálati változókról gondolkodnak, fontos következményekkel jár a vizsgálati tervre nézve. A vizsgálók döntéseket hoznak arról, hogy független változóként vagy függő változóként szolgáljanak. Ez a megkülönböztetés nem a változók velejárója, hanem azon alapul, hogy a vizsgáló hogyan határozza meg az egyes változókat. A független változók azok, amelyekre úgy gondolhatunk, mint manipulált “bemeneti” változókra, míg a függő változók azok, ahol az adott bemeneti variáció hatását vagy “kimenetét” megfigyelnénk.

A “bemeneti” (független) változó szándékos manipulálásáról nem mindig van szó. Vegyük például egy Svédországban végzett tanulmányt, amely a gyermekbántalmazás áldozatává válás és a későbbi középiskolai hiányzás közötti kapcsolatot vizsgálta: senki sem manipulálta szándékosan, hogy a gyerekek gyermekbántalmazás áldozatai lesznek-e (Hagborg, Berglund, & Fahlke, 2017). A kutatók azt feltételezték, hogy a bemeneti változóban (gyermekbántalmazás előzményei) természetesen előforduló különbségek egy konkrét kimeneti változó (iskolai hiányzás) szisztematikus variációjával járnak majd együtt. Ebben az esetben a független változó a gyermekbántalmazás áldozatává válás története volt, a függő változó pedig az iskolai hiányzás kimenetele. Más szóval, a független változóról a vizsgáló feltételezi, hogy a függő változóban változást vagy változást okoz. Így nézhet ki egy olyan diagram, ahol “x” a független változó és “y” a függő változó (megjegyzés: ezt a jelölést már korábban, a 3. fejezetben láthatta, amikor az ok-okozati logikát tárgyaltuk):

Egy másik példaként tekintsünk egy olyan kutatást, amely szerint a gyermekbántalmazás áldozatává válás összefügg a serdülőkori szerhasználat magasabb kockázatával (Yoon, Kobulsky, Yoon, & Kim, 2017). A független változó ebben a modellben a gyermekkori bántalmazás története lenne. A függő változó a serdülőkori szerhasználat kockázata lenne. Ez a példa még kidolgozottabb, mert meghatározza azt az útvonalat, amelyen keresztül a független változó (gyermekkori bántalmazás) a függő változóra (serdülőkori szerhasználat) gyakorolt hatását érvényesíteni tudja. A tanulmány szerzői kimutatták, hogy a poszttraumás stressz (PTS) kapcsolatot jelent a gyermekkori (fizikai és szexuális) bántalmazás és a serdülőkori szerhasználat között.

A mennyiségi változók típusai

Az érdeklődő változókról való gondolkodásnak más értelmes módjai is vannak. Tekintsük át a kvantitatív kutatásokban használt változók különböző jellemzőit. Itt a kvantitatív változókat kategorikus, ordinális vagy intervallum jellegűként vizsgáljuk. Ezek a jellemzők mind a mérésre, mind az adatelemzésre hatással vannak.

Kategorikus változók. Egyes változók olyan értékeket vehetnek fel, amelyek változnak, de nem értelmes numerikus módon. Ehelyett a lehetséges kategóriák szempontjából definiálhatók. Ezeket logikailag kategorikus változóknak nevezzük. A statisztikai szoftverek és tankönyvek néha nominális változóként hivatkoznak a kategóriákkal rendelkező változókra. A nominális a latin “nom” gyökszóra gondolhatunk, amely “nevet” jelent, és nem tévesztendő össze a számmal. A változók leírásában a nominális ugyanazt jelenti, mint a kategorikus. Más szóval a kategorikus vagy nominális változókat a képviselt kategóriák nevei vagy címkéi azonosítják. Például a legutóbbi autó színe, amelyben utoljára ültél, kategorikus változó lenne: kék, fekete, ezüst, fehér, piros, zöld, sárga vagy egyéb kategóriái annak a változónak, amelyet autószínnek nevezhetünk.

A kategorikus változóknál az a fontos, hogy ezeknek a kategóriáknak nincs releváns numerikus sorrendje vagy rendje. Nincs numerikus különbség a különböző autószínek között, vagy különbség az “igen” vagy a “nem” mint kategóriák között annak megválaszolásában, hogy kék autóban utaztál-e. Nincs implikált sorrend vagy hierarchia a “spanyolajkú vagy latin” és a “nem spanyolajkú vagy latin” kategóriák között egy etnikai változóban; és nincs releváns sorrend az olyan változók kategóriáiban sem, mint a nem, az állam vagy földrajzi régió, ahol egy személy lakik, vagy hogy a személy lakása saját vagy bérelt.

Ha egy kutató úgy döntött, hogy számokat használ a kategóriákhoz kapcsolódó szimbólumként egy ilyen változóban, a számok önkényesek – minden szám lényegében csak egy másik, rövidebb név az egyes kategóriákhoz. Például a nem változót a következő módon lehetne kódolni, és ez nem jelentene különbséget, amíg a kódot következetesen alkalmazzák.

A kódolási lehetőség	Változó kategóriái	B kódolási lehetőség	B kódolási lehetőség
1	férfi	2
2	női	1
3	más, mint férfi vagy nő egyedül	4
4	nem válaszol	3

Faj és etnikum.A szociális munka és a társadalomtudományi kutatások egyik leggyakrabban vizsgált kategorikus változója a demográfiai, amely egy személy faji és/vagy etnikai hátterére utal. Számos tanulmány a U.S. Census Bureau korábbi jelentéseiben meghatározott kategóriákat használja. Íme, mit mond az U.S. Census Bureau a két különböző demográfiai változóról, a faji és etnikai hovatartozásról (https://www.census.gov/mso/www/training/pdf/race-ethnicity-onepager.pdf):

Mi a faj? A Népszámlálási Hivatal a faj fogalmát úgy határozza meg, mint egy személy egy vagy több társadalmi csoporthoz való önazonosítása. Az egyén vallhatja magát fehérnek, fekete vagy afroamerikai, ázsiai, amerikai indián és alaszkai őslakosnak, hawaii őslakosnak és más csendes-óceáni szigetlakónak vagy valamilyen más fajhoz tartozónak. A felmérésben részt vevők több rasszról is beszámolhatnak.

Mi az etnikai hovatartozás? Az etnikai hovatartozás határozza meg, hogy egy személy spanyol származású-e vagy sem. Emiatt az etnikai hovatartozást két kategóriára bontják: spanyolajkúak vagy latinok és nem spanyolajkúak vagy latinok. A spanyolajkúak bármilyen fajúnak vallhatják magukat.

Más szóval, a Népszámlálási Hivatal két kategóriát határoz meg az etnikai hovatartozás nevű változóra (spanyolajkú vagy latinó és nem spanyolajkú vagy latinó), és hét kategóriát a faj nevű változóra. Bár ezeket a változókat és kategóriákat gyakran alkalmazzák a társadalomtudományi és szociális munka kutatásokban, nem kritikátlanok.

A kategóriák alapján a következők a becslések szerint igazak az Egyesült Államok népességére 2016-ban:

Dichotóm változók.Létezik a kategorikus változóknak egy speciális kategóriája, amely bizonyos statisztikai elemzésekre hatással van. A pontosan két lehetőségből, se több, se kevesebb lehetőségből álló kategorikus változókat dichotóm változóknak nevezzük. Az egyik példa erre a U.S. Census Bureau által a hispániai/latinamerikai és a nem hispániai/nem latinamerikai etnikai hovatartozás dichotómiája. Egy másik példában a vizsgálók esetleg össze kívánják hasonlítani azokat az embereket, akik befejezik a kezelést, azokkal, akik a kezelés befejezése előtt kilépnek. A két kategóriával, befejezett vagy nem befejezett, ez a kezelés befejezése változó nem csak kategorikus, hanem dichotóm is. Azok a változók, amelyeknél az egyének “igen” vagy “nem” választ adnak, szintén dichotóm jellegűek.

A nemek férfi vagy nőneműként való kezelésének korábbi hagyománya egy másik példa a dichotóm változókra. Nagyon erős érvek szólnak azonban amellett, hogy a nemet ne kezeljük többé ilyen dichotóm módon: a nemi identitások szélesebb választéka bizonyíthatóan releváns a szociális munkában azon személyek számára, akiknek identitása nem igazodik a férfi/nő vagy férfi/nő dichotóm (más néven bináris) kategóriákhoz. Ide tartoznak az olyan kategóriák, mint az agender, androgün, bigender, cisgender, gender expansive, gender fluid, gender questioning, queer, transznemű és mások.

Ordinális változók. Ezekkel a kategorikus változókkal ellentétben, néha egy változó kategóriáinak van egy logikus numerikus sorrendje vagy sorrendje. Az ordinális definíció szerint egy sorban elfoglalt pozícióra utal. A numerikusan releváns kategóriákkal rendelkező változókat ordinális változóknak nevezzük. Például az iskolai végzettség nevű változó esetében a kategóriáknak a legkisebbtől a legnagyobbig terjedő sorrendje van. Az U.S. Census adatainak kategóriái ehhez az ordinális változóhoz a következők:

• nincs
• 1.-4. osztály
• 5.-6. osztály
• 7.-8. osztály
• 9. osztály
• 10. osztály
• 11. osztály
• főiskolai végzettség
• egyetemi végzettség, nincs diploma
• egyetemi diploma, foglalkozás
• asszociate’s degree academic
• bachelor’s degree
• master’s degree
• professional degree
• doctoral degree

A Census Bureau 2016-os becsült adatait vizsgálva erre a változóra vonatkozóan azt láthatjuk, hogy a nők száma meghaladja a férfiakét az alapfokú végzettségűek kategóriájában: az ebbe a kategóriába tartozó 47 718 000 főből 22 485 000 férfi és 25 234 000 nő volt. Míg a mesterfokozatot szerzettek esetében ez a nemek közötti különbség megmaradt, a doktori fokozatot szerzettek esetében ez a minta megfordult: több férfi, mint nő szerezte meg ezt a legmagasabb szintű végzettséget. Az is érdekes, hogy az alacsony végzettségűeknél a nők száma meghaladta a férfiakét: 441 000 nő jelentette, hogy nincs iskolai végzettsége, szemben a 374 000 férfival.

Itt egy másik példa az ordinális változók használatára a szociális munka kutatásában: amikor egyének alkoholfogyasztási problémájuk miatt kezelést kérnek, a szociális munkások tudni szeretnék, hogy ez az első, második, harmadik vagy bármilyen számozott komoly kísérletük az ivási magatartásuk megváltoztatására. Az alkoholfogyasztási zavarok kezelési megközelítéseit összehasonlító vizsgálatba bevont résztvevők arról számoltak be, hogy a beavatkozási vizsgálat az elsőtől a tizenegyedik jelentős változtatási kísérletük volt (Begun, Berger, Salm-Ward, 2011). Ez a változtatási kísérlet változó hatással van arra, hogy a szociális munkások hogyan értelmezhetnek olyan beavatkozást értékelő adatokat, amely nem az első próbálkozás volt minden érintett számára.

Értékelési skálák. Tekintsük az ordinális változók egy másik, de gyakran használt típusát: a minősítési skálákat. A szociális, viselkedési és szociális munkával foglalkozó kutatók gyakran kérik a vizsgálatban résztvevőket, hogy alkalmazzanak egy értékelési skálát tudásuk, attitűdjeik, hiedelmeik, véleményük, készségeik vagy viselkedésük leírására. Mivel az ilyen skálán a kategóriák sorrendbe vannak állítva (a legtöbbtől a legkevésbé vagy a legkevésbé a legtöbbig), ezeket ordinális változóknak nevezzük.

Példaként említhetjük, hogy a résztvevőknek értékelniük kell:

• milyen mértékben értenek egyet vagy nem értenek egyet bizonyos állításokkal (egyáltalán nem és rendkívül mértékben);
• milyen gyakran követnek el bizonyos viselkedéseket (soha és mindig);
• milyen gyakran követnek el bizonyos viselkedéseket (óránként, naponta, hetente, havonta, évente vagy ritkábban);
• valaki teljesítményének minősége (rossz és kiváló között);
• milyen elégedettek voltak a kezeléssel (nagyon elégedetlen és nagyon elégedett között)
• bizalomszintjük (nagyon alacsony és nagyon magas között).

Intervallumváltozók. Még más változók olyan értékeket vesznek fel, amelyek értelmes numerikus módon változnak. A demográfiai változók listájából az életkor egy gyakori példa. Az egy személyhez rendelt numerikus érték az adott személy születése óta eltelt évek számát jelzi (csecsemők esetében a numerikus érték jelezheti a születés óta eltelt napokat, heteket vagy hónapokat). Itt a változó lehetséges értékei az ordinális változókhoz hasonlóan rendezettek, de egy nagy különbséget vezetünk be: a lehetséges értékek közötti intervallumok jellegét. Az intervallumváltozók esetében a szomszédos lehetséges értékek közötti “távolság” egyenlő. Egyes statisztikai szoftvercsomagok és tankönyvek a skálaváltozó kifejezést használják: ez pontosan ugyanaz, mint amit mi intervallumváltozónak nevezünk.

Az alábbi grafikonon például az 1 uncia különbség, hogy ez a személy 1 uncia vagy 2 uncia alkoholt fogyasztott (hétfő, kedd), pontosan megegyezik a 4 uncia vagy 5 uncia (péntek, szombat) fogyasztása közötti 1 uncia különbséggel. Ha a skálán ábrázolnánk a lehetséges pontokat, ezek mind egyenlő távolságra lennének egymástól; bármely két pont közötti intervallumot szabványos egységekben (ebben a példában unciában) mérjük.

Az ordinális változók, például egy értékelő skála esetében senki sem mondhatja biztosan, hogy a “soha” és a “néha” válaszlehetőségek közötti “távolság” megegyezik a “néha” és a “gyakran” közötti “távolsággal”, még akkor sem, ha számokat használnánk e válaszlehetőségek sorrendjéhez. Így a minősítési skála ordinális marad, nem pedig intervallum.

Az, ami egy kicsit zavaró lehet, hogy bizonyos statisztikai szoftverprogramok, mint például az SPSS, egy intervallumváltozót “skála” változónak neveznek. A szociális munka kutatásában használt számos változó mind rendezett, mind pedig egyenlő távolságokkal rendelkezik a pontok között. Vegyük például a születési sorrend változóját. Ez a változó azért intervallumos, mert:

• a lehetséges értékek rendezettek (pl. a harmadszülött gyermek az első- és másodszülött után és a negyedszülött előtt jött), és
• a “távolságokat” vagy intervallumokat egyenértékű egyszemélyes egységekben mérik.

Folytonos változók. Létezik a numerikus intervallumváltozóknak egy speciális típusa, amelyet folytonos változóknak nevezünk. Egy olyan változót, mint az életkor, folyamatos változóként kezelhetünk. Az életkor ordinális jellegű, mivel a nagyobb számok jelentenek valamit a kisebb számokhoz képest. Az életkor akkor is megfelel az intervallumváltozóra vonatkozó kritériumainknak, ha években (vagy hónapokban, hetekben vagy napokban) mérjük, mivel ordinális, és ugyanolyan “távolság” van a 15 és 30 éves kor között, mint a 40 és 55 éves kor között (15 naptári év). Az teszi folytonos változóvá, hogy bármely két intervallum között is vannak lehetséges, értelmes “tört” pontok. Például egy személy lehet 20½ (20,5) vagy 20¼ (20,25) vagy 20¾ (20,75) éves; nem csak az egész számokra vagyunk korlátozva az életkor tekintetében. Ezzel szemben, amikor a születési sorrendet vizsgáltuk, nem kaphatunk értelmes töredéket egy személynek a skála két pozíciója között.

A jövedelem speciális esete. A társadalomtudományi és szociális munkáskutatásokban az egyik leginkább visszaélésszerűen használt változó a jövedelemmel kapcsolatos változó. Vegyünk egy példát a háztartás jövedelméről (függetlenül attól, hogy hány ember van a háztartásban). Ez a változó lehet kategorikus (nominális), ordinális vagy intervallumos (skála) attól függően, hogy hogyan kezeljük.

Kategorikus példa: A kutató a kutatási kérdések jellegétől függően egyszerűen dönthet úgy, hogy a háztartások osztályozására a “kellően ellátott” és a “nem kellően ellátott” dichotóm kategóriákat használja, valamilyen szabványos számítási módszer alapján. Ezeket lehet “szegénynek” és “nem szegénynek” nevezni, ha egy szegénységi küszöböt használnak a háztartások kategorizálására. Ezek a különböző jövedelemváltozó-kategóriák nem értelmezhetőek numerikusan egymás után, ezért kategorikus változóról van szó.

Ordinális példa: A háztartások osztályozására szolgáló kategóriákat alacsonyról magasra lehet rendezni. Például az éves jövedelemre vonatkozóan ezek a kategóriák gyakoriak a piackutatásban:

• 25 000 dollárnál kevesebb.
• 25 000 és 34 999 dollár között.
• 35 000 és 49 999 dollár között.
• 50 000 és 74 999 dollár között.
• 75 000 és 99 999 dollár között.
• 100,000$ – 149,999$.
• 150,000$ – 199,999$.
• 200,000$ vagy több.

Megjegyezzük, hogy a kategóriák nem egyforma méretűek – a kategóriapárok közötti “távolság” nem mindig azonos. Körülbelül 10 000 dolláros lépésekben kezdődnek, 25 000 dolláros lépésekben haladnak, és körülbelül 50 000 dolláros lépésekben végződnek.

Intervallum példa. Ha egy vizsgáló arra kérné a vizsgálatban résztvevőket, hogy a háztartási jövedelem tényleges dollárösszegét adják meg, akkor egy intervallumváltozót látnánk. A lehetséges értékek rendezettek, és a lehetséges szomszédos egységek közötti intervallum 1 dollár (amennyiben nem használunk dollártörteket vagy centeket). Így egy 10.452 dolláros jövedelem a 9.452 dolláros és a 11.452 dolláros kontinuumon ugyanolyan távolságban van – mindkét irányban 1.000 dollár.

A kor különleges esete. A jövedelemhez hasonlóan az “életkor” is jelenthet különböző dolgokat a különböző tanulmányokban. Az életkor általában a “születés óta eltelt idő” mutatója. Kiszámíthatjuk egy személy életkorát úgy, hogy a születési dátum változót kivonjuk a mérés időpontjából (mai dátum mínusz születési dátum). Felnőttek esetében az életkort általában években mérik, ahol a szomszédos lehetséges értékek 1 éves egységekben vannak egymástól eltávolítva: 18, 19, 20, 21, 22 és így tovább. Így az életkor változó lehet egy folytonos típusú intervallumváltozó.

A vizsgálatot végző személy azonban az életkori adatokat rendezett kategóriákba vagy korcsoportokba kívánhatja sorolni. Ezek még mindig ordinálisak lennének, de lehet, hogy már nem intervallumosak, ha a lehetséges értékek közötti növekmények nem egyenértékű egységek. Például, ha inkább az adott emberi fejlődési periódusokat reprezentáló életkor érdekel bennünket, akkor a korintervallumok nem biztos, hogy egyenlő terjedelműek az életkori kritériumok között. Lehetséges, hogy azok lehetnek:

• Csecsemőkor (születéstől 18 hónapig)
• Kisgyermekkor (18 hónaptól 2 ½ éves korig)
• Óvodáskor (2 ½-től 5 éves korig)
• iskoláskor (6-tól 11 éves korig)
• Kamaszkor (12-17 éves kor)
• Felnőttkor (18-25 éves kor)
• Felnőttkor (26-45 éves kor)
• Középkor (46-60 éves kor)
• Fiatal…Idős felnőttkor (60-74 év)
• Középkorú felnőttkor (75-84 év)
• Öregkorú felnőttkor (85 vagy több év)

A kor akár szigorúan kategorikus (nem-ordinális) változóként is kezelhető. Például, ha az érdeklődésre számot tartó változó az, hogy valaki betöltötte-e a törvényes alkoholfogyasztási kort (21 éves vagy idősebb), vagy sem. Két kategóriánk van – megfelel vagy nem felel meg a törvényes alkoholfogyasztási korhatár kritériumainak az Egyesült Államokban -, és bármelyiket kódolhatjuk “1-gyel”, a másikat pedig “0”-val vagy “2-vel”, jelentésbeli különbség nélkül.

Mi a “helyes” válasz arra, hogyan mérjük az életkort (vagy a jövedelmet)? A válasz az, hogy “attól függ”. Attól függ, hogy milyen jellegű a kutatási kérdés: az életkor (vagy a jövedelem) melyik fogalom-meghatározása a legfontosabb a tervezett vizsgálat szempontjából.

Alfanumerikus változók. Végül vannak olyan adatok, amelyek nem illeszkednek ezen osztályozások egyikébe sem. Néha az általunk ismert információ cím vagy telefonszám, kereszt- vagy vezetéknév, irányítószám vagy más kifejezések formájában van. Az ilyen típusú információkat néha alfanumerikus változóknak nevezik. Vegyük például a “cím” változót: egy személy címe állhat numerikus karakterekből (a házszám) és betűjelekből (az utca, a város és az állam neve), például 1600 Pennsylvania Ave. NW, Washington, DC, 20500.

Ténylegesen több változó is jelen van ebben a címpéldában:

• az utca címe: A város (és az “állam”): 1600 Pennsylvania Ave.
• A város (és az “állam”): Washington, DC
• az irányítószám: 20500.

Az ilyen típusú információk nem képviselnek konkrét mennyiségi kategóriákat vagy szisztematikus jelentéssel bíró értékeket az adatokban. Ezeket bizonyos szoftvercsomagokban néha “string” változóknak is nevezik, mivel szimbólumok sorozatából állnak. Ahhoz, hogy egy vizsgáló számára hasznos legyen, egy ilyen változót át kell alakítani vagy át kell kódolni értelmes értékekké.

Egy megjegyzés az elemzési egységről

A változókról való gondolkodás során fontos szem előtt tartani, hogy az adatokat a megfigyelés számos különböző szintjén gyűjthetjük. A vizsgált elemek lehetnek egyes sejtek, szervrendszerek vagy személyek. Vagy a megfigyelés szintje lehet az egyének párja, például párok, testvérek vagy szülő-gyermek kettősök. Ebben az esetben a vizsgáló minden egyes egyedről gyűjthet információt a párról, de minden egyes pár adatait vizsgálja. Így azt mondanánk, hogy az elemzés egysége a pár vagy a dyád, nem pedig az egyes személyek. Az elemzési egység lehet egy nagyobb csoport is: például adatokat gyűjthetünk egész osztályok minden egyes tanulójáról, ha az elemzési egység egy iskola vagy iskolarendszer osztálytermei. Vagy az elemzési egység lehet szomszédságok, programok, szervezetek, megyék, államok vagy akár nemzetek szintjén is. Például a közösségek szintjén az élelmezésbiztonság mutatójaként használt számos változó, például a megfizethetőség és a hozzáférhetőség, az egyes háztartásokból gyűjtött adatokon alapul (Kaiser, 2017). Az elemzés egysége az ezeket a mutatókat használó tanulmányokban az összehasonlított közösségek lennének. Ez a megkülönböztetés fontos mérési és adatelemzési következményekkel jár.

Emlékeztetés a változókról versus változószintek

Egy tanulmányt az összehasonlítandó változó kategóriák vagy szintek számával lehet leírni. Például előfordulhat, hogy egy vizsgálatot 2 X 2 elrendezésként írnak le – ezt kettő-kettő elrendezésként ejtik ki. Ez azt jelenti, hogy az első változó esetében 2 lehetséges kategória van, a másik változó esetében pedig 2 lehetséges kategória – mindkettő dichotóm változó. Egy olyan vizsgálat, amely az “alkoholfogyasztási zavar” változó 2 kategóriáját (a kritériumoknak megfelelő kategóriák, igen vagy nem) a “tiltott szerhasználati zavar” változó 2 kategóriájával (a kritériumoknak megfelelő kategóriák, igen vagy nem) hasonlítja össze, 4 lehetséges kimenettel rendelkezik (matematikailag 2 x 2=4), és így ábrázolható (a 2016-os NSDUH-felmérés arányain alapuló adatok, bemutatás a SAMHSA, 2017-ben):

.

	Illegális anyaghasználati zavar (SUD)
Alkoholfogyasztási zavar (AUD)		Nem	Igen
	Nem	500	10
	Igen	26	4

E 2 X 2 táblázat 4 celláját olvasva megtudhatjuk, hogy ebben az 540 főre kiterjedő (hipotetikus) felmérésben, 500 nem felelt meg sem az alkohol-, sem az illegális szerhasználati zavar kritériumainak (Nem, Nem); 26 csak az alkoholfogyasztási zavar kritériumainak felelt meg (igen, nem); 10 csak az illegális szerhasználati zavar kritériumainak felelt meg (nem, igen), és 4 mind az alkohol-, mind az illegális szerhasználati zavar kritériumainak megfelelt (igen, igen). Ezen kívül, egy kis matematika alkalmazásával láthatjuk, hogy összesen 30-nak volt alkoholhasználati zavara (26 + 4) és 14-nek tiltott szerhasználati zavara (10 + 4). És azt is láthatjuk, hogy 40-en szenvedtek valamilyen szerhasználati zavarban (26 + 10 + 4).

Azért, hogy a változók és a változók szintjei vagy kategóriái közötti különbségtétel kristálytiszta legyen, nézzünk még egy példát: egy 2 X 3 vizsgálati tervet. Először is, a matematikát elvégezve, 6 lehetséges eredményt (cellát) kell látnunk. Másodszor, tudjuk, hogy az első változónak (korcsoport) 2 kategóriája van (30 év alatti, 30 éves vagy idősebb), a másik változónak (foglalkoztatási státusz) pedig 3 kategóriája van (teljesen foglalkoztatott, részben foglalkoztatott, munkanélküli). Ezúttal a tervünk 6 cellája üres, mert várjuk az adatokat.

		Foglalkoztatási státusz
Korcsoport		Teljesen foglalkoztatott	Részlegesen foglalkoztatott. Foglalkoztatott	Munkanélküli
	<30
	≥30

Így, amikor egy vizsgálati terv leírását látja, amely úgy néz ki, mintha két számot szoroznának meg, az lényegében azt mondja meg, hogy hány kategóriája vagy szintje van az egyes változóknak, és elvezet ahhoz, hogy megértse, hány cella vagy lehetséges kimenetel létezik. A 3 X 3 terv 9 cellával rendelkezik, a 3 X 4 terv 12 cellával, és így tovább. Ez a kérdés még egyszer fontos lesz, amikor a 6. fejezetben a minta méretét tárgyaljuk.

Kapiteli összefoglaló

A kutatók számos mennyiségi vizsgálatukat azért tervezik, hogy a változók közötti kapcsolatokra vonatkozó hipotéziseket teszteljék. Az érintett változók természetének megértése segít az elvégzett kutatás megértésében és értékelésében. A különböző típusú változók, valamint a változók és a kategóriák közötti különbségek megértése fontos következményekkel jár a vizsgálatok tervezésére, a mérésekre és a mintákra nézve. A következő fejezetben többek között a kvantitatív kutatásban vizsgált változók jellege és a kutatók e változók mérésének módja közötti metszéspontokat vizsgáljuk.

Töltse ki a következő feladatot.