Kvantitativ metode

Hvad er kvantitativ metode?

Du kender den kvantitative metode fra meningsmålinger, spørgeskemaundersøgelser og har måske lagt mærke til, at den talbaserede metode også bliver brugt ivrigt inden for en lang række naturvidenskabelige discipliner til at undersøge verden omkring os.
Den kvantitative metode er, når man kan måle resultatet. Derfor går metoden ud på at indsamle en stor mængde materiale, så man kan aflæse sammenhænge og tendenser, kortlægge udbredelsen af folks holdninger eller f.eks. finde ud af, hvor mange patienter der bliver syge af en særlig medicin.
Ved kvantitative tilgange søger man på denne måde efter årsagssammenhænge. Man opfatter det, man undersøger som ting eller objekter, der indgår i kausalforklaringer* – også selvom det gælder mennesker. Den kvantitative tilgang har visse begrænsninger – især når det er mennesker, man undersøger. Det skyldes, at den kvantitative tilgang nødvendigvis begrænser sig til besvarelserne og dermed ikke kan belyse andre væsentlige faktorer, idet man ikke kan se baggrunden for de enkelte svar (der kan man inddrage den kvalitative metode fx interviews, hvor folk kan uddybe deres svar fra den kvantitative undersøgelse)Der kræves et minimum antal observationer, før man vil kunne tillade, at der foretages generelle konklusioner.
*Kausalforklaring kaldes også årsagsforklaring, og beskriver hvordan forskellige ting med nødvendighed medfører andre ting:Hvis A sker, så sker også B. Årsagssammenhænge i samfundsfag er ofte komplicerede forklaringer, hvor flere variable (egenskaber) spiller ind.Det er i samfundsfag langt fra tilfældet, at der er tale om en simpel årsags-virkning-sammenhæng.

Fordele/ulemper kvantitativ metode

Fordele:
- Metoden er velegnet til at be- eller afkræfte hypoteser
- Det er muligt at generalisere resultaterne til at gælde for en større gruppe
- Repræsentativitet kan sikres

Ulemper:
- Den er ofte mindre dybdegående
- Respondenterne kan ikke nuancere eller uddybe deres svar

How to: Indsamling af data

Når man laver en kvantitativ undersøgelse, bruger man ofte spørgeskemaundersøgelser, hvor svarmulighederne er lukkede (dvs. at respondenterne skal sætte et kryds i allerede definerede kategorier - f.eks. 'ja'/'nej' eller 'slet ikke'/'i nogen grad'/'i høj grad', og hvor svarene kan omsættes til tal og bearbejdes statistisk. På den måde kan man relativt hurtigt få overblik over store datamængder og ud fra dem finde mønstre og sammenhænge.
Når man skal udvælge hvilke respondenter, man vil have til at besvare sit spørgeskema, kan det gøres på lidt forskellige måder.
Mange har personlige præferencer, der i et vist omfang kommer til at styre deres udvælgelse af respondenter. Måske kan du bedst lide at kontakte folk på din egen alder, og derfor interviewer du kun gymnasieelever. Eller måske har du kun tid til at ringe rundt efter skoletid, og derfor får du kun fat i folk der er hjemme på dette tidspunkt. Det kan give en systematisk skæv fordeling i udvælgelsen og for at modvirke det, kan du anvende tilfældige udvælgelsesmetoder. Der kan du vælge mellem helt tilfældig udvælgelse og stratificeret tilfældig udvælgelse:
Helt tilfældig udvælgelse. Fremgangsmåden i en helt tilfældig udvælgelse foregår på samme måde som ved lodtrækning: En liste med navne nummereres, og respondenterne udvælges efter nummer.
Stratificeret tilfældig udvælgelse. Hvis du på forhånd kender nogle karakteristiske egenskaber ved en population (den totale gruppe, du vil undersøge), kan du med fordel opdele denne i grupper eller planer [strata]. For eksempel kan kønsfordelingen i en population være skævt fordelt. Du risikerer i den helt tilfældige sampling, at udvalget ikke afspejler den skæve kønsfordeling. Hvis du derimod starter med at opdele populationen i køn, kan du efterfølgende tilfældigt udvælge et bestemt antal fra hver gruppe og herved sikre at samplingen er repræsentativ med henblik på kønsfordelingen.

How to: Chi2-test for statistisk signifikans

Når man har indsamlet alle respondenternes svar på spørgeskemaerne, kan man undersøge om der er eventuelle sammenhænge mellem de forskellige variable (f.eks. køn og indkomst). Det er netop disse sammenhænge, vi undersøger for når vi laver en Chi2-test (er der f.eks. større sandsynlighed for en højere indkomst, hvis man er mand fremfor hvis man er kvinde?)

M.a.o. finder Chi2-testen den statistiske signifikans (statistisk sandsynlighed) for sammenhængen mellem variablene (fx ‘køn’ og ‘indkomst’) - og det foregår således:
1. Man opstiller 2 hypoteser, hvor der i den ene antages en sammenhæng, og i den anden antages at der ikke er en sammenhæng H₀: Der er ingen sammenhæng. F.eks.: Der er ingen sammenhæng mellem køn og indkomst.

H₁: Der er sammenhæng. F.eks.: Der er sammenhæng mellem køn og indkomst.

2. Man gennemføre testen i et matematik/statistik-program eller excel og får en p-værdi
- P-værdien fortæller os med hvor stor sandsynlighed vores H₀-hypotese holder (altså at der er ingen sammenhæng).
- Det betyder, at hvis p < 0,01 er der 99% sandsynlighed for at sammenhængen er signifikant
- Og hvis p ≤ 0,05 er der 95% sandsynlighed for at sammenhængen er signifikant
Altså: jo lavere p-værdi desto mere sikker kan man være på, at nulhypotesen er falsk og man kan derved bekræfte, at der er en sammenhæng - M.a.o. jo lavere p-værdi, jo større er sandsynligheden for sammenhæng

Beware!

- Testen kan kun bruges til at afsløre en sammenhæng, den kan ikke forklare hvorfor der er en sammenhæng - her skal vi bruge teorier
- Der kan være tale om mellemliggende variable eller spuriøse sammenhænge, som giver indtrykket af, at der er en sammenhæng mellem vores to variable uden at der i virkeligheden er det
- Vi kan ikke nødvendigvis sige noget om, hvilken variabel der påvirker hvilken - altså hvilken vej kausaliteten går - der må teorien igen hjælpe os