Muut menetelm

1
Muut menetelmät ja aineiston jatkokäsittely

• Jouko Miettunen, tutkijatohtori, FT
• Psykiatrian klinikka
• Oulun yliopisto
• puhelin 08-3156923
• sähköposti jouko.miettunen_at_oulu.fi

Kvantitatiivinen tutkimus hoitotieteessä, Oulu
20.10.2006
2
Luennon sisältö

• Luotettavuuden käsitteitä
• Cronbachin alpha ja muita vastaavia menetelmiä
• Klusterianalyysi
• Moniulotteinen skaalaus
• Aineiston jatkoanalyysi
• Muuttujien käsittely
• Perusmenetelmät
• Monimuuttujamenetelmät

3
Taustaa

• Psykologisen mittarin suunnittelu ja testaaminen
• mahdolliset osa-asteikot
• kysymysten lukumäärä
• Menetelmiä
• Faktorianalyysit, pääkomponenttianalyysi
• Cronbachin Alpha

4
Reliabiliteetin ja validiteetin käsitteitä

• Reliabiliteetti
• Kuinka hyvin mittarilla tehty mittaus on
  toistettavissa (stabiliteetti)
• kuinka yhdenmukaisesti kaksi mittaria/mittaajaa
  arvioi samaa asiaa tai
• kuinka hyvin mittarin kysymykset mittaa samaa
  asiaa (konsistenssi)
• Validiteetti
• Kuinka hyvin mittari mittaa sitä mitä sen pitäisi
  mitata

5

• Reliabiliteetti huono
• Validiteetti huono

• Reliabiliteetti hyvä
• Validiteetti huono

• Reliabiliteetti hyvä
• Validiteetti hyvä

• Validiteetti ei voi olla hyvä, jos
  reliabiliteetti on huono

6
Reliabiliteetin ja validiteetin käsitteitä

• Construct validity (rakennevaliditeetti)
• onko teoriakäsite riittävästi ja onnistuneesti
  mitattu?
• Convergent validity (yhtenevyys)
• onnistuuko käsitteen mittaaminen muulla
  mittarilla
• Discriminant validity (erottelu)
• onnistuuko mittari erottamaan käsitteen muista
  käsitteistä

Blacker Endicott 2000, Morgan et al. 2001
7
Reliabiliteetin ja validiteetin käsitteitä

• Content validity (sisältövaliditeetti)
• Kattaako kysymykset käsitteen riittävästi
• Face validity (näennäisvaliditeetti)
• Vaikuttaako mittari mittaavan sitä mitä on
  tarkoitus

Blacker Endicott 2000, Morgan et al. 2001
8
Reliabiliteetin ja validiteetin käsitteitä

• Criterion validity (kriteerivaliditeetti)
• Miten mittari liittyy muihin samaa asiaa
  mittaaviin kriteereihin, esimerkiksi diagnoosiin
• Concurrent validity (samanaikaisvaliditeetti)
• Kuinka hyvin mittari ennustaa henkilön nykyistä
  tilaa
• Predictive validity (ennustevaliditeetti)
• Kuinka hyvin mittari ennustaa henkilön tulevaa
  tilaa

Blacker Endicott 2000, Morgan et al. 2001
9
Cronbachin alpha

• Perustuu varianssianalyysiin
• Kertoo kuinka yhdenmukaisesti mittarin eri
  kysymykset mittaavat samaa asiaa (internal
  consistency)
• Voidaan tehdä koko mittarille ja erikseen
  jokaiselle osa-asteikolle

10

• DATA ESIMERKKI
• VAR1 VAR2 VAR3 VAR4 VAR5...
• CASE1 0 1 1 2 0
  
• CASE2 4 5 4 3 3
  
• CASE3 0 0 1 0 0
  
• CASE4 2 2 2 2 3
  
• CASE5 3 1 1 2 3
  
• .

11
Cronbachin alphan kaava
k muuttujien lkm
muuttujien välinen varianssi
henkilöiden välinen varianssi
12
Cronbachin alpha

• On esitetty erilaisia raja-arvoja, sille mikä on
  riittävä alpha
• 0.60 0.80, esim. 0.70 (Nunnally 1978)
• Alphan suuruuteen vaikuttaa kysymysten lukumäärä,
  mitä enemmän sitä suurempi alpha
• Muuttujien vinous ongelma, samoin jos sama
  vastaaja vastaa kaikkiin kysymyksiin samoin
  (varianssi on tärkeä)

Nunnally (1978) Psychometric Theory
13
Muita tunnuslukuja

• Cronbachin alphan erikoistapaus
• Kuder-Richardson Formula 20
• Kaksiluokkaisille muuttujille
• Spearmanin rho
• Kysymysparien korrelaatioiden mediaani
• Inter-item korrelaatio
• Kysymyksen korrelaatio mittarin muiden kysymysten
  kanssa
• Tulisi olla positiivinen!

14
Spearman-Brown kerroin eli standardoitu item alpha

• SPSS "Cronbach's alpha based on standardized
  items
• Tunnusluvulla voi arvioida muuttujien
  vähentämisen
• vaikutusta reliabiliteettiin

k muuttujien lkm
muuttujien välinen keskikorrelaatio
15
Split-half menetelmä

• Mittari jaetaan kahtia ja testataan eroaako
  puoliskot toisistaan
• Sopii hyvin kun on tarkoitus että kaikki mittarin
  kysymykset mittaavat samaa asiaa (eli mittari ei
  sisällä osamittareita)

16
Cronbachin alphan laskeminen SPSS-ohjelmalla

• Käskyvalikosta
• analyze / scale / reliability analysis
• Valitaan muuttujat

17
Cronbachin alphan laskeminen SPSS-ohjelmalla

• Valitaan malleista
• Alpha (Cronbach)
• Split-half
• Guttman
• Parallel
• Strict parallel

18
Esimerkkiaineisto

• Pohjois-Suomen vuoden 1966 syntymäkohortin
  31-vuotisseuranta
• TCI (Temperament and Character Inventory)
• Reward Dependence faktori
• RD1 Sentimentality
• RD3 Attachment
• RD4 Dependence
• Kaksiluokkaisia muuttujia

19
RD koko asteikko
RD 1 Sentimentality
RD 4 Dependence
RD 3 Attachment
20
RD koko asteikko
21
RD koko asteikko
22
RD koko asteikko
23
RD 4 Dependence
24
Klusterianalyysi

• Havaintojen (muuttujat tai henkilöt) väliseen
  moniulotteisiin välimatkoihin perustuva
  luokittelumenetelmä
• Useita erilaisia menetelmiä
• SPSS ohjelmassa muuttujien klusterointi onnistuu
  Hierarchical Clustering -menetelmällä

Everitt (1974) Cluster analysis.
25
Moniulotteinen skaalausmultidimensional scaling

• Kuten klusterianalyysi, perustuu havaintojen
  välisiin etäisyyksiin
• Moniulotteinen data tiivistetään 2-3 ulotteiseksi
  kuvaksi
• Suoritettaviss SPSS ohjelmalla

Borg Groenen (1997) Modern multidimensional
scaling.
26
Muuttujien jatkokäsittely

• Kyselylomakkeesta tai sen osasta (esim.
  faktorista) saadaan tietoa tiivistettyä useilla
  tavoin
• Alkuperäisten muuttujien summat jatkuvana tai
  luokiteltuna
• Faktoripisteet jatkuvana tai luokiteltuna
• EFA vs. CFA

27
Jatkuva vai luokiteltu muuttuja?

• Luokittelemalla menetetään tietoa
• Usein kuitenkin selkeyttää tulosten esittämistä
• Analyysimenetelmät erilaisia

28
Luokittelutapoja

• Aiemmat tutkimukset
• Kliiniset kriteerit
• Aineistoon perustuvat
• Mediaani, kvarttiilit, senttiilit,
• Keskiarvo
• Keskiarvo 2 keskihajontaa

29
Perusmenetelmät

• Luokitellut muuttujat
• Jakaumien vertailu ryhmien välillä
• Tilastollinen testaaminen
• Khiin neliötesti, odds ratio
• Jatkuvat muuttujat
• Keskiarvojen vertailu
• Studentin t-testi
• Mediaanien vertailu ryhmien välillä
• Mann-Whitneyn U-testi
• Kruskal-Wallisin testi

30
Esimerkki

• Kohortti 1986, aleksitymiamittarin (TAS)
  faktoreiden ennustaminen
• Kolme faktoria (faktoripisteet)
• F1 vaikeuksia tunteiden tunnistamisessa
• F2 vaikeuksia tunteiden kuvaamisessa
• F3 ulospäin suuntautunut ajattelu
• Tutkitaan eroja sukupuolittain ja sosiaaliluokissa

31
Muuttujien jako kvarttiilien mukaan
X2 -testi
32
Keskiarvojen vertailu t-testi
33
Mediaanien vertailu Mann-Whitneyn U-testi
34
Mediaanien vertailu Kruskal-Wallisin H-testi
35
Monimuuttujamenetelmiä

• Logistinen regressioanalyysi
• Lineaarinen regressioanalyysi
• Varianssianalyysi
• Rakenneyhtälömallitus
• Latent class analysis
• Ynnä paljon muita!

36
Logistinen regressioanalyysi

• Yleisin tapa ottaa huomioon sekoittavat
  muuttujat, Erityisesti pitkittäistutkimuksissa
• Vastemuuttuja (outcome) on kaksiluokkainen (esim.
  kyllä/ei)
• Altistemuuttujat (exposure) voivat olla sekä
  kaksiluokkaisia, useampiluokkaisia että jatkuvia
• Multinomiaalisessa logistisessa
  regressioanalyysissa vastemuuttujassa voi olla
  useita luokkia

37
Muuttujien valinta

• Mittarista esim. faktorianalyysin avulla johdetut
  muuttujat (esim. faktoripisteet) voivat olla
  mallissa altisteena (jatkuvana tai luokiteltuna)
  tai vasteena (kaksiluokkaisena)
• Muuten altistemuuttujana (kovariaattina) esim.
  sukupuoli, sosiaaliluokka, ikä, ym.
• Malliin myös aiemmin tunnetut ennustavat
  muuttujat
• Muuttujia ei saa olla liikaa
• Riippuu otoskoosta ja muuttujien variaatiosta
• Mallissa ei kannata olla mukana muuttujia joiden
  keskinäinen korrelaatio on liian iso

38
Esimerkki

• Pohjois-Suomen vuoden 1966 syntymäkohortti
• N 10 934
• Runsaasti haastattelu- ja rekisteridataa

39
Esimerkki

• Mikä psykoottisilla potilailla ennustaa uudestaan
  joutumista sairaalaan?
• N 158
• Altistemuuttujat
• sukupuoli
• Isän sosiaaliluokka (1980)
• Sukurasitus
• Sairastumisikä
• Ensimmäisen sairaalahoidon kesto
• diagnoosi (skitsofrenia / muu psykoosi)

40
SPSS Output (1)
41
SPSS Output (2)
42
Lineaarinen regressioanalyysi

• Selitetään jatkuvaa (tai ainakin
  välimatka-asteikollista) muuttujaa
• Selittäviä muuttujia voi olla useita
• Muuttujien välinen riippuvuus oletetaan
  lineaariseksi
• Selittävät muuttujat ei saa liikaa korreloida
  keskenään (multikollineaarisuus)
• Selitettävän muuttujan hajonta ei riipu
  selittävien muuttujien hajonnasta
  (homoskedastisuus)

43
Esimerkki

• Kohortti 1986, aleksitymiamittarin (TAS)
  faktoreiden ennustaminen
• Kolme faktoria (faktoripisteet)
• F1 vaikeuksia tunteiden tunnistamisessa
• F2 vaikeuksia tunteiden kuvaamisessa
• F3 ulospäin suuntautunut ajattelu
• Ennustavat muuttujat
• Sukupuoli
• Sosiaaliluokka
• Perhetyyppi
• Käyttäytyminen 8v (Rutter)

44
Muuttujien jakaumat
Alkuperäinen muuttuja
Faktoripistemuuttuja
Uusi muuttuja useampi luokkainen (jatkuvampi)
ja vähemmän vino
45
Muuttujien jakaumat
Alkuperäinen muuttuja
Faktoripistemuuttuja
46
Muuttujien jakaumat
Alkuperäinen muuttuja
Faktoripistemuuttuja
47
Esimerkki

• F1 vaikeuksia tunteiden tunnistamisessa

48
Esimerkki

• F2 vaikeuksia tunteiden kuvaamisessa

49
Esimerkki

• F3 ulospäin suuntautunut ajattelu

50
Varianssianalyysi

• ANOVA
• Yksi jatkuva selitettävä eli vastemuuttuja
• MANOVA
• Useita jatkuvia vastemuuttujia
• Toistettujen mittausten ANOVA
• Repeated measurements ANOVA
• Samat mittaukset on tehty useaan kertaan samoilta
  henkilöiltä
• ANOVA, MANOVA and rANOVA
• Vain luokiteltuja altisteita
• ANCOVA, MANCOVA, rANCOVA
• Myös jatkuvia altisteita

51
Esimerkki

• Erot hippokampuksen koossa
• Pohjois-Suomen 1966 syntymäkohortti
• Seurantatutkimus 1999-2001
• Skitsofreniapotilaat (N56) vs.
• terveet verrokit (N104)
• Toistettujen mittausten ANCOVA
• Oikean ja vasemman puolen hippokampusmittauksia
  käsitellään toistettuina mittauksia

52
Schizophrenia and Comparison subjects Hippocampus
volumes F Sig. Model 1 Within effect
side 20.3 lt 0.001 Diagnosis 1.2 0.28 Gender
6.5 0.01 Model 2 Within effect side 0.81
0.37 Covariate brain vol. 35.0 lt
0.001 Diagnosis lt 0.01 0.89 Gender 0.7
0.41 Familial psychosis 1.9 0.17 Perinatal
risk 0.8 0.38 Handedness 0.3 0.61
Tanskanen ym. Schizophrenia Research (2005)
53
Rakenneyhtälömallitus Structural Equation
Modeling

• Faktorianalyysin ja regressioanalyysin yhdistelmä
• Jatkuvia ja luokiteltuja altisteita ja vasteita
• Esitetään mitattujen muuttujien ja piilevien
  muuttujien suhteet (esim. korrelaatioina)

Byrne (2001) Structural Equation Modeling with
AMOS Basic Concepts, Applications, and
Programming.
54
Esimerkki Nursing orientation
Vanhanen-Nuutinen ym. (käsikirjoitus)
55
Latent class analysis

• Kehitetty ryhmittelemään henkilöt valittujen
  piirteiden mukaan
• Luokittelee ihmiset ryhmiin
• Kertoo piirteet (säännöt) joilla luokitus tehtiin
• Verrattavissa klusterianalyysiin
• Klusterianalyysi ei anna sääntöjä luokitukseen
  (mallia)

Muthén Muthén (Alcohol Clin Exp Res, 24,
882-91, 2000)
56
Esimerkki Antisosiaalinen käyttäytyminen

• National Longitudinal Survey of Youth (NLSY)
• Respondent ages between 16 and 23
• Background information age, gender and ethnicity
• N7,326
• 17 antisocial dichotomously scored behavior
  items

• Damaged property
• Fighting
• Shoplifting
• Stole lt50
• Stole gt50
• Use of force
• Seriously threaten
• Intent to injure

• Use Marijuana
• Use other drug
• Sold Marijuana
• Sold hard drugs
• Con somebody
• Stole an Automobile
• Broken into a building
• Held stolen goods
• Gambling Operation

Lähde http//www.ats.ucla.edu/stat/mplus/seminars
/lca/default.htm
57
Example Anti-Social Behavior
Damage Property
Fighting
Shoplifting
Stole lt50
Gambling
. . .
Male
C
Race
Age
58
Example Anti-Social Behavior probabilities
59
Relationship between class probabilities and age
by gender
Females
Males
16 17 18 19 20 21 22 23 (age)
16 17 18 19 20 21 22 23
60
Yleisiä lähteitä tilastomenetelmiin

• Metsämuuronen. Tutkimuksen tekemisen perusteet
  ihmistieteissä (2003)
• Nummenmaa et al. Tutkimusaineiston analyysi
  (1997)
• Uhari Nieminen. Epidemiologia Biostatistiikka
  (2001)
• SPSS, SAS, jne. oppaat