Měření Výběry Analýza dat MĚŘENÍ CO MĚŘÍME JAK MĚŘÍME operacionalizace měříme správně? koho měříme? na jaké škále? NA JAKÝCH ŠKÁLÁCH MĚŘÍME? NA JAKÝCH ŠKÁLÁCH MĚŘÍME? kvalitativní vs kvantitativní data NA JAKÝCH ŠKÁLÁCH MĚŘÍME? kvalitativní vs kvantitativní data nominální, ordinální, intervalové a poměrové škály Kvalitativní a kvantitativní data kvalitativní (kategoriální) – zjišťujeme hodnotu znaku – kategorii (např. pohlaví, náboženské vyznání, rodinný stav, barva očí, vzdělání); často fungují jako nezávislé proměnné (faktory); (categorial data) kvantitativní (metrická) data – zjištěná měřením pomocí nějakého nástroje (v širším smyslu); skór v testu, tělesná váha…; obvykle závislé proměnné (measurement data) Nominální škály kategoriální proměnné jsou měřeny buď na nominální nebo pořadové úrovni nominální – čísla jsou hodnotám proměnné přiřazena náhodně; pouze hodnoty označují, ale nelze s nimi jako s čísly zacházet (jediné operace jsou = a ≠) (nominal scales) Ordinální škály pořadová (ordinální) – hodnoty je možno uspořádat podle velikosti (např. pořadí v závodu, postojové škály), ale není možno stanovit, o kolik se liší (ordinal scales) možné početní operace jsou stále = a ≠, ale také < a > Intervalové škály intervalová – hodnoty je možno uspořádat a vzdálenosti mezi nimi (intervaly) jsou shodné (např. rok narození, teplota) (interval scales) možné početní operace: = a ≠, < a >, + a - Poměrové škály poměrová – stejné vlastnosti jako intervalová a navíc se mezi hodnotami vyskytuje přirozená 0 (indikující absenci znaku) – tj. má smysl se ptát, kolikrát je hodnota větší než jiná hodnota (ratio scales) např. věk, počet správně řešených úloh, počet dětí kromě předchozích početních operací je možné také násobení a dělení KOHO měříme? data mohou být získávána na populaci (cenzus) nebo na vzorku populace (výběrové šetření) KOHO měříme? data mohou být získávána na populaci (cenzus) nebo na vzorku populace (výběrové šetření) populace (základní soubor) - úplný souhrn lidí, objektů nebo věcí, které jsou předmětem našeho zkoumání je dána přesným stanovením jeho prvků prvky mohou být určeny buď jejich výčtem nebo vymezením některých společných vlastností VÝBĚR výběr pravděpodobnostní (probability sampling) - prostý náhodný, stratifikovaný, skupinový nepravděpodobnostní (nonprobability sampling) - příležitostný VÝBĚR reprezentativnost možnosti zkreslení samovýběr NÁHODNÝ VÝBĚR prostý náhodný výběr - losováním každý prvek má stejnou šanci být vybrán možné problémy? NÁHODNÝ VÝBĚR prostý náhodný výběr - losováním každý prvek má stejnou šanci být vybrán možné problémy? u velkých souborů seznam náhodnost losování STRATIFIKOVANÝ VÝBĚR pokud nám záleží na zachování poměru určitých podskupin osob STRATIFIKOVANÝ VÝBĚR pokud nám záleží na zachování poměru určitých podskupin osob vybíráme prostým náhodným výběrem z těchto podskupin STRATIFIKOVANÝ VÝBĚR pokud nám záleží na zachování poměru určitých podskupin osob vybíráme prostým náhodným výběrem z těchto podskupin klíčový výběr třídících proměnných SKUPINOVÝ VÝBĚR cluster sampling zvláště u velkých souborů SKUPINOVÝ VÝBĚR cluster sampling zvláště u velkých souborů místo jednotek nejprve náhodně vybereme skupiny jednotek SKUPINOVÝ VÝBĚR cluster sampling zvláště u velkých souborů místo jednotek nejprve náhodně vybereme skupiny jednotek vede k větší homogenitě uvnitř skupin PŘÍLEŽITOSTNÝ VÝBĚR convenient sampling dobrovolnost - samovýběr PŘÍLEŽITOSTNÝ VÝBĚR convenient sampling dobrovolnost - samovýběr nezaručí reprezentativnost PŘÍLEŽITOSTNÝ VÝBĚR convenient sampling dobrovolnost - samovýběr nezaručí reprezentativnost často ale není jiná možnost STATISTICKÁ ANALÝZA 2 třídy technik popisná (deskriptivní) statistika induktivní (inferenční) statistika POPISNÁ STATISTIKA třída technik, které slouží k popisu proměnných typická hodnota proměnné distribuce hodnot POPISNÁ STATISTIKA typická hodnota proměnné modus medián průměr POPISNÁ STATISTIKA typická hodnota proměnné rozpětí mezikvartilové rozpětí směrodatná odchylka induktivní statistika umožňuje rozhodnutí, zda zjištění ze vzorku platí i na populaci (a s jakou pravděpodobností) odhady intervalu spolehlivosti testování hypotéz TESTOVÁNÍ HYPOTÉZ výzkumný cíl: porovnat účinnost 2 typů léčby úzkostných poruch farmakoterapie a psychoterapie výzkumný design: experiment soubor: náhodně vybraná skupina 100 dosud neléčených pacientů s diagnózou generalizovaná úzkostná porucha TESTOVÁNÍ HYPOTÉZ náhodně rozdělíme do dvou skupin po 50 osobách před léčbou mají obě skupiny stejný průměr v testu úzkostnosti po 6 měsících léčby změříme úzkostnost znovu psychoterapie: m = 25,8; sd = 5,5 farmakoterapie: m = 33,1; sd = 5,9 TESTOVÁNÍ HYPOTÉZ můžeme dojít k závěru, že psychoterapie je účinnější při léčbě úzkostných poruch? TESTOVÁNÍ HYPOTÉZ testování hypotéz = proces, kterým se rozhodujeme, zda přijmeme nebo zamítneme nulovou hypotézu NULOVÁ HYPOTÉZA hypotéza, kterou se snažíme vyvrátit (falzifikovat) Karl Popper (1968) tvrdil, že platnost hypotézy nemůže být nikdy prokázána pouhou generalizací příkladů, které ji potvrzují NULOVÁ HYPOTÉZA Popper došel k závěru, že jedinou možnou metodou je falsifikace hypotézy - nalezení jednoho příkladu, který stačí k jejímu vyvrácení vědci se proto snaží své hypotézy vyvrátit a tak potvrdit hypotézy opačné - alternativní NULOVÁ HYPOTÉZA nulová hypotéza je opakem naší výzkumné hypotézy obvykle zní: mezi dvěma průměry není rozdíl, korelace je nulová apod. nulová hypotéza v našem výzkumu? NULOVÁ HYPOTÉZA průměrná míra úzkosti u pacientů s psychoterapií je stejná jako průměrná míra úzkosti u pacientů s farmakoterapií µA = µB VÝZKUMNÁ HYPOTÉZA alternativní (výzkumná) hypotéza oboustranná: průměrná míra úzkosti u pacientů s psychoterapií se liší od průměrné míra úzkosti u pacientů s farmakoterapií jednostranná: průměrná míra úzkosti u pacientů s psychoterapií je nižší než průměrná míra úzkosti u pacientů s farmakoterapií TESTOVÁNÍ HYPOTÉZ možné výsledky testování hypotéz? přijmeme nulovou hypotézu= rozdíly mezi soubory nejsou dostatečně velké, takže je musíme považovat za náhodné zamítneme nulovou hypotézu = rozdíly mezi soubory jsou natolik velké, že je nemůžeme považovat za náhodné a přisoudíme je efektu způsobu terapie TESTOVÁNÍ HYPOTÉZ zamítnutí nulové hypotézy vždy s určitým rizikem, že nalezené rozdíly vznikly vlivem náhody (tj. riziko, že nulová hypotéza ve skutečnosti platí) = hladina významnosti TESTOVÁNÍ HYPOTÉZ hladina významnosti je úroveň pravděpodobnosti, kterou používáme při rozhodování, zda zamítnout nebo přijmout nulovou hypotézu označuje se alfa (α) obvyklá hladina významnosti je 5% nebo 1% chyba i. druhu zvolíme-li hladinu významnosti 5%, pak se rozhodneme zamítnout nulovou hypotézu tehdy, když existuje pouze 5% pravděpodobnost našich dat (rozdílu mezi soubory) v případě, že H0 platí jde vlastně o 5% riziko, že nulová hypotéza platí a my ji přitom zamítneme –uděláme tzv. chybu I. druhu chyba ii. druhu opak chyby I. druhu – riziko, že nezamítneme nulovou hypotézu, která ve skutečnosti neplatí označuje se beta (β) testování hypotéz skutečnost rozhodnutí nulová hypotéza platí nulová hypotéza neplatí zamítneme nulovou hypotézu chyba I. druhu (α) správné rozhodnutí nezamítneme nulovou hypotézu správné rozhodnutí chyba II. druhu (β)