kvantitativ metode – Store norske leksikon (original) (raw)

Kvantitative metoder er forskningsmetoder som brukes ved innsamling og analyse av kvantitative data. Dette er data som foreligger i form av tall eller andre mengdetermer, i motsetning til kvalitative data, som vanligvis uttrykkes i form av tekst.

Faktaboks

Etymologi

Kvantitativ betyr noe som angår mengde, eller kan måles i tall og kommer fra latin quantitativus, avledet av quantus ‘hvor stor, hvor mye’. Metode kommer fra gresk methodos, ‘det å følge en bestemt vei mot et mål, forskning’

Meningsmålinger om velgernes oppslutning om de politiske partiene er eksempler på bruk av kvantitative data. Et representativt utvalg (for eksempel 2000 personer) av den voksne befolkningen, det vil si alle velgerne, blir spurt om hvilket parti de ville stemme på hvis det var stortingsvalg i morgen. Dermed kan man telle opp hvor mange av de spurte som ville stemme på hvert av partiene. Disse tallene viser hvor stor oppslutning de ulike partiene har blant dem som er spurt. Innenfor visse feilmarginer kan vi gå ut fra at denne oppslutningen er representativ for alle velgerne.

Forskjeller mellom kvantitative og kvalitative studier

Mens formålet med kvalitative studier gjerne er analytisk beskrivelse, er statistisk generalisering et vanlig formål med kvantitative studier. Hensikten med kvantitative studier er gjerne å oppnå breddekunnskap og representativ oversikt over generelle forhold. Slike studier kan også ta sikte på å teste hypoteser og teorier.

Kvalitative studier kjennetegnes ved fleksible metodiske opplegg, mens de metodiske oppleggene i kvantitative studier er sterkt strukturerte. I kvantitative studier er datainnsamling og data-analyse også to atskilte faser i studien, mens disse kan pågå parallelt i kvalitative studier. Basert på problemstillingen, fastlegges det metodiske opplegget før den kvantitative datainnsamlingen starter. Dette opplegget omfatter utvelging av enheter og informasjonstyper som skal inngå i studien, samt utforming av framgangsmåter og skjema for innsamlingen av data.

I kvalitative studier har forskeren et nært og sensitivt forhold til sine kilder, men i kvantitative studier er forskerens forhold til kildene preget av avstand og selektivitet. Dette innebærer at forskeren selv vanligvis ikke har direkte kontakt med kildene, og at det er et begrenset utvalg av informasjon om hver enhet som skal samles inn. Innsamlingen av data kan foretas av andre enn forskeren, fordi datainnsamlingen bygger på et strukturert og veldefinert opplegg.

Mens kvalitative studier legger vekt på empiriske funn som viser seg å være mest mulig relevante, er kvantitative studier særlig innrettet mot å oppnå mest mulig presise empiriske funn. Hva som er relevant for problemstillingen, er i kvantitative studier avgjort allerede i forbindelse med utformingen av det metodiske opplegget før datainnsamlingen starter. Dette opplegget brukes på nøyaktig samme måte gjennom hele datainnsamlingen, slik at det kan oppnås presise og sammenliknbare opplysninger om alle enhetene.

Rapporteringen og formidlingen av analyseresultatene er forskjellig for de to datatypene. I kvalitative studier blir ulike funn gjerne illustrert med typiske sitater fra datamaterialet, mens det i kvantitative studier er vanlig å dokumentere empiriske funn ved hjelp av tabeller.

Datainnsamling

Kvantitative studier omfatter gjerne mange enheter, vanligvis et større sannsynlighetsutvalg av de enhetene som skal studeres. Det kan være individer, organisasjoner, lokalsamfunn eller stater. Studiene baseres på en begrenset mengde data om hver enhet. Hver informasjonstype spesifiseres som en variabel, for eksempel utdanningsnivå (for individer som enheter). Hver enhet registreres med en bestemt verdi på denne variabelen, for eksempel lav, middels eller høy utdanning. Data-analysen kan da ta utgangspunkt i opptelling av hvor mange enheter som har hver av verdiene på de ulike variablene. Variablene kan ha ulike målenivå, avhengig av hvordan inndelingen i verdiene på variabelen er.

Metoder for innsamling av kvantitative data i samfunnsvitenskapelig forskning baseres på strukturerte skjema for registrering av informasjon (hvilken verdi hver enhet har på de ulike variablene). Samme skjema brukes for alle enhetene i undersøkelsen. Metodene kan være:

Strukturert observasjon, der utvalgte aktører observeres i bestemte situasjoner eller kontekster. Observatøren ser etter utvalgte typer av handlinger som er spesifisert i et strukturert observasjonsskjema, og krysser av i skjemaet for det mest passende av ulike spesifiserte alternativer for hvorvidt og hvordan disse handlingene utføres.
Strukturert utspørring (surveyundersøkelser), som innebærer at utvalgte personer (respondenter) svarer på spørsmål i et strukturert spørreskjema. Respondenten selv eller en intervjuer krysser av i skjemaet for det mest passende av ulike spesifiserte svaralternativer for hvert spørsmål.
Kvantitativ innholdsanalyse, der innholdet i utvalgte tekster gjennomgås og kodes systematisk. I et kodeskjema registreres ved hjelp av tallkoder hvorvidt og hvordan utvalgte og spesifiserte innholdskategorier finnes i teksten. For eksempel kan det registreres hvorvidt en tekst ikke inneholder omtale av EU (0), eller om teksten inneholder omtale av EU som er positiv (1), nøytral (2) eller negativ (3).

Kvantitative data for forskning kan også hentes fra kilder som offentlig statistikk og forskjellige databaser og registre. Så vel registre som sosiale medier er vanlige kilder i stordata-undersøkelser, som er blitt stadig vanligere i de senere årene. Dette er undersøkelser som baseres på store mengder data.

De innsamlede data vil foreligge i form av en datamatrise, som viser en tallmessig oversikt over hver enkelt enhets verdi på hver variabel. For eksempel kan enhet nummer 315 (av 2000 enheter i et sannsynlighetsutvalg) ha verdien 26 (antall år) på variabel nummer 15 (alder).

Data-analyse

Data-analysen starter etter at all datainnsamling er foretatt og hele datamatrisen er ferdig utfylt. Siden datamaterialet er ordnet i form av tall, kan kvantitative data analyseres ved hjelp av statistiske metoder. Vanlige metoder for kvantitativ data-analyse er tabellanalyse, som enten viser fordelingen av enheter på ulike verdier for en eller noen få variabler, eller avdekker sammenhenger mellom noen få variabler, korrelasjonsanalyse som får fram sammenhenger mellom to variabler, eller regresjonsanalyse, som viser hvordan en variabel (avhengig variabel) påvirkes av en eller flere andre variabler (uavhengige variabler). I tillegg finnes det en rekke andre analysemetoder som brukes for ulike spesielle formål. Hvilke metoder som kan brukes, avhenger blant annet av problemstillingen, hvor mange og hvilke typer av variabler som inngår i analysen, forholdet mellom disse variablene (for eksempel om det skilles mellom avhengige og uavhengige variabler), samt variablenes målenivå.

Kvantitative data brukes også i ulike eksperimentelle undersøkelsesopplegg, for å teste hypoteser om årsakssammenhenger.

Behandling og analyse av kvantitative data foregår ved hjelp av datamaskiner. Det er utviklet en rekke spesielle programpakker for dette formålet.

Datakvalitet

Kvaliteten til kvantitative data uttrykkes i form av reliabilitet og validitet. Reliabiliteten er et uttrykk for hvor pålitelige data vi har, og hvor nøyaktig datainnsamlingen er foretatt. Validiteten viser i hvilken grad vi har data som er gyldige eller relevante for de problemstillingene som skal belyses. Ved hjelp av ulike metoder kan reliabiliteten og validiteten testes, vurderes og til dels beregnes.

Det er to hovedtyper av reliabilitet:

Stabilitet, som innebærer samsvar mellom data om samme fenomen som er samlet inn ved hjelp av samme type undersøkelsesopplegg på ulike tidspunkter
Ekvivalens, som er basert på samsvar mellom innbyrdes uavhengige datainnsamlinger med samme undersøkelsesopplegg på samme tidspunkt.

Det finnes også ulike typer av validitet. En type er definisjonsmessig validitet, som tar utgangspunkt i forholdet mellom teoretiske og operasjonelle definisjoner av begreper. Mens den teoretiske definisjonen av et begrep (for eksempel ‘politisk aktivitet’) klargjør hva forskeren har til hensikt å undersøke (for eksempel ‘deltakelse i organisert politisk virksomhet’), viser den operasjonelle definisjonen hva som faktisk blir undersøkt (for eksempel ‘medlemskap i et politisk parti’). Validiteten er høy hvis det er godt samsvar mellom de to definisjonene, slik at den operasjonelle definisjonen er dekkende for begrepet slik det er teoretisk definert. Her kunne validiteten forbedres ved å inkludere andre former for deltakelse enn partimedlemskap i den operasjonelle definisjonen.

Avhengig av hvordan den definisjonsmessige validiteten testes, kan denne validitetstypen spesifiseres i form av innholdsvaliditet, kriterievaliditet og begrepsvaliditet.

I eksperimentelle studier skiller man mellom indre og ytre validitet. Indre validitet betyr at slutningen om årsakssammenheng er gyldig under de kontrollerte undersøkelsebetingelsene. Hvis denne årsakssammenhengen også kan generaliseres til reelle samfunnsmessige situasjoner, har eksperimentet høy ytre validitet.

Statistisk generalisering

Kvantitative studier bygger gjerne på sannsynlighetsutvalg av enheter, slik at resultatene av en slik utvalgsundersøkelse kan generaliseres til å gjelde for alle enhetene som utvalget er trukket fra (universet). Basert på statistiske lovmessigheter og ved hjelp av statistiske metoder kan vi avklare hvor stor sannsynligheten er for at man tar feil når man antar at resultatene fra utvalgsundersøkelsen gjelder for hele universet (signifikanstesting), eller hvilke feilmarginer man må regne med ved slik generalisering (estimering).

I en undersøkelse basert på et sannsynlighetsutvalg på 1500 personer av den norske befolkningen kan man for eksempel finne en sammenheng mellom miljøengasjement og valgdeltakelse. I en signifikanstest kan det beregnes hvor stor sannsynligheten er for å ta feil hvis man antar at denne sammenhengen gjelder i hele befolkningen. Hvis denne sannsynligheten er mindre enn 5 prosent (p<0,05), antar man vanligvis at sammenhengen kan generaliseres fra utvalget til hele befolkningen. Sammenhengen betraktes da som statistisk signifikant, med et signifikansnivå på p<0,05).

Hvis man i en slik utvalgsundersøkelse finner at 45 prosent av utvalget er EU-tilhengere, vil det på dette signifikansnivået være en feilmargin på ±2,5 prosent, slik at prosentandelen EU-tilhengere i befolkningen kan estimeres til å ligge mellom 42,5 og 47,5. Dette kalles også konfidensintervall.

Nivået p<0,05 er ett av tre vanlige signifikansnivåer. De to andre er p<0,01 og p<0,001, som innebærer henholdsvis 1 prosent eller 0,1 prosent sannsynlighet for å ta feil når vi generaliserer fra utvalget til befolkningen. Det innebærer at vi skjerper kravet til sikkerhet i generaliseringen. Da må sammenhenger være sterkere for å være signifikante, og feilmarginene i estimeringer blir større.

Statistisk signifikans og feilmarginer avhenger også av utvalgsstørrelsen. Jo mindre utvalget er, desto sterkere må sammenhenger være for å være signifikante, og desto større vil feilmarginene være ved estimering.

Kombinasjoner av kvantitative og kvalitative data

Kvantitativ og kvalitativ metode utfyller hverandre og kan kombineres i form av såkalt metodetriangulering (mixed methods). Metodetriangulering kan for eksempel brukes i studier av politiske debatter. Kvalitativ metode kan gi innsikt i hva slags standpunkter og argumenter som inngår i debatten, mens kvantitativ metode kan avklare hvor utbredt de ulike standpunktene er i befolkningen, og hvor stor vekt de ulike argumentene tillegges av ulike grupper.