Indledning Introduktion til korrespondanceanalysekenneth.eu/Korrespondanceanalyse.pdf · kort introducere korrespondanceanalysen som metode og den tilhørende filosofi. Derefter redegør

M2C Korrespondanceanalyse Studienr. 20062582

1 af 15

Indledning

Jeg vil i denne opgave benytte specifik multipel korrespondanceanalyse, supplementære

variable og klyngeanalyse til at undersøge unges livsstil og sammenhænge mellem socio-

demografiske variable og deres livsopfattelse. Designet virker lidt søgt, men det skulle

gerne vise mulighederne i MCA og klyngeanalyse indenfor sociologien. Jeg vil i første afsnit

kort introducere korrespondanceanalysen som metode og den tilhørende filosofi. Derefter

redegør for min valgte problemstilling. Hvorefter min analyse og anvendelsen af de

ovennævnte metoder vil blive demonstreret.

Introduktion til korrespondanceanalyse

Korrespondanceanalyse er en metode til at undersøge og forstå sammenhænge i, ofte store,

krydstabeller grafisk. Det er en mere eksplorativ metode/tilgang til at afdække strukturer i

data, end en metode til at påvise og afvise hypoteser. Der er heller ingen krav om

underliggende forudsætninger i korrespondanceanalyse, de eneste forudsætning er at der

findes struktur i dataet og rummet er udtømmende (Greenacre & Blasius 1993: vii f.). Det

grafiske element, overskueligheden og fleksibilitet gør metoden særdeles velegnet i

sociologi, især fordi analysen foregår med data på nominalt og ordinalt måleniveau (Jæger

2003: 1). Korrespondanceanalysen er især kendt igennem Bourdieus forskning og specielt

værket La Distinction fra 1979. Filosofien er som Bourdieu udtrykker det, ikke at isolere

effekter, men at se på sammenhængene som analyseområde (Bourdieu 1984: 103 f.).

Ligesom Benzecri også udtrykker den induktive filosofi ’The model must follow the data,

and not the other way around’ (citeret i Greenacre & Blasius 1993: viii).

Korrespondanceanalyse har ligheder med faktoranalysen, formålet med metoden er at finde

strukturer eller dimensioner i dataet, således at den samlende varians kan forklares ud fra

få dimensioner (Rosenlund 1995: 59). Som nævnt er det dog ikke et krav at variablene er

intervalskaleret som i faktoranalysen. Ligeledes er det også muligt at bevare individerne i

korrespondanceanalysen, således man fx kan benytte klyngeanalyse på individerne, ud fra

de aktive variable i en multipel korrespondanceanalyse.

Multipel korrespondanceanalyse anvendes når der analyseres mere end to variable,

metoden er stadig den samme, beregningerne foregår i stedet på en tabel med individerne x

svarkategorierne (Le Roux & Rouanet 2010: 34). Der er derfor nogle bestemte

forholdsregler man skal tage, dem vil jeg komme nærmere ind på under afsnittet ”Udvalg

af aktive variable”.

Unges livsstil – problemstillingen

Målet for opgaven er at undersøge unges livsstil og sammenhængen mellem deres

livsopfattelse og forholdet til vennerne. Jeg vil til løsningen af problemstillingen konstruere

et livsstilrum1 bestående af unges fritidsaktiviteter og vaner, dvs. adfærdsvariable. Målet

1 Modsat et socialtrum der er baseret på aktive socio-demografiske variable.


2 af 15

er at undersøge hvilke livsstile der er forbundet med en ”positiv tilværelse”, som her er et

godt forhold til vennerne og en positiv livsopfattelse. Desuden vil jeg undersøge

sammenhænge mellem livsstile og socio-demografiske baggrundsvariable. Undersøgelsen

tager udgangspunkt i 369 individer mellem 17-18 år fra det gamle Ringkøbing Amt. De

fleste variable er på ordinalt eller nominalt måleniveau, så datasættet egner sig derfor til

korrespondanceanalyse.

Figur 1: Undersøgelsesdesign

Udvalg af aktive variable

Jeg har udvalgt i alt 19 variable til at beskrive de unges livsstil2. De aktive variable er

valgt så de udgør forskellige former for fritidsaktiviteter så som motion og sport,

fællesaktiviteter i forening, klub og cafe, og mere individuelle aktiviteter som at se tv,

spille computerspil, læse og kreative ting. I spisevaner og nydelsesvaner er der inddraget

både sunde og usunde vaner.

Variablerne er opdelt i fire temaer; motion, spisevaner, nydelsesvaner og fritidsaktiviteter.

De fire temaer og de tilhørende variable er listet i tabel 1 i bilaget. Som det ses af tabellen

er der en overvægt af fritidsaktivitetsspørgsmål. Det er dog ikke et problem, for selv om de

er angivet under et tema, så er temaet bredere og omfavner flere aspekter end de øvrige

temaer. For de tre andre temaer har jeg tilstræbt en fordeling der gør at de har

nogenlunde lige mange svarkategorier i alt. Dette tilstræbes, da antallet af svarkategorier

har indflydelse på hvor meget variablene bidrager til dimensionerne i en multipel

korrespondance analyse. Den overordnede varians i modellen eller skyen er i MCA givet

ved

hvor K = antallet af svarkategorier/modaliteter og Q = antallet af

spørgsmål/variable (Le Roux & Rouanet 2010: 35). Den overordnede varians i modellen er

altså

som svarer til den samlet egenværdi i modellen. Bidraget fra en

variable er givet ved

hvor Kq = antal svarkategorier i spørgsmål q (Le Roux &

2 Jeg havde i starten udvalgt 29 variable til analysen. Men pga. pladsmangel og for overskuelighed har jeg

sorteret de variable fra som indeholdte lav variation og som havde en del overlap med de øvrige variable. Der

er ligeledes ingen overordnende forskel i mellem de dimensioner der dannes med de 29 variable og de 19 der

indgår i den videre analyse.

Socio-demografiske

faktorer

De unges livsstil

Deres subjektive

livsopfattelse


3 af 15

Rouanet 2010: 38). Som det ses af formlen har det betydning for det samlet bidrag fra

variablen hvor mange svarkategorier der indgår i spørgsmålet. Fx bidrager variablen

”Motion om ugen” med fem svarkategorier med

hvorimod variablen ”Går i

kirke/moské m.m.” kun bidrager med

fordi den indeholder to svarkategorier.

Det er derfor vigtigt at der indenfor temaerne er nogenlunde det samme antal

svarkategorier i alt (ibid.)

Den relative frekvens i svarkategorierne har indflydelse på hvilke svarkategorier i

variablene der bidrager mest til variansen. En svarkategoris bidrag er givet ved formlen

hvor fk er den relative frekvens (Le Roux & Rouanet 2010: 38). Ser vi igen på

variablen ”Går i kirke/moské m.m.” kan vi udregne bidraget fra svarkategorien

”Religioes1_3” til

, dvs. til stort set hele variablens bidrag. Derfor tilstræber

man at der er en nogenlunde ligelig fordeling af de relative frekvenser i svarkategorierne

indenfor hver variable. Hvor det ikke er muligt anbefaler Le Roux & Rouanet (2010: 39) at

kategorier med under 5 % af besvarelserne lægges sammen med andre svarkategorier eller

sættes som passive i en specifik multipel korrespondanceanalyse. Jeg har derfor i

rekodningen3 forsøgt at overholde disse anbefalinger hvor det har været muligt, og hvor

det ikke senere hen vil give problemer i fortolkningen af svarkategorierne.

Indledende fortolkninger

De 19 variable fra Tabel 1 i bilaget er brugt til at konstruere et livsstilrum ved hjælp af

specifik multipel korrespondanceanalyse i statistikprogrammet SPAD. 16 svarkategorier,

som ikke er gengivet her, er sat som passive og indgår ikke i dannelsen af rummet. De 16

svarkategorier er alle ”missing” dvs. manglende besvarelser.

I nedenstående Tabel 1 ses de fire første aksers egenværdier dvs. akses opsamling af

varians ud af den samlende varians på ca. 2,16. På grund af højdimensionalitet i rummet i

multipel korrespondanceanalyse anbefaler Benzécri (1992: 412, citeret i Le Roux &

Rouanet 2010: 39) at man anvender modificerede egenværdier som tager højde for

højdimensionaliteten. De udregnede modificerende værdier kan ligeledes ses i Tabel 1.

3 Beskrivelsen af hele rekodningen kan findes i bilaget i syntax-form fra SPSS. Desuden kan man i Tabel 1 i

bilaget aflæse rekodningen og i anmærkningen for tabellen finde yderlige forklaring.


4 af 15

Tabel 1: Variansen i akse 1-4

Akse 1 Akse 2 Akse 3 Akse 4

Egenværdier (varians) 0,1432 0,1276 0,0967 0,0949

Rater (%) 6,60 5,88 4,46 4,37

Modificerede egenværdier (Benzécri korrektion)4 0,0091 0,0063 0,0022 0,0020

Modificerede rater (%) 39,10 26,82 9,25 8,51

Kumulative modificerede rater (%) 39,10 65,92 75,17 83,68

I Tabel 1 ses at akse 1 kan forklare 39,1 % af variationen i rummet mens akse 2 kan

forklare 26,82 %, akse 3 og 4 forklare yderlige 9,25 % og 8,51 %. I alt kan de fire akser

forklare 83,68 % af variationen i rummet.

Valg af akser

Antallet af akser der skal tolkes på i en

korrespondanceanalysen baserer sig på

faldet i egenværdier og den kumulative

modificerede rater ifølge (Le Roux &

Rouanet 2010: 51). Faldet eller

”knækket” i egenværdier stopper til dels

ved akse 3 som det ses i Figur 2, så

dette kunne tale for at en fortolkning af

rummet skal bygge på de to første

akser. Dog tilstræber man i

korrespondanceanalyser at forklare over

80 % af variationen i rummet. I dette

tilfælde ville man skulle medtage de

fire første akser i den videre analyse (Ibid., Høyen 2004: 138 f.). I sidste ende beror antallet

af akser på hvor mange der giver mening i en fortolkning af rummet. Jeg vil i dette

tilfælde gå videre med de to første akser, som kan forklare sammenlagt 65,92 % af

variationen i rummet.

4 Til beregningerne af de modificerede egenværdier bruges gennemsnittet af egenværdierne , det fås ved

1/Q, i dette tilfælde 1/19 = 0,0526. bruges til at bestemme antallet af modificerede egenværdier der skal

beregnes. Antallet der skal beregnes er , det betyder det de egenværdier over 0,0526, det vil sige de 17

første. De modificerede egenværdier beregnes ved hjælp af formelen for pseudo-egenværdier

Le Roux & Rouanet (2010: 39). De modificerede rater beregnes ved at dividere hver modificeret

egenværdi med de samlede modificerede egenværdier, dvs. summen af de 17 0,0234.

0,0400

0,0600

0,0800

0,1000

0,1200

0,1400

0,1600

Akse 1 Akse 2 Akse 3 Akse 4 Akse 5 Akse 6 Akse 7 Akse 8

Figur 2: Egenværdier


5 af 15

Individskyen

Individskyen for akse 1 og 2 er afbilledet i Figur 3. Her ses at individerne er nogenlunde

ligelig fordelt omkring barycenteret.

Figur 3: Individskyen for akse 1 og 2

Det ser dog ud til at der er en større spredning af individerne i akse 2 på den negative side

af akse 1, i forhold til den positive side. Formen af skyen er dog ikke nær trekantformede

eller på andre måder afvigende (Høyen 2004: 132-137). Så jeg vil i næste afsnit gå direkte

videre til fortolkningen af akserne5.

Fortolkningen af de to første akser

Fortolkningen af akserne bygger på variablernes og modaliteternes bidrag til akserne. I de

to nedenstående afsnit er der i henholdsvis Tabel 2 og Tabel 3 gengivet de variable eller

modaliteter der bidrager mere end gennemsnittet; for variable

og for

modaliteter

. Der er inddraget få modaliteter der ikke bidrager mere end

gennemsnittet for at lette fortolkningen.

Akse 1 – Sundhed og motion

I Tabel 2 er der listet de 21 modaliteter der bidrager mere end gennemsnittet og yderlige

2. Aksen består af modaliteter fra 8 variable. Spisevaner (28,81 %) og nydelsesvaner (19,97

%) bidrager med 48,78 % til aksen. På den negative side af aksen er det modaliteterne;

spiser sjælden eller aldrig frugt og grønsager (Frugt4_5 og Gronsag4_5) der tegner sig for

sundhedsvanerne. Af nydelsesvaner drikker man sodavand en eller flere gange om dagen

(Sodavand1_2), drikker flere end seks dage om måneden, mere end fem genstande

(Alc4_6d+) og ryger dagligt (Ryger1_dagligt). Disse modaliteter på negative side tegner

5 Man kunne her også have undersøgt hvad Le Roux & Rouanet (2010: 57-8) kalder ”landmark individuals” ,

dvs. individer som beskriver ekstreme positioner i rummet.

-0.8 -0.4 0 0.4

-0.4

0

0.4

0.8

Axis 1 - 6.60 %

Axis 2 - 5.88 %


6 af 15

et billede af en usund levestil. Denne antagelse støttes af at motion under 30 minutter om

ugen (Motion1_30min) og at man kun sjældent eller aldrig deltager i idrætsforeninger eller

på motionshold (Idraet4_5). Desuden hænger det sammen med en adfærd hvor man ser

sine venner meget ofte (Ven1_Hverdag), tit går til fester (Fest1_2), hjælper ikke til

derhjemme (Hjaelphjem4_5) og bruger mere end 3 timer om dagen på at se TV

(TidTV_3t+). I alt bidrager modaliteterne på den negative side til 54,5 % af variansen på

akse 1.

Tabel 2: Variable, modaliteternes orientering og bidrag (ctr.) i pct. for akse 1

Akse 1

Bidrag fra

variable

Modaliteter Bidrag fra modaliteter

Variable Negativ Positiv Negativ Positiv

Spiser frugt 17,07 Frugt3

Frugt4_5

Frugt1_2 3,72

7,90

5,47

Spiser grønsager 11,74 Gronsag3

Gronsag4_5

Gronsag1_2 2,37

5,01

4,35

Drikker sodavand m. sukker 7,45 Sodavand1_2 Sodavand4_5 4,47 2,96

Motion om ugen 7,43 Motion1_30m Motion4_4-6t 3,69 2,30

Hjælper til derhjemme 7,10 Hjaelphjem4_5 (Hjaelphjem1_2) 4,94 (1,38)

Drukket min. 5 genstand (30 dage) 6,85 Alc4_6d+ Alc2_1-2d 4,40 2,26

Går i idrætsforening/motionshold 6,12 Idraetfor4_5 Idraet1_2 3,93 2,11

Ryger 5,67 Ryger1_dagligt (Ryger3_nej) 4,29 (1,13)

Går til fest 5,34 Fest1_2 Fest3 2,51 2,44

Ser TV om dagen (3,63) TidTV_3t+ 2,61

Går ud i naturen (4,47) Natur4_5 2,35

Sammen med venner (3,04) Ven1_Hverdag 2,31

54,5

21,89

(24,4)

76,39 (78,9)

Den positive side af akse 1 bidrager kun med 21,89 % af den samlende varians på aksen.

Dette tyder på at det er den negative side der overvejende tegner akse 1. På den positive

side er det igen variablene frugt og grønsager der bidrager med mest. Modaliteterne er

modsat at man her spiser frugt (Frugt1_2) og grønsager (Gronsag1_2) en eller flere gange

om dagen. Ligeledes holder man sig også fra sodavand og dyrker en del mere idræt og

motion (Idraet1_2, Motion_4-6t).

Akse 1 opsamler således i høj grad de usunde spise-, nydelses- og motions-vaner på den

negative side og det mere sunde alternativ på den positive side. Aksen tegner sig derfor

som en sundhedsdimension.


7 af 15

Figur 4: Modaliteterne fra akse 1 og deres placeringer

Akse 2 – Socialdimension

Variablene og modaliteterne der danner akse 2 kan ses i Tabel 3 og Figur 5 på næste side.

Som det ses i Figur 5 så er der en overvægt af aktivitetsvariable, de bidrager samlet set

med 50,51 %.6 Derudover bidrager alkoholvariablen med 20,02 %. På den negative side af

aksen er det især modaliteterne går meget til fest (Fest1_2) og drikker en del alkohol

(Alc3_3-5d, Alc4_6d+) der bidrager til aksen. Yderlige er det at man dyrker motion

(Motion4_4-6t), deltager i idrætsforeninger (Idraet1_2) og går på cafe eller restaurant

(Cafe1_2) kendetegnede for den negative side.

6 54,44 % hvis ”går i kirke/moské m.m.” tælles med.

-1.5 -1.0 -0.5 0 0.5 1.0

-1.50

-0.75

0

0.75

1.50

Axis 1 - 6.60 %

Axis 2 - 5.88 %

Motion1_30min

Motion4_4-6tVen1_Hverdag

TidTV_3t+

Hjaelphjem1_2

Hjaelphjem4_5Fest1_2

Fest3

Natur4_5

Idraetfor4_5

Frugt1_2

Frugt3

Frugt4_5 Gronsag1_2

Gronsag3

Gronsag4_5

Sodavand1_2 Sodavand4_5

Ryger1_dagligt

Ryger3_nej

Alc2_1-2d

Alc4_6d+


8 af 15

Tabel 3: Variable, modaliteternes orientering og bidrag (ctr.) i pct. for akse 2

Akse 2

Bidrag fra

variable

Modaliteter Bidrag fra modaliteter

Variable Negativ Positiv Negativ Positiv

Går til fest 22,43 Fest1_2 Fest4_5 7,49 14,92

Drukket min. 5 genstand (30 dage) 20,02 Alc3_3-5d

Alc4_6d+

Alc1_0d 5,62

2,86

11,52

Går i idrætsforening/motionshold 7,59 Idraet1_2 Idraetfor4_5 3,17 2,99

Sammen med venner 7,42 (Ven1_Hverdag)

(Ven2_4-5d)

Ven4_1el> (1,35)

(1,32)

4,75

Læser bøger 6,95 Laeser4_5 Laeser3 2,45 3,08

Motion om ugen 6,57 Motion4_4-6t (Motion2_1t) 4,03 (1,50)

Går på cafe el. restaurant 6,12 Cafe1_2 Cafe4_5 2,22 3,49

Ryger (4,8) Ryger2_3 4,29

Går i kirke/moské m.m. (3,93) Religioes1_3 3,63

32,13

(34,8)

44,38

(45,88)

76,51 (80,68)

På det positive side af aksen er det modaliteterne; at gå til fest sjældent eller aldrig

(Fest4_5) og ikke at drikke alkohol (Alc1_0d) der bidrager mest til variansen. Desuden er

det også kendetegnede at man ikke ser sine venner særlig ofte (Ven4_1el>) og ikke går på

cafe eller restaurant (Cafe4_5).

Figur 5: Modaliteterne fra akse 2 og deres placeringer

-1.5 -1.0 -0.5 0 0.5 1.0

-1.50

-0.75

0

0.75

1.50

Axis 1 - 6.60 %

Axis 2 - 5.88 %

Motion2_1t

Motion4_4-6t

Ven1_Hverdag

Ven2_4-5d

Ven4_1el>

Cafe1_2

Cafe4_5

Laeser3

Laeser4_5

Fest1_2

Fest4_5

Religioes1_3

Idraetfor1_2

Idraetfor4_5

Ryger2_3

Alc1_0d

Alc3_3-5dAlc4_6d+


9 af 15

Aksen synes at opsummere former for aktiviteter der er forbundet med at være social, hvor

den negative side er udtryk for at være social og den positive side at være usocial7. At

være social er således også forbundet med at drikke en del alkohol. Det er ligeledes også

dem der ser deres venner ofte. Ligesom det for de usociale er dem der ikke drikker alkohol

og som kun ser deres venner sjældent. Usocial kan dog være en svær etikette at sætte på

den positive side af aksen, da det at være usocial kræver man aktiv har valgt det sociale

fra, dette kan ikke umiddelbart læses ud fra de variable der udgør aksen. Ligeledes indgår

modaliteten Religoes1_3 dvs. at gå i kirke eller moské osv. mere end en eller flere gange

om måneden. En aktivitet som egentlig må betragtes at være social, men nok lidt atypisk

for unge mennesker, vi vil også senere se at den gruppe adskiller sig fra de andre ”usociale”

i klyngeanalysen. Jeg vil dog stadig i den videre analyse betragte aksen som en

repræsentation for en socialdimension.

Supplementærkategorier

Jeg vil i dette afsnit inddrage supplementære variable og kategorier. Supplementære

kategorier er ikke med til at danne livsstilrummet, men bliver udregnet på samme måde

som de aktive variable, men med en vægt på nul (Greenacre 2007: 89). Det drejer sig om

socio-demografiske variable som køn, husstandsindkomst og forældrenes og egen

uddannelse. Målet er at undersøge om de socio-demografiske variable har relationer til de

unges livsstil.

Socio-demografiske variable

I nedenstående figurer 6 og 7 er køn, husstandsindkomst, forældrenes og egen uddannelse

plottet ind som supplementærkategorier. Ser vi på køn, så er der en forskel mellem deres

placering på 0,71, betydende at der er en moderat forskel i drengenes og pigernes placering

i livsstilrummet8. Drengene har således en tendens til at være mere usunde end pigerne.

Der er ikke nogen nævneværdig forskel mellem drenge og piger på akse 2

socialdimensionen. Det samme gælder for egen uddannelse, der er heller ingen større

forskel på socialdimensionen. Her ligger forskellen igen på sundhedsdimensionen, og den

største forskel er der mellem unge der ikke er i gang med en uddannelse, eller som er i

gang med en erhvervsgrunduddannelse og de unge der går på gymnasiet. Her er forskellen

0,69 og 0,66, hvad man kunne betegne som en moderat forskel. Det tyder altså til en vis

grad på, at ens køn og nuværende uddannelse kan have en sammenhæng med ens

sundhedslivstil, hvorimod der ikke er nogen større sammenhæng med ens sociale livsstil.

Ser vi derimod på husstandens indkomst kan vi se en lille forskel i mellem den laveste

indkomstgruppe og den højeste indkomstgruppe på 0,44 i de unges sociale livsstil, dette

kan betyde at unge der lever i en lavindkomst familie bliver begrænset i deres sociale

7 Ikke at forveksle med asocial. 8 Forskelle over 1 bliver betragtet som store, hvorimod forskelle på under 0,5 regnes for små (Le Roux &

Rouanet 2010: 59)


10 af 15

aktiviteter af økonomiske årsager. Forskellen er dog lille. Ser vi på forældrenes

uddannelsesniveau er det svære at lave samme tolkningen, det ser nemlig ud til af der er

forskellige sammenhænge mellem de forskellige uddannelser afhængig af om det er moderen

eller faderen, forskellene er dog ikke små. I forhold til om moderen og faderen har en lang

videregående uddannelse, så er der ingen forskel på sundhedsdimensionen for de unge, de

ligger begge helt ude på den positive side dvs. den sunde side. Forskellen på den sociale

dimension er på 0,34, altså lille, men det kunne give anledning til videre analyse af hvilke

sammenhænge der er mellem, om det er moderen og/eller faderen der er højtuddannede.

En hypotese kunne være at det har nogle konsekvenser for de unges sociale liv hvis

moderen er højtuddannede og deraf måske ikke er så meget hjemme, mens faderens fravær

ingen betydning har. På sundhedsdimensionen ser vi derimod en forskel mellem de

ufaglærte og de højtuddannede på ca. 0,65-0,7, altså har forældrenes uddannelse en vis

sammenhæng til de unges sundhed.

Figur 6 og Figur 7: Socio-demografiske variable i livsstilrummet

Anm. Figuren til højre med husstandsindkomst og forældrenes uddannelse er skaleret større, så de to figurer kan kun

sammenlignes hvis man tager højde for deres skalaniveau, hvilket kan aflæses i kanterne.

Køn som strukturerende faktor

Nedenstående er vist to individskyer henholdsvis med drengene og pigerne på akse 1 og 2.

For hvert af de to køn er der indtegnet en koncentrationsellipse, som hvis den er normal

indeholder ca. 86 % af underkategorien (Le Roux & Rouanet 2010: 70).

-1.50 -0.75 0 0.75

-1.50

-0.75

0

0.75

1.50

Axis 1 - 6.60 %

Axis 2 - 5.88 %

dreng

pigegymnasiet

handelsgymnasiet

erhvervsudd

erhvervsgrundudd andet

ikke i uddannelse pt

-0.4 0 0.4 0.8

-0.50

-0.25

0

0.25

0.50

Axis 1 - 6.60 %

Axis 2 - 5.88 %

M:Ufaglært

M: EU

M: KVU

M: MVU

M: LVU

M: Anden U

M: Under U

F: Ufaglært

F: EU

F: KVU

F: MVU

F: LVU

F: Anden U

F: Under U

>300.000

300.000-499.999 500.000-699.999

+700.000


11 af 15

Her træder det igen tydeligt frem at kønnene adskiller sig på sundhedsdimensionen. Der

ligger en overvægt af drenge til venstre og en overvægt af piger til højre. Det kunne også

se ud som om, at der er en større andel piger der er usociale på akse 2. Andelen er dog som

nævnt i forrige afsnit ikke særlig stor. Det interessante ved strukturerende faktorer i

individskyen, er muligheden for at se på individernes spredning omkring kategoriens

gennemsnitspunkt. Kønnenes spredning på begge akserne ser dog ud til at være

nogenlunde ens. Excentricitetsparameterne for hhv. drengene og pigerne er 0,38 og 0,5,

hvilket kun kunne tyde på at der var lidt større spredning på den ene akse i forhold til den

anden hos pigerne. I forhold til ellipsernes form kunne det se ud til at forskellene skal

findes i den diagonale spredning. På baggrund af strukturerne i individskyen mellem

kønnene kan vi konkludere at gennemsnitlig så er der en forskel mellem drengene og

pigerne på sundhedsdimensionen, der er dog en nogenlunde ligelig spredningen for begge

kønnene, hvilket betyder at der også findes en del sunde drenge og usunde piger. Køn

synes som sagt ikke at have nogen indvirkning på den sociale dimension.

Forskellige grupper af unge – en klyngeanalyse

Målet for klyngeanalysen er at danne grupper af unge på baggrund af deres individuelle

svarmønstre, hvilket giver mulighed for at lave nogle idealtypiske typebeskrivelser. Målet

er at minimere den interne varians i grupperne og maksimere den eksterne varians mellem

grupperne (Lebart 1997: 162 ff., Skjøtt-Larsen 18/10-2010: slide 1, 7). I forhold til min

problemstilling bliver det at undersøge, om der er nogle grupper af unge der har et særligt

dårligt forhold til deres venner end andre.

Jeg har udført en såkaldt hierarkisk klyngeanalyse i SPAD. Levelindekset (se bilag)

indikerer at den bedste opdeling sker ved 7 eller 10 grupper, hvor der sker et fald i

indekset, SPAD forslår det samme. Ud fra de to muligheder ser løsningen med de 7

grupper fornuftigst ud. De forskellige gruppers karakteristika er kort beskrevet nedenfor,

-0.8 -0.4 0 0.4

-0.4

0

0.4

0.8

Axis 1 - 6.60 %

Axis 2 - 5.88 %

dreng

pige

-0.8 -0.4 0 0.4

-0.4

0

0.4

0.8

Axis 1 - 6.60 %

Axis 2 - 5.88 %

dreng

pige


12 af 15

samt deres placeringer i individskyen i Figur 8. Klyngeanalysen tager højde for de øvrige

dimensioner i rummet, derfor er der en del overlap i planet 1-2.

Figur 8: Grupper af unge i individskyen for akse 1 og 2.

Gruppe 1 (16,3 %) er en mellemgruppe og ligger nogenlunde gennemsnitlig på de fleste

variable, der er en lille overvægt af usunde vaner.

Gruppe 2 (22,8 %) er de fornuftige angående sundhedssvanerne, de går også ud og er

sociale, men drikke ikke så meget alkohol og fester ikke så meget. Der er en overvægt af

piger og unge med højtuddannede forældre.

Gruppe 3 (11,9 %) er de praktiske (drenge) de dyrker motion ofte i idrætsforeninger, men

spiller også meget computer og ser meget tv og hjælper desuden ikke til derhjemme.

Desuden læser de ikke bøger eller er kreative. Der er en stor overvægt af drenge, og en

undervægt af unge der går i gymnasiet.

Gruppe 4 (17,1 %) er de festglade og sociale, nogenlunde ens med gruppe 2 – de fornuftige,

men bruger en del mere tid på venner, alkohol og fester.

Gruppe 5 (13 %) er de ensomme, de ser ikke deres venner særligt tit og deltager ikke i

sociale aktiviteter. Ligger gennemsnitlig omkring deres sundhedsvaner, dog deltager de ikke

i idrætsforeninger.

Gruppe 6 (11,1 %) er de religiøse, ca. 50 % af dem går regelmæssigt i kirke eller lignende.

Har sunde vaner, læser og er kreative. På den sociale del deltager de gennemsnitlig. Der er

en overvægt af piger.

-0.8 -0.4 0 0.4

-0.4

0

0.4

0.8

Axis 1 - 6.60 %

Axis 2 - 5.88 %

3 - De praktiske

Cluster 2 / 7

7 - De usunde

1 - Mellemgruppen

6 - De religiøse

4 - De festglade

2 - De fornuftige

5 - De ensomme


13 af 15

Gruppe 7 (7,9 %) er de usunde, de dyrker minimal af motion, spiser ikke frugt og grønt og

ryger. Sociale aktiviteter består af at gå til fester og se vennerne. Der er en overvægt af

drenge i gruppen.

De forskellige unge og deres venner

Jeg har i SPSS konstrueret et ”venneindeks”9 til at undersøge de forskellige livsstiles

indflydelse derpå. Tabellen ses nedenfor.

Tabel 4: Gruppernes gennemsnit på venneindekset

Gruppe Gennemsnit

Mellemgruppe 1,43

De fornuftige 1,33

De praktiske 1,42

De festglade og sociale 1,33

De ensomme 1,99

De religiøse 1,29

De usunde 1,43

Samlet 1,44

Anm. Indekset går fra 1 til 5 hvor 1 er udtryk for et rigtigt godt forhold og 5 for et rigtigt skidt forhold til ens venner.

Beregningen er udført ved hjælp af ”Clusters characterization” med venneindekset om en kontinuerlig variable.

De fleste unge i undersøgelsen har svaret ”helt enig” (1) til de fleste spørgsmål angående

deres venner, så det er begrænset hvor meget variation der er i indekset. Det træder dog

stadig tydeligt frem at der er to grupper der skiller sig lidt ud i forhold til det samlede

gennemsnit. Gruppen de ensomme har i højere grad et dårligere forhold til deres venner og

gruppen de religiøse har et bedre forhold til deres venner. Noget kunne altså tyde på, at

det ikke at deltage i sociale aktiviteter, har en indflydelse på ens forhold til sine venner.

For de religiøse, som ligger på den ”usociale” siden, kan det hænge sammen med at de

deltager i andre aktiviteter der ikke nødvendigvis har noget med fest og alkohol at gøre,

som alligevel ikke påvirker deres forhold til vennerne.

Unge og deres livsopfattelse

Jeg har ligeledes i SPSS konstrueret et livsopfattelsesindeks10. Målet er igen at se om der

forskelle mellem grupperne.

9 Jeg føler mig tæt knyttet til mine venner, Mine venner lægger vægt på mine meninger, Jeg kan være til

hjælp/støtte for mine venner og Jeg kan regne med mine venner, når jeg har brug for hjælp. Konstruktionen

af indekset kan ses i Syntax 9. Indekset har en Cronbachs alpha på 0,75, og kan ud fra antallet af variablene

betragtes som et relativt stærkt indeks. 10 Hvor tit gør du ting, som du selv synes er meningsfulde?; Hvor ofte føler du, at du er ligeglad med det, der

sker omkring dig?; Hvor tit har du følelsen af, at det du foretager dig er uden mening?; Hvad synes du om

din hverdag? Se Syntax 10. Indekset har en Cronbachs alpha på 0,751.


14 af 15

Tabel 5: Gruppernes gennemsnit på livsopfattelsesindekset

Gruppe Gennemsnit

Mellemgruppe 2,56

De fornuftige 2,23

De praktiske 2,61

De festglade og sociale 2,25

De ensomme 2,59

De religiøse 2,24

De usunde 2,67

Samlet 2,41

Indekset går fra 1 til 5 hvor 1 er udtryk for en positiv opfattelse og 5 for en negativ opfattelse.

Den mere negative livsopfattelse findes hos gruppen af de usunde og de praktiske som

begge ligger på den usunde del af sundhedsdimensionen. Ligeledes gælder det også til en

vis grad for de ensomme. Noget kunne derfor tyde på at ens sundhedslivstil kan have en

vis indflydelse på ens livsopfattelse. Ens sociale livsstil har ligeledes en indflydelse, her ses

det at de festglade og sociale har en mere positiv opfattelse end fx de ensomme.

Konklusion

Målet for opgaven var at undersøge unges livsstil på baggrund af forskellige aktiviteter,

sunds- og nydelses-vaner. Målet var tre-delt, først at undersøge om der var nogle

underliggende dimensioner i de unges livsstil ved hjælp af aktive variable i en specifik

multipel korrespondance analyse. Her blev der fundet og arbejdet videre med to akser,

henholdsvis en sundhedsdimension og en socialdimension. Andet led var at undersøge

hvilke socio-demografiske variable, der var relateret til forskellige livsstile ved hjælp af

supplementære variable. Det var især de unges køn, egen uddannelse og til en vis grad

forældrenes uddannelse der havde indflydelse på sundhedsdimensionen. Husstandens

indkomst havde en lille betydning i forhold til den sociale dimension i mellem lavindkomst

gruppen og højindkomst gruppen. Tredje led var at undersøge, ved hjælp af klyngeanalyse,

de forskellige livsstiles indflydelse på ens forhold til venner og egen livsopfattelse. Ikke helt

overraskende var det de ensomme som både havde et dårligere forhold til vennerne og en

mere negativ livsopfattelse. De anvendte statistiske metoder har vist sig at være meget

anvendeligt i min eksplorative tilgang til problemstillingen. Mulighederne nu vil fx være at

vælge nogle individer ud fra grupperne og lave kvalitative interviews til nærmere at

undersøge de sammenhænge jeg fandt i korrespondanceanalysen. En ulempe ved

korrespondanceanalysen er at der ikke ses på isolerede effekter, men det ligger som nævnt i

introduktionen heller ikke til filosofien. Desuden er metoden meget deskriptiv og benytter

mere termerne ”i højere grad” end statistiske mål og signifikans. En ”løsning” kunne være,

ved hjælpe af det jeg har fundet i analysen, at opstille hypoteser der kunne testes med

mere traditionelle statistiske metoder.


15 af 15

Litteraturliste

Bourdieu, P. (1984). Distinction - A social critique of the judgement of taste. London:

Routledge.

Greenacre, M. (2007). Correspondence analysis in practice. Boca Raton: Chapmann &

Hall.

Greenacre, M. & Blasius, J. (1993). ”Preface” I Greenacre, Michael J. & Blasius, Jörg, red.,

Correspondence Analysis in the Social Sciences. San Diego: Academic Press.

Høyen, M. (2004). Korrespondanceanalyse. 1. udg. København: Akademisk Forlag.

Jæger, M. M. (2003). Korrespondanceanalysen – et sociologisk værktøj.

Socialforskningsinstituttet.

Le Roux, B. & Rouanet, H. (2010). Multiple Correspondence Analysis. Califonia: Sage.

Lebart, L. (1997). ”Complementary Use of Correspondence Analysis and cluster Analysis” I

Greenacre, Michael J. & Blasius, Jörg, red., Correspondence Analysis in the Social

Sciences: Recent Developments and Applications. San Diego: Academic Press.

Rosenlund, L. (1995): Korrespondanseanalyse. Dataanalysens magiske øye. Sosiologisk

tidsskrift nr.1

Skjøtt-Larsen, J. (18/10-2010) ”Klyngeanalyse som led i multipel korrespondanceanalyse”,

slides fra forelæsningen på Aalborg Universitet.

Documents

Indledning Introduktion til korrespondanceanalysekenneth.eu/Korrespondanceanalyse.pdf · kort introducere korrespondanceanalysen som metode og den tilhørende filosofi. Derefter redegør