Luento 1: Tilastollisen tutkimuksen suunnittelu, peruskäsitteet ja menetelmät

Luento 1: Tilastollisen tutkimuksen suunnittelu,

peruskäsitteet ja menetelmät

Petri Nokelainen

Kasvatustieteiden yksikköTampereen yliopisto

[email protected]://www.uta.fi/~petri.nokelainen

Sisältö

1. Kasvatustieteellinen tutkimus2. Tutkimuksen suunnittelu

2.1 Mihin kysymyksiin tutkimus vastaa?2.2 Mikä tutkimusasetelma vastaa tutkimuskysymyksiin

parhaiten?2.3 Millaisilla menetelmillä kysymyksiin etsitään vastauksia?2.4 Mitkä ovat muuttujien roolit ja mitta-asteikot?2.5 Miten tutkimuskysymykset operationalisoidaan? 2.6 Käytetäänkö parametrisia vai epäparametrisia testejä?

3. Kymmenen kysymystä tutkimuksesta

1. Kasvatustieteellinen tutkimus

(Töttö, 2004.)

tai sitä ja

ja

Kasvatustieteellinen tutkimus

Teoreettinenlähestymistapa

Empiirinenlähestymistapa

T1: Perustuu aiempaan teoriaan

T2: Perustuu tutkijan omiin

ajatuksiin

E1: Perustuu numeeriseen

aineistoon

E2: Perustuu tekstiaineistoonja/tai


L: {T1,T2,E2} {T1,T2}

M: {E1} !

Teoreettinen tutkimus

Empiirinen tutkimus

A: {T1,T2}B: {T1,T2,E1}C: {T1,T2,E2}D: {T1,T2,E1,E2}


B: {T1,T2,E2}

C: {T1,T2,E1}

Tutkimusongelma

- mitä henkilö/ryhmä S tarkoittaa merkillä, teolla, teoksella, …- miten S kokee, näkee, … k:n- mitä S aikoo, haluaa, … k:n suhteen- mitä S uskoo, luulee, tietää … k:sta

- miten paljon joukossa P esiintyy olioita, tapauksia tai alkioita, joilla on ominaisuus x - miten paljon joukossa P esiintyy ominaisuutta y - onko joukossa P ominaisuuksien x ja y välillä riippuvuutta- millainen on x:n ja y:n välinen riippuvuus joukossa P - onko x:n ja y:n suhde aidosti kausaalinen- millainen kausaalinen mekanismi yhdistää x:n ja y:n

1. Tutkimusidean kehittely, kirjallisuuteen tutustuminen

2. Tutkimuskysymysten laadinta3. Tutkimuksen asetelman (design) laadinta4. Tutkimusmenetelmien valinta

5. Tutkimuksen toteutus6. Aineiston analysointi

7. Tulosten raportointi => Tieteellinen kirjoittaminen


Sisältö





2. Tutkimuksen suunnittelu

1. Mihin kysymyksiin tutkimus vastaa?2. Mikä tutkimusasetelma vastaa tutkimuskysymyksiin parhaiten?3. Millaisilla menetelmillä kysymyksiin etsitään vastauksia?4. Mitkä ovat muuttujien roolit ja mitta-asteikot?5. Miten tutkimuskysymykset operationalisoidaan? 6. Käytetäänkö parametrisia vai epäparametrisia testejä?

Sisältö






2.1 Mihin kysymyksiin tutkimus vastaa?• Onko iän ja työhön sitoutumisen välillä

riippuvuussuhde?• Sitoutuvatko vanhemmat ihmiset työhön

nuoria enemmän?• Mitkä asiat erottavat ja/tai yhdistävät

työhön sitoutuvia ihmisiä?• Mitkä asiat ennustavat parhaiten työhön

sitoutumista?


2.1 Mihin kysymyksiin tutkimus vastaa?• Onko iän ja työhön sitoutumisen välillä

riippuvuussuhde? (Esim. Khiin neliötesti, korrelaatio)

• Sitoutuvatko vanhemmat ihmiset työhön nuoria enemmän? (Esim. t-testi/M-W U, varianssianalyysi/K-W H)

• Mitkä asiat erottavat ja/tai yhdistävät työhön sitoutuvia ihmisiä? (Esim. erotteluanalyysi, ryhmittelyanalyysi)

• Mitkä asiat ennustavat parhaiten työhön sitoutumista? (Esim. regressioanalyysi)

Sisältö






2.2 Mikä tutkimusasetelma vastaa tutkimuskysymyksiin parhaiten?Kokeellinen tutkimus (experimental study) pyrkii

tutkimaan tiettyä asiaa (riippumaton muuttuja) mahdollisimman tarkasti kontrolloitavissa (riippuva muuttuja) olevissa olosuhteissa.

Korrelatiivisessa eli havainnointitutkimuksessa (observational study) pyritään selvittämään miten jokin tietty asia tai ominaisuus voisi vaikuttaa jonkin toisen asian tai ominaisuuden ilmenemiseen (esim. kyselylomaketutkimus).


Pre

Pre

I

-

Post

Post

Pre I Pos

t

Pre - Pos

t

TEST Pre I Pos

t

RS TEST

CONTROL

PRETEST-POSTTEST RANDOMIZED EXPERIMENT

NON-EQUIVALENT GROUPS DESIGN

CORRELATIONAL DESIGN

TEST

CONTROL

RANDOMSELECTION

RS

RANDOMSAMPLING

CS

• Tapaustutkimus (case study design)– Pyritään kontekstuaalisen informaation

keräämiseen yhdestä tai useammasta tapauksesta.– Tapauksia voivat olla esim. ihminen, ihmisten

välinen keskustelu, yksilön kokemus (esim. Kauhajoen koulusurma), jne.

– Tavoitteena tapausten tutkiminen, kuvailu ja selittäminen miten- ja miksi–kysymysten avulla.

• Pitkittäistutkimus (longitudinal design)– Yksi aineisto joka pysyy (mahdollisimman) samana

läpi tutkimuksen.

Ryhmien muodostus Esitesti Interventio Jälkitesti

Satunnainen (yksi ryhmä) Mittaus (X) Käsittely Mittaus (Y)

• Poikittaistutkimus (cross-sectional design)– Mittaus suoritetaan kerran, tai useita kertoja

vaihtuvalla aineistolla (esim. organisaation kasvuorientaation mittaus vuoden välein).

Ryhmien muodostus Esitesti Interventio Jälkitesti

Ei-satunnainen Käsittely Mittaus (Y)

Ei-satunnainen Ei käsittelyä Mittaus (Y)

Sisältö






2.3 Millaisilla menetelmillä kysymyksiin etsitään vastauksia?

• Mitä menetelmää on aiemmin käytetty vastaavantyyppisen ongelman analysoinnissa?

– Kerlinger (1986, 495), “..one should first ask the question: Is there a better way to measure my variables?”

• Reliabiliteetti (satunnaisvirheettömyys):• Uusintatestaus (test-retest) samoilla vastaajilla,

odotetaan korkeaa korrelaatiota vastausten välillä.• Sisäinen pysyvyys (internal consistency), mittaavatko

muuttujat samaa asiaa?– Cronbach´s (1951) Alpha ( > .8 tai inter-item .2 - .4).– Tarkkonen reliability (Vehkalahti, 2000).

2. Tutkimuksen suunnittelu• Validiteetti (pätevyys)

– Sisäinen validiteetti (Internal validity)• Tutkimuksen tulosten tulee kuvata tutkittavaa ilmiötä.

– Luotettava mittari, aiemman tutkimuksen meta-analyysi, triangulaatio.

– Ulkoinen validiteetti (External validity)• Tulosten yleistettävyys.

– Satunnaisotos, toisistaan riippuvat kontrolloidut muuttujat.

(Cohen, Manion & Morrison, 2000.)

2. Tutkimuksen suunnittelu• Validiteetti (pätevyys)

– Sisällön validiteetti (Content validity)• Mittarin tulee operationalisoida tutkittava ilmiö

kattavasti.– Tutkimuskirjallisuuteen perehtyminen, käsiteanalyysi.

– Käsitevaliditeetti (Construct validity)• Tutkimuksessa käytetyt käsitteet ovat yleisesti hyväksyttävissä

(tutkija on samaa mieltä muiden tutkijoiden kanssa siitä mitä esim. ”sisäinen tavoiteorientaatio tarkoittaa”).– Tutkimuskirjallisuuteen perehtyminen, käsiteanalyysi.

(Cohen, Manion & Morrison, 2000.)

Otoskoon arviointi• N

– Population size.• n

– Estimated sample size.• Sampling error (e)

– Difference between the true (unknown) value and observed values, if the survey were repeated (=sample collected) numerous times.

• Confidence interval– Spread of the observed values that

would be seen if the survey were repeated numerous times.

• Confidence level– How often the observed values

would be within sampling error of the true value if the survey were repeated numerous times.

(Murphy & Myors, 1998.)

Sisältö





2. Tutkimuksen suunnittelu2.4 Muuttujien luonteen ja mittaustason

tunnistaminen• Riippuvien (DV, Dependent Variable) ja

riippumattomien (IV, Independent Variable) muuttujien määrittely• Tutkija voi manipuloida IV –muuttujia (esim. sähköiskun

voimakkuus)• DV –muuttujat (reaktiot) mitataan koehenkilöiltä• Ei tarvitse määritellä kaikissa analyyseissa (esim. r)

2. Tutkimuksen suunnittelu2.4 Muuttujien luonteen ja mittaustason

tunnistaminen• Kvalitatiivisten ja kvantitatiivisten muuttujien

määrittely• Laadullinen aineisto, ei aseteta järjestykseen (esim.

sukupuoli)– Laatueroasteikko (nominal scale)

• Epäjatkuva (discrete) muuttuja (esim. kengän numero “43”) – Järjestysasteikko (ordinal scale)

• Jatkuva (continuous) muuttuja (esim. jalan pituus “29,3 cm”)– Välimatka- ja suhteellinen asteikko (interval or continuous

scale)

Parametriset testit

Epäpara-metriset testitRyhmittely


Muuttujat

Kvantitat.Kvalitat.

Diskreetti

Nominaali

Jatkuva

Järjestys Välimatka Suhde

(Nummenmaa, 2009.)

?

Ammattinimike 1 = Rehtori 2 = Opettaja3 = Tukihenkilöstö

Diskreetti(discrete) 0 1 2, ..

ILMIÖ

MITTAUS

Ammattinimikkeen voidaan ajatella olevanepäjatkuva (diskreetti) ilmiö, jolloin sitä on mielekästä mitata epäjatkuvalla menetelmällä


Ikä 1 = alle 18 vuotiaat 2 = 18 – vuotiaat


ILMIÖ

MITTAUS

Ikä on ilmiönä jatkuva, mutta sitä voidaanmitata diskreetillä tai jatkuvalla menetelmällä.

Jatkuva(continuous) 0 ∞

Ikä 0 – n vuottaJatkuva(continuous) 0 ∞

Sisältö






2.5 Tutkimuskysymysten operationalisointi

• Onko iän ja työhön sitoutumisen välillä riippuvuussuhde?• Ikä – jatkuva, saa arvoja välillä 18 – 67.• Sitoutuminen – jatkuva, testin pistemäärä vaihtelee

välillä 15 – 120.• Tilastollinen menetelmä – korrelaatioanalyysi

(Pearsonin tulomomenttikorrelaatio, rp)• Hypoteesi – Aiemman tutkimuskirjallisuuden

perusteella odotetaan iän kasvun korreloivan positiivisesti työhön sitoutumisen kanssa.


2.5 Tutkimuskysymysten operationalisointi• Sitoutuvatko vanhemmat ihmiset työhön nuoria

enemmän?• Ikä – IV, diskreetti, saa arvot: 1 = nuori, 2 = keski-

ikäinen, 3 = vanhus.• Sitoutuminen – DV, jatkuva, testin pistemäärä vaihtelee

välillä 15 – 120.• Tilastollinen menetelmä – yksisuuntainen ANOVA tai

Kruskal-Wallis –testi (jos testin pistemäärän jakauman populaatiossa ei oleteta olevan normaali tai muut parametristen testien ehdot eivät täyty).

• Hypoteesi – Aiemman tutkimuskirjallisuuden perusteella odotetaan tilastollisesti merkitsevää eroa ikäluokkien välillä työssä sitoutumisen suhteen.

TAI


2.5 Tutkimuskysymysten operationalisointi• Sitoutuvatko vanhemmat ihmiset työhön nuoria

enemmän?• Ikä – IV, diskreetti, saa arvot: 1 = nuori, 2 = keski-ikäinen,

3 = vanhus.• Sitoutuminen – DV, diskreetti, testin pistemäärä

luokiteltuna kolmeen luokkaan (jakauman tai aiemman tutkimuskirjallisuuden tulosten tarkastelun jälkeen): 1=15 – 40, 2=41-80, 3=81-120.

• Tilastollinen menetelmä – Khiin neliötesti (2).• Hypoteesi – Aiemman tutkimuskirjallisuuden perusteella

odotetaan tilastollisesti merkitsevää eroa ikäluokkien välillä työssä sitoutumisen suhteen.

Sisältö






2.6 Parametrinen vai epäparametrinen testi?

– Parametriset testit olettavat analysoivansa1. toisistaan riippumattomia havaintoja

(independent observations) sisältäviä2. satunnaisotoksia (random sampling) jotka on

otettu tutkittavan ilmiön suhteen3. normaalisti jakautuneesta populaatiosta (normal

distribution).

Varianssianalyysi (ANOVA) olettaa aineistossa olevien ryhmien olevan peräisin satunnaistetusta koe-kontrolli –asetelmasta: koehenkilöt on valittu satunnaisotannalla (random sampling) ja sijoitettu satunnaisesti (random assignment) koe- ja kontrolliryhmiin.


• Tutkittavaa ilmiötä populaatiossa kuvaavan aineiston tulisi olla – hankittu satunnaisotannalla, – otoskooltaan riittävän suuri (esim. n = 10 *

muuttujien lukumäärä), – mitattu välimatka tai suhdeasteikolla, – normaalijakautunut, – vapaa poikkeavista havainnoista, – muuttujien välisten riippuvuussuhteiden osalta

lineaarista (ks. esim. Hair, Anderson, Tatham & Black 1998; Tabachnick & Fidell 1996).


Normaalisti jakautunut ilmiötuottaa normaalisti jakautuneen aineiston.

Muut jakaumat analysoidaanepäparametrisilla menetelmillä.



– Parametriset testit olettavat että4. mittaustaso on jatkuva, siis vähintään

valimatka-asteikko (ns. Likert on järjestysasteikko!)

5. otoskoko on ”riittävä” (kysehän on frekventistisestä tutkimuksesta!) ja

6. poikkeavat arvot on poistettu.


• Marini, Li ja Fan (1996) toteavatkin, että (lineaaristen frekventististen) parametristen menetelmien käyttö on vähintäänkin haastavaa, jos niiden tutkittavalle ilmiölle ja sitä kuvaavalle aineistolle asettamat oletukset eivät täyty. – Tutkittavan ilmiön tulisi olla luonteeltaan jatkuva ja

normaalijakautunut. Ikä, tulotaso euroina, lämpötila, .. Jatkuva

(continuous) 0 ∞

WAIS-III –testin FSIQ, lempivärien järjestys, sukupuoli, ..



muuttujien lukumäärä),– mitattu välimatka tai suhdeasteikolla, – muuttujittain normaalijakautunutta, – vapaa poikkeavista havainnoista, – muuttujien välisten riippuvuussuhteiden osalta


Rensis Likert (1932) kehitti seitsemän portaisen järjestysasteikon (summative rating scale), joka tuottaa kvalitatiivisia muuttujia.

Järjestysasteikolla mitattujen väittämien tulisi olla suunniteltu siten, että ne muodostavat summamuuttujia, joilla on välimatka-asteikollisen muuttujan ominaisuudet.



muuttujien lukumäärä),– mitattu välimatka tai suhdeasteikolla, – muuttujittain normaalijakautunutta, – vapaa poikkeavista havainnoista, – muuttujien välisten riippuvuussuhteiden osalta



Albaumin (1997) mukaan tätä ns. likertin –asteikkoa ei ole käytetty tutkijoiden toimesta tällä tavoin, vaan yksittäisiä väittämiä käytetään parametrisissa analyyseissa.

Tällaisten kategoristen muuttujien väliset yhteydet eivät välttämättä ole lineaarisia vaan epälineaarisia, jolloin olisi parempi käyttää epäparametrisia tekniikoita (Bradley & Schaefer 1998).



– Parametriset testit olettavat että7. vaikutussuhteet ovat riittävän

voimakkaita. • Ongelmana multikollineaarisuus (suuret

korrelaatiot, yli .9) ja singulaarisuus (esim. summamuuttuja ja sen osamuuttujat korreloivat voimakkaasti keskenään).• Tutkitaan esim. tarkastelemalla

korrelaatiomatriisia.



– Parametriset testit olettavat että8. vaikutussuhteet ovat lineaarisia.

• Tutkitaan esim. tarkastelemalla kahden muuttujan välisiä hajontakuvia (scatter plot).

• Voidaan joissakin tapauksissa korjata muunnoksella (transformation).

• Frekventistiset epäparametriset menetelmät (esim. Khiin neliötesti, Spearmanin järjestyskorrelaatio, Mann-Whitneyn U-testi, ks. Metsämuuronen, 2003; Nummenmaa, 2009) ovat vapaita edellä kuvatuista oletuksista kahta lukuun ottamatta:– satunnaisotanta– riittävä otoskoko – välimatka tai suhdeasteikolliset muuttujat– normaalijakautuneet muuttujat– ei poikkeavia havaintoja – lineaariset riippuvuussuhteet

-> tieteellinen: voiman (Cohen, 1988) lisääminen -> em. + tekninen: solujen odotusarvot -> nominaali/järjestys -> sama jakauman muoto -> ei suurta merkitystä -> sekä lin. että epälin.



2.6 Parametrinen vai epäparametrinen testi?– Epäparametriset testit ovat vähemmän herkkiä

havaitsemaan oikeasti olemassa olevia muuttujien välisiä eroja (ts. altistutaan ns. tyypin II “beta” virheelle).


2.6 Parametrinen vai epäparametrinen testi?– Parametrisia testejä kannattaa käyttää

jos • data täyttää edellä kuvatut ehdot.

– Havaitsevat epäparametrisia herkemmin aineistossa olevat muuttujien väliset vaikutussuhteet -> Tyypin II virheen riski pienenee.


2.6 Parametrinen vai epäparametrinen testi?– Epäparametrisia testejä kannattaa käyttää jos

• muuttujien mittaustaso on nominaali- tai järjestysasteikollinen.

– Tämä ”pieni” ongelma ohitetaan silloin tällöin sosiaalitieteen tutkimuksessa ylentämällä järjestysasteikollinen (esim. Likert 1–5) muuttuja välimatka- tai suhdeasteikolliseksi (diskreetistä ”jatkuvaksi”).

• otoskoko on pieni.– Kunhan matriisin joka soluun riittää havainto(ja): suositus

on vähintään viisi per solu.– Haittavaikutuksena Tyypin II virheen riskin

kasvu, ”epäsensitiivisyys”.

2. Tutkimuksen suunnitteluEpäparametrinen testi

Chi-square 2

Multiway Frequency Analysis 2

Spearman Rank Order Correlation rS

Mann-Whitney UWilcoxon Signed Rank

Kruskal-Wallis HFriedman

Bayesian dependency modeling (B-Course)

Logit analysis, Logistic regressionBayesian classification modeling (B-Course)

Categorical variable modeling (Mplus)

Parametrinen testi

Pearson Product Moment Correlation rP

Independent-samples tPaired-samples tOne-way between-groups ANOVA FTwo-way repeated-measures ANOVA FANCOVA, MANOVARegression analysis RExploratory factor analysis Principal component analysis Cluster analysisDiscriminant analysis Classification analysisConfirmatory factor analysis

POPULATION

RS

CS

CS

RS

P CS

NPS

IO

x

-

-

x

ML

c

-

-

c

O

x

-

-

x

N

100 –

250

0 –30

0 –30

100 –

250

C

rp

> .3

-

-

rp

> .3

S

l

-

-

l

D

ce

-

-

co

MD

n

-

-

n

o = optionalx = compulsory- = do not apply

PARAMETRIC f

IO

x

x

x

x

ML

d,n

d,n

d,n

d,n

O

o

-

-

o

N

>30

0 –30

0 –30

>30

C

rs

> .3

-

-

rs

> .3

S

l,nl

l,nl

l,nl

l,nl

D

ce

-

-

co

MD

s

-

-

s

NON-PARAMETRIC f

= Bayesian modeling, prediction = Qualitative techniquesf

RS = Randomized sample (i.e., probability sample)CS = Convenience sampleNPS = Non-probability sampleD = Design (ce = controlled experiment, co = correlational study)N = Numerus (n = optimal sample size)IO = Independent observationsf = Frequentistic technique

ML = Measurement level (c = continuous, d = discrete, n = nominal)MD = Multivariate Distribution (n = both normal, s = both similar)O = Outliers (i.e., extreme values) removedC = Correlation (rp = continuous; rs = discrete)S = Statistical dependency (l = linear, nl = non-linear)

(Nokelainen, 2008.)

Sisältö






Critical Appraisal Skills Programme (CASP, 2006)

• Täsmällisyys, tarkkuus (Rigor)– Perusteellinen lähestymistapa

• Uskottavuus, vaikuttavuus (Credibility)– Selkeästi esitetyt ja mielekkäät tulokset

• Merkitys, asiaankuuluvuus (Relevance)– Tulosten käyttökelpoisuus


Screening1. Was there a clear statement of the aims of the

study?2. Is a qualitative/quantitative methodology

appropriate?Research Design3. Was the research design appropriate to address

the aims of the research?4. Was the sampling technique/recruitment

strategy appropriate to the aims of the research?


Data collection5. Were the data collected in a way that addressed

the research issue?• Justification of the setting for data collection.• Clarification how data were collected (e.g.,

questionnaire, focus group, semi-structured interview,..).• Justification of the chosen methods.• Explicit report on methods (e.g., how the instruments

were delivered, what were the instructions, how interviews were conducted, was there a topic guide, how data was stored, ..).

• Explicit report on modifications to the methods during the study.

• Discussion of the sample size (effect size, power)/saturation of data.


Reflexivity6. Has the relationship between researcher and

participants been adequately considered?• Critical examination of researchers own role,

potential bias and influence during• formulation of research questions• data collection, including sample recruitment and

choice of location.• How researcher responded to events during the

study.


Ethical issues7. Have ethical issues been taken into

consideration?• Detailed description how the research was

explained to participants – so that reader is able to assess whether ethical standards were maintained.

• Discussion of the issues raised by the study.


Data analysis8. Was the data analysis sufficiently rigorous?

• In-depth description of the analysis process.• Selection of the statistical techniques/use of

thematic analysis (e.g., how the categories/themes were derived from the data?)

• Qualitative: How the data presented was selected from the original sample to demonstrate the analysis process?

• Is a sufficient data presented to support the findings?


Data analysis8. Was the data analysis sufficiently rigorous?

• To what extent contradictory data are taken into account?

• Whether the researcher critically examined their own role, potential bias and influence during analysis (qualitative: selection of data for presentation.


Findings9. Is there a clear statement of findings?

• Explicit findings.• Adequate discussion of the evidence both for and

against the researchers arguments.• Discussion of the credibility of the findings

(triangulation, respondent validation, more than one analyst,..).

• Discussion of the findings in relation to the original research questions.


Value of the research10. How valuable is the research?

• Contribution to existing knowledge and understanding.

• Identification of new areas where research is necessary.

• Transferability (generalizability/representativeness) of findings to other populations.

• Consideration of other ways how the research may be used.

Voiko tämän aineiston perusteella tehdä johtopäätöksiä tutkimuskysymysten suhteen, ts. onko aineisto hankittu tieteellisen tutkimuksen kriteereitä noudattaen?

Onko aineiston hankinnan vaiheet kuvattu selkeästi ja läpinäkyvästi?

Onko tutkimusasetelma laadittu siten, että sen avulla voidaan etsiä vastauksia asetettuihin tutkimuskysymyksiin?

Onko aineiston analyysi toteutettu teknisesti oikein?

Onko saadut tulokset linkitetty tutkimuskysymyksiin ja aiemmin tehtyyn tutkimukseen?

Lähteet

Albaum, G. (1997). The Likert scale revisited: an alternate version. Journal of the Market Research Society, 39(2), 331-342.

American Psychological Association (2001). Publication manual of the American Psychological Association. Fifth edition. Washington, DC: APA.

CASP (2006). 10 questions to help you make sense of qualitative research. Public Health Resource Unit, England. Retrieved 04.03.2013 from http://www.arf-asia.org/resources/ten_question_to_make_sensible_with_research.pdf.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Second Edition. Hillsdale, NJ: Lawrence Erlbaum Associates.

Cohen, L., Manion, L., & Morrison, K. (2000). Research Methods in Education. Fifth edition. London: RoutledgeFalmer.

DeVellis, R. F. (2003). Scale Development: Theory and Applications. Thousand Oaks: Sage.

LähteetCronbach, L. J. (1951). Coefficient alpha and the internal structure of tests.

Psychometrika, 16, 297-334. Fowler, F. F. (1995). Improving Survey Questions: Design and Evaluation.

Thousand Oaks: Sage.Hair, J. F., Anderson, R. E., Tatham R. L., & Black, W. C. (1995). Multivariate data

analysis. Fourth edition. Englewood Cliffs: Prentice Hall.Karma, K., & Komulainen, E. (2002). Käyttäytymistieteiden tilastomenetelmien

jatkokurssi. Toinen painos. Kasvatustieteen laitos, Helsingin yliopisto (sähköinen versio sekä doc- että pdf-muodoissa). <http://www.helsinki.fi/ktl/julkaisut/ktj/index.htm>

Kerlinger, F. (1986). Foundations of Behavioral Research. Third Edition. New York: CBS College Publishing.

Komulainen, E., & Karma, K. (2002). Tilastollisen kuvauksen perusteet käyttäytymistieteissä. Toinen painos. Kasvatustieteen laitos, Helsingin yliopisto (sähköinen versio sekä doc- että pdf-muodoissa). <http://www.helsinki.fi/ktl/julkaisut/tkpk/index.htm>

http://www.helsinki.fi/ktl/julkaisut/ktj/index.htm

http://www.helsinki.fi/ktl/julkaisut/tkpk/index.htm

Lähteet

Marini, M., Li, X., & Fan, P. (1996). Characterizing Latent Structure: Factor Analytic and Grade of Membership Models. Sociological Methodology, 1, 133-164.

Metsämuuronen, J. (2003). Tutkimuksen tekemisen perusteet ihmistieteissä. Helsinki: International Methelp Ky.

Murphy, K. R., & Myors, B. (1998). Statistical Power Analysis. A Simple and General Model for Traditional and Modern Hypothesis Tests. Mahwah, NJ: Lawrence Erlbaum Associates.

Munro, B. H. (2001). Statistical Methods for Health Care Research. Philadelphia, PA: Lippincott-Raven Publishers.

Nokelainen, P. (2008). Modeling of Professional Growth and Learning: Bayesian approach. Tampere: Tampere University Press.

Lähteet

Nummenmaa, L. (2009). Käyttäytymistieteiden tilastolliset menetelmät. Ensimmäinen painos, uudistettu laitos. Helsinki: Tammi.

Ranta, E., Rita, H., & Kouki, J. (1999). Biometria. Kahdeksas painos. Helsinki: Ylipistopaino.

Tabachnick, B., & Fidell, L. (1996). Using multivariate statistics. Third edition. New York: Harper & Row.

Töttö, P. (2004). Syvällistä ja pinnallista. Tampere: Vastapaino.Vehkalahti, K. (2000). Reliability of Measurement Scales. Helsinki:

University of Helsinki.

Verkossa

Johdantomateriaalia tilastollisista peruskäsitteistä• Opetushallitus: Tilastollisten menetelmien perusoppimat

eriaali• Tilastokeskus: TilastokoulutusLaajoja tilasto-oppimateriaaleja • FSD - Menetelmäopetuksen tietovarantoSPSS -ohjelman käyttöoppaita• FSD - SPSS-oppimisympäristö

http://www.edu.fi/oppimateriaalit/tilastomatikka/taul_1.html

http://www.edu.fi/oppimateriaalit/tilastomatikka/taul_1.html

http://www.stat.fi/tk/tp/verkkokoulu/index.html

http://www.fsd.uta.fi/menetelmaopetus/

http://www.fsd.uta.fi/menetelmaopetus/SPSS/spss.html

Verkossa

Tieteellisiä hakupalvelujahttp://www.nelliportaali.fi http://www.scirus.comhttp://scholar.google.fi

http://www.nelliportaali.fi/

http://www.scirus.com/

http://scholar.google.fi/

Documents

Luento 1: Tilastollisen tutkimuksen suunnittelu, peruskäsitteet ja menetelmät