9789144121017 by Smakprov Media AB

STATISTISK VERKTYGSLÅDA SAMHÄLLSVETENSKAPLIG ORSAKSA NALYS MED KVANTITATIVA METODER

GÖRAN DJURFELDT ROLF LARSSON OLA STJÄRNHAGEN

Kopieringsförbud Detta verk är skyddat av upphovsrättslagen. Kopiering, utöver lärares och studenters begränsade rätt att kopiera för undervisningsändamål enligt Bonus Copyright Access kopieringsavtal, är förbjuden. För information om avtalet hänvisas till utbildningsanordnarens huvudman eller Bonus Copyright Access. Vid utgivning av detta verk som e-bok, är e-boken kopieringsskyddad. Den som bryter mot lagen om upphovsrätt kan åtalas av allmän åklagare och dömas till böter eller fängelse i upp till två år samt bli skyldig att erlägga ersättning till upphovsman eller rättsinnehavare. Studentlitteratur har både digital och traditionell bokutgivning. Studentlitteraturs trycksaker är miljöanpassade, både när det gäller papper och tryckprocess.

Art.nr 31013 ISBN 978-91-44-12101-7 Upplaga 3:1 © Författarna och Studentlitteratur 2003, 2018 studentlitteratur.se Studentlitteratur AB, Lund Omslagslayout: Jakob Meijling Omslagsillustration: Björn Wallin Fackgranskning: Ulla Johnsson–Smaragdi och Björn Holmquist Printed by Dimograf, Poland 2018

INNEHÅLL

Förord   15 K A P I T E L 1 Bäst på teori?   19 K A P I T E L 2 Univariat analys eller beskrivande statistik   39 K A P I T E L 3 Urval och precision   101 K A P I T E L 4 Bivariat analys   137 K A P I T E L 5 Statistiskt signifikant? Om sambandstest och

hypotesprövning   183 K A P I T E L 6 Test av univariata fördelningar och skattningar   197 2

K A P I T E L 7 Chi – test av oberoende i korstabeller (fall 1)   213 K A P I T E L 8 Test av skillnader mellan medelvärden (fall 2)   229 K A P I T E L 9 Test av sambandet mellan två kvantitativa variabler

(fall 3)   259 K A P I T E L 10 Multivariat korstabellanalys (fall 1)   269 K A P I T E L 11 Multivariat analys av skillnader mellan medelvärden

(fall 2)   301 © F Ö R FAT TA R NA O C H S T U D E N T L I T T E R AT U R

Innehåll

K A P I T E L 12 Grunderna i multipel regressionsanalys (fall 3)   311 K A P I T E L 13 Ekonomisk och mänsklig utveckling: ett exempel på

multipel regressionsanalys   335 K A P I T E L 14 Multipel regressionsanalys, mera om teorin bakom   355 K A P I T E L 15 Så gör man: en lathund för statistisk analys   377

Appendix 1. Notation och förkortningar   383 Appendix 2. Guide till SPSS   385 Appendix 3. Konstruktion av index   451 Appendix 4. Tabeller   465 Index   477

DETAL JERAD INNEHÅLLSFÖRTECKNING

Förord 15 K A P I T E L 1 Bäst på teori? 19

Triangulering 20 ”Positivism” 23 Orsaksbegreppet – social struktur och generativa mekanismer 26 Varför är skoputsarpojkarna i La Paz maskerade? 28 Handlingar reproducerar institutioner 32 En relativitetsteori för samhällsvetenskapen? 33 Induktiv logik 35 Litteraturtips 37 K A P I T E L 2 Univariat analys eller beskrivande statistik 39

Variation, fördelning, centraltendens och spridning 40 Variabeltyper och mätnivåer 41 Kvalitativa variabler: Nominal- och ordinalskalan 42 Kvantitativa variabler: Intervall- och kvotskalan 43 Typfall 1: Kvalitativa variabler (nominal- och ordinalskalan) 45 Fördelning – frekvenstabell, cirkeldiagram, stapeldiagram 45 Centralmått – typvärde och medianvärde 49 Spridning 50 Typfall 2: Kvantitativa variabler (intervall- och kvotskalan) 52 Fördelning – stolpdiagram, histogram 52 Ojämlika fördelningar och Ginikoefficienten 57

Detaljerad innehållsförteckning

Centralmått – medelvärdet 59 Spridningsmått – kvartilavvikelsen, variationsvidden, standardavvikelsen och variansen 61 Variationsvidden 63 Lådagram 63 Standardavvikelsen och variansen 64 Vi summerar central- och spridningsmåtten … 67 Normalfördelningen 68 Standardisering 69 Konstruktion av nya variabler, klassificering och bestämning av variabelvärden, indexering 72 Tvärsnitts- och tidsseriedata 75 Än har vi inte kommit till orsaksanalysen … 78 Övningsuppgifter 79 Litteraturtips 80 SPSS steg för steg: Cirkeldiagram 81 SPSS steg för steg: Stapeldiagram 84 SPSS steg för steg: Frekvenstabell 89 SPSS steg för steg: Histogram 90 SPSS steg för steg: Lådagram 93 SPSS steg för steg: Central- och spridningsmått 94 SPSS steg för steg: Sammanfattande statistik 96 SPSS steg för steg: Standardisering av variabel 97 SPSS steg för steg: Linjediagram 98 SPSS steg för steg: Beräkning av procentuell förändring 99 SPSS steg för steg: Beräkning av index vid procentuell förändring 100 K A P I T E L 3 Urval och precision 101

Osäkerheten i statistiska undersökningar 102 Population och urvalsram 103 Validitet och reliabilitet 104 Bortfall 108 Inmatningsfel 109 Stickprov och urvalsförfaranden 112 Obundet Slumpmässigt Urval (OSU) och systematiskt urval 112

Detaljerad innehållsförteckning

Urvalsfel 113 Medelfelet 114 Centrala gränsvärdessatsen 114 Statistisk felmarginal och konfidensintervall 116 Vårt exempel 118 Två exempel till: felmarginalen runt ett medelvärde och en proportion 119 Om felmarginal och urvalsstorlek 122 Stratifierat urval 123 Viktning 124 Flerstegsurval (klusterurval) 126 Precisionen i flerstegsurval 128 En viktig lärdom 130 Övningsuppgifter 131 Litteraturtips 131 SPSS steg för steg: Konfidensintervall 133 SPSS steg för steg: Viktning 134 K A P I T E L 4 Bivariat analys 137

Om statistiska samband och orsaksanalys 137 Tekniken för bivariat analys 141 Fall 1: Kvalitativ (x) – kvalitativ (y), korstabulering av kvalitativa variabler 142 Korstabeller för kvantitativa variabler 145 Förenkla framställningen – slå ihop variabelvärden 147 Om sambandsmått 147 Fall 2: Kvalitativ x – kvantitativ y: jämförelse av medelvärden 151 Hur gör vi med fall (–)? 153 Fall 3: Kvantitativ x-variabel och kvantitativ y-variabel 153 Enkel (bivariat) regressionsanalys och räta linjens ekvation 157 Prediktionsförmågan – R2 160 Kurvlinjära samband 164 Ekologiska samband 166 Nästa kapitel … 166 Övningsuppgifter 168 Litteraturtips 169 SPSS steg för steg: Korstabell 171

Detaljerad innehållsförteckning

SPSS steg för steg: Jämförelse av medelvärden och beräkning av eta 2 173 SPSS steg för steg: Medelvärdesstapeldiagram 175 SPSS steg för steg: Spridningsdiagram 176 SPSS steg för steg: Korrelationskoefficienten Pearsons r 181 SPSS steg för steg: Enkel regression 182 K A P I T E L 5 Statistiskt signifikant? Om sambandstest och

hypotesprövning 183 Beror uppmätta skillnader på slumpen eller är de ”verkliga”? 183 Slumpfördelningar 186 Ensidiga och tvåsidiga hypoteser 191 Typ I- och Typ II-fel 192 Urvalsstorlek, spridning, urvalsdesign och viktade urval 193 Att testa samband i totalundersökningar 194 Hypotesprövning – i praktiken 194 Litteraturtips 195 K A P I T E L 6 Test av univariata fördelningar och skattningar 197

Chi 2-test av fördelning – förekommer det snedrekrytering till högskolan? 197 t-test av ett medelvärde 202 Är brottslingar dummare än folk i stort? 204 Test av ett andelsvärde eller proportion 207 Från statistiskt säkerställt samband till orsak? 209 Övningsuppgifter 210 Litteraturtips 210 SPSS steg för steg: Chi 2-test av fördelning 211 SPSS steg för steg: t-test av ett medelvärde 212 2

K A P I T E L 7 Chi – test av oberoende i korstabeller (fall 1) 213

För eller emot dödsstraff? 213 Deltidsarbete – en kvinnofälla? 218 Alternativ till Chi2-test – och om attityder till att aga barn 220 Var befinner vi oss nu? 225 Övningsuppgifter 225

Detaljerad innehållsförteckning

Litteraturtips 225 SPSS steg för steg: Chi 2-test av oberoende 227 K A P I T E L 8 Test av skillnader mellan medelvärden (fall 2) 229

t-test av medelvärdesskillnader mellan två populationer – är pojkar och flickor lika duktiga i matematik? 230 Så här fungerar t-testet i SPSS … 234 Om varianserna hade varit olika … 236 Tvåsidiga och ensidiga test 237 t-test av medelvärdesskillnader vid parvisa mätningar 238 Så här blir det i SPSS 241 Envägs variansanalys (Anova) 243 Har etnisk bakgrund betydelse för kunskaperna i matematik? 244 Vad gör vi om spridningen i grupperna är olika? 249 Detta var lite komplicerat 250 Övningsuppgifter 251 Litteraturtips 252 SPSS steg för steg: t-test med oberoende mätningar 253 SPSS steg för steg: t-test med beroende mätningar 254 SPSS steg för steg: Medelvärdesstapeldiagram vid två kvantitativa variabler 255 SPSS steg för steg: Envägs variansanalys med oberoende mätningar 256 K A P I T E L 9 Test av sambandet mellan två kvantitativa variabler

(fall 3) 259 Är sambandet signifikant? 260 I SPSS … 261 Test av regressionen 262 Variansanalys av regressionen 263 Test av lutningen för linjen (b) 264 Summerande om testning av samband 267 Övningsuppgifter 268 Litteraturtips 268

Detaljerad innehållsförteckning

K A P I T E L 10 Multivariat korstabellanalys (fall 1) 269

Variablernas tidsföljd 270 Förenkla korstabellerna 270 Multivariat korstabellanalys – arbetsgången 271 Lazarsfelds fyra typfall 276 Replikation av originalsambandet (Typfall 1 – PA) 280 Förklaring (Typfall 2 – MA) 282 Specificering (Typfall 3 – PI) 284 Tolkning (Typfall 4 – MI) 286 Komplikationer … 288 Samband i både partial- och marginalled 289 Specialfall 1 – undertryckande variabel 291 Specialfall 2 – förvrängande variabel 294 Korstabellanalys – grundstenen för avancerad statistisk analys 296 Övningsuppgifter 298 Litteraturtips 298 SPSS steg för steg: Multivariat korstabellanalys 299 K A P I T E L 11 Multivariat analys av skillnader mellan medelvärden

(fall 2) 301 Grupperat medelvärdesstapeldiagram 302 Nästa steg – multipel regressionsanalys 305 Övningsuppgift 306 SPSS steg för steg: Multivariat analys av skillnader mellan medelvärden 307 SPSS steg för steg: Grupperat medelvärdesstapeldiagram 309 K A P I T E L 12 Grunderna i multipel regressionsanalys (fall 3) 311

Den bivariata modellen 312 Utvidgning till multipel regression 314 Statistiskt test av regressionen 315 Utvärdering av en regressionsanalys 316 Beräkning av konfidensintervall 319 MRA med ”dummies” som oberoende variabler 320 Jämförelse med korstabellanalys 324

Detaljerad innehållsförteckning

Makt och nätverkande – ett exempel från svenska landsbygden 326 Summering 331 Övningsuppgifter 332 Litteraturtips 332 SPSS steg för steg: Multipel regressionsanalys 333 K A P I T E L 13 Ekonomisk och mänsklig utveckling: ett exempel på

multipel regressionsanalys 335 Orsaksmodellen 336 Den beroende variabeln: mänsklig utveckling 339 De oberoende variablerna 342 Resultaten, kedja A 344 Kedja B och slutsatser 350 K A P I T E L 14 Multipel regressionsanalys, mera om teorin bakom 355

Tolkning av residualen 357 Hur kontrollerar vi om normalitetsantagandet inte stämmer? 359 Residualen är inte oberoende 362 Multikollinearitet 364 Autokorrelation 367 Ojämn spridning 367 Linjära parametrar 369 Cirkulära samband 371 Strukturell förändring 372 Andra avancerade metoder 373 Övningsuppgifter 374 Litteraturtips 376 K A P I T E L 15 Så gör man: en lathund för statistisk analys 377

Några enkla metodregler 378

Detaljerad innehållsförteckning

Appendix 1. Notation och förkortningar 383 Appendix 2. Guide till SPSS 385 Appendix 2.1. Introduktion 385 Data View och Variable View 386 Output-fönstret 394 Kopiera och klistra in 395 Chart Editor 396 Filhantering 397 Information om databasens variabler 399 Knappfunktionerna ”Value Labels” och ”Dialog Recall” 404 Filtervariabel 406 Inställningar i programmet 409 Appendix 2.2. Recode 413 SPSS steg för steg: Omkodning I 415 SPSS steg för steg: Omkodning II 421 Appendix 2.3. Compute 427 SPSS steg för steg: Beräkning I 427 SPSS steg för steg: Beräkning II 429 SPSS steg för steg: Beräkning III 431 SPSS steg för steg: Beräkning IV (Medelvärde) 432 Appendix 2.4. SPSS syntax 436 Exempel på syntax 436 Börja använda syntax 437 Använda syntax för dokumentation av körningar 439 Återanvända syntax 441 Syntaxregler 443 Hjälpsystemet 444 Dummyvariabler 446 Automatisering av rutiner 447 Appendix 2.5. Snabbguide till SPSS-menyn 448

Detaljerad innehållsförteckning

Appendix 3. Konstruktion av index 451 Steg 1. Uteslut irrelevanta kategorier 451 Steg 2. Är variablerna kodade på samma håll? Om inte – vänd kategorierna 453 Steg 3. Har variablerna samma antal kategorier? Om inte – omvandla variablerna till en gemensam skala 454 Steg 4. Summera variablerna 456 SPSS steg för steg: Uteslut irrelevanta kategorier 458 SPSS steg för steg: Vänd kategoriernas kodning 459 SPSS steg för steg: Konstruera 0–100-skala 461 SPSS steg för steg: Summera variabler I 462 SPSS steg för steg: Summera variabler II 463

Appendix 4. Tabeller 465 Index 477

FÖRORD

Denna bok är skriven för statistikundervisningen i samhällsvetenskapliga ämnen på universitet och högskolor. Den är i första hand avsedd för studenter som åtminstone i någon utsträckning redan har bekantats med grundläggande tekniker i kvantitativ metod. Därmed förutsätter den vissa, om än inte särskilt avancerade, statistiska förkunskaper. För att underlätta övergången från den mest elementära nivån, och för att göra boken tillgänglig för en bredare krets av studenter, så inleds den med en relativt fyllig genomgång av beskrivande statistik (kapitel 2) och statistiskt urval (kapitel 3). De läsare som vet sig behärska dessa fält kan gå direkt på orsaksanalysen (kapitel 4 och framåt). Trots att vi alltså siktar in oss på nivån över den mest grundläggande när det gäller urvalet av de analystekniker som presenteras i boken, så har det hela tiden varit vår ambition att dessa inte ska kräva mer förkunskaper än de fyra räknesätten samt att läsaren vet vad en kvadratrot är. Statistiken erbjuder kraftfulla verktyg, som dock måste användas med ett tydligt syfte. Vi ser det t.ex. som viktigt att betona närvaron av kontext och teori i den statistiska analysen. Bl.a. av denna anledning har vi försökt begränsa antalet matematiska härledningar och formler i boken. Det fåtal formler som trots allt finns med går vi å andra sidan igenom i detalj, så att även den som lider av formelskräck ska kunna komma igenom framställningen – förutsatt en viss självkontroll! Vår idé om statistikens didaktik bygger på principen om ”learning by doing”. I de kurser vi själva har gett under det senaste decenniet har vi blandat föreläsningar och datorbaserade laborationer. I de senare har kursdeltagarna praktiskt övat de moment som vi teoretiskt presenterat i föreläs-

Förord

ningarna. Vi har använt en metod som från början utvecklades av Sergio Cuadra, som under flera år assisterade i statistikundervisningen på Sociologen i Lund. Enligt denna metod introduceras en statistisk teknik med hjälp av fiktiva exempel byggande på ett tiotal individer. Metoden har fördelen att kursdeltagaren lätt kan se vägen från råmaterial till färdig beräkning. Hon har så att säga kontroll över den statistiska processen. Denna metod har vi genomgående använt i boken. Ett andra moment i didaktiken är övningar på ”riktiga” datamaterial. På de kurser vi ger får deltagarna ofta arbeta med sekundärdata i form av databaser. Studenterna tenterar genom att skriva korta uppsatser, som baseras på ett egenhändigt formulerat problem och där den efterföljande analysen sker med hjälp av de statistiska metoder som den aktuella kursen behandlat. Samma ansats har vi i denna bok. För att underlätta liknande övningar finns därför en tillhörande webb som bl.a. innehåller tre stycken databaser (SSD0481, SSD0753, SSD0739) lämpliga för egna övningar.1 Genomgående i boken har vi valt att bygga framställningen på SPSS for Windows (och motsvarande versioner för Mac). Detta har gjorts efter en viss tvekan, eftersom programmet är dyrt. Men SPSS är trots allt det mest spridda statistikprogrammet och det finns numera på de flesta universitet och högskolor. Det kan dock vara svårtillgängligt för studenter, i den mån de inte får tillgång till programmet via sina institutioner. När detta skrivs i augusti 2017 finns en tidsbegränsad demoversion tillgänglig på SPSS hemsida. Se www.ibm.com/us-en/marketplace/spss-statistics.

1 Det gäller: – SSD0481 (Åsikter om familjeliv och könsroller som ursprungligen samlades in av Stefan Svallfors, sociologiska institutionen, Umeå universitet), – SSD0753 (Åsikter om miljön ursprungligen insamlad av ett forskningsprojekt vid samma institution och med samma ledning), – SSD0739 (SOM-Undersökningen 1998, ursprungligen insamlad vid statsvetenskapliga institutionen, institutionen för journalistik och masskommunikation och förvaltningshögskolan vid Göteborgs universitet, under ledning av Sören Holmberg, Lennart Weibull och Lennart Nilsson). Data har gjorts tillgängliga av Svensk Nationell Datatjänst (f.d. Svensk Samhällsvetenskaplig Datatjänst). www.snd.gu.se Varken SND eller primärforskarna bär ansvar för analyser och tolkningar som presenteras i denna bok.

Förord

Boken är upplagd så att varje kapitel är delat i två avdelningar, där den första diskuterar statistisk analys och metoder. I en andra avdelning, döpt till ”SPSS steg för steg”, går vi igenom hur man i SPSS företar den typ av analys som kapitlet behandlat. På bokens webb finns dessutom alla de fiktiva datamaterial som vi gått igenom. Läsaren kan alltså själv replikera de exempel som illustreras i kapitlen. Nya versioner av SPSS utkommer med jämna mellanrum. Anvisningarna till programmets menyer och dialogrutor baseras i denna bok på SPSS version 24. Varje kapitel har på konventionellt vis försetts med ett litet antal övningsuppgifter. En innovation i denna bok är dock att facit till dessa uppgifter ligger på bokens webb i form av en SPSS resultatfil. Det ger ett interaktivt moment också till arbetet med övningsuppgifterna, vilket bör underlätta inlärningen. Följande ikon informerar läsaren om att det till det aktuella momentet i läroboken finns material på bokens webb:

Boken innehåller vidare ett antal Appendix, varav det viktigaste är introduktionen till SPSS. Den läsare som inte är bekant med programmet och dess grundstruktur bör gå igenom detta Appendix redan före arbetet med kapitel 2. I Appendix finns också material om hur omkodning och andra beräkningar går till i SPSS. De flesta övningsuppgifter förutsätter att man lärt in stoffet i dessa Appendix. Även konstruktion av index, ett centralt moment i statistisk analys, är förlagt till ett Appendix. Som komplement till boken finns också en digital del. Det är dels material som underlättar och stimulerar studentens lärande, dels material som fungerar som stöd för lärarens undervisning. Ett viktigt inslag i detta är att studenterna gör övningarna på ”riktiga” datamaterial. För att underlätta liknande övningar finns det tre databaser som är lämpliga för egna övningar. Utöver databaserna finns här även de fiktiva datamaterial som författarna går igenom i boken, facit till bokens övningsuppgifter i form av SPSS resultatfiler, samt presentationsmaterial som kan användas i undervisningen. Instruktioner för hur man kommer åt materialet på webben finns på omslagets insida.

Förord

Boken bygger på en vetenskapsteoretisk utgångspunkt – den realistiska orsaksteorin. Redan i bokens inledning (kapitel 1) diskuterar vi förhållandet mellan kvalitativ och kvantitativ metod, och poängterar nödvändigheten att båda metoderna förankras i en teoretisk analys. Detta leder över i en polemik mot metodfundamentalister som menar att samhällsvetenskapen kan klara sig med endast en typ av metoder. Vi tar också upp den eviga frågan om positivismen och visar att både kvantitativa och kvalitativa metoder kan användas på ett ”positivistiskt” sätt. Därefter introducerar vi ett realistiskt orsaksbegrepp. Vi visar hur ett sådant kan användas både i kvalitativ och kvantitativ metod och hur det kan förenas med såväl handlingsteoretiska som strukturella och institutionella förklaringsmodeller. Med hjälp av det realistiska orsaksbegreppet blir skillnaden mellan statistiska samband och orsaksförhållanden lätt att dra. Denna distinktion används sedan genomgående i de efterföljande kapitlen och som underlag för diskussionen av statistisk orsaksanalys. Under arbetet med denna bok har vi haft stor hjälp av deltagarna på vår kurs ”Sociologisk orsaksanalys med kvantitativa metoder”. Det gäller speciellt alla deltagarna höstterminen 2002, som använde och recenserade en provupplaga av denna bok. Ett hjärtligt tack till er alla! Vi vill här särskilt nämna Sorin Raduta som var oss behjälplig även i slutskedet av bokprojektet. Som fackgranskare har vi fått ovärderlig hjälp av professorerna Ulla Johnsson-Smaragdi och Björn Holmquist. Många fel hade förblivit oupptäckta om ni inte närläst vårt material. De som återstår beror på vår egen otillräcklighet. Lund i december 2017 Författarna

K apitel 1

Bäst på teori?

Ett samhällsvetarnas självironiska motto skulle kunna hämtas från en av Strokirks streckgubbar: ”I praktiken är jag bäst på teori!”

Denna bok är skriven för samhällsvetare som delar detta motto. Vår publik är inte de som älskar att räkna, som omfamnar formler och som inte kan leva utan sitt kalkylark. Vi skriver för dem som inser att statistik är ett nödvändigt redskap. Många av samhällsvetenskapens viktigaste frågeställningar kräver nämligen siffror i stora ark för att kunna besvaras. Diskussionen om metod inom samhällsvetenskapen brukar handla om motsatsparet kvalitativa och kvantitativa metoder. De senare är enkla att definiera, eftersom de bygger på att man räknar: statistik i alla dess former är de kvantitativa metodernas gemensamma kännetecken. Under den kvalitativa rubriken förekommer en mängd metoder, från ostrukturerade intervjuer till textanalys. Det enda gemensamma för dessa är att man inte räknar. Man behöver inga kunskaper i statistik för att forska med kvalitativa metoder. Det betyder inte att man kan klara sig utan att räkna om man vill forska. Metodfundamentalister brukar, sällan uttalat men dock underförstått, hävda att det finns en Vetenskaplig Metod. Som varje läsare inser finns det två sorters fundamentalister, de som hävdar att de kvantitativa metoderna leder rakt in i vetenskapens himmelrike och de som intar den lika fyrkantiga positionen att endast de kvalitativa metoderna leder till frälsning. De kvantitativa metodfundamentalisterna är sällsynta, för att inte säga utrotningshotade bland samhällsvetare. Det är bra att de är sällsynta, eftersom de som fundamentalister knappast skulle instämma i påståendet att forskningsproblemet bör bestämma metoden. Sällsynta är däremot även © F Ö R FAT TA R NA O C H S T U D E N T L I T T E R AT U R

Kapitel 1

forskare som behärskar båda metoderna. Det är mera beklagligt, eftersom många forskningsproblem kräver antingen rent kvantitativa, eller en blandning av metoder för att besvaras. De senaste tjugo åren har en bred flod av böcker och artiklar om kvalitativa metoder berikat diskussion och forskning. Varje välutbildad samhällsvetare har idag goda kunskaper om en rad användbara metoder, som ostrukturerade intervjuer, deltagande observation, textanalys etc. Självklart bör en välutbildad samhällsvetare vara lika bevandrad i kvantitativa metoder. Man kan tycka att de kvalitativa metodfundamentalisterna kunde kliva upp ur skyttegravarna och erkänna det självklara: Det finns inte en enda saliggörande metod. Val av metod bör bestämmas av forskningsproblem och teori, inte av metoden själv. Framför allt bör inte valet av metod styras av att man endast behärskar en typ av metoder – det vill säga av att man aldrig lärt sig att räkna.

Triangulering Innan sjöfarare började navigera efter radiofyrar och satelliter, orienterade de sig efter stjärnorna. För att bestämma sin position och lägga sin kurs använde de då en sextant och enkla geometriska kunskaper. Med sextanten mätte de vinkeln mellan horisonten och solhöjden vid middagstid och kunde sedan räkna ut var de befann sig. Genom att mäta vinklar och jämföra med höjden på närmaste kyrktorn använde sig lantmätarna av samma metod för att bestämma höjden på t.ex. ett berg. Detta kallas triangulering. Inom metodlitteraturen har triangulering en annan men besläktad mening. Vi kan definiera triangulering som val av metodstrategi. Detta val träffas, dels efter vad som är den mest lämpliga metoden för att studera ett givet problem, men också efter vad som är mest praktiskt, givet resurser och andra begränsningar. Vissa typer av problem kräver en kvantitativ metod. Ta centrala frågeställningar som följande: • Växer fattigdomen? • Växer de ekonomiska klyftorna? • Ökar brottsligheten? 20

Bäst på teori?

• Ökar politikerföraktet? • Minskar deltagandet i den demokratiska processen? För att svara på den första frågan behöver vi uppenbarligen dels definiera vad som menas med fattigdom, dels räkna de fattiga. Ingen fundamentalist kan förneka att detta problem både är centralt och kräver kvantitativa metoder för att besvaras. Det är lika lätt att räkna upp centrala problem som knappast går att studera med kvantitativa metoder: • Hur tänker en självmordsbombare? • Vad ledde fram till Jugoslaviens sönderfall och Balkankriget? • Utvecklas EU:s institutioner i federalistisk riktning? Detta är närmast en kuggfråga: Hur skulle vi bära oss åt för att studera vad som rör sig i huvudet på en självmordsbombare med hjälp av kvantitativa metoder? Visst går det att hitta statistik som kan belysa frågan om Jugoslaviens sönderfall, t.ex. data om den högre levnadsstandarden i Slovenien. Men vem inbillar sig att frågan om federationens sönderfall kan besvaras enbart med sådana data? Vilken roll spelade t.ex. Tysklands snabba erkännande av Kroatiens självständighetsförklaring? Frågan kan inte besvaras med hjälp av statistik. Vidare är det enkelt att föreställa sig forskningsproblem där en kombination av metoder, det vill säga triangulering är fruktbart: Förändras fattigdomens karaktär i välfärdssamhället? När mat för dagen och tak över huvudet inte längre är ett problem för annat än små minoriteter, är fattigdomen då närmast utrotad eller har den ändrat karaktär? Vi kan ta denna enda fråga som exempel. Det faktum att svält, undernäring och hemlöshet i Europa endast drabbar mycket små minoriteter har lett till en omfattande debatt bland forskarna: Innebär det att fattigdomen är på gränsen att vara utrotad? Vi inser att frågan inte enbart är empirisk; den kräver framför allt en diskussion av begreppet fattigdom. Först när vi bestämt oss för en definition, kan vi empiriskt studera fattigdomens utbredning och eventuella ökning. Ska man enkelt försöka sammanfatta fattigdomsdiskussionen i Väst kan man säga att den gått i två riktningar. Den första riktningen betonar © F Ö R FAT TA R NA O C H S T U D E N T L I T T E R AT U R

Kapitel 1

relativ, snarare än absolut fattigdom, medan den andra riktningen söker omdefiniera fattigdomsbegreppet. Den första gruppen pekar på att absolut fattigdom, det vill säga brist på livsförnödenheter som mat och bostad, inte längre är relevant som mått på fattigdomens utbredning i ett västeuropeiskt sammanhang. Att den absoluta fattigdomen är ett marginellt fenomen betyder dock inte att den relativa fattigdomen försvunnit eller minskat. De vanligaste fattigdomsmåtten är just relativa. De kan t.ex. ange hur stor del av befolkningen som har en inkomst som är under en viss andel av medelinkomsten. En annan variant är att ange andelen som lever under existensminimum. Då är existensminimum ofta administrativt definierat, t.ex. en dollar om dagen, som Världsbanken använder. Svaret på frågan om fattigdomens utbredning kräver uppenbarligen, när en gång den långt ifrån triviala definitionsfrågan är avklarad, kvantitativa data för att besvaras. Men det finns en grupp av forskare som går i ytterligare en riktning. Det är de som talar om fattigdom som social utstötning. Socialt utstötta eller exkluderade är de som är uteslutna från det liv och den levnadsstandard som räknas som normal i ett samhälle. Forskare som arbetat i denna riktning har haft stor användning av kvalitativa metoder. För hur fastställer vi vad som är normalt liv och levnadsstandard? Vad upplever de som är utstötta att de är exkluderade ifrån? Ostrukturerade intervjuer med människor som definierar sig som utstötta kan vara en möjlig metod. Men även om vi väljer en kvalitativ ansats, kvarstår en fråga som kräver ett svar: Hur många är utstötta? Växer andelen eller minskar den? För att svara på dessa frågor måste vi gå vidare med kvantitativa metoder. Här ska vi inte diskutera följdfrågan när det gäller fattigdom, nämligen vilket fattigdomsbegrepp som är mest relevant, t.ex. i ett svenskt sammanhang. Vi återgår till att diskutera val av metod. Metodpluralism, snarare än fundamentalism, borde vara en självklarhet bland samhällsvetare. Forskare bör känna till och helst också behärska en rad olika metoder. När vi står inför ett konkret problem, som forskare eller utredare, måste vi börja med att ställa oss frågan: Vilken är den bästa kombinationen av metoder för att studera detta problem, givet resurser och andra begränsningar? För att besvara denna fråga behöver vi inte bara kunna metod, utan också teori. Vi måste vara inlästa på den litteratur som finns om ett forsk22

Bäst på teori?

ningsområde och vi måste kunna de teorier som är relevanta. Som exemplet från fattigdomsforskningen antyder, bestäms valet av metod av den teoretiska ingång vi väljer. Arbetar vi med ett relativt fattigdomsbegrepp, räcker det kanske med data om människors inkomster för att besvara frågan om fattigdomens utbredning och eventuella ökning. Vill vi å andra sidan använda ett utstötningsperspektiv på fattigdomen, verkar det svårt att klara sig enbart med kvantitativa data, eftersom definitionen av fattigdom så att säga hämtas in från de fattiga själva.

”Positivism” Den vanligaste invändningen mot de kvantitativa metoderna är att de är positivistiska. Invändningen avslöjar mer om kritikern än om metoderna. För det första tyder kritiken på filosofisk okunskap och dimmiga föreställningar om vad positivism är för något. För det andra visar kritikern att han eller hon knappast har någon större insikt i kvantitativa metoder. För det tredje – och mest paradoxalt – visar invändningen brist på självinsikt, eftersom ”positivism” i denna luddiga mening är ett utbrett problem bland dem som använder kvalitativa metoder. För att reda ut saken måste vi först göra klart vad positivism egentligen är. Positivism kan enligt vårt filosofiska lexikon betyda åtminstone tre saker: 1. Positivism kan syfta på 1800-talspositivismen med namn som Comte och Mach vars positivism byggde på en evolutionistiskt underbyggd framtidstro, där vetenskapen karaktäriserar det högsta stadiet av samhällelig utveckling. 2. Positivism kan vidare hänvisa till den s.k. Wienkretsen, som hävdade att all vetenskaplig kunskap bygger på och kan reduceras till observationer. Teorier utvecklas induktivt genom att systematiskt ställa samman empiriskt material. Wienkretsen grundades på 30-talet och hade spelat ut sin roll redan på 50- eller 60-talet. 3. Den logiska positivismen, som skapades av engelska filosofer och hade sitt största inflytande på 50- och 60-talet, var en språkfilosofisk skola. Förespråkarna hävdade att de enda satser som kan verifieras är de som bygger på observationer. © F Ö R FAT TA R NA O C H S T U D E N T L I T T E R AT U R

Kapitel 1

Så kallade analytiska satser är sanna eller falska per definition, som t.ex. påståendet att alla ungkarlar är ogifta. Syntetiska satser å andra sidan kan stödjas av eller motsägas av empiriska observationer, som t.ex. påståendet att alla ungkarlar är rödhåriga. De logiska positivisterna gjorde skandal i salongerna när de hävdade att moraliska och estetiska satser saknar sanningsvärde. Den logiska positivismen har idag knappast några anhängare.1 Inom sociologin har positivism en delvis annorlunda betydelse. I ett lexikon nämns tre huvudbetydelser att lägga till ovanstående lista: 4. en övertygelse om att sociologin kan vara vetenskaplig i samma mening som fysiken; 5. en utpräglad preferens för mätning och kvantifiering; och 6. en tendens till socialt strukturell förklaring, snarare än förklaring genom hänvisning till mänskliga handlingar och deras intentionalitet.2 Vi återkommer till dessa frågor nedan och ber läsaren vänta med sitt eget omdöme om denna bok – och den stora frågan om den är positivistisk eller inte. Vi fortsätter i stället genom att lägga en sjunde punkt till ovanstående lista. Den kanske vanligaste användningen av benämningen positivism är som skällsord. De som använder ordet som invektiv hämtar ingredienser från alla sex ovanstående betydelser av ordet positivism, men riktar framför allt sin udd mot den oreflekterade användning av data som en del kvantitativa metodutövare visat prov på genom åren. Kritiken är inte helt orättfärdig men är, som vi ska se, ändå missriktad. För att minska begreppsförvirringen vill vi ersätta positivism som skällsord med ett annat begrepp, nämligen oreflekterad empirism. Denna fjärde filosofiska position har knappast någon filosof intagit efter Platons kritik av empirismen.

1 Honderich, T., Red. (1995). The Oxford companion to philosophy. Oxford, New York, Oxford University Press. 2 Abercrombie, N., S. Hill, m.fl. (1988). The Penguin dictionary of sociology. London, Penguin Books.

Bäst på teori?

Med oreflekterad empirism menar vi en hållning till verkligheten som bygger på ett okritiskt eller, mera precist, ett vardagligt förhållande till våra sinnesintryck. Till vardags tvivlar vi ju knappast på våra observationer: en stol är en stol; har barnet feber så har det feber om det inte är fel på termometern osv. Vetenskaplig verksamhet bygger däremot på ett kritiskt förhållande till vardagliga begrepp. Vetenskap handlar t.o.m. om att utveckla nya begrepp som kan användas för att ge nya perspektiv på, eller ny kunskap om, verkligheten. Då fjärmar vi oss per definition från de vardagliga begreppen och från den vardagliga, oreflekterade empirismen. Om vi kombinerar vardagliga begrepp, det vill säga ett teoretiskt oreflekterat förhållande till verkligheten med vetenskapliga metoder, får vi en oreflekterat empiristisk forskning. Med andra ord: forskning blir inte vetenskaplig för att den använder sig av vetenskapliga metoder. Kännetecknet på god forskning är i stället att den använder sig av vetenskaplig teori. Den kvantitativa forskningen blir alltså inte vetenskaplig för att den bygger på statistik. Lika lite blir den kvalitativa forskningen vetenskaplig för att den använder sig av en annan teknik för datainsamling, vare sig det är participatoriska metoder, djupintervjuer, deltagande observation eller vad man vill. Metoder kan användas i ett vetenskapligt syfte, men om forskningen ska kunna bli vetenskaplig krävs det att forskaren arbetar systematiskt med sina begrepp. Begreppen är lika mycket som metoden instrument för att studera verkligheten. När sofistikerade metoder förenas med oreflekterad empirism blir resultatet trivialvetenskap. Då sysselsätter man sig med att räkna trivialiteter eller att med hjälp av kvalitativa tekniker komma fram till vad männi skor redan visste. Kvantitativa metoder kan alltså användas på ett oreflekterat empiristiskt eller ”positivistiskt” sätt. Men det gäller i lika hög grad de kvalitativa metoderna. Båda typerna av metoder kan också användas på ett icke-empiristiskt, teoretiskt oreflekterat sätt. I denna bok hävdar vi alltså att kvantitativa metoder har en bestämd plats i samhällsvetarnas metodarsenal och att det inte finns något inbyggt ”positivistiskt” eller oreflekterat empiristiskt med dessa metoder. Vi visar detta genom att välja ut en central typ av teorier, nämligen teorier om orsaksförhållanden och visar hur dessa kan belysas kvantitativt. I den dis© F Ö R FAT TA R NA O C H S T U D E N T L I T T E R AT U R

Kapitel 1

kussionen kommer vi bl.a. in på likheter och skillnader mellan förklaringar i natur- och samhällsvetenskap – en av diskussionspunkterna när man diskuterar positivism. Denna positionsbestämning fungerar även som en introduktion till statistisk metod. Syftet med boken är med andra ord dubbelt: dels att visa att kvantitativa metoder har en given plats i samhällsvetenskapen, dels att fungera som lärobok i sådana metoder.

Orsaksbegreppet – social struktur och generativa mekanismer I föregående avsnitt definierade vi den oreflekterade empirismen. Vi bygger vidare på detta med påståendet att det finns ett empiristiskt orsaksbegrepp. Detta hävdar att om en händelse alltid tenderar att efterföljas av en annan, så är den förra orsak (O) till den senare, som vi kallar för effekten (E). Eller med en enkel figur (se figur 1.1): O

Figur 1.1 Det empiristiska orsaksbegreppet.

Står man vid en järnvägsövergång kan man med detta orsaksbegrepp sluta sig till att de röda ljusen är orsaken till att tåget kommer! I själva verket är det ju tvärtom: När tåget passerar en sensor som sitter någon kilometer från järnvägsövergången, börjar rödljusen blinka och bommarna gå ner. Det kan man inte veta om inte någon upplyst en om saken. Här finns en mekanism som gör att när tåget passerar en viss punkt på linjen, så utlöses en signal som leds till bommarna och vidare till signalljusen. Mekanismen bygger på en relativt komplicerad teknologi med sensorer i banan, överföring av signaler från sensorerna till receptorer i det system som reglerar signalljus och fällning av bommar osv. Detta lilla exempel visar att ett orsakssammanhang oftast är betydligt mera komplicerat än vad det empiristiska orsaksbegreppet utgår från. Vill man teckna ett mera sofistikerat orsaksbegrepp i en figur, skulle det kunna se ut som i figur 1.2.

Bäst på teori?

Med hjälp av figuren kan vi uttrycka orsaken till att rödljusen blinkar på följande sätt: Betingelsen (B) för hela förloppet är att tåget passerar sen sorn i banan. Detta aktiverar en kausal mekanism (M) som överför signalen från sensorn till mottagaren. Signalen aktiverar i sin tur rödljusen (H). Det är med andra ord inte tåget som orsakar att rödljusen blinkar; tåget är bara betingelsen som aktiverar den kausala mekanismen, som i sin tur utlöser effekten eller händelsen. Betingelse (B)

Händelse (H)

Mekanism (M) Figur 1.2 Det realistiska orsaksbegreppet.

Den kausala mekanismen är alltså det centrala i orsaksbegreppet. Precis som i exemplet med tågsignalen är den kausala mekanismen ofta osynlig, den kan inte observeras med blotta ögat. Läsaren kan invända att visst kan man, om än med fara för livet, ge sig ut på banan och lokalisera sensorn, kontrollera om signalen från denna överförs per kabel eller trådlöst osv. Detta är riktigt, men lägg märke till att en sådan undersökning förutsätter vissa teoretiska kunskaper. Om min farfars farfar hade återuppstått från de döda, hade han inte kunnat utreda detta. Konfunderad hade han kanske frågat sig om rödljuset kallar på tåget eller om det är tvärtom! Vi kan nu definiera orsak: Händelser (H) orsakas av kausala mekanismer (M) som i sin tur aktiveras av särskilda betingelser (B). Vi kan också tillägga att de kausala mekanismerna oftast inte kan observeras direkt.

Vi kallar detta orsaksbegrepp realistiskt, eftersom det bygger på formuleringar som gjorts av filosofer som tillhör den realistiska skolan inom vetenskapsteorin. Här är Roy Bhaskar och Rom Harré kända namn, men även Mario Bunge. © F Ö R FAT TA R NA O C H S T U D E N T L I T T E R AT U R

Göran Djurfeldt är professor emeritus vid Sociologiska institutionen på Lunds universitet, med inriktning mot landsbygds- och jordbruksutveckling i u-länderna såväl som i väst. Rolf Larsson var disputerad forskare vid Sociologiska institutionen, Lunds universitet, med inriktning på jordbruksutveckling och befolkningsfrågor med särskilt fokus på Afrika. Ola Stjärnhagen är filosofie doktor i sociologi och verksam som projektledare vid avdelningen Kvalitet och utvärdering, Lunds universitet.

STATISTISK VERKTYGSLÅDA 1 SAMHÄLLSVETENSKAPLIG ORSAKSANALYS MED KVANTITATIVA METODER Med avstamp i den realistiska orsaksteorin ges en systematisk genomgång av de vanligaste teknikerna inom kvantitativ metod, inkluderande statistiska test vid univariat, bivariat och multivariat analys. Författarna redogör bland annat för central- och spridningsmått, olika typer av diagram, korstabellanalys, medelvärdesanalys, sambandsmått, Chi 2 -test, t-test, variansanalys och regressionsanalys. I boken diskuteras också olika typer av urvalsmetoder. Statistisk verktygslåda 1 innehåller en introduktion till statistikpaketet SPSS. Varje kapitel avslutas med anvisningar för hur de genomgångna momenten genomförs i SPSS 24, samt övningsuppgifter kopplade till autentiska forskningsdatabaser. Boken behandlar såväl den konkreta och hantverksorienterade empiriska analysen som den teoretiska förståelsen för de kvantitativa metoderna. På bokens webbplats finns dataset till alla centrala moment och numeriska exempel, samt fullständiga lösningar till övningsuppgifterna. Instruktioner för hur man kommer åt materialet på webben finns på omslagets insida. Boken är i första hand avsedd för studenter i samhällsvetenskapliga ämnen vid högskola och universitet men kan även användas av alla med intresse för kvantitativa metoder.

Tredje upplagan Art.nr 31013

studentlitteratur.se