6.2 Kvantitative metoder

Mønstre i tallene

Hvor mange ungdommer føler seg ensomme? Henger lav inntekt sammen med dårligere helse? Når vi vil finne mønstre som gjelder for mange, ikke bare noen få, trenger vi kvantitative metoder. De bruker tall og statistikk for å kartlegge og forklare sosiale mønstre.

Der kvalitative metoder går i dybden på få tilfeller, søker kvantitative metoder bredden -- mønstre som gjelder for mange. Gjennom spørreundersøkelser, registerdata og statistisk analyse kan sosiologer avdekke sammenhenger som ellers ville vært usynlige. I dette kapittelet skal vi se på spørreundersøkelser, forskjellen mellom korrelasjon og kausalitet, og hvordan vi sikrer at funnene er pålitelige.

Spørreundersøkelser og Likert-skalaer

Spørreundersøkelsen er den mest brukte kvantitative metoden. Et strukturert spørreskjema sendes til mange respondenter, og svarene kodes som tall. Statistisk sentralbyrås levekårsundersøkelser er et eksempel: et representativt utvalg svarer på spørsmål om helse, økonomi og deltakelse, og fordi utvalget er representativt, kan resultatene generaliseres til hele befolkningen.

Gode spørreskjemaer krever nøye utforming. Likert-skalaen, utviklet av Rensis Likert i 1932, ber respondenten angi grad av enighet med en påstand, typisk fra «helt uenig» til «helt enig». Den er populær fordi den er enkel og gir nyanserte data. Man må unngå fallgruver: dobbeltspørsmål («Trives du på skolen og hjemme?»), ledende spørsmål, og rekkefølgeeffekter. En pilotstudie -- en testgjennomføring med en liten gruppe -- avdekker problemer før den fullskala undersøkelsen. Operasjonalisering er prosessen der abstrakte begreper som «sosial klasse» gjøres målbare gjennom konkrete indikatorer som inntekt, utdanning og yrke.

Korrelasjon og kausalitet

Et av de viktigste begrepsparene i kvantitativ forskning er korrelasjon og kausalitet. Korrelasjon betyr at to variabler samvarierer -- de endrer seg i takt. Kausalitet betyr at den ene variabelen er årsak til endring i den andre. Det avgjørende poenget: korrelasjon innebærer ikke automatisk kausalitet.

To variabler kan samvariere uten at den ene forårsaker den andre. Iskremforbruk og drukningsulykker korrelerer positivt, men iskrem forårsaker ikke drukning -- begge påvirkes av en tredje variabel: varmt vær. Dette kalles en spuriøs korrelasjon. Et annet eksempel: antall politibetjenter korrelerer med antall forbrytelser, men det er ikke flere politifolk som skaper kriminalitet -- byer med mye kriminalitet ansetter flere politifolk. For å fastslå kausalitet kreves at årsaken kommer før virkningen, at det finnes en plausibel mekanisme, og at alternative forklaringer er utelukket.

Regresjon, registerdata og eksperimenter

Regresjonsanalyse undersøker sammenhengen mellom en avhengig variabel (det man vil forklare) og en eller flere uavhengige variabler. Multippel regresjon lar forskeren inkludere flere variabler samtidig og kontrollere for bakenforliggende faktorer -- for eksempel om utdanning har en selvstendig effekt på inntekt når man kontrollerer for foreldrenes inntekt. Men selv regresjon beviser ikke kausalitet alene.

I tillegg til spørreundersøkelser har sosiologer registerdata -- opplysninger myndighetene samler inn, som folkeregisteret og utdanningsregisteret. I Norden kan disse kobles sammen og dekker hele befolkningen, noe som unngår problemer med frafall og feilrapportering. Stordata fra digital aktivitet gir nye muligheter, men reiser spørsmål om personvern og representativitet.

Eksperimenter er den sterkeste metoden for å fastslå kausalitet. Deltakerne deles tilfeldig (randomisert) i en eksperimentgruppe og en kontrollgruppe. Felteksperimenter kan avdekke diskriminering: i en korrespondansetest på det norske boligmarkedet fikk henvendelser med norske navn positivt svar i 58 prosent av tilfellene, mot bare 39 prosent for pakistanske navn. Fordi bare navnet varierte, kunne forskjellen tilskrives diskriminering.

Statistisk signifikans, feilkilder og mixed methods

Når en forsker finner en sammenheng, må hun vurdere om den er «ekte» eller bare tilfeldig. Statistisk signifikans måler sannsynligheten for at resultatet skyldes tilfeldigheter, uttrykt som en p-verdi. En p-verdi under 0,05 regnes vanligvis som signifikant. Men signifikans betyr ikke nødvendigvis praktisk betydning -- med et stort nok utvalg kan trivielle forskjeller bli signifikante.

Kvantitativ forskning er utsatt for feilkilder: utvalgsbias (skjevt utvalg), responsbias som sosial ønskverdighet (å svare det som er sosialt akseptabelt), frafall, og publiseringsbias. En selvselektert nettavis-undersøkelse med 50 000 svar kan ikke generaliseres, fordi bare de som tilfeldigvis besøkte siden deltok.

Mixed methods kombinerer kvalitative og kvantitative metoder. En spørreundersøkelse kan avdekke at elever med innvandrerbakgrunn rapporterer lavere trivsel, og oppfølgende intervjuer kan utforske årsakene -- bredde og dybde sammen.

Oppsummering

Kvantitative metoder kartlegger mønstre og sammenhenger gjennom tall og statistikk. Spørreundersøkelser er den vanligste metoden, og god design med klare spørsmål og Likert-skalaer er avgjørende, mens operasjonalisering gjør abstrakte begreper målbare. Det er viktig å skille korrelasjon fra kausalitet og å gjenkjenne spuriøse sammenhenger. Regresjonsanalyse, registerdata og eksperimenter gir ulike verktøy, der eksperimenter med randomisering gir sterkest grunnlag for kausalitet. Statistisk signifikans og p-verdier må tolkes med forsiktighet, og bevissthet om feilkilder som sosial ønskverdighet er nødvendig. Mixed methods kombinerer styrkene til begge tradisjoner.