Řízení a supervize v sociálních a zdravotnických organizacích UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (ZS 2014) Kvantitativní metody výzkumu v praxi Příklad postupu ověření platnosti hypotézy Základní postupy pomocí třídění dat 2. stupně „Čím více jsou klienti chráněného bydlení samostatní, tím větší bude jejich zájem o službu osobní asistence“ Poslední aktualizace 20/1/2014

Hypotéza a její formulace v závislosti na úrovni měření (typu znaku) „Samostatní klienti chráněného bydlení, mají větší zájem o službu osobní asistence než klienti s nízkou samostatností.“ → oba znaky jsou kategoriální (zde dichotomické Samostatnost/Nesamostatnost a Zájem/Nezájem; mohli by ale být i ordinální dle míry samostatnosti resp. zájmu) „Klienti chráněného bydlení se zájem o službu osobní asistence mají vyšší míru samostatnosti, než klienti kteří zájem nemají.“ → 1. znak je kategoriální (dichotomicky zájem/nezájem) a 2. je kardinální-číselný (míra samostatnosti měřená indexem) „Čím více jsou klienti chráněného bydlení samostatní, tím větší je jejich zájem o službu osobní asistence.“ → oba znaky jsou kardinální-číselné (indexy)

Postup při ověřování hypotézy 1. Konceptuálně vymezit indikátory proměnných: Samostatnost klienta a Zájem o službu osobní asistence 2. Tyto proměnné operacionalizovat (→ jak konkrétně je budeme měřit?) 3. Naměřit jejich hodnoty (na sobě nezávisle) a vytvořit datovou matici (případy-respondenti x proměnné). 4. Tyto hodnoty vzájemně provázat v třídění dat druhého stupně. Zde nastávají tři hlavní možnosti, v závislosti na úrovni měření (typu) znaků (viz následující tři ukázky). (5.) Ideálně pokračovat tříděním třetího/vyššího stupně, kdybychom vyloučili možný vliv dalších znaků.

NEZÁVISLÁ – vysvětlující proměnná Pomocí kontingenční tabulky (pro kategoriální znaky). Hyp.: „Samostatní klienti chráněného bydlení, mají větší zájem o službu osobní asistence než klienti s nízkou samostatností“. Princip: v kategoriích nezávislé proměnné ukazujeme kompletní (100 %) distribuci závislé proměnné, zde máme sloupcová procenta NEZÁVISLÁ – vysvětlující proměnná ZÁVISLÁ – vysvětlovaná proměnná Samostatnost Zájem o službu os. asistence Nízká Vysoká Celkem (absolutní četnost) Zájem 41 % 66 % xx Nezájem 59 % 34 % Celkový součet 100 % Výsledek (hypotetický) ukazuje, že z těch co mají vysokou samostatnost má dvě třetiny zájem o službu OA (66 %), zatímco u těch, co mají nízkou samostatnost je to pouze dvě pětiny (41 %). Zdá se tedy, že hypotézu můžeme přijmout (Ale je 66 vs. 41 % opravdu dostatečný rozdíl?). Nejčastěji bývá závislá proměnná nalevo v řádcích a nezávislá (vysvětlující) ve sloupcích (není to ale podmínkou, záleží na počtu kategorií, a jak se nám to vejde na stránku; lze o 90st. otočit). Uvádíme krom procent vždy také absolutní četnosti, alespoň u celku. Vždy tak aby, v kategoriích nezávislé proměnné byla kompletní (100 %) distribuce závislé proměnné.

Pomocí průměrů v podskupinách (kategoriální a kardinální znak) Průměrná míra samostatnosti podle zájmu o službu osobní asistence Samostatnost (hodnota indexu 1-10) Zájem o službu os. asistence Průměr Směrodatná odchylka (rozptyl) Celkem (absolutní četnost) Zájem 6,6 xx Nezájem 4,2 Celkový průměr 5,1 Hypotéza „Klienti chráněného bydlení se zájem o službu osobní asistence mají vyšší míru samostatnosti, než klienti kteří zájem nemají, “ platí. Pozor ale na velikost rozdílu, zde je to pouze o 24 % (= (6,6-4,2)/10)) .

Bodový X-Y graf (scatter plot) pro dva kardinální (spojité-číselné) znaky Kupení bodů kolem přímky a její sklon odpovídá korelačnímu koeficientu (a regresní analýze) Zde je silná korelace r = 0,64 (jde o mocninu koeficientu spolehlivosti Rsq = 0,08023). Hypotéza „Čím více jsou klienti chráněného bydlení samostatní, tím větší je jejich zájem o službu osobní asistence“ platí.

Poznámky Nejprve je třeba zkontrolovat rozložení hodnot jednotlivých znaků (pomocí třídění 1. stupně), zda jsou dodrženy podmínky, za kterých tyto analýzy můžeme provádět (Musí být dostatečný počet případů u jednotlivých hodnot, ty nesmí být extrémně vychýlené jedním směrem). Jde pouze o základní varianty typů znaků. Možností přístupu k analýze existuje mnohem více; vše lze vizualizovat v grafech. Zde používáme pouze třídění 2. stupně. Pro podrobnější test platnosti hypotézy (vyloučení vlivu dalších proměnných) bychom potřebovali třídění třetího (vyššího) stupně. Pokud by se jednalo o výběrový soubor (nikoliv celou populaci klientů, jak předpokládáme zde), tak je navíc třeba ověření pomocí inferenční statistiky (statistické testy). Jak na to „prakticky“ se dozvíte v kurzu Praktikum - elementární zpracování dat z kvantitativního výzkumu.