urn_isbn_978-952-61-2035-5
urn_isbn_978-952-61-2035-5
urn_isbn_978-952-61-2035-5
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2.3 Tilastomenetelmät<br />
Ennen varsinaista analysointivaihetta aineisto käsiteltiin SPSS-ohjelmalla (I osatutkimus<br />
versio 16, II osatutkimus versio 17, III osatutkimus versio 19). Matematiikan testin tehtävistä<br />
muodostettiin Taipaleen (2009, 46–47) tutkimuksen mukaisesti aritmetiikan, algebran<br />
ja geometrian summamuuttujat, jotka sen jälkeen muunnettiin oppimisen vaikeutta<br />
ilmaiseviksi muuttujiksi vähentämällä saadut pisteet summamuuttujien maksimipisteistä.<br />
Lukemisen testeistä muodostettiin lukemisen vaikeutta ilmaisevat muuttujat vähentämällä<br />
testeistä saadut pisteet maksimipisteistä. Näistä muodostettiin kaksi sanatason lukemisen<br />
vaikeusmuuttujaa ja luetun ymmärtämisen vaikeusmuuttuja. Kaikkien jatkuvien muuttujien<br />
vinoudet tarkistettiin ja korjattiin: aritmetiikan, algebran ja geometrian sekä sanatason<br />
lukemisen vaikeuksien summamuuttujat olivat riittävän normaalisti jakautuneita eikä<br />
muunnoksia niihin tarvittu. Sen sijaan luetun ymmärtämisen vaikeusmuuttujalle tehtiin<br />
logaritminen muunnos, opiskelussa koetuille vaikeuksille käänteisfunktiomuunnos ja<br />
käyttäytymisen vaikeuksille neliöjuurimuunnos (Nummenmaa, 2009, 151). Lopuksi kaikki<br />
muuttujat standardoitiin.<br />
Kaikissa osatutkimuksissa analysointimenetelmänä oli rakenneyhtälömallinnus, jossa<br />
käytettiin Mplus-ohjelmaa (osatutkimus 1 versio 5, osatutkimukset 2 ja 3 versio 6.11). Rakenneyhtälömalli<br />
sisältää kaksi osaa: konfirmatorisen faktorimallin (mittamalli) ja polkumallin.<br />
Kyse on regressiomallista, joka kuvaa latenttien faktoreiden ja havaittujen muuttujien<br />
(jatkuvat ja/tai luokittelumuuttujat) välisiä yhteyksiä. Näitä yhteyksiä on kolmenlaisia:<br />
faktoreiden väliset, havaittujen muuttujien väliset ja havaittujen muuttujien ja faktoreiden<br />
väliset yhteydet, joista viimeksi mainitussa havaitut muuttujat eivät saa olla faktoreiden<br />
indikaattoreita. (Muthén & Muthén, 1998–2012, 55–56.) Rakenneyhtälömallinnuksessa<br />
kaikki mukana olevat muuttujat asetetaan samaan malliin, jolloin samanaikaisesti ne sekä<br />
kontrolloivat toistensa selitysvoiman että paljastavat yksittäisten muuttujien niin sanotun<br />
oman vaikutuksen selitettävään ilmiöön.<br />
Kaikissa osatutkimuksissa analysointivaihe aloitettiin muodostamalla ensin mittamalli<br />
konfirmatorisen faktorianalyysin avulla. Jokaisessa kolmessa osatutkimuksessa ”matematiikan<br />
vaikeus” -faktorin indikaattoreina olivat aritmetiikan, algebran ja geometrian virhepisteiden<br />
summamuuttujat. Kaikkien kolmen indikaattorin lataukset olivat vahvat ja faktorin<br />
sisäinen rakenne hyvä (ks. esim. kuvio 2). Lukemisen vaikeutta kuvaavaksi faktoriksi<br />
muodostettiin osatutkimuksissa I ja III toisen kertaluvun faktori, joka muodostui kahdesta<br />
lukemisen eri osa-alueita kuvaavista indikaattorista: ”sanatason lukemisen vaikeus” -faktorista<br />
(”etsi kirjoitusvirheet” ja ”erota sanat toisistaan” -testien virhepisteiden summamuuttujat<br />
indikaattoreina) sekä luetun ymmärtämisen testin yhteisvirhepistemäärästä Holopaisen<br />
ym. (2004) ja Savolaisen ym. (2008) tutkimuksen mukaisesti. II osatutkimuksessa<br />
käytettiin ”sanatason lukemisen vaikeus” -faktoria, joka muodostettiin ”etsi kirjoitusvirheet”<br />
ja ”erota sanat toisistaan” -testien virhepisteiden summamuuttujista.<br />
Kaikkien kolmen osatutkimuksen polkumallit sisälsivät sekä jatkuvia latentteja muuttujia<br />
(esim. matematiikan ja lukemisen vaikeudet) että summamuuttujia (esim. käyttäytymisen<br />
vaikeudet, opiskelussa koetut vaikeudet) ja kaksiluokkaisia selitettäviä muuttujia<br />
(esim. toiselle asteelle sijoittuminen, koulutuksen keskeytyminen). Selitettävien muuttujien<br />
kaksiluokkaisuuden takia mallinnukset estimoitiin WLSMV-estimointimenetelmällä<br />
(weighted least square parameter estimates using a diagonal weight matrix), joka käyttää<br />
21