Kvantitativ analyse med SPSS

Kvantitativ analyse med SPSS

Terje Andreas Eikemo & Tommy Høyvarde Clausen (red.)
Kvantitativ analyse med SPSS
En praktisk innføring i kvantitative analyseteknikker

© Tapir Akademisk Forlag, Trondheim 2007
ISBN 978-82-519-2178-7
Det må ikke kopieres fra denne boka ut over det som er tillatt
etter bestemmelser i «Lov om opphavsrett til åndsverk», og
avtaler om kopiering inngått med Kopinor.
Grafisk formgivning og tilrettelegging: Ingrid Venås
Omslag: Tapir Akademisk Forlag
Papir: 90 g G-print
Trykk: Tapir Uttrykk
Innbinding: Grafisk Produksjonsservice AS
Tapir Akademisk Forlag har som målsetting å bidra til å utvikle og utgi
gode læremidler og alle typer faglitteratur. Vi representerer et bredt fagspekter,
og gir ut ca. 70 nye titler i året. Vi har basis i undervisnings- og forskningsmiljøet
i Trondheim, men vi har forfattere fra fagmiljøer i hele landet.
Våre viktigste produktområder er:
• Læremidler for høyere utdanning
• Fagbøker for profesjonsmarkedet
• Sakprosa for det regionale allmennmarkedet (regional kultur, historie og natur)
Tapir Akademisk Forlag
7005 TRONDHEIM
Tlf.: 73 59 32 10
Faks: 73 59 32 04
E-post: forlag@tapir.no
www.tapirforlag.no

Innhold
FORORD ..............................................................................................................................9
INNLEDNING....................................................................................................................11
DEL 1 ..................................................................................................................................15
HVA DU BØR LÆRE DEG FØRST .........................................................................................15
1 FØR VI SETTER I GANG ......................................................................................16
1.1 SPSS..................................................................................................................17
1.2 EUROPEAN SOCIAL SURVEY ..............................................................................17
1.3 DATAMATRISEN.................................................................................................20
1.4 MÅLENIVÅ.........................................................................................................20
1.5 KOMMANDOER I SPSS.......................................................................................22
1.6 VEKTING............................................................................................................22
LITTERATUR.....................................................................................................................24
2 FORBEREDELSE AV DATA.................................................................................26
2.1 NYE VARIABELNAVN .........................................................................................27
2.2 OMKODING AV DIKOTOME VARIABLER ..............................................................27
2.3 OMKODING AV NOMINALSKALAVARIABLER ......................................................29
2.4 OMKODING AV ORDINALSKALAVARIABLER .......................................................32
2.5 OMKODING AV VARIABEL PÅ INTERVALLNIVÅ...................................................36
2.6 KATEGORISERING AV KONTINUERLIGE VARIABLER ...........................................36
2.7 KONSTRUERE SKALAVARIABEL .........................................................................38
2.8 KOMBINERE VERDIER FRA FLERE VARIABLER ....................................................39
2.9 SLETTING OG FILTRERING ..................................................................................41
2.10 DELE OPP DATASETTET ETTER ULIKE VERDIER PÅ EN VARIABEL........................43
2.11 OMKODING TIL SOSIALE KLASSER......................................................................43
2.12 OPPRETTE ARBEIDSFIL .......................................................................................45
APPENDIKS.......................................................................................................................46
LITTERATUR.....................................................................................................................51

3 FRA KORRELASJON TIL LINEÆR REGRESJON ..........................................52
3.1 KORRELASJONSTESTER I SPSS ..........................................................................53
3.2 BIVARIAT REGRESJON........................................................................................55
3.3 MULTIVARIAT REGRESJON.................................................................................59
4 KVADRATLEDD OG SAMSPILL I LINEÆR REGRESJONSANALYSE ......64
4.1 LINEÆR REGRESJONSANALYSE MED KVADRATLEDD..........................................65
4.2 LINEÆR REGRESJONSANALYSE MED SAMSPILL ..................................................68
4.3 REGRESJON MED ANDREGRADSLEDD OG SAMSPILL............................................70
4.4 BETINGET EFFEKTPLOTT ....................................................................................73
4.5 MAKSIMALE POSITIVE OG NEGATIVE EFFEKTER.................................................78
5 LOGISTISK REGRESJON.....................................................................................82
5.1 LOGISK REGRESJON?..........................................................................................83
5.2 FORBEREDELSE TIL LOGISTISK REGRESJON ........................................................85
5.3 VÅR FØRSTE LOGISTISKE REGRESJONSMODELL..................................................87
5.4 TOLKNING AV ANALYSERESULTATER ................................................................90
5.5 PROSENTVIS ENDRING I ODDS ............................................................................92
5.6 BEREGNING AV SANNSYNLIGHETER...................................................................94
5.7 BETINGET EFFEKTPLOTT ....................................................................................96
5.8 LOGIT, ANTILOGARITME, ODDS, ODDSRATIO OG SANNSYNLIGHETER… .............99
5.9 HVORDAN BEST PRESENTERE RESULTATENE?..................................................101
5.10 RASKERE DUMMYKODING I LOGISTISK REGRESJON..........................................105
5.11 DUMMYKODING I LOGISTISK REGRESJON UTEN REFERERANSEKATEGORI.........106
LITTERATUR...................................................................................................................110
6 TESTER AV FORUTSETNINGER FOR LINEÆR OG LOGISTISK
REGRESJONSANALYSE.....................................................................................112
6.1 RESIDUALENE SKAL VÆRE NORMALFORDELTE (GJELDER BARE OLS)..............113
6.2 VI SKAL HA FRAVÆR AV HETEROSKEDASTISITET (GJELDER BARE OLS) ..........118
6.3 FORUTSETNING OM FRAVÆR AV AUTOKORRELASJON (GJELDER BARE OLS)....124
6.4 DET SKAL VÆRE FRAVÆR AV MULTIKOLLINEARITET (GJELDER BÅDE OLS OG
LOGIT) ............................................................................................................125

6.5 DET SKAL IKKE VÆRE DISKRIMINERINGSPROBLEM (GJELDER BARE LOGIT)......129
6.6 IKKE-LINEARITET I PARAMETERNE (GJELDER BÅDE OLS OG LOGIT) ................130
6.7 FRAVÆR AV INNFLYTELSESRIKE ENHETER (GJELDER BÅDE OLS OG LOGIT)....133
LITTERATUR...................................................................................................................142
DEL 2 ................................................................................................................................145
NÅR “VANLIG” REGRESJONSANALYSE IKKE ER NOK…...................................................145
7 MULTINOMISK OG ORDINAL LOGISTISK REGRESJON.........................146
7.1 MODELL MED ÉN UAVHENGIG VARIABEL.........................................................151
7.2 EN STOR MODELL MED SAMTLIGE UAVHENGIGE VARIABLER ...........................153
7.3 BETINGET SANNSYNLIGHETSPLOTT..................................................................160
7.4 PRESENTASJON AV RESULTATER......................................................................162
7.5 ORDINAL LOGISTISK REGRESJON SOM ALTERNATIV VED AVHENGIGE VARIABLER
PÅ ORDINALNIVÅ.............................................................................................164
7.6 SAMMENLIKNING AV RESULTATER FRA MULTINOMISK OG ORDINAL LOGISTISK
REGRESJON......................................................................................................168
LITTERATUR...................................................................................................................170
8 FLERNIVÅANALYSE ..........................................................................................172
8.1 FLERNIVÅDATA OG FLERNIVÅANALYSE...........................................................173
8.2 FLERNIVÅANALYSE EKSEMPLIFISERT I SPSS ...................................................175
8.3 INTRODUKSJON AV VARIABLER PÅ NIVÅ-2.......................................................185
8.4 “RANDOM SLOPE”-MODELLER .........................................................................188
8.5 KRYSSNIVÅ-INTERAKSJONER (CROSS-LEVEL INTERACTIONS)..........................191
8.6 FLERNIVÅANALYSE MED TRE NIVÅER ..............................................................193
APPENDIKS 1: KODING AV DEN AVHENGIGE VARIABELEN..............................................195
APPENDIKS 2: KODING AV GDP1000 OG EAST_EU VARIABLER......................................198
APPENDIKS 3: SYNTAKSEN FOR KODING AV REGION VARIABELEN .................................200
LITTERATUR...................................................................................................................201
9 OVERLEVELSESANALYSE ...............................................................................202
9.1 HVORFOR MÅ VI BRUKE OVERLEVELSESANALYSE?..........................................204
9.2 FORUTSETNINGER FOR ANALYSER MED SENSURERTE DATA.............................205

9.3 OVERLEVELSESFUNKSJONEN ...........................................................................206
9.4 HASARDFUNKSJONEN ......................................................................................207
9.5 COX PROPORSJONALE HASARDMODELL ...........................................................207
9.6 PARTIELL LIKELIHOOD ESTIMERING AV PARAMETER Β.....................................208
9.7 MODELLERING I SPSS .....................................................................................208
9.8 TESTING AV PH-FORUTSETNINGER ..................................................................214
LITTERATUR...................................................................................................................218
10 FAKTORANALYSE ..............................................................................................220
10.1 KRITERIER FOR Å BRUKE FAKTORANALYSE .....................................................222
10.2 BEGRENSNINGER VED BRUK AV FAKTORANALYSE...........................................223
10.3 GJENNOMFØRING AV FAKTORANALYSE I SPSS................................................223
LITTERATUR...................................................................................................................234
11 LOGARITMISKE TRANSFORMERTE VARIABLER I
REGRESJONSANALYSE.....................................................................................236
11.1 TOLKNING OG PRAKTISK ANVENDELSE I REGRESJONSANALYSE.......................238
LITTERATUR...................................................................................................................246
APPENDIKS: SYNTAKSKOMMANDOER ............................................................................247
12 TO STEGS MINSTE KVADRATERS REGRESJON........................................248
12.1 UTELATTE FORKLARINGSVARIABLER ..............................................................249
12.2 TO STEGS MINSTE KVADRATERS REGRESJON....................................................255
12.3 AVSLUTTENDE KOMMENTAR ...........................................................................269
LITTERATUR...................................................................................................................271
13 SELEKTERTE DATA ...........................................................................................272
13.1 HVA ER SELEKTERTE DATA? ............................................................................273
13.2 HVIS VERDI PÅ AVHENGIG VARIABEL IKKE OBSERVERES FOR ALLE ........................274
13.3 NÅR VI HAR UOBSERVERT HETEROGENITET .....................................................284
13.4 AVSLUTTENDE KOMMENTAR ...........................................................................291
APPENDIKS.....................................................................................................................292
LITTERATUR...................................................................................................................296

DEL 3 ................................................................................................................................299
TEORETISKE BETRAKNINGER PÅ BRUK AV STATISTIKK...................................................299
14 HVA KREVES FOR Å BLI DYKTIG TIL Å BRUKE STATISTIKK? ...........300
14.1 PÅSTANDS- OG FORTROLIGHETSKUNNSKAP .....................................................301
14.2 REFLEKTERENDE OPPSUMMERING ...................................................................309
LITTERATUR...................................................................................................................310
15 ET FARLIG REDSKAP? ......................................................................................312
15.1 ET MEKTIG VÅPEN............................................................................................314
15.2 “EGENTLIG”.....................................................................................................316
15.3 ÅRSAK .............................................................................................................319
15.4 DET STAT(IST)ISKE ØYEBLIKK..........................................................................321
15.5 NACHSPIELDISKUSJONEN.................................................................................323
LITTERATUR...................................................................................................................324
OM FORFATTERNE......................................................................................................325
STIKKORDSLISTE ........................................................................................................327

Forord
Denne boken er basert på undervisningsnotater i forbindelse med statistikkundervisning
for mastergradsstudenter ved Norges Teknisk – Naturvitenskapelige
Universitet (NTNU). Hensikten med notatene var å gjøre dem tilgjengelig for
studenter som etterspurte litteraturkilder som kunne hjelpe dem i praktiske analysearbeider,
og det var aldri meningen at dette skulle publiseres. De hyggelige tilbakemeldingene
fra studentene gjorde at jeg fikk lyst til å gjøre notatene tilgjengelig for
enda flere. Det var studentene som gav meg inspirasjonen, men det var ikke før jeg
diskuterte planene med min tidligere studiekollega og medredaktør, Tommy
Clausen, at idé ble til handling. Vi fant ut at vi ville skrive en omfattende bok på
norsk, som kunne ta for seg både grunnleggende og mer avanserte statistiske
metoder, noe vi selv har savnet i norsk metodelitteratur. Prosjektet vokste i omfang
og utviklet seg etter hvert til å bli et samarbeid mellom åtte yngre forskere fra
NTNU og Universitetet i Oslo. Alle har bakgrunn som samfunnsvitere innenfor
fagområdene sosiologi, statsvitenskap eller pedagogikk. De fleste av oss er også i
innspurten på doktorgradsarbeider, og alle medforfattere skal takkes for sine
statistiske bidrag i en travel forskningshverdag. Det er imidlertid flere som skal
takkes. Først og fremst Erling Berge og Arild Blekesaune som har vært til stor
hjelp gjennom sine konstruktive tilbakemeldinger på bokmanuskriptet. Vi har også
satt stor pris på assistansen fra Tapir Akedemisk Forlag ved Vebjørn Andreassen
som har vært positiv til prosjektet helt fra begynnelsen. Halvard Buhaug var
undertegnedes tidligere statistikklærer ved NTNU og hans undervisningsnotater har
vært til god hjelp for mine egne. Han skal derfor ha stor takk for alle gode råd både
i forbindelse med min egen undervisning og statistiske skolering. Til slutt sender
jeg også en stor takk til alle mastergradsstudentene ved NTNU for flott samarbeid i
undervisningsperioden. Jeg håper boken vil være til stor hjelp for dem og andre
samfunnsvitere både under og etter studietiden, og vil sette stor pris på tips til nye
kapitler i eventuelle senere utgaver av denne boken.
Terje Andreas Eikemo

Innledning
Å bli god på metode krever en del egeninnsats, men også gode hjelpemidler. Hvis
du har tenkt å gjennomføre en kvantitativ analyse av et datasett i forbindelse med
studier eller jobb, så vil du ha stor praktisk nytte av denne boken. Boken er skrevet
med det formål å gi studenter og andre en praktisk innføring i et utvalg regresjonsanalyseteknikker
i SPSS (Statistical Package for Social Sciences) med bruk av data
fra ESS (European Social Survey). Vi har bygget på egne erfaringer, som både
studenter og yngre forskere, og skrevet en bok som forsøker å gi enkle og intuitive
forklaringer på hva regresjonsanalyse er, og hvordan man selv kan gjennomføre en
slik analyse i SPSS. Derfor vil du finne færre “greske bokstaver” i denne boken
sammenlignet med andre bøker innen samme sjanger, og vi har også forsøkt å
bruke et lett og uformelt språk. Vår bok har i stedet en praktisk tilnærming der vi
gir leseren en forståelse av “hva som skjer” ved å bruke eksempler som forklares
grundig. Vår erfaring tilsier at det er et gap mellom den teoretiske virkeligheten
som mange lærebøker i kvantitativ metode forutsetter, og den praktiske virkeligheten
som samfunnsvitere ofte møter når man skal analysere sine data. Derfor går
vi grundig til verks og viser hvilke trinn man må gå igjennom før man kan foreta en
regresjonsanalyse; fra omkoding av variabler til tolkning av regresjonskoeffisienter.
Dette er hovedinnholdet i bokens første del. I andre del av boken vil
vi gi en praktisk innføring i et utvalg “avanserte” regresjonsanalyseteknikker. Som
hovedfagsstudenter og doktorgradsstipendiater har vi erfart at mange norske lærebøker
i kvantitativ metode ikke tar for seg de mer avanserte regresjonsanalyseteknikkene
som man ofte får bruk for i mastergradsavhandlinger, eller
senere i egen forskning eller utredningsarbeid. Dette fører ofte til mye frustrasjon
og unødige forsinkelser i studieprogresjonen. I denne boken har vi derfor plukket
ut noen av de mer “avanserte” regresjonsanalyseteknikkene som er lite
dokumentert og eksemplifisert, spesielt på norsk og i statistikkprogrammet SPSS.
Vi synes også det er viktig at samfunnsvitere som gjør statistiske analyser
reflekterer over denne rollen og ansvaret som følger med. Den tredje og siste delen
av boken er derfor et teoretisk bidrag som diskuterer tallenes makt og hvordan vi
bør forholde oss til dem. Alle kapitler har blitt lest av erfarne norske forskere innen
kvantitativ metode, men eventuelle feil og mangler vil likevel være forfatternes
ansvar. Boken har en egen webside der feil og mangler kan sendes inn
(http://www.statistikkforum.no), og der forfatterne kan kontaktes via e-post.
Eventuelle feil og mangler vil også publiseres her. Det er vårt håp og ønske at vi
gjennom denne boken gjør det enkelt å tilegne seg kunnskap om hvordan ulike
kvantitative analyseteknikker kan gjennomføres i SPSS, og hvordan disse
analysene kan tolkes.
Vi skal nå gi en ganske kortfattet kapitteloversikt. Boken har tre deler, hvorav
den første tar for seg det du bør lære deg først. I denne delen blir vi aller først

edre kjent med SPSS (kapittel 1) før vi deretter lærer oss å forberede rådata til
ulike analyseformål (kapittel 2). I kapittel 3 starter vi med de enkleste analyseformene
(korrelasjoner, bivariat og multivariat regresjon), og i kapittel 4 gis en
innføring i hvordan samspill og ikke-lineære sammenhenger kan inkluderes i
modellene våre. Videre gir kapittel 5 en grundig praktisk innføring i hvordan
logistisk regresjonsanalyse kan gjennomføres ved hjelp av SPSS, mens kapittel 6
tar for seg analyseproblemer og løsningsforslag i lineær og logistisk regresjonsanalyse.
I bokens andre del møter vi litt mer avanserte analyseformer, og strukturen er
derfor ikke like kronologisk som i del 1. Dette betyr at de statistiske analysene er
flerdimensjonale. Kapittel 7 omfatter det som kalles multinomisk og ordinal
(logistisk) regresjon, og er en slags videreføring av kapittel 5 om logistisk
regresjon. Forskjellen ligger i at vi benytter flere verdier på den avhengige
variabelen sammenlignet med logistisk regresjon, hvor den avhengige variabelen
bare har to verdier. I kapittel 8 presenterer vi flernivåanalayse, hvor hovedpoenget
er å finne variasjoner ikke bare mellom individer, men også mellom regioner og
land. Kapittel 9 omhandler såkalt overlevelsesanalyse, hvor vi får en innføring i
hvordan vi kan måle hvor lenge et individ overlever før en gitt hendelse inntreffer.
I kapittel 10 stifter vi nærmere bekjentskap med faktoranalyse. Hensikten her er å
finne ut om det ligger et underliggende mønster i respondentenes besvarelser.
Kapittel 11 omhandler logaritmiske transformasjoner. Når man leser forskningsartikler,
ser man ganske ofte at forfatteren oppgir å ha foretatt en logaritmisk
transformasjon av enten avhengig og/eller uavhengig variabel. I dette kapitlet skal
vi derfor lære oss hvordan slike analyser skal forstås. To stegs minste kvadraters
regresjon presenteres deretter i kapittel 12. Her skal vi forklare hvordan utelatelse
av relevante forklaringsvariabler kan føre til at det oppstår en korrelasjon mellom
feilleddet og en – eller flere – av de uavhengige variablene i en regresjonsligning. I
kapittel 13 gir vi en kort innføring i hva selekterte data er, og hvilke statistiske
problemer slike data medfører.
Kapittel 14 og 15 utgjør bokens tredje og siste del. Dette er en teoretisk del som
diskuterer hvilken rolle fortrolighetskunnskapen spiller i statistikken (kapittel 14),
samt hvilke farer man må være oppmerksom på ved analyse av tallmateriale
(kapittel 15).

DEL 1
av Terje Andreas Eikemo
Hva du bør lære deg først
I denne delen av boken skal vi aller først gjøre oss kjent med
de enkleste og mest sentrale statistiske kommandoene i pro-
gramvaren SPSS, samt se på hvordan vi kan forberede data-
grunnlaget vårt (European Social Survey, ESS), slik at vi kan få
svar på de spørsmålene vi ønsker å belyse. Deretter skal vi gå
i gang med korrelasjonstester, bivariat, lineær- og logistisk re-
gresjon. Lineær- og logistisk regresjon er antakeligvis de mest
brukte kvantitative analyseteknikkene i sam-funnsvitenskapen,
og det er viktig å lære seg prinsippene her før man går videre
med mer avanserte former for analyse. Vi skal også gå nærmere
inn på hvordan man kan bedømme i hvilken grad forutsetnin-
gene for lineær- og logistisk regresjonsanalyse er oppfylt, og
hva man kan gjøre når forutsetningene brytes, og panikken beg-
ynner å bre seg.

1 Før vi setter i gang

1.1 SPSS
I denne boken skal vi bruke statistikkprogramvaren SPSS til å utføre analysene for
oss. SPSS er en forkortelse av Statistical Package for the Social Sciences, og er et
omfattende statistisk datahåndterings- og dataanalyseverktøy og er ett av de eldste
og mest brukte programvarene innenfor statistisk analyse. SPSS er ofte det første
statistikkprogrammet studenter konfronteres med, og det er ikke tilfeldig. Universitetene
i Norge har lisensavtaler med SPSS, og programmet er svært brukervennlig.
Derfor er det naturlig både for mange studenter, og dermed også for oss, å
ta i bruk SPSS. SPSS oppdateres stadig, og forfatterne av denne boken har benyttet
versjon 12.0 eller nyere. Men la det likevel være sagt først som sist: SPSS er ikke
det eneste programvarealternativet for deg som vil gjøre kvantitative dataanalyser.
Vi har derfor laget en oversikt over noen av programmene som kan utfylle eller
erstatte flere av funksjonene i SPSS. Ikke alle har tilgang til lisensavtaler, og noen
har også spesielle behov som gjør at andre programvarer kunne vært et mer
naturlig alternativ. Vi synes derfor det er viktig at leseren gjøres oppmerksom på
noen av alternativene til SPSS. I tabell 1.1 har vi derfor laget en liste over et utvalg
alternativer, oppgitt nettlenker, samt gitt en kort beskrivelse av programvaren.
1.2 European Social Survey
Datamaterialet vi skal bruke i denne håndboken, er den foreløpige siste versjonen
(2004) av surveyundersøkelsen European Social Survey (heretter: ESS). ESS er en
europeisk surveyundersøkelse som muliggjør systematiske studier av holdninger og
verdier sett opp mot sosioøkonomiske og politiske problemstillinger i et europeisk
perspektiv. Vi finner ESS nyttig av minst tre årsaker. For det første er ESS en god
survey å benytte for den som vil studere endringer over tid, selv om det foreløpig
kun er gjort undersøkelser i 2002 og 2004, og de samme respondentene ikke kan
koples mot hverandre i de ulike periodene (ikke paneldata). For det andre er ESS et
spesielt godt materiale for den som vil sammenligne effekter mellom regioner og
land. Validiteten av komparative studier begrenses ofte av at landenes effekter ikke
er utregnet fra samme sted til samme tid. I ESS er samme spørsmål stilt i alle land
og regioner i samme periode. For det tredje er data og dokumentasjon fra ESS
allment tilgjengelig på internett (http://www.ess.nsd.uib.no). Det eneste du trenger
å gjøre for å få tilgang, er å registrere deg med navn, e-post-adresse, institusjon og
land. I første omgang benytter vi den norske delen av undersøkelsen. I kapitlet om
flernivåanalyse vil vi derimot vise hvordan vi kan behandle den internasjonale
datafilen.

Tabell 1.1 Et utvalg alternativer til SPSS
KAPITTEL 1: Før vi setter i gang
Programvare Informasjonslink Kort beskrivelse av programvaren
Gauss
http://www.aptech.com/gauss.html
18
Program som løser svært store
og kompliserte optimaliserings-
og dataanalyseproblemer. Basert
på programmeringsspråket
gauss.
GIS www.gis.com Program for behandling av
stedfestet informasjon.
Visualiserer resultater i kart.
Grapher http://www.goldensoftware.com/
products/grapher/grapher.shtml
Program for presentasjon og
visualisering av data.
JMP http://www.jmp.com/ Brukervennlig og omfattende
statistikkprogram. Svært god på
interaktiv grafisk visualisering og
presentasjon.
Microsoft Excel http://www.microsoft.com/norge/office/
excel/prodinfo/overview.mspx
Minitab http://www.bath.ac.uk/bucs/
software/statistics/minitab.shtml
Regne og analyseprogram for
utarbeidelse av statistiske
analyser. Spesielt godt egnet til
grafiske framstillinger.
Interaktivt statistikkprogram som
analyserer små og middels store
datasett.
NSDstat www.nsd.uib.no Program for analyse og
presentasjon av samfunnsfaglige
data. Programmet
systematiserer, henter fram og
presenterer informasjon fra
datasamlinger.
Originlab http://www.originlab.com/ Program for presentasjon og
visualisering av data.
R http://mirrors.sunsite.dk/cran/ Statistikkprogram som har store
likheter med S-plus. Gratis
programvare. Også tilgjengelig
for linux.
SAS http://www.sas.com/technologies/
analytics/index.html
Sigmaplot http://www.alfasoft.no/produkter/
sigmaplot/sigmaplot.htm
Statistikkprogram som er mye
benyttet innen naturvitenskap,
teknologi og medisin.
Program for presentasjon og
visualisering av data.

European Social Survey
Programvare Informasjonslink Kort beskrivelse av programvaren
S-Plus http://www.insightful.com/
support/documentation.asp
19
Omfattende statistikkprogram
som er spesielt godt tilrettelagt
for grafisk bruk. Støttes også av
linux.
Stata www.stata.com Har stort utvalg av statistiske
metoder og er svært kraftig på
databearbeiding.
Statistica http://www.statsoft.com/ Statistikkprogram som er mye
brukt innen medisin, psykologi og
matematikk.
Surfer http://www.goldensoftware.com/products/
surfer/surfer.shtml
Program for presentasjon og
visualisering av data. Spesielt
godt egnet for kartpresentasjoner.
Systat http://www.systat.com/products/Systat/ Inneholder alle grunnleggende
statistiske metoder og analyser.
Svært gode
visualiseringsmetoder.
Hvis du skulle være i tvil om hvilke programmer som er tilgjengelige ved ditt
universitet, kan du ta en kikk på disse linkene:
Tabell 1.2 Tilgjengelige lisensavtaler ved universitetene i Norge
Universitetet i Oslo http://www.usit.uio.no/it/statistikk/stat-ressurser.html
NTNU http://www.ntnu.no/itea.info/programvare/progtilbud.html
Universitetet i Tromsø http://uit.no/orakel/lisenser/
Universitetet i Bergen http://www.uib.no/IT/prog/statmat/
Det er også verdt å merke seg at det finnes flere gode supplementer til denne
boken. Heldigvis er det flere som har skrevet praktiske innføringsbøker i kvantitativ
metode på norsk, og vi vil gjerne trekke fram Asbjørn Johannessen m.fl.
(2006), Karl Georg Øhrn (2005) og Christer Thrane (2003) for fine bidrag. For en
mer teoretisk innføring har Kristen Ringdal (2001), Ole-Jørgen Skog (2003),
Sigmund Grønmo (2004) og Ottar Hellevik (2001) skrevet hver sin “bibel” i samfunnsvitenskapelige
metode.

1.3 Datamatrisen
KAPITTEL 1: Før vi setter i gang
La oss nå gå litt forsiktig i gang og bli kjent med datamatrisen i datavinduet (Data
View). Dette er det første vi ser når vi åpner filen. Datamatrisen består av
variabler, enheter og verdier. Variablene gjengir spørsmålene i undersøkelsen.
Disse er markert i grått og er listet opp vannrett øverst i matrisen. Variabelnavnene
har som regel forkortede symboler, og mer utfyllende navn kommer til syne
dersom musepekeren plasseres over variablene. Ytterligere informasjon får vi
dersom vi trykker på knappen Variables på verktøylinjen (markert med spørsmålstegn).
Enhetene er listet loddrett på venstre side i matrisen og står oppført i
stigende rekkefølge fra 1 til 1760. Hver enhet representerer én person, noe som
betyr at totalt 1760 personer deltok i den norske undersøkelsen fra 2004. Verdiene
er tallene i det hvite rutenettet mellom variablene og enhetene. Disse representerer
svarene respondentene (enhetene) gav på spørsmålene (variablene). Fram til nå har
vi studert datavinduet. Vi skal nå se nærmere på variabelvinduet (Variable View)
som vi får opp dersom vi klikker på den lille fliken nederst til venstre. Her finner vi
mer informasjon om variablene, som er sortert loddrett, og variablenes kjennetegn,
som står oppført vannrett. Bruk gjerne litt tid på å forstå logikken med henholdsvis
data- og variabelvinduet.
1.4 Målenivå
Ett av kjennetegnene som står oppført i variabelvinduet, er variablenes målenivå
(Measure). Målenivået er ikke alltid riktig definert i SPSS, men vi skal uansett
lære oss å definere det selv. Det er viktig å lære seg forskjellene mellom de ulike
målenivåene, da dette vil være være med å bestemme både hvordan variabelen skal
operasjonaliseres, og hvilken type analyse vi bør velge (dersom det er snakk om
den avhengige variabelen). Nominalnivået klassifiseres gjennom gjensidig utelukkende
grupper, som for eksempel kjønn og geografisk tilknytning. Disse
gruppene kan med andre ord ikke rangeres på en skala. Ordinalnivåvariabler er
også gjensidig utelukkende, men det kan være mulig å snakke om en slags
rangering. For eksempel liten interesse mot større interesse, eller lite deltakelse mot
mye deltakelse. Imidlertid kan det noen ganger være vanskelig å avgjøre om vi bør
beholde ordinalskalavariabler skalert i analysen vår (alternativet ville vært å utføre
dummykoding, som vi skal illustrere i kapittel 2). Da må vi være rimelig sikre på at
avstanden mellom de lave verdiene (for eksempel avstanden mellom verdi 1 og 2)
tilsvarer den samme avstanden mellom de høye verdiene (for eksempel avstanden
mellom verdi 9 og 10 på den samme variabelen). La oss se på et eksempel på en
ordinalskalavariabel som ikke har like stor avstand mellom verdiene: Vi kan si at
avstanden mellom 1 og 2 tilsvarer noenlunde avstanden mellom 9 og 10 på en
holdningsskalavariabel fra 1 til 10, men vi kan ikke si at avstanden mellom 1
20

Målenivå
(grunnskole) og 2 (vgs) tilsvarer avstanden mellom 3 (høyskole) og 4 (universitet)
dersom vi ser på en utdanningsnivåvariabel. Her ser vi at enhetene er rangert i
forhold til hverandre, selv om avstanden er diffus. Ved alle tvilstilfeller vil det
være din egen argumentasjon som er utslagsgivende for hvordan variabelen bør
tolkes og operasjonaliseres. Variabler på intervallnivå refererer til tall som står i et
klart relativt forhold til hverandre, men det finnes ikke et klart definert nullpunkt.
Typiske eksempler på slike variabler er temperaturer og intelligenstester. Siste
målenivå vi tar med, er forholdstallsnivå. Slike variabler har samme kjennetegn
som intervallvariabler, med det unntaket av vi har et klart nullpunkt. Antall år en
person har vært i utdanningssystemet (her er det altså ikke snakk om utdanningsnivå),
inntekt og alder er eksempler her. Dette betyr at det er meningsfullt å operere
med forholdstallsrater: dobbelt så gammel er et meningsfullt utsagn, dobbelt så
varm er ikke meningsfullt på samme måte (hvis det ikke er klart at vi benytter
Kelvinskalaen). Derfor kan vi si at skillet mellom intervallskalavariabler og forholdstallsvariabler
er bestemt av måleskalen som benyttes, og ikke av det substansielle
innholdet i variabelen. Se ellers hvordan du kan definere variablenes
målenivåer ved hjelp av tabell 1.3 på neste side.
Tabell 1.3 Hvordan definere variabelens målenivå
Har variabelen mer enn 2 kategorier?
Er avstanden mellom alle kategorier lik? JA NEI Variabelen er dikotom
JA NEI Kan kategoriene settes i rekkefølge?
Variabelen er kontinuerlig JA NEI Variabelen er på nominalnivå
Har variabelen et nullpunkt? Variabelen er på ordinalnivå
JA NEI Variabelen er på forholdstallsnivå
Variabelen er på intervallnivå
21

1.5 Kommandoer i SPSS
KAPITTEL 1: Før vi setter i gang
Det er viktig at leseren av denne boken er klar over hvordan ulike operasjoner, som
for eksempel omkodinger og analyse av data kan utføres i SPSS. Dette kan nemlig
gjøres på to forskjellige måter; enten ved å benytte kommandoene øverst i
verktøylinjen eller ved hjelp av syntaksen. Verktøylinjen er selvforklarende og
krever kun at du klikker deg inn på riktig meny. Syntaksen, derimot, er et
kommandoprogram som kan utføre de samme kommandoene som i verktøylinjen,
men det er en viktig forskjell: I syntaksen kan du lagre kommandoene dine, og du
vil derfor være i stand til å se hvordan du har gått fram i ettertid. Har du derfor
gjort en feil, så vil du kunne lokalisere denne i syntaksen. Dessuten kan du lett
utføre lagrede kommandoer på nytt, for eksempel hvis du skulle ha vært så uheldig
å slette data. I denne boken kommer vi til å bruke både verktøylinjen og syntaksen,
litt om hverandre. Men når lengre kommandoer skal utføres, bruker vi som regel
syntaksen. Vi anbefaler at du gjør deg fortrolig med bruken av syntaksen så tidlig
som mulig. Det vil spare deg for mye tid! Syntaks-kommandovinduet åpner du ved
å trykke deg inn på File New Syntax. Det er i hovedsak to måter å føre inn
kommandoer på. Hvis du husker kommandoen skriver du den ganske enkelt inn i
syntakskommandovinduet, men hvis du ikke kan den er paste-funksjonen et fint
alternativ. Når du “bestiller” analysene dine, kan du alltid velge å kjøre ut
kommandoene ved å trykke på OK, eller ved å trykke på Paste-knappen som
automatisk omformer ”bestillingen” til en nedskrevet kommando som dukker opp i
syntaksvinduet. I delkapittel 2.9 viser vi et eksempel på dette.
1.6 Vekting
Alle har ikke hatt like stor sjanse til å delta i spørreundersøkelsen som ESS baseres
på. På bakgrunn av den varierende seleksjonssannsynligheten vil noen typer
regioner og husholdninger være underrepresentert i studien, mens andre er overrepresentert.
Overrepresentasjon oppstår gjerne hvis veldig mange fra samme
husholdning intervjues. Som regel blir skjevhetene beskjedne, men de kan justeres
ved at svarene til bestemte respondenter tillegges mer eller mindre vekt; derav
begrepet vekting. Designvektvariabelen dweight er laget til dette formålet. Vi har
ikke vektet analysene i denne boken, fordi våre analyser bare er eksempler på
fremgangsmåter. Hvis du derimot skal skrive forskningsartikler, så kreves det at
resultatene er så nøyaktige som mulig og følgelig anbefaler vi at du vekter
resultatene dine. Dette gjelder alle typer analyser; fra frekvens- og prosentuerte
tabeller til korrelasjons- og regresjonsanalyser. Du vekter ved å gå inn i menyen
Data Weight Cases. Marker deretter variabelen dweight i vinduet som kommer
opp og trykk på Weight Cases By. Trykk deretter på pilen som fører over
vektevariabelen til boksen Frequency Variable. Nå trykker du på OK og alle
22

Vekting
analyser du gjør vil vektes. Du vil få bekreftet av vektingen er aktivert ved at
Weight On står nede til høyre i SPSS-vinduet. Selv om landene som er med i ESSundersøkelsen
har svært ulike populasjonsstørrelser, så er utvalgsstørrelsen omtrent
den samme for alle. Hvis ikke dette justeres, så vil små land overrepresenteres på
bekostning av store. Derfor finnes det også en annen vekt i datasettet som heter
pweight. Dette er en populasjonsstørrelsevekt som bare skal brukes hvis du
analyser to eller flere land samtidig. Vekten skal derimot ikke brukes hvis du
analyserer landene i separate analyser, hvor det ikke referes til et gjennomsnitt.
Vekten aktiviseres ved å benytte samme fremgangsmåte som for designvekten. En
viktig tilleggsopplysning er at populasjons-størrelsevekten alltid skal brukes i
kombinasjon med designvekten. Dette gjøres ved å konstruere en ny vekt ved å
gange sammen dweight og pweight. Dette får du til ved å gå inn i menyen
Transform Compute. Skriv inn et variabelnavn i Target Variable-boksen (for
eksempel dpweight) før du noterer pweight*dweigh i Numeric Expressionrubrikken.
Alternativt kan du bruke syntakskommandovinduet:
*Konstruksjon av kombinert vektevariabel med basis i dweight og pweight.
compute dpweight = dweight*pweight.
23

Litteratur
KAPITTEL 1: Før vi setter i gang
Grønmo, S. (2004): Samfunnsvitenskapelige metoder, Bergen: Fagbokforlaget.
Hellevik, O. (2002): Forskningsmetode i sosiologi og statsvitenskap, Oslo:
Universitetsforlaget.
Johannessen, A., P. A. Tufte og L. Kristoffersen (2006): Introduksjon til
samfunnsvitenskapelig metode, Oslo: Abstrakt forlag, 3. utg.
Ringdal, K. (2001): Enhet og Mangfold, Bergen: Fagbokforlaget.
Skog, O. (2003): Å forklare sosiale fenomener, Oslo: Gyldendal Akademisk, 2. utg.
Thrane, C. (2003): Regresjonsanalyse i praksis, Kristiansand S: Høyskoleforlaget.
Øhrn, K. G. (2005): Hvordan lykkes med metode og statistikk i samfunnsfag?: en
hjelpebok med løsninger av eksamensoppgaver, Oslo: Universitetsforlaget, 2.utg.
24