Hogyan boldogulj vele? - Az SPSS elemzés - Bevezető rész

A kvantitatív kutatás - melynek egyik leglényegesebb része a statisztikai elemzés - gyakran a szakdolgozat egyik legkomplexebb és időigényesebb, egyben sokaknak a legijesztőbb feladata - főleg akkor, ha a tanulmányaid alapján nem kifejezetten a számokkal való munka az erősséged. Ma már szinte a legtöbb gazdasági, pénzügyi és társadalom- vagy egyéb tudományterületen - pl. pszichológia, szociológia, pedagógia - megkövetelik a szakszerű kvantitatív kutatást, amihez a leggyakrabban az SPSS statisztikai elemzőprogramot szokták ajánlani (léteznek más programok is, mint pl. az R, PSPP, CogStat, ROPStat, SAS, Jamovi, STATA, G*Power. Ebben a blogbejegyzésben az SPSS program használatának alapjait mutatjuk be, de a későbbiekben igény szerint más programokkal is megismerkedhetünk.

Az SPSS (Statistical Package for the Social Sciences) egy olyan - viszonylag felhasználóbarátnak tekinthető - szoftver, amely a felvett adatok statisztikailag releváns értelmezését segíti, és különösen hasznos lehet akkor, ha az eredményeidet számszerűen, hipotézisvizsgálat formájában szeretnéd megállapítani és kifejezni. Az SPSS elemzéssel foglalkozó bejegyzés-szériánk első részében néhány hasznos tippet szeretnénk adni, hogy hogyan állj neki egyáltalán az SPSS elemzésnek.

1. Ismerkedj meg a programmal

Mielőtt belemerülnél az elemzések világába, ajánlott alaposan megismerkedni az SPSS szoftverrel. Tanulmányozd az alapfunkciókat, és az interfészt. Sok tananyag, online forrás, és tutorial videó létezik, amelyek segítenek az alapok elsajátításában, de arra készülj fel, hogy autodidakta módon igen időigényes megtanulni a program helyes alkalmazását. Rengeteg időt spórolhatsz, ha egy hozzáértő embert találsz, aki bevezet a program rejtelmeibe és célodnak és szintednek megfelelően magyarázza el a program használatát. Nyilván itt is fontos a fókuszált munka, hiszen vannak olyan funkciók és lehetőségek, amik jelenleg a számodra és a dolgozatod szempontjából irrelevánsak. Ebben is leginkább egy olyan ember tud Neked segíteni, aki tudja, hogy mi az amit Neked most mindenképpen meg kell ismerned, és mi az, amire csak akkor van szükséged, ha mélyebben szeretnél belemerülni a kvantitatív alapú kutatások és statisztikai elemzések világába.

2. Adatgyűjtés és adatminőség

Az elemzés csak abban az esetben lesz sikeres, ha az adatok, amelyeken alapul, szintén megfelelő formában állnak rendelkezésre. Gondoskodj róla, hogy az adatgyűjtés folyamata megbízható legyen, és az adatok ne tartalmazzanak túl nagy torzításokat vagy markáns hibákat. Ellenőrizd a kitöltött űrlapokat, vagy a digitalizálva gyűjtött adatlapokat, gondoskodj az összes adat  rendszeresítéséről, például Excel táblázatban, ami már alkalmas arra, hogy az adatminőség javításán kezdj dolgozni. Az adatgyűjtés módja, a mintavételi eljárás, a minta mérete és tulajdonságai, és maga az adatfelvételi eszköz és módszer is mind fontos szerepet fog játszani abban, hogy a kutatásod eredményei végül mennyire lesznek értékesek. Az adatfelvétel esetében törekedj arra, hogy olyan kérdéseket tegyél fel, amelyre érkező válaszokat fogod tudni hasznosítani a dolgozatban. Elsőre ez egy triviális tanácsnak tűnhet, de gyakran találkozunk olyan helytelenül összeállított kérdéssorral, ami nem támogatja megfelelően a kutatást. Erről bővebben még írunk a blogtéma további kiadásaiban. Fontos az adatfelvétel értékének szempontjából meghatározni azt, hogy ún. validált kérdőíveket szeretnél-e használni, vagy saját kérdéseket feltenni. Mindkét útnak megvannak az előnyei és buktatói is, de abban az esetben, ha tudományos szempontból elfogadható eredményeket szeretnél prezentálni, mindenképp valamilyen validált** adatfelvételi eszközt/eszközöket kell használni. 

***korábbi kutatások során, az eredmények érvényessége szempontjából tudományosan elfogadott, megfelelő pszichometriai jellemzőkkel rendelkező adatfelvételi eszköz (többnyire kérdéssor). A validált adatfelvételi eszközök, mintavételi típusok, kutatási elrendezések (designok), mintajellemzők meghatározása szintén egy későbbi kiadásban lesznek részletezve

 3. Hipotézisek és célkitűzések

Mielőtt belemerülnél az SPSS elemzésbe, vagy akár magába a kutatásba, határozd meg a szakdolgozatod célkitűzéseit, kutatási kérdéseit és végül valamilyen elmélettel alátámasztható, indokoltan vizsgált hipotéziseit. Ez lehetővé teszi, hogy az egész kutatás valamilyen értékre, tudományosan, szakmailag elfogadott kutatási célra épüljön. Lehet, hogy ez triviális tanácsnak tűnik, de hidd el, hogy nem véletlenül hívjuk fel erre kiemelten a figyelmed. Számos esetben azzal találkozunk, hogy a kutatási folyamat már elindul, ugyanakkor még nincs meghatározva, hogy a megszerzett adatokkal pontosan mit szeretnénk majd kezdeni, vagy a hipotézisek nem megfelelőek. Ez felesleges munkát és a későbbiek során fejfájást okozhat, amit megspórolhatsz akkor, ha a kutatási folyamat egy ésszerű logikai sorrend és szakmailag indokolt célok és kérdések szerint épül fel. 

4. Adatok elemezhetővé tétele - adattisztítás, kódolás és adattranszformáció

A megszerzett adatokat nyers formájukból elő kell készíteni az elemzéshez. Az SPSS program - hasonlóan a többi statisztikai programhoz - csak számszerű adatokat tud értelmezni és azzal tud dolgozni és műveleteket végrehajtani. Így tehát a felvett adataidat, akor is, ha szövegesek mindenképpen számokká kell kódolni ahhoz, hogy dolgozhass velük. Az adattisztítás azt jelenti, hogy a nem megfelelő, hibásan felvett adatokat ki kell szűrni és kivenni az elemzésből, még akkor is, ha ez a minta elemszámának csökkenésével jár együtt, mivel a helyzetelnül felvett, hibás illetve kiugró adatok torzítják a végeredményt. Az SPSS program nagyon profin ki tudja szűrni a szerinte hibás, torzítást eredményező adatokat, de ehhez az is kell, hogy Te a saját elméleti tudásod alapján tudd, hogy mit szeretnél kiszűrni, mi számíthat hibás adatnak a Te kutatásodban. Az adattranszformáció pedig azt jelenti, hogy a felvett adatokat a kapcsolódó elméleti háttér alapján olyan struktúrákba, modellekbe rendezed, amivel markánsabb, jelentősebb és nem utolsó sorban tudományosan is elfogadható eredményeket tudsz kimutatni. 

5. Hipotézisvizsgálat - Megfelelő elemzési módszerek kiválasztása

Miután az adataidat az elemzéshez a lehető legalkalmasabb formába hoztad, jöhet a lényegi munka, vagyis a hipotéziseid vizsgálatát leginkább lehetővé tévő elemzési módszerek kiválasztása. Most már kezded érzékelni, hogy miért volt fontos, hogy az adatfelvétel az elméletnek megfelelően, szakszerűen történjen meg, mert ha a felvett adatok nem alkalmasak a hipotézisek ellenőrzésére, akkor ezen a ponton gyakorlatilag az alapstratégiát meg kell változtatni, ami nem lehetetlen, de nem is kellemes, és borítékolhatod, hogy az eredményeid kevésbé lesznek szemléletesek. Az SPSS számos módszert kínál arra, hogy az adataidat olyan modellekbe rendezd, amelyek a lehető leginkább támogatják a hipotéziseid értékelését. Erről is a későbbiekben fogunk bővebben írni.

6. Az eredmények értelmezése

Az eredményeket nem elég az elemzésekkel megkapni, hanem azokat tudni kell értelmezni is, amihez ismerned kell a statisztikai alapfogalmakat, műveleteket, eredménykategóriákat és ezeknek tudományos és programspecifikus elnevezéseit. Nyugalom, itt is remekül lehet puskázni akár írásos, akár youtube tutorial-ból, magyar vagy angol nyelven, sőt vannak kiváló módszertani tanulmányok, kiadványok is  amik segíthetnek, ám itt is magasan a leghatékonyabb megoldás az, ha van valaki aki el tudja Neked magyarázni az eredmények értelmezését. Nem árulunk el nagy titkot azzal sem, hogy mesterséges intelligenciával is sok mindent elmagyaráztathatunk magunknak, de azt mindenképp fontos figyelembe venni, hogy a statisztikai eredmények értelmezésénél, főleg a konkrét eredményekénél sok esetben előfordul, hogy az AI teljesen hibás értelmezést ad, amit viszont nehéz megkülönböztetni a helytálló megállapításoktól akkor, ha nem igazán értünk hozzá - és sokszor akkor is, ha értünk hozzá. Nagyon kockázatos egy az egyben bemásolni például egy AI által generált értelmezést, mert gyakorlatilag 50-50%, hogy teljesen hibás vagy helytálló a kapott magyarázat.

7. Az eredmények szakszerű szemléltetése

Az SPSS program az eredményeket a saját formaiságával mutatja be, azonban ez a legtöbb esetben nem vihető át egy az egyben a dolgozatodba, részben értelmezési másrészt formai követelmények miatt. Alapvető, hogy az eredményeket az tudja szakszerűen és átláthatóan megjeleníteni, aki egyáltalán tudja őket értelmezni - ehhez pedig az SPSS program és általában a statisztikai módszertan alapvető ismeretei szükségesek, de inkább nélkülözhetetlenek. Az eredményeket az iskola által meghatározott formai követelményrendszer szerint kell a dolgozatban megjeleníteni (sok esetben ez APA** módszertant jelent, főleg a társadalomtudományok esetében). Ez történhet vizuális szemléltetés - grafikon, táblázat, illetve szöveges formában is. Fontos, hogy a grafikonok illetve táblázatok tartalma legyen szövegesen is megjelenítve, azonban ezt is inkább jellemezze egyfajta összehangoltság és ne a duplikáció vagy önismétlés. Ugyanakkor a fontos eredmények mindenképpen kerüljenek valamilyen formában bemutatásra, és lehetőség szerint úgy, hogy azt egy külső szemlélő is képes legyen értelmezni.

**Az APA és más gyakran elvárt formai és hivatkozási rendszer külön teljes blogsorozatban részletesen bemutatásra kerül

8. Gyakorolj és ne add fel!

Ezt akár azonnal meg is teheted, itt és most: