Polkuanalyysi - mikä se on ja kuinka sitä käytetään

Polkuanalyysi on monimuotoisen regression muoto Tilastollinen analyysi jota käytetään arvioimaan syy-malleja tutkimalla riippuvaisen muuttujan ja kahden tai useamman riippumattoman muuttujan välisiä suhteita. Tätä menetelmää käyttämällä voidaan arvioida sekä muuttujien välisten syy-yhteyksien suuruus että merkitys.

Avainvaihtoehdot: Polkuanalyysi

Polkuanalyysi on teoreettisesti hyödyllinen, koska se, toisin kuin muut tekniikat, pakottaa meidät määrittelemään suhteet kaikkien riippumattomien muuttujien välillä. Tuloksena on malli, joka näyttää syy-mekanismeista, joiden kautta riippumattomat muuttujat tuottavat sekä suoria että epäsuoria vaikutuksia riippuvaiseen muuttujaan.

Polututkimuksen kehitti geneetikko Sewall Wright vuonna 1918. Ajan myötä menetelmä on otettu käyttöön muissa fysiikan ja yhteiskuntatieteissä, mukaan lukien sosiologia. Nykyään voidaan suorittaa polkuanalyysi tilastollisilla ohjelmilla, mukaan lukien muun muassa SPSS ja STATA. Menetelmä tunnetaan myös syy-mallinnuksena, kovarianssirakenteiden analyysinä ja piilevänä muuttujana.

Polun analysoinnissa on kaksi päävaatimusta:

1. Kaikkien muuttujien välisten syy-suhteiden on kuljettava vain yhteen suuntaan (sinulla ei voi olla paria muuttujia, jotka aiheuttavat toisiaan)
2. Muuttujilla on oltava selkeä aikajärjestys, koska yhden muuttujan ei voida sanoa aiheuttavan toista, ellei se etene sitä ajoissa.

Tyypillisesti polkuanalyysiin sisältyy polkukaavion rakentaminen, jossa määritetään erityisesti muuttujien väliset suhteet ja niiden välinen syy-suunta. Polkuanalyysiä suoritettaessa voidaan ensin rakentaa an tulopolkukaavio, joka kuvaa oletetut suhteet. Jonkin sisällä polkukaavio, tutkijat käyttävät nuolia osoittaakseen kuinka eri muuttujat liittyvät toisiinsa. Nuoli, joka osoittaa esimerkiksi muuttujasta A muuttujaan B, osoittaa, että muuttujaan A oletetaan vaikuttavan muuttujaan B.

Kun tilastollinen analyysi on valmis, tutkija rakentaa sitten lähtöpolkukaavio, joka kuvaa suoritetun analyysin mukaan suhteita sellaisina kuin ne ovat todellisuudessa olemassa. Jos tutkijan hypoteesi on oikea, tulo- ja lähtöpolkukaaviot osoittavat samat suhteet muuttujien välillä.

Tarkastellaan esimerkkiä, jossa polun analysoinnista voi olla hyötyä. Sano hypoteesi, että ikä vaikuttaa suoraan työtyytyvyyteen, ja oletat, että sillä on positiivinen vaikutus, niin että mitä vanhempi, sitä tyytyväisempi työhönsä on. Hyvä tutkija ymmärtää, että on varmasti muita riippumattomia muuttujia, jotka vaikuttavat myös riippuvaiseen työtyytyväisyysmuuttujaamme: esimerkiksi autonomia ja tulot.

Polkuanalyysin avulla tutkija voi luoda kaavion, joka kuvaa muuttujien välisiä suhteita. Kaavio osoittaa yhteyden iän ja autonomian välillä (koska tyypillisesti vanhempi on, sitä suurempi aste) itsenäisyys heillä on) ja iän ja tulojen välillä (jälleen kerran, yleensä on positiivinen suhde kaksi). Sitten kaavion tulisi myös näyttää näiden kahden muuttujasarjan ja riippuvaisen muuttujan väliset suhteet: työtyytyväisyys.

Jälkeen käyttämällä tilastollista ohjelmaa näiden suhteiden arvioimiseksi voidaan sitten piirtää kaavio osoittamaan suhteiden suuruus ja merkitys. Tutkija voi esimerkiksi löytää, että sekä itsenäisyys että tulot liittyvät työtyytyväisyyteen, että toinen näistä kahdesta muuttujilla on paljon vahvempi yhteys työtyytyväisyyteen kuin toisella tai että kummallakaan muuttujalla ei ole merkittävää yhteyttä työhön tyytyväisyyttä.

Vaikka reittianalyysi on hyödyllinen syy-hypoteesien arvioinnissa, tällä menetelmällä ei voida määrittää suunta syy-yhteyttä. Se selventää korrelaatiota ja osoittaa syy-hypoteesin vahvuuden, mutta ei todista syy-suunnan suuntaa. Ymmärtääkseen syy-yhteyden suunnan tutkijat voivat harkita johtamista kokeelliset tutkimukset jossa osallistujat jaetaan satunnaisesti hoito- ja kontrolliryhmään.

Opiskelijat, jotka haluavat lisätietoja polun analysoinnista ja sen suorittamisesta, voivat viitata Exeterin yliopiston yleiskatsaukseen Polkuanalyysi ja Sosiaalitieteilijöiden kvantitatiivinen tietoanalyysi kirjoittanut Bryman ja Cramer.

Päivitetty esittäjä: Nicki Lisa Cole, Ph.