Wprowadzenie do metod badań społecznych

WYKŁAD 9

Rodzaje błędów

Definicja

Błąd to różnica między wartością
obserwowaną (wynikiem) a wartością „
prawdziwą”.

I Błędy wynikające z właściwości narzędzia
pomiaru:

1. Błędy wynikające z posługiwania się różnymi

technikami zbierania danych (kwestionariusz
F2F, ankieta pocztowa, CATI, CAPI, itp.).

2. Błędy wynikające z operacjonalizacji – błędy

pytań:
a. usytuowanie w kwestionariuszu (na

początku, na końcu, efekt kontekstu);

b. sposób konstrukcji skali (ze środkowym

punktem, bez środkowego punktu, z
uwzględnieniem „ nie wiem”);

c. pytania drażliwe (mogą oddziaływać na

wszystkie pozostałe odpowiedzi).

II Błędy powstające w trakcie badania w wyniku

interakcji między ankieterem a respondentem.

1.

„Błędy” ankietera:

a.

oddziaływanie ankietera na odpowiedzi

respondenta

(i)

poprzez obserwowalne cechy fizyczne (płeć,
wiek, rasa, status społeczny, wygląd);

(ii)

poprzez sposób prowadzenia wywiadu
(ewentualna perswazja);

(iii)

poprzez wrażenie (np. atrakcyjność).

b. motywacja ankietera do pracy;
c. kwalifikacje;
d. przekonanie o ustrukturyzowaniu poglądów

respondenta, co powoduje wybiórczość w
zadawaniu pytań i dopowiadanie sobie informacji.

III „Błędy” po stronie ankietera.

1.Wyobrażenie o instytucji

prowadzącej badania (efekt
sponsora).

2.Wyobrażenie o celu badania

(naukowe, komercyjne).

3. Kwestia anonimowości.
4. Skłonność do potakiwania.
5. Udzielanie odpowiedzi politycznie

poprawnych, społecznie
akceptowalnych.

IV Wszystkie błędy związane z

doborem i realizacją próby.

V Niektóre błędy na etapie analizowania
danych.

1.

Kwestia uwzględniania w analizach
zmiennych reprezentujących różne poziomy:

a.

poziom respondentów, poziom gmin,
poziom krajów;

b.

w badaniu panelowym – poziom obserwacji

dla każdego respondenta w kolejnych
punktach czasowych, poziom
respondentów;

c.

analizy metodologiczne nad efektem

ankietera – poziom respondentów, poziom
(cechy) ankieterów.

Jak sobie radzić z analizami, w
których są zmienne reprezentujące
różne poziomy agregacji?

Należy się w takich analizach
posługiwać

modelami

wielopoziomowymi

(Domański

i

Pokropek 2011).

Korzyści posługiwania się modelami wielopoziomowymi:
(i) Możliwość wprowadzania do rozpatrywanego modelu

cech „kontekstowych”. Gdy np. analizując połączony
zbiór danych ESS z 22 krajów chcemy ustalić, jak
poziom zamożności kraju (mierzony GDP per capita)
oddziałuje na siłę związku między poziomem
wykształcenia a zarobkami.

(ii)Możliwość

ustalenia

jaka

część

zróżnicowania

wyjaśnianego zjawiska wynika z wpływu cech
mierzonych na poziomie jednostek a jaka z wpływu
cech kontekstowych (dekompozycja wariancji).

(iii)Możliwość ustalenia, na ile zależności między

rozpatrywanymi zmiennymi (np. wykształceniem i
zarobkami) różnią się między kategoriami (np. krajami)
drugiego poziomu.

(iv)Możliwość

uniknięcia

błędów

we

wnioskowaniu

dotyczącym istotności statystycznej, o których poniżej.

Posługiwanie się bowiem klasycznymi
modelami (np. regresji liniowej) do analizy
zmiennych reprezentujących różne
poziomy powoduje:
(i) Zawyżenie

wielkości

błędów

standardowych

parametrów

(np.

współczynników

regresji),

a

więc

wysnuwanie

z

takiej

analizy

nieuprawnionego wniosku, że zależność
jest statystycznie istotna (odrzucenie
hipotezy „zerowej”);

(ii)Błędne oszacowania siły zależności

między rozpatrywanymi zmiennymi.