ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH - Adrian Gorgosz - Paulina Tupalska
ANALIZA WIELOPOZIOMOWA (AW) Multilevel Analysis Obecna od lat 80. Popularna i coraz częściej stosowana w naukach społecznych Specjalistyczne ośrodki zajmujące się wyłącznie zagadnieniami związanymi z AW (The Centre for Multilevel Modelling) Rozwój oprogramowania statystycznego (IBM SPSS Statistics) Programy przeznaczone wyłącznie na potrzeby AW (MLwiN, HLM) Założono, że zachowania indywidualne są ukontekstowane w relacjach do szerszych struktur Jaka przyszłość dla AW? Hipoteza artykułu nawiązuje do jego tytułu
WIELOPOZIOMOWOŚĆ Jest istotą i warunkiem początkowym dla zastosowania analizy wielopoziomowej Co to znaczy? Przykład Jeśli istnieją jakieś zjawiska A, które można określić w danym czasie i przestrzeni oraz istnieją takie warunki B, które sprawiają, że poszczególne zjawiska w zbiorze A - a1, a2, a3, - można pogrupować/podzielić ze względu na warunki B b1, b2, b3, - to sytuacja ta przedstawia co najmniej dwa poziomy potencjalnej analizy. Analiza wielopoziomowa jest próbą badania zjawisk na różnych poziomach emergencji
POZIOM 3 oddział firmy szpital szkoła partia polityczna POZIOM 2 menadżer lekarz klasa struktury regionalne POZIOM 1 pracownik pacjent uczeń członek partii rys. Przykłady układów z zagnieżdżonymi danymi
W analizie wielopoziomowej chodzi o przedstawienie w modelu statystycznym wszystkich zależności, które występują na poziomie pierwszym, przy uwzględnieniu zależności między zmiennymi na każdym kolejnym wyższym poziomie Na poziomach ponadjednostkowych (np. poziom drugi) zależności pomiędzy zmienną zależną a niezależną mogą przedstawiać się odmiennie niż na poziomach grupowych Gdy nie uwzględnimy wyższych poziomów, model statystyczny na poziomie jednostkowym nie będzie przedstawiał faktycznych zależności między zmiennymi
Relacje między poziomami mikro a makro 9 8 W A R T O Ś Ć 7 6 5 4 3 A B C A, B, C Grupa 1 Grupa 2 Grupa 3 Średnie grupowe Y 2 1 0 1 2 3 4 5 6 7 WARTOŚĆ X
FILARY ANALIZY WIELOPOZIOMOWEJ
ANALIZA WARIANCJI Analiza wariancji (ANOVA) to metoda rozstrzygania o istnieniu różnic między średnimi w kilku populacjach. Gdy różnice zostaną stwierdzone, możemy założyć, że istnieje jakiś czynnik, który powoduje, że populacje te faktycznie się różnią. Możemy wyznaczyć: Średnią arytmetyczną ogólną w ramach całej populacji, która obejmuje wszystkie obserwacje Średnią arytmetyczną grupową średnia w ramach każdej grupy w populacji
Znając powyższe średnie, można także obliczyć: losowe Odchylenie = jednostkowy pomiar obserwacji średnia w ramach danej grupy (np. wynik pojedynczego ucznia) Odchylenie zabiegowe = średnia w ramach danej grupy średnia ogólna ICC międzyklasowy współczynnik korelacji na jego podstawie wnioskujemy, jak istotny wpływ wywiera podział na poszczególne grupy obserwacji na kolejnych poziomach Dzięki analizie wariancji istnieje możliwość rozbicia miary zmienności badanej populacji na: część związaną z danym poziomem (np. podział na klasy) część, której nie da się wyjaśnić (zmienność taka zawsze wystąpi w populacji)
ANALIZA REGRESJI Wykorzystywana do wyszukiwania związków pomiędzy zmiennymi zależnymi i niezależnymi CHARAKTER KORELACYJNY PRZYCZYNOWO - SKUTKOWY Budując model równania regresji jednej zmiennej, przyjmujemy założenia: 1. Związek między X i Y ma charakter liniowy 2. Mamy tylko jedną zmienną niezależną 3. Składnik losowy ma wartość średnią równą 0 i pewną dodatnią wariancję
Przy powyższych założeniach, zależność pomiędzy cechami X i Y możemy przedstawić, jako: Y = a + bx + Gdzie: Y zmienna zależna będąca przedmiotem badania X zmienna niezależna a,b pewne parametry (a wyraz wolny, miejsce przecięcia się zmiennej X z osią współrzędnych Y; b współczynnik regresji) - składnik losowy reprezentujący nieobserwowalny wpływ innych czynników (różnica pomiędzy wartością y przy danym x)
ANALIZA WIELOPOZIOMOWA BUDOWA MODELU I etap II etap III etap IV etap V etap Zmienna zależna = średnia ogólna całej populacji + odchylenie zabiegowe + odchylenie losowe + zmienna niezależna z poziomu pierwszego (poprzedzona współczynnikiem kierunkowym regresji) + zmienna niezależna z drugiego poziomu (np. średnia grupowa) + dodatkowy element resztowy na poziomie drugim + element interakcyjny pomiędzy zmiennymi niezależnymi z poziomu pierwszego i drugiego
EGZEMPLIFIKACJA METODY PRZYKŁAD 1 Zadanie: zbadanie poparcia dla UE ze strony mieszkańców krajów członkowskich Poziomy: indywidualny (1), partyjny (2), narodowy (3) Zmienna zależna (poparcie) bazowała na wypadkowej dwóch pytań: 1. Czy myślisz że członkowstwo w UE jest: złe / ani dobre ani złe / dobre? 2. Czy szybkość europejskiej integracji powinna: zatrzymać się / być większa?
Zmiennym niezależnymi były: POZIOM 1 LI sztuczna zmienna pokazująca czy dana jednostka znalazła się w dolnym kwartylu rozkładu dochodu narodowego HI sztuczna zmienna, pokazuje czy dana jednostka się w górnym kwartylu rozkładu dochodu narodowego ID ideologiczne określenie się respondenta (skala: najbardziej na lewo - 0, najbardziej na prawo 9) OL ocena posłuchu dla opinii przywódców ze strony jednostek (skala od 1 do 4) Płeć skala 1 mężczyzna, 0 - kobieta Wiek w latach POZIOM 2 Cue wskaźnik poparcia dla integracji europejskiej ze strony konkretnej partii politycznej (1 przeciw, 7 poparcie) POZIOM 3 Tenure ile lat dane państwo jest członkiem UE Trade wskaźnik bilansu handlowego danego państwa w ramach UE
WYNIKI Z poziomu pierwszego jedynie 2 z 6 zmiennych okazały się istotne statystycznie wiek oraz ocena posłuchu dla opinii przywódców ze strony jednostek (OL). Współczynnik kierunkowy związany z OL ma pozytywny wpływ na poparcie dla UE, a ten związany z wiekiem negatywny. Ważny okazał się także element partyjny Cue wskaźnik poparcia dla integracji europ. Ze strony konkretnej partii politycznej Zmienne z poziomu trzeciego Tenure i Trade okazały się nieistotne statystycznie
PRZYKŁAD 2 Zadanie: zbadanie poziomu poczucia politycznej sprawczości Poziomy: jednostkowy oraz grupy studenckie Studenci uczestniczyli w programach edukacyjnych związanych z zagadnieniami politycznymi. Wynik: Wykazano duży wpływ zaproponowanych programów na poziom deklarowanej politycznej sprawczości
PODSUMOWANIE AW jest odpowiednia do badania złożonej rzeczywistości społecznej Bada zjawiska na różnych poziomach emergencji (wielopoziomowość) wyodrębnia i uwzględnia procesy oraz zmiany zachodzące na różnych poziomach AW odzwierciedla relacje pomiędzy jednostką a szerszą strukturą społecznopolityczną AW wyodrębnia najważniejsze zmienne niezależne Jej stosowanie zwraca uwagę na znaczenie procesu emergencji w życiu społecznym, konteksty otaczające jednostkę, role szerszych struktur (w których funkcjonuje jednostka)