Kelio analizė yra daugialypės regresijos forma Statistinė analizė kuris naudojamas priežastiniams modeliams įvertinti tiriant priklausomo kintamojo ir dviejų ar daugiau nepriklausomų kintamųjų ryšius. Taikant šį metodą galima įvertinti tiek priežastinių ryšių tarp kintamųjų dydį, tiek reikšmingumą.
Pagrindiniai pasirinkimai: kelio analizė
- Atlikdami kelio analizę, tyrėjai gali geriau suprasti priežastinius ryšius tarp skirtingų kintamųjų.
- Norėdami pradėti, tyrėjai nubraižo diagramą, kuri naudojama kaip vaizdinis santykio tarp kintamųjų vaizdas.
- Tada tyrėjai naudoja statistinę programinę įrangą (tokią kaip SPSS ar STATA), kad palygintų savo prognozes su faktiniu kintamųjų ryšiu.
Apžvalga
Kelio analizė yra teoriškai naudinga, nes, skirtingai nuo kitų metodų, ji verčia mus nurodyti ryšius tarp visų nepriklausomų kintamųjų. Rezultatas yra modelis, parodantis priežastinius mechanizmus, per kuriuos nepriklausomi kintamieji daro tiesioginį ir netiesioginį poveikį priklausomam kintamajam.
Kelio analizę sukūrė genetikas Sewall Wright 1918 m. Laikui bėgant šis metodas buvo pritaikytas kituose fiziniuose ir socialiniuose moksluose, įskaitant sociologiją. Šiandien galima atlikti kelių analizę naudojant statistines programas, įskaitant SPSS ir STATA. Šis metodas taip pat žinomas kaip priežastinis modeliavimas, kovariacijų struktūrų analizė ir latentiniai kintamieji modeliai.
Kelio analizės atlikimo prielaidos
Kelio analizei yra du pagrindiniai reikalavimai:
- Visi priežastiniai ryšiai tarp kintamųjų turi vykti tik viena kryptimi (negalite turėti poros kintamųjų, kurie sukelia vienas kitą)
- Kintamieji turi būti aiškiai išdėstyti pagal laiką, nes negalima sakyti, kad vienas kintamasis sukelia kitą, nebent jis būtų pateiktas anksčiau.
Kaip naudotis kelio analize
Paprastai kelio analizė apima kelio diagramos sudarymą, kurioje konkrečiai išdėstomi ryšiai tarp visų kintamųjų ir priežastinė kryptis tarp jų. Atliekant kelio analizę, pirmiausia galima sukonstruoti įvesties kelio schema, kuris iliustruoja hipotezuoti santykiai. Į a kelio schema, tyrėjai naudoja rodykles, norėdami parodyti, kaip skirtingi kintamieji yra susiję vienas su kitu. Rodyklė, nukreipta nuo, tarkime, kintamojo A į kintamąjį B, rodo, kad kintamasis A yra hipotezuotas ir daro įtaką kintamajam B.
Atlikęs statistinę analizę, tyrėjas sukonstruos išėjimo kelio schema, kuris parodo santykius, kokie jie iš tikrųjų egzistuoja, remiantis atlikta analize. Jei tyrėjo hipotezė yra teisinga, įvesties kelio diagrama ir išėjimo kelio diagrama parodys tuos pačius ryšius tarp kintamųjų.
Kelių analizės pavyzdžiai tyrimuose
Panagrinėkime pavyzdį, kuriame kelio analizė galėtų būti naudinga. Tarkime, kad jūs hipotezuojate, kad amžius daro tiesioginį poveikį pasitenkinimui darbu, ir hipotezuojate, kad jis daro teigiamą poveikį: kuo vyresnis, tuo labiau patenkintas bus savo darbu. Geras tyrėjas supras, kad tikrai yra ir kitų nepriklausomų kintamųjų, kurie taip pat daro įtaką mūsų priklausomam kintamumui, ty pasitenkinimui darbu, pavyzdžiui, autonomija ir pajamos.
Naudodamas kelio analizę tyrėjas gali sukurti diagramą, kurioje pavaizduoti ryšiai tarp kintamųjų. Diagrama parodytų ryšį tarp amžiaus ir savarankiškumo (nes paprastai kuo senesnis, tuo didesnis laipsnis) autonomija, kurią jie turės), ir tarp amžiaus ir pajamų (vėlgi, tarp du). Tada diagrama taip pat turėtų parodyti ryšius tarp šių dviejų kintamųjų grupių ir priklausomo kintamojo: pasitenkinimas darbu.
Po naudojant statistinę programą kad būtų galima įvertinti šiuos santykius, galima perbraižyti diagramą, kad būtų parodytas santykių dydis ir reikšmingumas. Pavyzdžiui, tyrėjui gali paaiškėti, kad tiek savarankiškumas, tiek pajamos yra susijusios su pasitenkinimu darbu, kad vienas iš šių dviejų kintamieji turi daug stipresnį ryšį su pasitenkinimu darbu nei kiti, arba kad nė vienas kintamasis neturi reikšmingo ryšio su darbu pasitenkinimas.
Kelio analizės stipriosios ir silpnosios pusės
Nors kelio analizė yra naudinga priežastinėms hipotezėms įvertinti, šis metodas negali nustatyti kryptis priežastingumo. Tai paaiškina koreliaciją ir nurodo priežastinės hipotezės tvirtumą, tačiau neįrodo priežastinio ryšio krypties. Norėdami visiškai suprasti priežastingumo kryptį, tyrėjai gali apsvarstyti galimybę atlikti elgesį eksperimentiniai tyrimai kuriame dalyviai atsitiktinai paskirstomi į gydymo ir kontrolinę grupę.
Papildomi resursai
Studentai, norintys sužinoti daugiau apie kelio analizę ir kaip ją atlikti, gali kreiptis į Ekseterio universiteto apžvalgą Kelio analizė ir Kiekybinė duomenų analizė socialiniams mokslininkams pateikė Brymanas ir Crameris.
Atnaujinta pateikė Nicki Lisa Cole, Ph.