Yleiskuvaus: ”Lähes kaikissa aineistoissa on havaintoyksikköjä, joista ei ole saatu kaikkien muuttujien arvoja eli vastaaja ei ole vastannut jokaiseen kysymykseen. Jos tällaiset puuttuvia tietoja sisältävät havaintoyksiköt poistetaan analyysista, pienenee havaintoyksikköjen määrä ja saatujen tulosten tarkkuus voi kärsiä. Puuttuvat tiedot saattavat vääristää analyysin tuloksia merkittävästikin, jos ne eivät ole jakautuneet satunnaisesti havaintoyksikköjen kesken. Puuttuvien havaintojen käsittelyyn kannattaakin perehtyä ennen varsinaisen analyysin aloittamista.” Lähde: Yhteiskuntatieteellinen tietoarkisto: tutkimusaineistojen tietohallinnan käsikirja.  http://www.fsd.uta.fi/tiedonhallinta/osa5.html#puuttuva_tieto

Kvantitatiivisia tutkimuksia julkaisevat kustantajat ovat myös viime vuosina yhä enemmän alkaneet vaatia puuttuvan tiedon käsittelyä julkaisuissa. SPSS (v. 17-20) tarjoa tähän ongelmaan varsin monipuoliset  ratkaisumahdollisuudet. Tämä kurssin on tarkoitettu tutkijoille, jotka julkaisevat kvantitatiivisia tutkimuksia ja käyttävät aineiston analysointiin SPSS:ää. Kurssin seuraaminen edellyttää SPSS:n perusanalyysien hallintaa.

Osaamistavoite: Kurssin jälkeen opiskelija ymmärtää puuttuvan tiedon keskeisen tematiikan, pystyy itsenäisesti SPSS:n avulla analysoimaan dataa puuttuvan tiedon näkökulmasta välttäen mahdollisuuksien mukaan puuttuvasta tiedosta aiheutuvaa harhaa analyysien tuloksissa.

Aika: 4.-5.2.2014, klo 9.15-16.00

Paikka:

4.2.
klo 9-12 Ls A31 (Päätalo)
klo 13-16 Mikroluokka 5 (Päätalo)

5.2.
klo 9-12 Ls K110 (Linna)
13-16 Mikroluokka 51 (Linna)

Opiskelijamäärä: max 20

Sisältö: Kurssi pidetään kahden päivän pituisena intensiivikurssina jakautuen päivittäin luentoihin ja harjoituksiin.

Ohjelma:

4.2.2014 klo 9.15-11.00 Luento: Puuttuvan tiedon keskeiset käsitteet
Harjoitukset klo 12-16: SPSS Missing Value Analyze (MVA)

5.2.2014 klo 9.15-11.00 Luento: Missing Value State of Art
Harjoitukset klo 12-16 SPSS Multiple Imputation (MI)

Ennakkotehtävä: Kirjoita lyhyt (1 A 4) jossa kerrot mistä yksiköstä olet, millaista aineistoa olet työstämässä ja analysoimassa. Lisäksi pohdi seuraavia kysymyksiä: Puuttuuko minun datasta havaintoja ja vaikuttaako puuttuva data analyysien tuloksiin?

Kurssin jälkeen opiskelijat kirjoittavat ennakkotehtävän päivityksen:  Miten nyt ajattelen ratkaisevani puuttuvan tiedon  kysymyksen tutkimuksessani.

Ennakkotehtävä palautetaan kurssin Moodle-alueelle, ohjeistus lähetetään osallistujille sähköpostitse (uta.fi-osoitteeseen).

Opettaja: Jari Westerholm, Jyväskylän yliopisto, Niilo Mäki-insitituutti