Mann-Whitney U test

En forskares val av analysmetod bör baseras på vilken skalnivå variablerna har samt antalet olika stickprov i undersökningen som analyseras. En variabel på nominalskala eller ordinalskala behöver en icke-parametrisk analysmetod då beräkningar inte kan utföras med de fyra olika räknesätten vid de skalorna och därmed inte heller aritmetiska medelvärden. Detta till skillnad mot parametrisk analysmetod som kan använda de fyra olika räknesätten och aritmetiska medelvärden. Det är av vikt att rätt metod används för rätt skalnivå för att få ett tillförlitligt resultat (Olsson & Sörensen 2011). En metod som går att använda om skalnivån är ordinal och undersökningen har två oberoende stickprov är ett Mann-Whitney test (Olsson & Sörensen 2011; Corder & Foreman 2014). Två oberoende stickprov syftar till slumpmässigt utvalda stickprov ur två olika populationer (McGee 2018). Ett Mann-Whitney test innebär ett rankbaserat test, där de sker en jämförelse mellan medelranker av två stickprov (McGee 2018). I ett Mann-Whitney test kombineras de två stickproven och rankas tillsammans där syftet är att bestämma om värdena från stickproven är slumpmässigt rankade eller om de är kluster i motsatta ändar vid en kombination. U står för teststatistiken för stickprovet som är av intresse och från detta värde beräknas ett Z-värde som kan användas tillsammans med normalfördelningen.

Z-värdet är en normal approximation över datan och U-statistiken för stickprovet som är av intresse i undersökningen. I statistikprogrammet SPSS, Statistical Package for the Social Sciences, ger ett Mann-Whitney U test en ranksumma och stickprovsstorleken för att jämföra de oberoende stickproven. Ett Mann-Whitney U test ger också Z-värdet och den asymptotiska tvåsvansade signifikansen som är lämplig att använda vid stora prover, det vill säga över 20 stycken. En signifikansnivå för ,05 är vanligt att använda för att få en 95% chans att en statistisk skillnad är verklig och inte på grund av en slump. Z-värdet kan också användas för att avgöra om hypotesen ska förkastas eller inte om -1.96 ≤ z*

≤1.96 det vill säga om Z-värdet är inom den kritiska regionen (Corder & Foreman 2014).

Ett test som visar en signifikant skillnad kan därefter jämföra ranker eller ranksummorna mellan grupperna för att ta reda på vilken grupp som visar en större skillnad. Antaganden som måste vara uppfyllda för att ett Mann-Whitney U test ska kunna genomföras är att mätningar gjorts på minst ordinalskala och att stickproven är slumpmässigt dragna (Verma 2016).

Studien kommer att använda sig utav ett Mann-Whitney test, genom statistikprogrammet SPSS, då datan är på nominal och ordinalskala och behöver därför en icke-parametrisk

analysmetod samt har två oberoende stickprov; män och kvinnor. Studien kommer även att använda en signifikansnivå på ,05 för att mäta om det finns en signifikant skillnad mellan män och kvinnor genom att jämföra signifikansen med den asymptotiska tvåsvansade signifikansen vid de olika aspekterna. Då en jämförelse mellan signifikans och asymptotiska tvåsvansade signifikansen visar samma sak som att utgå från Z-värdet kommer studien inte att utgå från Z-värdet. Studien kommer att vid skillnader jämföra rankerna mellan män och kvinnor för att se vilken grupp som visar en högre motivation.

Efter att ett resultat tagits fram via ett Mann-Whitney test kommer resultatet och teorin från kapitel 2 att analyseras och diskuteras i kapitel 5 för att bidra till studiens teoretiska och praktiska implikationer.

3.7 Kvalitetsmått

Enligt Bryman och Bell (2017) finns det två kriterier, reliabilitet och validitet, för bedömningen av en forsknings kvalitet. Reliabilitet betyder att forskaren måste veta att denne utför forskningen på ett tillförlitligt sätt (Weathington, Cunningham & Pittenger 2012; Bryman & Bell 2017; Dahmström 2011). Reliabiliteten vid mätning syftar till överensstämmelsen mellan mätningarna som utförs för att ge ett tillförlitligt mått på ett resultat så att det blir ungefär samma resultat varje gång den används (Bryman & Bell 2017; Weathington, Cunningham & Pittenger 2012). Vid kvantitativa undersökningar är reliabiliteten oftast aktuell att undersöka för att se hur stabilt ett mått egentligen är (Bryman & Bell 2017). Forskare strävar efter att använda de mest tillförlitliga mätanordningarna som existerar för att få ett tillförlitligt resultat då ett litet värde på en mätning kan leda till en nedåtgång för forskaren. Inget test är dock helt säkert, då mätfel har en påverkan på alla tekniker utav mätning (Weathington, Cunningham & Pittenger 2012). Cronbach’s alpha är ett statistiskt mått som kan antal tal mellan 0 och 1 för att mäta hur hög reliabilitet ett index har, det vill säga hur väl alla item som undersöks inom en aspekt överensstämmer. Ett värde på 0,9 eller högre tyder på en hög reliabilitet, ett värde mellan 0,7 och 0,89 anses vara acceptabel medan värden under 0,7 anses ha för låg reliabilitet (Olsson & Sörensen 2011).

Studien använder Cronbach’s alpha som reliabilitetsmått på påståendena, item, som används i studien för att se hur hög eller låg reliabilitet de har som avser att mäta samma område. I bilaga C finns ett fullkomligt Cronbach’s alpha på begreppen som tillhör studien och vilket värde som skulle fås om ett begrepp togs bort från studien. I de fall

som Cronbach’s alpha visade ett högre värde vid borttagande av ett begrepp, togs begreppet bort för att öka tillförlitligheten på studien. Studien fick tre begreppsområden;

social kontext, intresse och känslomässigt nära, som alla fick ett värde högre än 0,7 på Cronbach’s alpha vilket indikerar på en acceptabel nivå av reliabilitet. Däremot fick också studien tre stycken under 0,7 på Cronbach’s alpha; incitament 0,692, underhållning 0,652 och information 0,674 vilket alla indikerar på låg reliabilitet. Trots detta väljer forskaren att ta med dessa aspekter i resultatet samt analys och diskussion då forskaren ändå anser att de bidrar till studien, men är hela tiden medveten om att de anses ha låg reliabilitet.

Enligt Patel och Davidson (2011) har en forskare vid användning av en enkät en begränsad möjlighet att kontrollera tillförlitligheten i förväg. Patel och Davidson (2011) framhåller att det som forskaren kan göra är att undersöka om respondenterna förstår enkäten och dess utformning via till exempel en pilotstudie. Forskaren använde en pilotstudie innan webbenkäten skickades ut i syfte att minska risken för missförstånd.

Validitet syftar till giltighet och innebär en bedömning över huruvida undersökningens slutsatser hänger ihop eller inte med det som avses undersökas (Bryman & Bell 2013).

Hög validitet av en undersökning kännetecknas därför av att en forskare mäter den delen av ett fenomen som forskaren faktiskt vill mäta (Dahmström 2011; Patel & Davidson 2011). Det är däremot en utmaning att kvantifiera validitet då varken statistik eller index visar om ett område är giltigt. Istället kan validitet ses som en värdebedömning baserat på empiri och tolkningarna utifrån empirin och vad forskaren vill åstadkomma (Weathington, Cunningham & Pittenger 2012). Abstrakta fenomen, attityder och värderingar medför en utmaning att mäta då de inte är lika konkreta som till exempel längd eller vikt och då det heller inte går att observera abstrakta fenomen med blotta ögat (Patel & Davidson 2011). En attityd kan till exempel variera beroende på tillfälle och svaren riskerar därför att bli osäkra och varierande från gång till gång. Dessutom är det subjektiva åsikter som insamlas och inte fakta (Dahmström 2011). Istället behöver forskaren definiera vad fenomenet innebär och skapa ett instrument som ska kunna mäta det och därmed är det viktigt att fenomenet matchar med det forskaren vill mäta med instrumentet, det vill säga ha hög validitet. Det finns därmed ett par sätt för en forskare om att försäkra sig om att validiteten blir hög (Patel & Davidson 2011). Först och främst ska de parametrar som beskriver en begreppsvariabel vara adekvata med tillhörande relevanta mått för fenomenet vilket innebär att operationaliseringen är av vikt för validiteten (Dahmström 2011). Operationaliseringen behöver därför fånga de variabler

från litteraturstudierna inom ämnesområdet som ska undersökas för att formulera frågorna till en enkät exempelvis. Instrumentet används därefter för att genomföra mätningen och ge forskaren information som denne behöver för sin studie. Hela denna process är viktig för att få en god validitet av området som ska undersökas. Ett sätt att uppnå god validitet i denna process är att be någon väl insatt inom studieområdet granska instrumentet (Patel & Davidson 2011). Det finns risk att ett otestat frågeformulär eller alltför omfattande formulär kan ge mätfel till en studie och speciellt om formuläret är formulerat på ett krångligt sätt med exempelvis värderande, laddade eller ledande frågor.

Upphov till mätfel kan även bero på vilken mätmetod som används, om något är oklart i frågesituationen och därför är då intervjuer en fördel för validiteten då oklarheten kan redas ut snabbt medan det i enkäter är svårare att reda ut frågetecken snabbt (Dahmström 2011).

Forskaren lade ned tid på operationaliseringen för att definiera vad yttre och inre motivation består utav och därmed kunna mäta vad forskaren avser att mäta med sin studie. Dessutom övervägde forskaren noggrant frågorna som ingår i webbenkäten för att ha tydliga frågor utan värderingar och utan att vara ledande. Forskaren vidtog dessa åtgärder för att uppnå god validitet för det som studien undersöker. Forskaren hade däremot kunnat rådfråga och diskutera indikationerna med insatta personer inom yttre och inre motivation för att få en bedömning över hur väl indikationerna undersöker det som avses undersökas. Detta hade kunnat öka validiteten i studien ännu mer. Däremot under pilotstudien frågade forskaren hur väl respondenterna ansåg att indikationerna mäter begreppen som avses och de ansåg att indikationerna var överensstämmande med det studien avser att mäta. Detta ger forskaren andras åsikter utöver sin egen angående operationaliseringens giltighet.

3.8 Metodkritik

Forskaren kan ha påverkat studien omedvetet subjektivt vid val av teori, hypoteser och tolkning av resultatet på grund av tidigare erfarenheter och åsikter. Enligt Patel och Davidson (2011) har alla forskare erfarenhet och tidigare forskning som kan färga en forskning. Dessutom menar Patel och Davidson (2011) att de befintliga teorier som en forskare utgår från i en deduktiv ansats kan rikta och influera en forskning så att nya upptäckter förbises. Forskaren har däremot försökt medvetet att behålla objektivitet genom studiens gång. Enligt Bryman och Bell (2013) är en annan risk för subjektivitet

kopplade till respondenterna och att de utgår från sin subjektivitet när de svarar på frågorna på en enkät och därför kan frågorna uppfattas olika mellan olika människor och gör att informationen kan bli missvisande. Forskaren försökte undvika detta genom tydliga frågor och att använda en pilotstudie innan webbenkäten publicerades för att redan innan upptäcka om oklarheter fanns. Bryman och Bell (2013) förklarar även att med en enkät finns risk för att enkättrötthet uppstår till exempel om respondenterna anser att frågorna är densamma, om frågorna är för långa eller om det är för många frågor vilka ökar risken för att respondenten inte svarar ärligt på frågorna. Forskaren försökte undvika enkättrötthet hos respondenterna genom att hålla frågorna korta, varierande och enbart ha med frågor som tillförde något till studien. En annan risk som finns med att använda en webbenkät är att respondenterna inte har samma möjlighet att ställa frågor kring en fråga eller ett påstående de inte förstår och kanske kryssar i ett alternativ som inte stämmer överens med vad de egentligen tycker. Forskaren försökte undvika detta genom att skriva med sin email-adress för att ge dem en chans att fråga vid oklarheter. Detta sätt att ställa en fråga är däremot mer omständligt och tar längre tid för en respondent att utföra men möjligheten fanns ändå. Forskaren hade även kunnat använda sig utav befintliga frågor och påståenden som uppvisat ett högt Cronbach’s alpha för att inte få tre aspekter som ligger under det accepterade värdet.

Christensen et al. (2010) argumenterar för att minska risken för felkällor i datahanteringen bör forskaren utföra noggranna kontroller. Forskaren försökte undvika denna risk i största mån genom att överföra datan direkt från webbenkätenshemsida till statistikprogrammet.

Däremot kan inte detta anses helt riskfritt då forskaren sedan i statistikprogrammet fick sortera bort de respondenter som inte stämde överens med studiens urval vilket ger en risk för fel i hanteringen. Forskaren försökte dock vara noggrann i hanteringen för att undvika detta. Forskningen har dessutom fått en hög svarsfrekvens på webbenkäten med 224 respondenter vilket ger studien en styrka i sitt resultat. Därutöver var respondenterna jämnt fördelade mellan män och kvinnor, se 4.1 deskriptiv statistik, vilket ger en bra grund för jämförelse mellan män och kvinnor då det inte finns risk för ett snedfördelningar i resultat på grund av genusfördelningen.

4 Resultat