Forskningsprocessen
Fredrik Brunes
Avdelningen för Bygg‐ och Fastighetsekonomi Fastigheter och Byggande
2014‐09‐17
TRITA ‐ FOB ‐ Rapport 2014:6 ISBN 978‐91‐85783‐42‐7
Innehåll
1. Vad är forskning? ... 3
2. Vetenskapliga metoder för argumenten (Evidens) ... 5
2.1 Deduktion, dvs. slutledning ... 5
2.2 Hypotetisk-deduktiva metoden ... 6
3. Argument och krav på dessa ... 7
3.1 Krav 1. Korrekta begrepp och mätning (Construct Validity) ... 7
3.2 Krav 2. Belägg för kausalitet (Intern validitet) – finns orsakssamband? ... 9
3.3 Krav 3. Empirisk generaliserbarhet – hur väl beskriver urvalet populationen? ... 12
3.4 Argument för värderande frågor ... 13
4. Vetenskaplig metod: Induktion del 1, grundläggande val. ... 16
4.1 Undersökningsupplägget ... 16
4.2 Urval ... 17
4.3 Datainsamlingsstrategi ... 17
4.4 Analysen av data ... 25
5. Analys av förklarande fråga med både extensiv och intensiv studie. ... 32
5.1 Kontrafaktisk skillnad med extensiv studie ... 32
5.2 Isolering med extensiv studie ... 34
5.3 Kausal generaliserbarhet ... 35
5.4 Orsaksmekanism och Tidsordningen med intensiv studie ... 36
6. Svaren (Inferensen) och osäkerheten ... 41
6.1 Problem med induktion ... 41
6.2 Problem med deduktion ... 42
7. Bidraget ... 44
References ... 47
1. Vad är forskning?
Den här rapporten har till syfte att kortfattat beskriva forskningsprocessen. Ska man uttrycka sig lite extremt och enkelt så är forskning egentligen ”bara” att komma på en fråga man vill ha besvarad, se figur 1.1.
Sedan kan arbetet från frågetecken till utropstecken vara mer eller mindre problematiskt. Jag ska här beskriva forskningsarbetet som ett linjärt arbete från ax till limpa enligt figur 1.2. Vilket absolut inte är hela sanningen eftersom arbetet många gånger måste tas om och tidigare skeden måste ändras för att arbetet ska kunna slutföras på ett så bra sätt som möjligt. Men, det är ett bra sätt att förklara forskning.
Det första en forskare måste göra är att komma på en intressant forskningsfråga. Vad intresserar dig som forskare, vad intresserar samhället eller snarare vilka problem vill samhället ha lösta? Hur långt har man kommit i att besvara en tidigare fråga? Var kan jag i så fall ta vid och fortsätta studien? Om vi anser att vår fråga uppfyller dessa krav blir nästa uppgift att fundera på vilken typ av fråga det handlar om. Här brukar man skilja på beskrivande, förklarande eller värderande frågor, se tabell 1.1.
Beskrivande Vad? Hur?
Förklarande Vad påverkar? Varför?
Värderande Hur borde det vara?
Beskrivande frågor försöker beskriva ett tillstånd. Det kan vara: Hur stort är fastighetsbeståndet i Kalmar? Hur stor del av svenska folket bor i villa? Hur lång tid tar en fastighetsaffär? Förklarande frågor försöker förklara varför eller hur ett tillstånd har uppstått. Det kan vara: Varför är
fastighetsbeståndet i Kalmar 20000 lägenheter? Varför bor 60 % av svenskarna i villa? Varför tar en fastighetsaffär två månader? Värderande frågor försöker förklara vad som vore bäst (normativa). Det kan vara: Vad borde fastighetsbeståndet vara i Kalmar? Hur många av svenskarna borde bo i villa?
Och hur lång tid borde en fastighetsaffär ta?
Valet av forskningsfråga påverkar senare vilka metoder vi kan använda för att besvara den och vilka argument vi har på uppkomna svar, mer om det senare. Det är inte ovanligt att man i
Figur 1.2. De centrala delarna i forskningen.
Bidraget
Forsknings‐
frågan Argument Svaren Osäkerheten Figur 1.1. Forskning, hur svårt kan det vara?
? !
Tabell 1.1. Typer av frågor som en forskare kan ägna sig åt.
forskningsarbetet försöker besvara samtliga typer av frågeställningar. Svårigheten med att hitta en bra fråga är att man oftast måste ha hög kunskap inom det ämne man ska skriva. Det erhålls genom utbildning och praktisk kunskap.
När väl forskningsfrågan är formulerad gäller det att finna belägg för ett svar, dvs. ha gott om argument. Om vi påstår att de stigande bostadsrättspriserna i Stockholm beror på en stor inflyttning till staden är det viktigt att ha argument för att inflyttning faktiskt sker och att de som flyttar in verkligen är intresserade av att köpa en bostad.
Efter det att vi har samlat argument och formulerat ett rimligt svar på frågan, bör ett resonemang om osäkerheten i svaren föras. Det finns alltid en risk att argumenten och slutsatserna är felaktiga. Det sista steget i forskningens ”från‐ax‐till‐limpa” är i vilken omfattning det finns någon samhällsnytta med forskningen. Det kan vara som bidrag till den sammanlagda kunskapsbanken, det s.k.
inomvetenskapliga kriteriet. Det kan även vara vilken praktisk användning forskningen har för världen utanför forskningsvärlden, det s.k. utomvetenskapliga kriteriet.
Det var en snabbgenomgång av forskningsprocessen. Vi ska i resten av den här rapporten studera
varje moment mer ingående.
2. Vetenskapliga metoder för argumenten (Evidens)
När forskningsfrågan är bestämd är det dags att samla in argument eller bevis för att kunna formulera ett rimligt svar på forskningsfrågan. Det har genom historien funnits två grundläggande sätt att söka sanningen och det är genom våra sinnen och genom logik. Dessa ansatser kallas
induktion och deduktion. Förenklat är deduktion att med logik förbättra en teori och sedan med data testa teorin medan induktion är att utifrån observationer bygga teori, se figur 2.1.
En medelväg som används ofta är hypotetisk‐deduktiva metoden. I det här kapitlet behandlar vi deduktion och hypotetiska‐deduktiva metoden, i kapitel fem och sex behandlas induktion. Jag vill poängtera att dessa tre metoder oftast används samtidigt för att få klarhet i frågeställningar.
2.1 Deduktion, dvs. slutledning
Deduktion är att argumentera genom logisk slutledning utifrån ett antal uppställda antaganden om individers och företags egenskaper. Deduktion inom nationalekonomin inkluderar en mängd
antaganden bl.a. att individer alltid nyttomaximerar, dvs individer väljer det bästa alternativet, alltid vet om ett alternativ är bättre, sämre eller lika bra som ett annat alternativ. På liknande sätt görs antagandet att företag vinstmaximerar, dvs vill tjäna så mycket pengar som möjligt. Det finns ytterligare antaganden som jag inte går igenom i den här texten. För att visa på härledning med deduktion kan de ovanstående nationalekonomiska antaganden följande slutsats dras:
Om inkomster stiger kommer fler bostäder att byggas.
Med den deduktiva slutsatsförmågan kan vi ställa upp orsakssamband enligt figur 2.2.
Här visas att när inkomster för individer stiger kommer individer att söka sig till större lägenheter för att maximera sin nytta. Om de föredrar nya lägenheter framför gamla lägenheter kommer de att välja en nyproducerad lägenhet. Företagen på marknaden kommer att märka det ökade intresset för nya lägenheter och för att vinstmaximera väljer dem att öka sin produktion. Vi förutsätter att försäljningspriset på lägenheter överstiger kostnaden för att bygga, annars hade byggföretagen inte velat bygga.
Teori
Observationer
Induktion Deduktion
Figur 2.2. Antaganden om individer och företag göra att man kan förvänta sig ett visst skeende på marknaden.
Figur 2.1. Induktion som teoribyggande och deduktion som teoritestande.
Inkomster stiger
Individ söker större lägenhet.
Väljer
nyproducerade
Produktionen stiger
Nyttomaximer Kan välja Vinstmaximera
Det bör tilläggas att individer inte är robotar och att allt därmed är på förhand bestämt vilket innebär att så fort inkomster stiger kommer produktionen att stiga. Vi bör istället ha ett probalistiskt synsätt.
När inkomster stiger är det mycket stor sannolikhet att produktionen också stiger.
Ett problem med deduktiva härledningen är att antaganden kan vara felaktiga. Ett antagande nationalekonomin gör är att individer med lika stor förmögenhet har samma nytta (lycka). Om Kalle och Lisa har fem miljoner kronor var är de då lika lyckliga idag om Kalle igår hade en miljon medan Lisa hade nio miljoner kronor.
Ett annat problem med deduktion uppstår om faktorer som kan vara av betydelse exkluderas eller faktorer inkluderas som är av ringa betydelse. Anta att vi försöker bedöma företags lokaliseringsval, men vi antar inte att företagen tar hänsyn till var konkurrerande företag är lokaliserade. Då kommer analysen att bli delvis fel.
2.2 Hypotetisk‐deduktiva metoden
Den hypotetisk deduktiva metoden som gärna används vid studier av enstaka fall har följande upplägg. Det handlar om att ställa en hypotes, ett påstående. Om hypotesen stämmer borde ett antal konsekvenser uppstå. Om dessa konsekvenser inte uppstår är det rimligt att påstå att hypotesen är felaktig, se figur 2.3.
Om vi antar följande hypotes: en förenkling av planprocessen, dvs. om det är lättare för byggföretag att få tillstånd att bygga, så borde det byggas mer. Då bör konsekvensen vara att fler
bygglovsansökningar görs. Om det är en rimlig konsekvens, bör insamling av data på hur många bygglovsansökningar som de facto har gjorts efter att planprocessen förenklats. Om det visar sig att antalet nya bygglovsansökningar inte har ökat, bör hypotesen avfärdas.
Den hypotetisk‐deduktiva metoden har liknande problem som den induktiva metoden. Vi kommer därför i nästa kapitel att behandla den induktiva metodens uppbyggnad samt dess styrkor och
svagheter, vilket i sin tur kan användas på den hypotetisk‐deduktiva metoden.
HYPOTES
Konsekvenser av Tes
Data om konsekvenserna
Tes falsifieras, stämmer inte
Förenklad planprocess ökar byggandet
Stor mängd av nya bygglovsansökningar
Hur många bygglovsansökningar finns i projektet
Få bygglovsansökningar
Figur 2.3. Ett exempel på den hypotetiska‐deduktiva metoden.
3. Argument och krav på dessa
Anta att vi har bestämt forskningsfrågan och bestämt vilken vetenskaplig metod som ska användas.
Då är det dags att samla in argument eller bevis för att kunna formulera ett rimligt svar på
forskningsfrågan. Men innan det görs måste det bestämmas vilka krav som ska ställas på argumenten, så att rätt typ av argument insamlas. I det här kapitlet ska vi studera vilka krav som ställs på
argument vid en beskrivande, förklarande och värderande frågor. Kraven kan sammanfattas i tre olika delar: korrekta begrepp och mätning (Construct validitet), belägg för kausalitet (intern validitet) och möjlighet till empirisk generalisering (extern validitet). Vi behandlar dessa tre krav nedan.
3.1 Krav 1. Korrekta begrepp och mätning (Construct Validity)
Anta att vi arbetar med en beskrivande forskningsfråga. Problemet med beskrivningar av ett tillstånd är att de kan vara hur omfattande som helst. Om jag t.ex. ska beskriva marknaden för bostadsrätter i Stockholm, skulle jag kunna börja med att beskriva att det finns en mängd hus där flerbostadshus är upplåtna med bostadsrätt. Många bostadsrätter ligger vid parker som har gott om utrymme för lekande barn. Vid bostadsrätterna finns oftast ett daghem etc. Jag skulle kunna hålla på i evighet att beskriva varenda detalj av marknaden för bostadsrätter. Av den anledningen måste förenkling ske genom informationsminskning. Men hur gör vi för att förenkla? Det kan göras med tre steg, nämligen genom att definiera begrepp, operationalisera och mäta.
3.1.1 Definiera begrepp
Definiera begrepp innebär att det fenomen som observeras samlas under ett passande begrepp.
Anta att det i ett område genomförs ett antal bostadsaffärer till ett pris av cirka tre miljoner kronor.
Vad som dessutom noteras är att det finns två typer av aktörer, dels de som säljer sitt hus och dels de som köper. Vi förenklar genom att kalla alla de som har råd och är villiga att köpa ett hus för efterfrågan och ingen skillnad görs om de söker ett mindre eller större hus, om de gillar enplans‐ eller flerplanshus, om de gillar tegel‐ eller trähus.
På liknande sätt görs en förenkling om alla hus som är till salu, de kallas för utbud. Vi förenklar genom att enbart inkludera hus som är av stadigvarande bruk avsedda för boende. Det innebär att bl.a. sommarhus, industrihus, kontorshus mm exkluderas. Slutligen görs även en förenkling av själva försäljningen. Alla överlåtelser av hus från köpare till säljare kallas för transaktion. Vi har nu, utifrån fenomenet att hus byter ägare i en stad, förenklat detta förlopp med tre begrepp och nästa steg är att definiera dessa tre begrepp. Det kan göras genom att varje begrepp ges ett antal egenskaper, se tabell 3.1.
Begrepp Definition genom egenskaper Operationaliseras Utbud ‐ Hus för stadigvarande bruk
‐ Hus som uppfyller statens krav.
Antal (styck) Efterfrågan ‐ Villiga köpare av hus.
‐ Som har råd.
Antal (styck) Transaktion ‐ En överföring av ägande från säljare till
köpare.
‐ Ska ske på en marknad där alla som vill får lägga ett bud, ej reglerad.
‐ Ej köp mellan kompisar eller släkt som genererar en rabatt.
‐ Tillräcklig marknadsföringstid så att alla som är intresserade har möjlighet att lägga ett bud.
Antal (styck) Pris (kr)
Här har jag, i den andra kolumnen, definierat vad som menas med de tre begreppen utbud, efterfrågan och pris. Definitionen har gjorts genom att räkna upp de egenskaper som ska vara förknippade med begreppet. Till exempel begreppet utbud som vi förknippar med hus för stadigvarande bruk och inte något tillfälligt. Boendet ska dessutom uppfylla de byggnadstekniska krav staten har för byggnader som används för boende, det kan vara tillgång till kök, badrum, förråd mm.
3.1.2 Operationalisera
Nu har vi definierat olika begrepp och nästa steg i förenklingsprocessen, är att fundera i vilka enheter begreppen ska mätas, se tabell 4.1. Det är oftast relativt enkelt i fastighetsbranschen där ”hårda”
värden som lägenheters storlek eller gjorda affärer mäts i kvadratmeter respektive kronor. I andra sammanhang, som t.ex. faktorn ”läget” kan det vara svårare att göra om till mätbara enheter.
I vårt fall har samtliga begrepp intervallskala eftersom det går att mäta utbud i antal hus som är till salu. Vad gäller efterfrågan mäts det i antalet personer som är villiga att köpa hus. Och till sist begreppet transaktion som kan mätas både i hur många försäljningar som sker och hur höga priser husen säljs för.
Men om ingen lämplig enhet finns måste enheter eller i alla fall skalnivåer skapas. Det finns tre sorters skalnivåer. Den första är den nominala skalnivån vilket innebär att begreppet enbart kan delas in i olika kategorier, hus kan t.ex. delas in i vilket material stommen är uppförd i, det finns hus med trä‐, tegel‐ och betongstomme, se tabell 3.2.
Stomme Nominal skalnivå Ordinal skalnivå Intervallskala
Trä XXX 2 2
Tegel XX 3 1
Betong X 1 5
Här visar kryssen i tabellen ”Nominal skalnivå” antalet hus med trä, tegel eller betongstomme. Den andra skalnivån är den ordinala som förutom den nominala skalan delar in husen i olika kategorier även rangordnar de olika kategorierna. I tabell 4.2 har rangordning gjorts där hus med
betongstomme anses bättre än trästomme som i sin tur anses bättre än tegelstomme. Vad vi däremot inte kan säga med den rangordningen är hur mycket bättre ett hus med betongstomme är
Tabell 3.2. Tre olika skalnivåer.
Tabell 3.1. Begrepp och dess egenskaper.
än ett hus med tegelstomme. Den tredje skalnivån är intervallskala. Då betygsätts olika typer av hus och betyget visar hur mycket bättre något är; betyg två för trästomme och betyg ett för tegelstomme innebär att trästommen är dubbelt så bra.
3.1.3 Mäta
Nu när vi har bestämt hur begreppen ska operationalisera behövs ett verktyg för att kunna mäta. Här ställs två krav på ett sådant mätverktyg; det ska ha både hög validitet och reliabilitet. Med det menas låga systematiska och slumpmässiga fel. Jag ska förklara med ett exempel, se tabell 3.3.
Mätinstrument Temp Temp Temp Temp Genom‐
snittlig temp
Validitet Reliabilitet
Faktiskt temp. 100 100 100 100 100 ‐ ‐
Mätinstr. 1 80 120 90 110 100 Hög Låg
Mätinstr. 2 81 79 80 80 80 Låg Hög
Mätinstr. 3 100 100 100 100 100 Hög Hög
Här finns tre stycken mätinstrument för att mäta temperaturen på kokande vatten. Som vi alla vet kokar vatten vid 100 grader vilket alltså är det korrekta värdet. Mätinstrument 1 visar ett väldigt skiftande mätresultat på de fyra olika mätningarna. Men det genomsnittliga värdet på 100 grader är korrekt. Det innebär att mätinstrumentet inte har något systematiskt mätfel, dvs. mätinstrumentet har hög validitet. Däremot skiftar mätningarna mycket, dvs. det slumpmässiga mätfelet är stort, vilket innebär att mätinstrumentet har låg reliabilitet.
Mätinstrument 2 har en stabil serie runt 80 grader. Eftersom vi vet att rätt temperatur är 100 grader har mätinstrumentet ett högt systematiskt mätfel (låg validitet); den uppmätta temperaturen är hela tiden för låg jämfört med korrekt värde. Mätinstrumentet har däremot hög reliabilitet eftersom det slumpmässiga mätfelet är lågt, värden ligger klistrade runt 80 grader. Till sist mätinstrument 3 som mäter korrekt vid samtliga fyra mätningar och har därmed hög validitet (inget systematiskt mätfel) och hög reliabilitet (inget slumpmässigt mätfel).
3.2 Krav 2. Belägg för kausalitet (Intern validitet) – finns orsakssamband?
Belägg för kausalitet (orsakssamband) är av vikt vid förklarande frågor. Hur vet vi att det finns orsakssamband mellan två faktorer? Svaret är att det kan man aldrig med säkerhet veta, men vi kan ha ett antal argument för att orsakssamband finns. En bra beskrivning på argument för kausalitet har Teorell och Svenssons i sin bok ”Att fråga och att svara”. Orsakssamband kan definieras utifrån fyra kriterier. Låt oss säga att vi antar att x påverkar y. Det kan vara att efterfrågan påverkar prisnivån. För att kunna argumentera för det påståendet är det viktigt att det mellan efterfrågan och pris råder kontrafaktisk skillnad, isolering, tidsordning och orsaksmekanismer, se figur 3.2 Vi ska nedan gå igenom dessa krav.
Tabell 3.3. Faktisk temperatur på det kokande vattnet och tre olika mätinstrument.
Figur 3.2. Fyra argument för att orsakssamband finns.
Kontrafaktisk skillnad Isolering
Tidsordning
Orsaksmekanismer
3.2.1 Kontrafaktisk skillnad
Kontrafaktisk skillnad, innebär att om x inträffar så inträffar även y och om x inte inträffar så kommer y inte heller att inträffa, se tabell 3.4.
Efterfrågeförändring Prisförändring Samband
Inträffar Inträffar Kontrafaktisk skillnad
Inträffar inte Inträffar inte
Inträffar Inträffar inte Inte kontrafaktisk skillnad
Inträffar inte Inträffar
Här visas på rad två och tre att om efterfrågan stiger så ska prisnivåerna också stiga. Och om efterfrågan inte stiger ska inte heller prisnivåerna stiga. Om så sker har vi belägg för kontrafaktisk skillnad. På rad fyra och fem visas när kontrafaktisk skillnad inte kan beläggas, här stiger efterfrågan men inte priset och vise versa.
3.2.2 Isolering
Nästa kriterium för orsakssamband är isolering, dvs. vi ska vara säkra på att det verkligen är x som påverkar y och inget annat. Risken är annars att någon annan faktor, z, påverkar både x och y, och sambandet är istället spuriöst, dvs. det tycks finnas ett samband men det sambandet är falskt. Vi ska se på ett exempel: anta att vi mäter ett barns ålder, vikt och kunskapsnivå, se tabell 3.5.
Kunskapsnivå Vikt Ålder
10 4 1
20 8 2
30 12 3
Här visas finns en tydlig korrelation mellan vikten och kunskapsnivån, dvs. ju högre vikt desto högre kunskapsnivå. Är det då verkligen vikten som påverkar barnens kunskapsnivå? Nej, det är snarare så att den bakomliggande faktorn är att barnen blir äldre och därmed blir både större och mer kunniga.
Det är alltså åldern som avgör både kunskapsnivån och vikten och det finns följaktligen inget orsakssamband mellan vikt och kunskap utan enbart en korrelation, se figur 3.3.
3.2.3 Tidsordningen
Det tredje argumentet för orsakssamband är tidsordningen. Här är det viktigt att x i tid kommer före y och att det inte är tvärtom. I vårt fall är det av intresse att se att efterfrågeförändring faktiskt kommer före prisförändring, se figur 3.4.
Tabell 3.4. Kontrafaktisk skillnad vilket innebär att efterfrågeförändring styr prisförändring.
Tabell 3.5. Data om kunskapsnivå, vikt och ålder. Finns det något orsakssamband dem emellan?
Vikt
Ålder
Kunskap
Figur 3.3. Kausaldiagram för vikt, kunskap och ålder.
Här visas hur efterfrågan och pris ändras över tid och vi ser framförallt hur ändringar i efterfrågan tidsmässigt kommer före prisförändringar, vilket tyder på en koppling i tid. Om det vore tvärtom så gäller inte argumentet om tidsordning mellan efterfrågan och pris.
3.2.4 Orsaksmekanismer
Det fjärde argumentet som bör uppfyllas för att det ska finnas ett orsakssamband är
orsaksmekanismer. Det innebär att ju mer vi vet om hur x påverkar y desto bättre går det att argumentera för att orsakssamband finns, se figur 3.5.
Här visas överst att när efterfrågan stiger så stiger även priset. Men för att kunna argumentera för ett samband bör mellanliggande händelser som sammanbinder dessa förändringar redovisas. Här ser vi att när efterfrågan stiger, dvs. fler människor än tidigare är villiga att köpa hus kommer man i högre grad gå på visningar. Det innebär att ännu fler kommer att delta i budgivningen än tidigare.
Med fler personer i budgivningen än tidigare kommer det slutgiltiga priset att bli högre än tidigare.
Prisnivån på bostadrätter stiger. Och vid utredande av orsaksmekanismerna ser vi de mellanliggande stegen.
Låt oss sammanfatta de fyra kraven på argumenten för orsakssamband. I exemplet med
efterfrågeförändring och prisförändring är det viktigt att studera om prisförändringar har skett utan att efterfrågeförändring skett (kontrafaktisk skillnad). Det är dessutom intressant att se om något annat påverkar båda variablerna vilket gör att sambandet mellan pris och efterfrågan kanske är falskt (isolering). Om vi har data på efterfråganförändringar och prisförändringar, är vi intresserade att se om efterfrågeförändring i tid kommer före prisförändring. Till sist för att kunna förstå hela kedjan av händelser är det intressant att studera vilka mellanliggande steg som gör att efterfrågeförändring påverkar prisförändring.
Figur 3.4. Tidsordningen viktig för att utreda kausalitet.
Efterfrågan och Pris
Tid Efterfrågan Pris
Efterfrågan stiger
Pris på bostadsrätter stiger.
Efterfrågan stiger
Fler personer går på visningar
Fler personer deltar i budgivningen
Pris på bostadsrätter stiger.
Figur 3.5. Överst visas orsak och verkan utan några orsaksmekanismer. Nedan visas även
mellanliggande orsaksmekanismer.
3.3 Krav 3. Empirisk generaliserbarhet – hur väl beskriver urvalet populationen?
Många gånger är forskningsfrågan uttryckt att man vill säga något om en hel population och man vill gärna göra det genom att undersöka populationen. Men många gånger är populationen så pass stor att man får nöja sig med att undersöka en mindre del av populationen. I sådana fall är det viktigt att urvalet på bästa sätt representerar populationen vilket kallas empirisk generaliserbarhet. Vi skiljer mellan deskriptiv och kausal generalisering. I det avsnittet ska vi först studera deskriptiv
generalisering och sedan kausal generalisering.
3.3.1 Deskriptiv generalisering
Med deskriptiv generalisering avses beskrivande frågor. Anta att vi ska bedöma marknadsvärdet för fastigheter i Norra Ängby. För att ta reda på det finner vi data i både Södra och Norra Ängby. Norra och Södra Ängby är relativt olika varandra där Södra Ängby består av tegelhus med närhet till Mälaren och Norra Ängby består av trähus med längre avstånd till Mälaren, se figur 3.6.
Här visas 12 jämförelseobjekt, 10 som sålts i Södra Ängby och två i Norra Ängby. Anta att marknadsvärdet för en fastighet är fem miljoner kronor i Norra Ängby och anta att vi använder urvalet i Södra Ängby för att bedöma marknadsvärdet. Vi kommer då att hamna på en bedömning på cirka nio miljoner kronor. Men eftersom dessa jämförelseobjekt (=urvalet) har låg representativitet för en fastighet i Norra Ängby kommer bedömningen på nio miljoner kronor att ha ett högt
systematiskt urvalsfel. Om vi däremot använder de två jämförelseobjekten (=urvalet) i Norra Ängby kommer vi att bedöma marknadsvärdet till någonstans mellan mellan fyra och sex miljoner kronor, vilket ger en hög representativitet men låg precision, dvs. höga osystematiska urvalsfel.
3.3.2 Kausal generalisering
Med kausal generalisering avses förklarande frågor. Vi vill utifrån ett urval säga något om varför ett visst tillstånd uppstått i populationen. I fallet med medelpriset i Norra Ängby kanske vi har argument för att boytan påverkar medelvärdet, dvs.de fyra kraven på kausalitet är uppfyllda (kontrafaktisk skillnad, isolering, tidsordning och orsaksmekanism). Men vi önskar också att detta kan generaliseras
Jämförelse‐
objekt
Område Pris Babben 1 Södra Ängby 8 900 000 Oredarn 2 Södra Ängby 9 000 000 Betner 3 Södra Ängby 8 900 000 Gervais 12 Södra Ängby 8 900 000 Don Rickles Södra Ängby 9 100 000 Pryor 1 Södra Ängby 9 150 000 Nilsen 12 Södra Ängby 9 150 000 Malmberg 4 Södra Ängby 9 000 000 Andersson 2 Södra Ängby 9 000 000 Lindstedt 3 Södra Ängby 8 900 000 Brunes 1 Norra Ängby 4 000 000 Brunes 2 Norra Ängby 6 000 000 Figur 3.6. Karta med Norra och Södra Ängby samt tabell 3.5 med genomförda affärer.
Norra Ängby
Södra Ängby
Vällingby
till andra marknader. Om boytan även påverkar priset på andra marknader, är den kausala generaliserbarheten. Mer om kausal generaliserbarhet i kapitel sex. Även vid kausal
generaliserbarhet kan problem med systematiskt fel (bristande representativitet) och osystematiska fel (bristande skattningsprecision) uppstå.
Låt oss sammanfatta. Vi har ovan gått igenom vilka krav vi har på argumenten. Det är korrekta begrepp och rätt mätning. Det är kausalitet, att vi har funnit orsakssamband. Det är empirisk generaliserbarhet, att vi kan dra generella slutsatser om en population utifrån ett urval.
3.4 Argument för värderande frågor
Vi ska avsluta det här kapitlet med att studera värderande frågor. Med värderande frågor försöker vi ta reda på hur det borde vara eller vad som borde göras. Problemet med värderande frågor är att det omöjligen går att säkerställa vad som är rätt eller fel. Vilket av ”Man borde bygga fler bostadsrätter i Stockholm” eller ”Man borde bygga fler villor i Stockholm” som är mest korrekt är svårt att
bestämma. Vad som borde göras måste ses ur ett perspektiv vilka mål vi har i samhället och hur situationen är idag. Ur den aspekten så är de beskrivande och förklarande frågorna en del av den värderande frågan. Utifrån beskrivningen får vi en uppfattning om hur situationen är idag och utifrån förklarande frågor får vi vetskap om varför situationen har uppstått. Om vi då dessutom vet vartåt vi vill, kan vi använda de orsaksförklaringar vi fått fram för att peka på vad vi tycker borde göras för att nå vårt mål.
Anta att det på en marknad i genomsnitt bor fem personer per lägenhet (beskrivande). Anta att förklaringen till den trångboddheten är att för lite mark upplåts av staden för byggande av bostäder.
Det kan förstås finnas flera bidragande orsaker men anta att detta är den viktigaste orsaken för samhället. Då blir svaret på den värderande frågan att vad som borde göras är att upplåta mer mark.
Ett ytterligare problem med värderande frågor är att det kan vara svårt att avgöra vilket mål som är viktigast. Anta att samhället har att välja mellan att bygga en väg i Stockholm eller i Piteå. Med ett samhällsekonomiskt mål ska vägen byggas där nyttan minus kostnaden ger högst överskott. Då kommer vägen att byggas i Stockholm. Men anta istället att staten har ett fördelningsmål där man gärna vill förbättra för invånarna i Piteå oavsett om kostnaderna för Staten överstiger nyttan för Piteborna. Då ska vägen byggas i Piteå.
3.4.1 Argumentationsanalys
Argumentationsanalys är ett praktiskt verktyg som kan användas för att bedöma värderande frågor.
Den utgår från ett påstående, en tes: ”Sverige bör ha högre invandring”, ”Alla i Hälsingland borde få resebidrag” etc. För att bedöma tesens styrka försöker man hitta argument för och emot tesen.
Dessa argument har olika styrka beroende på två faktorer, argumentens hållbarhet och relevans.
Hållbarheten beror på hur rimligt det är att acceptera ett argument. Relevansen beror på relationen mellan argumentet och tesen som ska bevisas. Om argumentet har hög relevans för tesen är det svårt att avfärda tesen om argumentet har hög hållbarhet. Anta att tesen är: ”Jorden är rund”, då finns ett antal argument för och emot det argumentet, se tabell 3.5.
Argument Hållbarhet Relevans Styrka Det finns fotografier från
satelliter som visar att Jorden är rund.
Hög Hög Hög
Vikingarna trodde att Jorden var platt.
Hög Låg Låg
Geodetiska forskare påstår att Jorden är platt.
Låg Hög Låg
Fredrik Brunes anser att Jorden är platt.
Låg Låg Låg
Det första argumentet har hög hållbarhet, det är högst troligt att det finns fotografier som faktiskt visar att Jorden är rund. Argumentet har också hög relevans vilket innebär att om vi accepterar argumentet så ökar det styrkan hos tesen. Det andra argumentet har antagligen hög hållbarhet;
Vikingarna trodde verkligen att jorden var platt. Relevansen är dock mycket låg. Argumentet stärker inte tesen eftersom Vikingarna var okunniga när det gäller forskning generellt och antagligen vad gäller planetsystemet i synnerhet. Sålunda har argumentet låg styrka.
Det tredje argumentet har låg hållbarhet, det är inte sant att geodetiska forskare anser att Jorden är platt. Argumentet har hög relevans eftersom geodetiska forskare är experter på jorden, det är deras forskningsämne. Men på grund av den låga hållbarheten hos argumentet har argumentet låg styrka.
Det fjärde påståendet har låg hållbarhet. Ärligt talat så tror jag inte att jorden är rund. Argumentet har också låg relevans eftersom jag är en ”nolla” eller i alla fall inte en auktoritet i ämnet. Påståendet har med andra ord mycket låg styrka.
3.4.2 Beskrivning av argumenten
Vad jag har gjort hittills är att värdera argumenten. Men innan vi når det stadiet måste vi identifiera alla argument, det görs i den deskriptiva delen av argumentationsanalys, se tabell 3.6.
Tabell 3.5. Styrkan hos argument beror på hållbarheten och relevansen.
Verktyg Förkortning Beskrivning Exempel Tes T Ett påstående som inte stöder något annat
påstående men däremot stöds av en mängd andra påståenden.
Jorden är rund.
Pro argument
Ett påstående som stödjer ett annat argument eller tesen.
Det finns fotografier från satelliter som visar att Jorden är rund.
Kontra argument
Ett påstående som motsäger ett annat argument eller tesen.
Vikingarna ansåg att jorden var platt.
Premiss Ett påstående som ökar relevansen hos ett annat påstående eller tesen.
Fotografier visar alltid verkligheten.
Relevans invändning
Ett påstående som minskar relevansen hos ett annat påstående.
Fotografier kan förvanskas.
Den deskriptiva delen består av fyra faktorer. Ett argument som stödjer en tes är ett proargument.
De kan vara många och är därför indexerade. Ett argument som motsäger en tes är ett
kontraargument. De är också många och är därför indexerade. Det kan finnas kedjor av pro‐ och kontraargument. Ett påstående är till exempel ett kontraargument mot det proargument som stödjer ännu ett proargument. Det kan vara lite knepigt att utreda argumentsordningen. Men det är ett bra verktyg att använda för att belysa alla argument för och emot en tes.
Två andra definitioner är premiss och relevansinvändning. En premiss är ett argument som ökar relevansen hos ett annat argument som stöd för tesen. Argumentet ökar relevansen hos pro argumentet, , som stöd för tesen. Relevans invändningens syfte är att minska relevansen hos andra pro‐ och kontra argument. är en relevans invändning som minskar relevansen hos premissen
. I praktiken börjar man med den deskriptiva fasen och identifierar alla argument. Efter det värderas både pro‐ och kontraargument. Utifrån den subjektiva värderingen görs sedan en bedömning av tesens styrka.
Table 3.6. Verktygen i en argumentationsanalys
4. Vetenskaplig metod: Induktion del 1, grundläggande val.
Induktion bygger på datamaterial som systematiskt analyserar för att besvara en forskningsfråga. Vi ska nedan gå igenom de steg som är viktiga att beakta vid en studie med induktion. De fyra stegen är undersökningsupplägget, urval, datainsamling och analys. Jag ska nedan gå igenom dessa steg.
4.1 Undersökningsupplägget
Undersökningsupplägget kan översiktligt delas in i experimentella och icke experimentella studier.
Experimentella studier bygger på en experimentgrupp som manipuleras och en kontrollgrupp som inte utsätts för manipulation. Anta att en experimentgrupp väljs ett antal städer där hyresregleringen avskaffas samt som kontrollgrupp ett antal städer där hyresregleringen behålls. Efter ett antal år studeras grupperna för att se om det har blivit någon skillnad på fastighetsmarknaden. Eftersom experimentell forskning är relativt ovanlig inom fastighetsekonomi utelämnas en djupare beskrivning av dessa metoder. Istället ska vi ägna stort utrymme åt de icke experimentella metoderna som i sin tur kan delas in i intensiv (fåfalls) och extensiv (flerfalls) studie, se figur 4.1.
Beroende på tillgängliga forskningsresurser och data görs valet. Valet görs också självklart beroende på vilken fråga som ska besvaras. Anta att det är en beskrivande fråga: ”Vad är prisnivån i Göteborg?”.
Då är extensiv studie mest naturlig. Om frågan utökas till ”Varför är prisnivån i Göteborg X kr?” kan extensiv studie också användas men även kompletteras med en intensiv studie. Slutsatsen är alltså beroende på frågeställning och tillgängliga data bestäms om en intensiv eller extensiv studie ska göras. Både intensiv‐ och extensiv studie kan göras i olika varianter. En intensiv studie kan vara jämförande där man jämför ett antal fall utifrån ett antal aspekter. Den kan även innebära att man enbart studerar ett fall. Ett exempel på data från en extensiv studie visas i tabell 4.1.
År Hus A Hus B Hus C Hus D
Pris Boyta Pris Boyta Pris Boyta Pris Boyta
2008 4,8 90 4,7 90 5,5 120 5,3 120
2009 5,0 90 4,6 90 5,5 120 5,2 120
2010 5,2 90 4,4 90 5,3 120 5,2 120
2011 5,1 90 4,7 90 5,2 120 5,3 120
Data kan delas upp i tvärsnittsdata och tidsseriedata. Tvärsnittsdata är data på flera olika
analysenheter vid ett specifikt tidstillfälle, i tabellen finns data på prisobservationer och boyta för fyra olika analysenheter år 2008. Men tabellen innehåller även data för flera tidpunkter, här år, vilket kallas för tidsseriedata. För hus A finns data vid fyra olika tidpunkter. I den bästa av världar finns det
Tabell 4.1. Tvärsnittsdata och tidsserie ger tillsammans paneldata.
Figur 4.1. Intensiv studie och extensiv studie
paneldata, dvs. både tvärsnitts‐ och tidsseriedata. Det innebär att data finns för samtliga fyra hus för samtliga fyra år, dvs. all data i tabell 4.1.
4.2 Urval
Nästa frågeställning är vilken strategi som ska användas för att hitta fall. Här finns ett antal strategier, det går att använda sig av alla analysenheter som finns. Anta att hälsan hos svenska folket ska
undersökas och för det undersöks alla svenskar, en totalundersökning genomförs. Problemet med den strategin är kostnaden, det kommer att bli väldigt dyrt. Ett bättre alternativ är att göra ett urval och välja ett antal individer för att dra slutsatser om hela populationen, se figur 4.2.
I stora drag finns två typer av urval, slumpmässigt och strategiskt. Det slumpmässiga innebär att man drar ett antal fall ur populationen, där varje fall i populationen har lika stor chans att bli draget.
Fördelen med ett slumpmässigt urval är att om urvalet är tillräckligt stort kommer urvalets
egenskaper att på ett bra sätt beskriva populationen. Slumpmässigt urval kan göras enligt ett antal varianter, dels den obundna, dels den bundna genom kluster‐ eller stratifierat urval.
Ibland, speciellt vid intensiva studier, kan det vara mindre lämpligt med slumpmässigt urval. Då är det bättre med ett strategiskt urval. Det innebär att forskaren bestämmer vilka som ska ingå i urvalet.
Här finns både för och nackdelar, om forskarens bedömning är korrekt kan ett representativt urval erhållas men om bedömningen är felaktig kommer slutsatserna om populationen att vara felaktiga.
Anta att vi vill säga något om svenskars syn på skattenivåer. Vi väljer att fråga ett antal direktörer från Djursholm. Det mindre lyckade och korkade urvalet gör att slutsatserna om svenskarnas syn på skattesystemet kommer att vara felaktigt.
4.3 Datainsamlingsstrategi
Nu har vi bestämt oss för vilken undersökningsstrategi som ska användas och hur urvalet ska göras.
Nästa uppgift är att samla in data. Det finns generellt fyra sätt att gå tillväga. Det är genom historiska data, enkäter, intervjuer och direkta observationer. Låt oss studera sätten lite mer ingående nedan.
Dessa skiljer sig viktigt emellan vad gäller vem som utför arbetet. Existerande källor har ju någon annan gjort och kallas för sekundär data medan övriga metoder ansvarar forskaren själv för och kallas här primärdata.
4.3.1 Historiska data
Historiska data i fastighetsbranschen kan vara skrivna entreprenadkontrakt, hyreskontrakt, gjorda fastighetsaffärer mm, se figur 4.3. Fördelen med historiska data är att det ofta är skarpt läge; det är Figur 4.2. Utifrån urvalet drar vi slutsatser som populationen.
Population Urval
händelser som har inträffat. Det här är situationer där aktörer har avslöjat sina preferenser genom att de facto göra en affär
1. Till skillnad från en situation där aktören utan förbindelse påstår något om sitt handlande
2.
För att kunna använda historiska data krävs att ett antal kriterier är uppfyllda. Det är äkthet, närhet i tid och rum samt tendens. Anta att vi vill beskriva ett händelseförlopp i ett bygge genom att gå igenom protokollet från ett byggprojektmöte. Är protokollet äkta? Eller har någon suttit och fabricerat texten. Om det är skrivet av någon som inte var närvarande vid mötet så minskar källans närhet i tid och rum. Om det dessutom visar sig att den som skrivit protokollet har ett incitament att försköna sin egen insats, minskar dokumentets trovärdighet än mer. Anta att författaren är
byggprojektledare för ett projekt som går dåligt. Då kan det finnas en tendens hos författaren att svartmåla de externa omständigheterna som rådde vid bygget.
4.3.2 Enkäter och intervjuer
Enkäter och intervjuer kallas på engelska för survey. Enkäter är frågor som skickas till den svarande (som vi fortsättningsvis kallar för respondent) per e‐post eller brev. Vid intervjuer ställer forskaren frågor muntligt och intervjuer kan göras vid fysiskt möte mellan forskaren och respondenten eller per telefon.
I den bästa av världar
Vid frågor med enkäter eller intervjuer bör processen helst vara enligt figur 4.4. Här ställer forskaren en fråga som innehåller informationen A. Förhoppningsvis förstår respondenten frågan helt enligt det, dvs. som ett A. Respondenten funderar på frågan och utan några systematiska fel i sitt
resonemang (typ känsla av krav på svar) är deras svar B. Till sist skickar respondenten över sitt svar till forskaren utan att några missförstånd uppstår, så att forskaren förstår att svaret är B.
1
När aktören visar på ett beteende kallas det för revealed preferences.
2
När aktören uttalar sig om sitt beteende kallas det för stated preferences.
Tidpunkt Fastighet Köpesumma 2013‐01‐09 Copernicus 2 350 000 000 2013‐01‐15 Kepler 4 450 000 000 2013‐02‐01 Newton 1 510 000 000 2013‐02‐10 Newton 2 320 000 000 2013‐02‐22 Brunes 1 930 000 000 2013‐02‐23 Brunes 2 950 000 000 2013‐03‐01 Brunes 3 980 000 000 2013‐04‐01 Einstein 2 350 000 000 2013‐04‐12 Galileo 3 250 000 000
Figur 4.3. Två källor till information. Ett hyreskontrakt och data över gjorda transaktioner.
Tyvärr är verkligheten inte alltid så enkel. Av den anledningen blir en av forskarens viktigaste
uppgifter vid enkäter och intervjuer att minimera skadan i processandet hos intervjupersonen samt i överföring mellan forskare och intervjuad.
Svårigheter
För att peka på svårigheter ska jag använda en översiktlig modell baserad på Maltén (1998), se figur 4.5. Processen börjar med att forskaren omvandlar frågan till ord, det kallas att koda. Viktigt är att frågan formuleras på ett noggrant sätt så att den överensstämmer med dess syfte. Respondenten lyssnar och avkodar budskapet och har då förhoppningsvis erhållit budskapet [1]. Respondenten kan vid intervju få återkoppling [5] för att försäkra sig att hen verkligen förstått fråga: ”Du undrar om jag anser att jorden är rund eller platt?”.
Nästa steg i processen är när respondenten förstått frågan och avger ett svar [2]. Det vi önskar hos respondenten är att den inre processen sker utan systematiska avvikelser. Det vill säga att
respondenten svarar så ärligt som möjligt. I det här sammanhanget ska man även inkludera i vilket sammanhang intervjun eller enkäten görs [3]. Finns det störande moment. Kanske andra personer som kan påverka respondenten. Respondenten kan även känna press från forskaren att leverera ett svar.
Det sista steget är att respondenten har kommit fram till ett svar som vederbörande formulerar i ord eller genom att kryssa i en ruta i ett svarsformulär [4]. Nästa risk i processen är hur respondenten
Figur 4.5. Intervjusituationens olika aspekter.
Forskare
Respondent
Sammanhang
Figur 4.4. I den bästa av världar erhålls svar på önskad fråga och forskaren tolkar svaret
A A
B B
KOD‐
NING
AV‐
KOD‐
NING
1
4
3
2
KOD‐
NING AV‐
KOD‐
NING
