Tietojen analysointi

Kuinka analysoida tietoja tutkijan lailla?

Luo kyselytutkimus jo tänään

Nyt kun olet kerännyt kyselytutkimuksesi tulokset ja tehnyt tietojen analysointisuunnitelman, on aika käydä työhön ja analysoida tiedot. Kyselytutkimustieteilijät ymmärtävät kvantitatiivista tietoa (verrattuna kvalitatiiviseen tietoon) esimerkiksi tarkastelemalla vastauksia ja keskittymällä tärkeimpiin kysymyksiinsä ja kyselytutkimuksen tavoitteisiin sekä tekemällä laskutoimituksia ja johtopäätöksiä.

Nämä NELJÄ vaihetta esittävät, kuinka voit analysoida tietoja tehokkaammin:

  1. Tarkastele tärkeimpiä tutkimuskysymyksiäsi.
  2. Ristiintaulukoi ja suodata tuloksesi.
  3. Suorita laskutoimet.
  4. Tee johtopäätökset.

Katso tärkeimpiä tutkimuskysymyksiäsi

Ensiksi käymme läpi, miten analysoit tärkeimpien tutkimuskysymystesi tulokset. Muista, että hahmottelit tärkeimmät tutkimuskysymyksesi siinä vaiheessa, kun asetit kyselytutkimuksellesi tavoitteen.

Jos esimerkiksi järjestit konferenssin ja annoit osanottajille jälkeenpäin palautekyselyn, yksi tärkeimmistä kysymyksistäsi saattaa olla vaikkapa: Millaisen yleisarvosanan osanottajat antoivat konferenssille? Tarkastele nyt vastauksia, jotka annettiin sellaiseen kyselytutkimuksesi kysymykseen, joka koskee kyseistä tutkimuskysymystä:

Screen Shot 2014-03-05 at 10.46.26 AM

Huomaa, että vastauksissa on mukana prosenttiosuuksia (71 %, 18 %) sekä suoria lukuja (852, 216).

Prosenttiosuudet ovat sitä, miltä näyttävät: tietyn vastauksen antaneiden vastaajien prosenttiosuuksia. Toisin sanoen, prosenttiluku edustaa tietyn vastauksen antaneiden ihmisten määrää suhteessa kaikkiin kyseiseen kysymykseen vastanneisiin. Joten 71 % kyselytutkimuksesi vastaajista (852 vastaajaa 1 200 vastanneesta) suunnittelee tulevansa seuraavanakin vuonna.

Tämä taulukko osoittaa myös, että 18 % sanoo, että he eivät suunnittele palaavansa, ja 11 % ilmoittaa, ettei ole varma.

Pelkät numerot tarkoittavat yksittäisiä kyselytutkimukseen vastanneita henkilöitä, jotka vastasivat tietyllä tavalla. Joten 852 henkilöä vastasi: "Kyllä, palaan ensi vuonna!" Jos oletat, että useimmat näin vastanneista – sekä muutama niistä, jotka eivät olleet varmoja – tulevat ensi vuonna, voit rakentaa ennustusmallin arvioidaksesi, kuinka monta ihmistä* seuraavan vuoden konferenssiin saapuu. *Voit määrittää tämän luvun luotettavammin, jos vastaajien osuus on hyvin korkea, eli jos useimmat konferenssiin osallistuneet ja kyselytutkimuksesi saaneet ihmiset vastasivat kyselyyn.

Ristiintaulukointi ja tulosten suodattaminen

Muistatko, kun asetit kyselytutkimuksellesi tavoitteen ja kehitit analyysisuunnitelmasi, mietit myös, mitä alaryhmiä aioit analysoida ja verrata. Nyt on aika kerätä suunnittelun hedelmät. Sanotaan, että halusit vaikka saada selville, miten opettajien, opiskelijoiden ja hallintohenkilöstön vastaukset erosivat toisistaan kysymyksessä seuraavan vuoden konferenssista. Tämän selvittääksesi voit käyttää ristiintaulukointia, joka näyttää konferenssikysymyksen tulokset alaryhmittäin:

Screen Shot 2014-03-05 at 10.54.10 AM

Tästä taulukosta käy ilmi, että suurin osa opiskelijoista (86 %) ja opettajista (80 %) suunnittelee tulevansa myös seuraavana vuonna. Konferenssiin osallistuneiden hallintohenkilöstön jäsenien vastaukset näyttävät kuitenkin erilaisilta: vain alle puolet (46 %) aikoo palata! Toivottavasti muiden kysymystesi avulla pystyt selvittämään, miksi näin on ja miten voisit parantaa konferenssia hallintohenkilöstölle, niin että useammat heistä palaisivat seuraavina vuosina.

Suodatin on toinen tehokas työkalu analysoinnissa. Suodattaminen tarkoittaa huomion kohdistamista yhteen tiettyyn alaryhmään suodattamalla muut ryhmät pois. Eli sen sijaan että vertaisimme alaryhmiä toisiinsa, tarkastelemme vain sitä, miten yksi alaryhmä vastasi kysymykseen. Voit esimerkiksi ottaa huomioon vain naiset tai miehet ja suorittaa ristiintaulukoinnin uudelleen osanottajatyypin perusteella verrataksesi naispuolisia hallintohenkilöstön jäseniä, naisopettajia ja naisopiskelijoita. Sinun kannattaa kuitenkin kiinnittää huomiota yhteen asiaan työstäessäsi tuloksia: aina kun käytät suodatinta, otantasi pienenee. Jotta voit olla varma tulostesi tilastollisesta merkitsevyydestä, voit käyttää otantalaskuria.

Vertailuanalyysi ja kehityssuunnat

Oletetaan, että konferenssisi palautekyselyn yksi tärkeimmistä kysymyksistä on "Kuinka tyytyväinen olit kaiken kaikkiaan konferenssiin?" Tulostesi perusteella 75 % osanottajista oli tyytyväinen konferenssiin. Kuulostaa aika hyvältä. Mutta etkö haluaisi hieman kontekstia? Jotain vertailupohjaa? Onko se parempi vai huonompi tulos kuin edellisenä vuonna? Miten se pärjää muihin konferensseihin verrattuna?

No, jos kysyit tämän kysymyksen edellisvuotisen konferenssisi palautekyselyssä, voit tehdä suuntausvertailun. Mielipidetiedustelujen ammattilaiset tapaavatkin sanoa: "suuntaus on ystäväsi".

Jos edellisen vuoden tyytyväisyysprosentti oli 60 %, tyytyväisyys lisääntyi 15 prosenttiyksikköä!  Mistä tämä tyytyväisyyden lisääntyminen johtui? Toivottavasti vastaukset muihin kysymyksiisi tarjoavat lisätietoa.

Jos sinulla ei ole edellisten vuosien tietoa verrattavissa, aloita palautteen kerääminen tänä vuonna ja jatka seuraavien vuosien konferensseissa. Tätä kutsutaan vertailuarvon asettamiseksi. Määrität vertailuarvon tai perusarvon ja myöhemmin näet, muuttuuko se ja millä tavalla. Voit asettaa vertailuarvon paitsi osanottajien tyytyväisyydelle, myös muille kysymyksille. Voit seurata vuosi vuodelta, mitä mieltä osanottajat olivat konferenssista. Tätä kutsutaan pitkän aikavälin analyysiksi. Lue lisää, miten

SurveyMonkey -vertailuarvot voivat auttaa sinua saamaan kyselytutkimuksesi tuloksille kontekstia.

Mikä on pitkittäisanalyysi?

Pitkän aikavälin analyysi (jota usein kutsutaan "muutossuuntien analyysiksi") tarkoittaa periaatteessa sitä, että seurataan, kuinka tietyistä kysymyksistä saadut löydökset muuttuvat ajan mittaan.  Kun vertailuarvo on määritetty, voit selvittää, millaisia muutoksia luvuissa tapahtuu, jos tapahtuu. Jos konferenssisi tyytyväisyysprosentti oli 50 % kolme vuotta sitten, 55 % kaksi vuotta sitten, 65 % viime vuonna ja 75 % tänä vuonna, voimme vain onnitella sinua! Pitkän aikavälin analyysisi osoittaa vakaan suuntauksen tyytyväisyyden lisääntymisessä.

Voit seurata tietoja myös eri alaryhmiltä. Esimerkiksi jos tyytyväisyysprosentti kasvaa vuosi vuodelta opiskelijoiden ja opettajien osalta, mutta ei hallintohenkilöstön osalta, haluat ehkä tarkastella hallintohenkilöstön vastauksia joihinkin kysymyksiin saadaksesi selville, miksi he ovat tyytymättömämpiä kuin muut osanottajat.

Laskutoimitukset

Tiedät, kuinka moni ihminen sanoi palaavansa, mutta mistä tiedät, saitko kyselytutkimuksessasi luotettavia vastauksia   ja sellaisia vastauksia, joita voit käyttää tulevaisuuden päätöksien perusteena? On tärkeää kiinnittää huomiota tietojen laatuun sekä ymmärtää tilastollisen merkitsevyyden osa-alueet.

Yleensä "merkitsevä" tarkoittaa tärkeää tai merkityksellistä. Kyselytutkimusanalyysissä ja tilastotieteessä merkitsevä tarkoittaa "tarkkuuden arviointia". Tässä kohtaa vääjäämätön "enemmän tai vähemmän" tulee osaksi kyselytutkimustasi. Se tarkoittaa erityisesti, että kyselytutkimustulokset ovat tarkkoja tietyllä luotettavuudella eivätkä satunnaisesti. Johtopäätösten tekeminen epätarkkojen tulosten (eli ei tilastollisesti merkitsevien) perusteella on riskialtista. Aina arvioitaessa tilastollista merkitsevyyttä ensimmäisenä on arvioitava otannan edustavuus. Tällä tarkoitetaan sitä, missä määrin kyselytutkimukseesi osallistuneiden ihmisten joukko "muistuttaa" koko väestöä, josta haluat tehdä johtopäätöksiä.

Edessäsi on ongelma, jos 90 % kyselyyn vastanneista konferenssin osanottajista oli miehiä, mutta vain 15 % kaikista osanottajista oli miehiä. Mitä enemmän tiedät kohderyhmästäsi, sitä paremmin voit määrittää, ovatko saamasi luvut luotettavia. Erityisesti sukupuolen kohdalla voit olla mielissäsi, jos miesten osuus kyselytutkimukseen vastanneista on 15 % tässä esimerkissä.

Jos otantana on satunnaisotanta tietystä populaatiosta, tilastollinen merkitsevyys voidaan laskea helposti. Ensimmäinen tekijä on otannan koko. Esimerkiksi 50 henkilöä tuhannesta konferessiin osallistujasta vastasi kyselytutkimukseen. Viisikymmentä (50) on pieni otanta, ja tulokset sisältävät laajan virhemarginaalin. Lyhyesti sanottuna, tuloksillasi ei ole paljoa painoa.

Jos esimerkiksi kysyit vastaajilta, kuinka moneen konferenssin kymmenestä istunnosta he osallistuivat, ja tuloksesi näyttävät tältä:

Screen Shot 2014-03-05 at 11.02.19 AM

Haluat luultavasti analysoida keskiarvon. Muistat ehkä, että keskiarvoja on kolme: keskiarvo, mediaani ja moodi.

Yllä olevassa taulukossa istuntojen keskiarvo on 6,3. Tässä ilmoitettu keskiarvo on keskiarvo, joka on luultavasti tutuin kolmesta. Keskiarvo määritetään laskemalla yhteen tiedot ja jakamalla ne yhteenlaskettujen lukujen lukumäärällä. Tässä esimerkissä on 10 ihmistä, jotka osallistuivat yhteen istuntoon, 50 ihmistä, jotka osallistuivat neljään istuntoon, sata ihmistä, jotka osallistuivat viiteen istuntoon jne. Kaikki parit siis kerrotaan keskenään, lasketaan yhteen ja jaetaan ihmisten kokonaismäärällä.Mediaani on toisenlainen keskiarvo. Mediaani on keskimmäinen arvo, 50 %:n kohdalla. Yllä olevassa taulukosta etsimme istuntojen lukumäärän kohdan, jonka sekä oikealla että vasemmalla puolella on 500 ihmistä. Mediaani on tässä tapauksessa 7 istuntoa. Tämän avulla voit eliminoida poikkeavuudet, jotka saattavat vaikuttaa epäsuotuisasti tietoihisi.

Viimeinen keskiarvo on moodi. Moodi tarkoittaa yleisintä vastausta. Tässä tapauksessa vastaus on kuusi. 260 kyselyyn vastanneista kävi kuudessa istunnossa, enemmän kuin minkään muun verran istunnoissa käyneitä.

Kaikenlaisia keskiarvoja voidaan käyttää myös silloin, jos tuloksesi perustuvat Likert-asteikkoon .

Johtopäätökset

Kun on aika raportoida kyselytutkimuksesi tulokset, ajattele, millaisen tarinan tiedot kertovat.

Jos konferenssisi sai esimerkiksi keskitason arviot, voit etsiä lisätietoja, miksi näin on. Tiedoista käy ilmi, että osanottajat antoivat erittäin hyvät arvioit lähes kaikille konferenssin osa-alueille – istunnoille ja luennoille, sosiaalisille tapahtumille ja hotellille – mutta he eivät lainkaan pitäneet tapahtumapaikaksi valitusta kaupungista. (Ehkä konferenssi pidettiin Chicagossa tammikuussa ja oli niin kylmä, ettei ulkona voinut olla!) Tämä tässä kuuluu tarinaan. Kaiken kaikkiaan mahtava konferenssi, huono valinta tapahtumapaikaksi. Miami tai San Diego voisi olla parempi valinta talviselle konferenssille.

Data-analyysissa ja raportoinnissa on ajateltava syy-yhteyttä ja korrelaatiota.

Mikä ero on korrelaatiolla ja kausaatiolla?

Syy-yhteys tarkoittaa sitä, kun yksi tekijä aiheuttaa toisen. Korrelaatiossa taas kaksi muuttujaa liikkuu yhdessä, mutta toinen ei aiheuta toista eikä vaikuta siihen.

Esimerkiksi kuuman kaakaon nauttiminen ja lapasten käyttäminen ovat kaksi muuttujaa, jotka korreloivat. Niiden esiintyvyys liikkuu samassa suhteessa. Kumpikaan ei kuitenkaan aiheuta toisen tapahtumista. Itse asiassa molemmat johtuvat kolmannesta tekijästä, kylmästä säästä. Kylmä sää vaikuttaa sekä kuuman kaakaon kulutukseen että todennäköisyyteen käyttää lapasia. Kylmä sää on itsenäinen muuttuja, ja  kuuman kaakaon kulutus ja lapasten käytön todennäköisyys ovat riippuvaisia muuttuvia. Konferenssipalautteen tapauksessamme kylmä sää todennäköisesti vaikutti osanottajien tyytymättömyyteen konferenssikaupungin suhteen ja konferenssiin ylipäätään. Lopuksi, voidaksesi tarkastella muuttujen välistä suhdetta kyselytutkimuksessasi sinun tarvitsee ehkä suorittaa regressioanalyysi.

Mikä on regressioanalyysi?

Regressioanalyysi on edistyksellinen tietojen analysointimenetelmä, jonka avulla voidaan tarkastella kahden tai useamman muuttujan välistä suhdetta. Erityyppisistä regressioanalyyseistä kyselytutkimustieteilijä valitsee tarkastelun kohteena oleville muuttujille sopivimman. Kaikkia regressioanalyysejä yhdistää se, että ne tarkastelevat yhden tai useamman itsenäisen muuttujan vaikutusta riippuvaiseen muuttujaan. Kyselytutkimuksen tietojen analysoinnissa meitä ehkä kiinnostaa, mitkä tekijät vaikuttavat eniten osanottajien tyytyväisyyteen konferenssiin. Onko se istuntojen lukumäärä? Tärkeä puhuja? Sosiaaliset tapahtumat? Tapahtumapaikka? Regressioanalyysillä kyselytutkimustieteilijä voi määrittää, mikäli ja missä määrin tyytyväisyys näihin konferenssin eri osa-alueisiin vaikutti kokonaistyytyväisyyteen. Tämä puolestaan antaa tietoa siitä, mihin konferenssin osa-alueita haluat ehkä muuttaa ensi kerralla. Jos esimerkiksi maksoit suuren palkkion saadaksesi huippupuhujan aloitusseminaariin, Osanottajat antoivat tälle puhujalle sekä koko konferenssille huippuarvosanat. Näiden kahden tosiasian perusteella saattaisit ajatella, että mahtava (ja kallis) pääesiintyjä on merkittävä asia konferenssin onnistumisen kannalta. Regressioanalyysi auttaa päättelemään, onko asia todella näin. Saatat saada selville, että pääesiintyjän suosittuus oli merkittävä syy konferenssityytyväisyyteen. Jos näin on, haluat varmasti hankkia hyvän pääesiintyjän seuraavallakin kerralla. Mutta jos regressiosta ilmenee, että vaikka kaikki pitivätkin pääpuhujasta, se ei vaikuttanut paljoa osanottajien konferenssityytyväisyyteen, ja saattaa olla parempi investoida puhujapalkkioon käytetyt rahat johonkin muuhun. Jos analysoit huolellisesti kyselytutkimustietojesi luotettavuuden, voit jo alkaa tehdä hyviä päätöksiä vastausten perusteella.

Takaisin kyselytutkimuksen perusteisiin

3 nopeaa vinkkiä kyselytutkimusten vastausmäärän lisäämiseen

Tässä muutama keino kannustaa vastaajia vastaamaan kyselytutkimuksiisi.

1. Lyhyestä virsi kaunis

Lyhyeen ja ytimekkääseen kyselytutkimukseen vastataan suuremmalla todennäköisyydellä.

2. Tarjoa kannustimia

Pienillä kannustimilla, kuten pienellä alennuksella tai arvontakupongilla, voit varmistaa, että vastaajat tekevät kyselytutkimuksesi loppuun saakka.

3. Osta kohdeyleisö

Voit ostaa käyttöoikeuden yleisöön, joka täyttää kyselytutkimuksesi väestötieteelliset vaatimukset, alkaen SurveyMonkey Audience. Tämä on mahtava tapa saada vastauksia tietyltä kohderyhmältä.

Tästä syystä miljoonat ihmiset luottavat SurveyMonkeyyn

Rajoittamaton määrä kyselytutkimuksia

Lähetä niin monta kyselytutkimusta kuin haluat – jopa silloinkin, kun sinulla on ilmainen sopimus.

Nopeat vastaukset

Luo ja lähetä helposti ammattimaisia kyselytutkimuksia. Saa luotettavia vastauksia nopeasti.

Asiantuntijoiden hyväksymät

Käytä kyselytutkimuksien asiantuntijoidemme hyväksymiä ennalta laadittuja kysymyksiä ja mallipohjia.

Tosiaikaiset tulokset

Tarkasta tulokset missä tahansa ja millä tahansa laitteella. Havaitse suuntauksia heti tietojen tultua.

Tuoreita ideoita

Kyselytutkimukset antavat muutakin kuin vain vastauksia. Saa palautetta ja uusia näkökulmia.

Data mahdollistaa välittömät toimet

Poimi tietoja datastasi ja välitä niitä tiimillesi.