Analýza cest - co to je a jak jej používat

Analýza cest je formou vícenásobné regrese Statistická analýza to se používá k vyhodnocení kauzálních modelů zkoumáním vztahů mezi závislou proměnnou a dvěma nebo více nezávislými proměnnými. Pomocí této metody lze odhadnout jak velikost, tak význam kauzálních souvislostí mezi proměnnými.

Klíčové cesty: Analýza cest

Analýza cest je teoreticky užitečná, protože na rozdíl od jiných technik nás nutí specifikovat vztahy mezi všemi nezávislými proměnnými. Výsledkem je model, který ukazuje kauzální mechanismy, prostřednictvím kterých nezávislé proměnné vytvářejí přímé i nepřímé účinky na závislou proměnnou.

Analýza cesty byla vyvinuta genetikem Sewallem Wrightem v roce 1918. Postupem času byla metoda přijata v jiných fyzikálních a sociálních vědách, včetně sociologie. Dnes je možné provádět analýzu cest se statistickými programy včetně SPSS a STATA. Metoda je známá také jako kauzální modelování, analýza kovariančních struktur a latentní variabilní modely.

Pro analýzu cesty existují dva hlavní požadavky:

1. Všechny kauzální vztahy mezi proměnnými musí jít pouze jedním směrem (nemůžete mít dvojici proměnných, které se navzájem způsobují)
2. Proměnné musí mít jasné časové řazení, protože o jedné proměnné nelze říci, že způsobí jinou, pokud ji nepředchází včas.

Analýza cesty obvykle zahrnuje vytvoření schématu cesty, ve kterém jsou specificky stanoveny vztahy mezi všemi proměnnými a příčinným směrem mezi nimi. Při provádění analýzy cest je možné nejprve zkonstruovat schéma vstupní cesty, což ilustruje předpokládané vztahy. V schéma cesty, vědci používají šipky, aby ukázali, jak se různé proměnné vzájemně vztahují. Šipka směřující od, řekněme, proměnné A k proměnné B, ukazuje, že proměnná A je hypoteticky ovlivněna proměnnou B.

Po dokončení statistické analýzy by výzkumník zkonstruoval diagram výstupní cesty, který podle provedené analýzy ilustruje vztahy, jak skutečně existují. Pokud je hypotéza výzkumného pracovníka správná, schéma vstupních a výstupních cest zobrazí stejné vztahy mezi proměnnými.

Podívejme se na příklad, ve kterém by mohla být užitečná analýza cest. Řekněme, že předpokládáte, že věk má přímý vliv na spokojenost s prací, a předpokládáte, že má pozitivní účinek, takže čím starší je, tím spokojenější bude s prací. Dobrý vědec si uvědomí, že určitě existují další nezávislé proměnné, které také ovlivňují naši závislou proměnnou spokojenosti s prací: například autonomie a příjem.

Pomocí analýzy cest může výzkumník vytvořit diagram, který mapuje vztahy mezi proměnnými. Diagram by ukazoval spojení mezi věkem a autonomií (protože obvykle ten starší je, tím vyšší je stupeň autonomie, kterou budou mít), a mezi věkem a příjmem (opět existuje tendence pozitivního vztahu mezi dva). Potom by měl diagram také ukázat vztahy mezi těmito dvěma sadami proměnných a závislou proměnnou: spokojenost s prací.

Po pomocí statistického programu pro vyhodnocení těchto vztahů je pak možné schéma znovu nakreslit, aby se určila velikost a význam vztahů. Například výzkumník by mohl zjistit, že jak autonomie, tak příjem souvisí s uspokojením z práce, že jedna z těchto dvou Proměnné mají mnohem silnější vazbu na spokojenost s prací než ta druhá, nebo že ani proměnná nemá významnou vazbu na zaměstnání spokojenost.

Zatímco analýza cesty je užitečná pro vyhodnocení příčinných hypotéz, tato metoda nemůže určit směr kauzality. Objasňuje korelaci a ukazuje sílu kauzální hypotézy, ale neprokazuje směr kauzality. Aby vědci mohli plně pochopit směr kauzality, mohou zvážit dirigování experimentální studie ve kterých jsou účastníci náhodně přiřazeni k léčebné a kontrolní skupině.

Studenti, kteří se chtějí dozvědět více o analýze cest ao tom, jak ji provádět, se mohou podívat na přehled University of Exeter Analýza cesty a Kvantitativní analýza dat pro sociální vědce Bryman a Cramer.

Aktualizováno od Nicki Lisa Cole, Ph. D.