Sposoby i etapy analizy danych 1. Metoda statystyczna

W przedstawionej analizie jako narzędzie statystyczne wykorzystano modelowanie równań strukturalnych (Structural Equation Modeling — SEM) w jego odmianie określanej jako analiza ścieżek (Path Analysis — PA), uwzględniającej wyłącznie zmienne wskaźnikowe (bez latentnych).

Ogółem przeanalizowano 12 modeli (por. Aneks 1). Jedynie pierwszy z nich miał charakter w pełni konfirmacyjny. Pozostałe modele opierały się na wcześniej eksploracyjnie ustalonych parametrach lub/i też były mo‑

dyfikowane na podstawie wskaźników modyfikacji (Modification Indices

— MI) oraz redukowane o nieistotne (na poziomie p ≥ 0,05) ścieżki. Ze względu na dużą liczbę wariantów analizy zdecydowano się wprowadzić oznaczenia każdego modelu. W Aneksie 1 zaprezentowano oznaczenia po‑

szczególnych modeli oraz ich krótki opis.

Każdy model był oceniany na podstawie tzw. wskaźników dopasowa‑

nia (Fit Statistics). W pierwszych opracowaniach SEM (Jöreskog i Sör‑

bom, 1984) jako podstawową miarę dokładnego dopasowania modelu traktowano wynik testu χ² lub — jako miarę dopasowania — stosunek χ² do df. Współcześnie uważa się te miary za silnie uzależnione od wielkości próby, liczby zmiennych, liczby wolnych parametrów oraz odchylenia od normalności rozkładu zmiennych obserwowalnych i oceny dopasowania dokonuje się z wykorzystaniem innych wskaźników (Konarski, 2010).

Warto zaznaczyć, że w publikacjach naukowych, w których wykorzysty‑

wane jest SEM, nie ma jednolitego podejścia do zagadnienia, autorzy nie są zgodni co do tego, które statystyki i wskaźniki powinny być używane

136 10. Wyniki

do opisu dopasowania modelu. Większość badaczy podaje statystykę χ² i uzupełnia ją przynajmniej dwoma dodatkowymi wskaźnikami. Do naj‑

częściej stosowanych wskaźników należą (w nawiasach podano wartości akceptowalne): CFI (> 0,95), RMSEA (< 0,05), TLI/NNFI (> 0,95), NFI (> 0,95) (Bentler, 1990; Browne i Cudeck, 1993; Hu i Bentler, 1998, 1999).

Na potrzeby badań własnych wybrałam dwa wskaźniki (oprócz testu χ²), które uważa się za najbardziej stabilne i niezależne od liczby parametrów i wielkości próby (Konarski, 2010), czyli współczynnik CFI i RMSEA, przy czym wartość RMSEA uzupełniłam o dolną i górną granicę 90% przedziału ufności.

Analiza rozkładu badanych zmiennych za pomocą testu Shapiro‑

‑Wilka wykazała, że rozkład wielu z nich nie spełnia warunków normalno‑

ści rozkładu. Jednak maksymalne wartości bezwzględne skośności i kur‑

tozy nie przekraczają w żadnym z przypadków 1, a wartości przeciętne wynoszą odpowiednio: M_Skośność = 0,332; M_Kurtoza = 0,453. Uprawnia to do stwierdzenia, że rozkład nie odbiega znacząco od normalnego. Pomimo tego zdecydowano się uniezależnić od założenia o normalności rozkładu i na podstawie metody bootstrap określić przedziały ufności dla uzyska‑

nych parametrów (por. Byrne, 2001). Ze względu na dużą liczbę analiz wyniki tej metody zaprezentowano wyłącznie w tabelach efektów, uznając je za najistotniejsze dla interpretacji.

Na poziomie wyników surowych tylko w kilku przypadkach odnoto‑

wano pojedyncze braki danych; brakujące dane zastąpiono średnimi.

10.1.2. Dwa etapy analizy

Analizę danych przeprowadzono w dwóch etapach, a wyniki podzie‑

lono na dwie grupy modeli (opis analizowanych modeli w ramach SEM zaprezentowano Aneksie 1).

Celem pierwszego etapu analiz było przetestowanie zaproponowanego modelu, który miał wyjaśniać wpływ czynników zagrożenia wykluczeniem społecznym na funkcjonowanie emocjonalne i radzenie sobie młodzieży.

Badanie przeprowadzono w całej grupie. Model jednak nie został potwier‑

dzony — wskaźniki dopasowania uznano za daleko niewystarczające. Na tym etapie (który obejmował dwa modele) uwzględniono jako zmienne egzogeniczne 3 czynniki SZWS oraz potrzebę przynależności. Pierwszy etap w porównaniu z następnym był zatem dosyć prosty: najpierw podda‑

no analizie konfirmacyjnej model teoretyczny; później ten sam model (po jego odrzuceniu na podstawie wskaźników dopasowania) stanowił punkt

137

10.1. Sposoby i etapy analizy danych

wyjścia eksploracji na podstawie MI (zob. Aneks 2, 6, 7). Rezultaty staty‑

styczne tego etapu analiz omówiono w rozdziale 10.2.1.

Głównym celem drugiego etapu było określenie, jakie sposoby radze‑

nia sobie stosuje młodzież z różnych grup zagrożenia. Opracowano psy‑

chologiczne profile wyłonionych grup, koncentrując się na zbadaniu i opi‑

saniu układu zależności pomiędzy zmiennymi wewnątrz grup. W modelu uwzględniono zmienną egzogeniczną — potrzebę przynależności. Ten etap zakończył się uzyskaniem stosunkowo dobrego zestawu wskaźników dopasowania. Dla każdej z grup klasterowych (mających dobre wskaźniki dopasowania) utworzono osobne modele, których wyniki zaprezentowano w postaci tabelarycznej, opisowej i rysunkowej.

Ta część analizy (druga grupa modeli — por. Aneks 1) wynikała między innymi z wcześniej sygnalizowanych (przy analizie czynniko‑

wej narzędzia) wątpliwości co do poziomu pomiaru SZWS i polegała na wprowadzeniu wyników uzyskanych za pomocą tego narzędzia do ana‑

lizy jako pewnego profilu czy układu kategorii, a nie jako sumy wyni‑

ków w postaci czynników. Nowy sposób ujęcia wyników SZWS oznaczał zmiany w sposobie wprowadzania tej zmiennej do SEM. Dlatego najpierw wykonano dwa kroki, które można traktować jako wstępną analizę na tym etapie: przeliczono model 2.0_all (por. Aneks 3 i 8), którego parametry ustalono na podstawie modelu 1.1_all, wycofano jednak SZWS w postaci zmiennych egzogenicznych i wprowadzono (nieliczne) zmiany na podsta‑

wie MI. W ten sposób powstał model, który można określić jako bazowy dla dalszych analiz. Ostatecznym celem tych analiz były odpowiedzi na pytania:

1. Czy model ten można utrzymać (biorąc pod uwagę wskaźniki dopaso‑

wania) dla każdej grupy klasterowej (2.0_gr0)?

2. Jeśli nie, to jakie modyfikacje należy wprowadzić, analizując ten model dla każdej grupy osobno (2.1_gr1).

Przed przystąpieniem do SEM przeprowadzono analizę aglomeracyjną SZWS, a dokładniej analizę skupień (Two ‑Step Clustering) na 13 zdychoto‑

mizowanych¹ kategoriach SZWS (26 pozycji; przy 2 pozycjach na katego‑

rię uzyskano ostatecznie 13 kategorii). Analiza ta została przeprowadzona dwustopniowo. Najpierw przy zastosowaniu kryterium liczby klasterów BIC wydzielono 2 klastery; pierwszy klaster tworzyły osoby, które w bar‑

dzo niskim stopniu przejawiały zagrożenie wykluczeniem społecznym (prawie wszystkie odpowiedzi „nie”), a drugi — osoby o zróżnicowanych sposobach odpowiadania na pytania skali. Następnie takiej samej analizie poddano klaster drugi. Analiza skupień dla tej grupy pozwoliła podzielić

1 Dychotomizacja polegała na sprowadzeniu kategorii: „prawie nigdy”, „bardzo rzad‑

ko”, „rzadko” do wartości 0 („nie”), a pozostałych — do wartości 1 („tak”).

138 10. Wyniki

ją na 3 klastery, z których każdy charakteryzował się innym układem fre‑

kwencji kategorii zagrożenia. Układ poszczególnych kategorii (procent od‑

powiedzi „tak”) w wyłonionych ostatecznie 4 klasterach (1 z pierwszego etapu analizy klasterowej i 3 z drugiego) zaprezentowano w tabeli 5.

Tabela 5 Odpowiedzi twierdzące w poszczególnych kategoriach zagrożeń

wykluczeniem społecznym według skupień (w %) Kategorie zagrożeń

Skupienia

¹

(N = 77) ²

(N = 39) ³

(N = 49) ⁴

(N = 53)

Choroba w domu  5,7 40,6 22,4  2,4

Dostęp do usług związanych z kulturą 45,3 87,5 65,8 58,3

Konflikty i kłótnie w rodzinie  0,0 35,9 40,8  8,3

Kontakt z policją  0,0  9,4  1,3  2,4

Opuszczanie szkoły  0,0 43,8  9,2  2,4

Poczucie odrzucenia  0,9 28,1  1,3  6,0

Problemy w nauce  0,0 82,8 22,4 75,0

Relacje pomiędzy rodzicami  0,0 39,1 90,8  3,6

Relacje z rówieśnikami  0,0 17,2 11,8 34,5

Ryzykowne zachowania seksualne  0,0 28,1  1,3  7,1

Ubóstwo 11,3 32,8 38,2 11,9

Używki (picie alkoholu, palenie papierosów)  0,0 62,5 18,4  6,0

Bezrobocie 16,0 29,9 28,1 17,3

Objaśnienia: ¹ — grupa osób bez zagrożeń; ² — grupa osób z problemami w nauce i stosują‑

cych używki; ³ — grupa osób z problemami rodzinnymi; ⁴ — grupa osób z problemami w nauce i z rówieśnikami; pogrubioną czcionką wyróżniono wartości równe 30% lub większe.

Ze względu na profil zagrożenia wyróżniono następujące grupy:

1. Grupa osób bez zagrożeń.

2. Grupa osób z problemami w nauce i korzystających z używek.

3. Grupa osób z problemami rodzinnymi.

4. Grupa osób z problemami w nauce i z rówieśnikami.

Dla każdej z grup klasterowych (mających dobre wskaźniki dopasowa‑

nia) powstały osobne modele; zależności pomiędzy zmiennymi w poszcze‑

gólnych modelach omówiono w rozdziale 10.2.2.

139