Browsing by discipline "Statistik"

Vastauskadon yleistyminen on haitallista, sillä se aiheuttaa ongelmia estimaattien tarkkuuteen sekä luottamusvälien leveyteen. Harhaiseen estimaattiin perustuvat tulokset aiheuttavat virheellisiä tulkintoja. Vastauskatoa voidaan korjata painottamalla aineistoa sekä käyttämällä imputointia puuttuvien arvojen paikkauksessa. Tässä tutkielmassa tarkastellaan vastauskadon korjausmenetelmiä lumipallo-otanta –aineistossa. Tutkielmassa tarkastellaan puuttuneisuuden rakennetta sekä vertaillaan painottamattomia ja painotettuja muuttujia. Lopuksi aineistoa paikataan vielä moni-imputoinnin avulla. Lumipallo-otannassa otos kasvaa lumipallon lailla, kun otokseen jo nimetyt henkilöt nimeävät uusia henkilöitä otokseen. Lumipallo-otannasta on vakiintunut kolme mallia: lineaarinen lumipallo-otanta, eksponentiaalinen syrjimätön lumipallo-otanta sekä eksponentiaalinen syrjivä lumipallo-otanta. Lumipallo-otannan etu on, että sen avulla on mahdollista paikantaa piilossa olevia henkilöitä tai ryhmiä. Aineiston vastaukadon korjauksessa voi käyttää painotusta tai sen lähellä olevaa jälkiositusta. Moni-imputoinnissa imputointikierroksia on vähintään kaksi. Imputoitujen aineistojen avulla tuotetaan estimaatti puuttuvalle arvolle. Tutkielman aineistona on Romanien hyvinvointitutkimus, johon osallistui 365 Suomen romania tai itsensä Suomen romaniksi kokevaa henkilöä. Aineisto kerättiin lumipallo-otannalla helmikuun 2017 ja elokuun 2018 välillä. Tutkimus koostui pitkästä tai lyhyestä haastattelulomakkeesta sekä terveystarkastuksesta. Osallistujat saivat valita vastaavatko pitkään vai lyhyeen lomakkeeseen. Pitkässä lomakkeessa oli 88 kysymystä ja lyhyessä lomakkeessa oli oleellisimmat kysymykset pitkästä lomakkeesta, jolloin kysymyksiä oli 60. Tutkielman ensimmäiset tarkastelut koskevat puuttuneisuutta. Puuttuneisuutta tarkastellaan muutaman muuttujan avulla lyhyen ja pitkän lomakkeen välillä. Toisessa vaiheessa tarkastellaan samojen muuttujien avulla miten painottamaton ja painotettu aineisto eroavat toisistaan. Viimeisessä vaiheessa muodostetaan imputointimallit, joiden pohjalta toteutetaan moni-imputointi. Suhteellisesti suurempi puuttuneisuus lyhyessä lomakkeessa johtuu todennäköisesti siitä, että pitkään lomakkeeseen vastanneet ovat jo lähtökohtaisesti motivoituneempia vastaamaan ja näin ollen antavat enemmän vastauksia. Painotus kertoo, että iäkkäämmät ihmiset ovat aliedustettuina aineistossa. Moni-imputoinnin tulokset osoittavat, että kolmen muodostetun imputointimallin välillä ei ole suurta eroa. Lumipallo-otanta on hyvä otantamenetelmä paikannettaessa piilossa olevia ryhmiä, ja on hyvä asia, että eniten väestötutkimuksissa käytetyn satunnaisotannan rinnalla on muitakin käyttökelpoisia otantamenetelmiä. Lumipallo-otannalla saatuihin tuloksiin on kuitenkin syytä suhtautua varauksella eikä niiden yleistäminen ja vertailu ole täysin ongelmatonta.

Määräaikaiskatsastus on määräajoin ajoneuvolle suoritettava katsastus, jolla pyritään varmistamaan, että liikennekäytössä oleva ajoneuvo on turvallinen ja sen ympäristövaikutukset ovat määräyksien mukaisia. Aiemmin katsastustapahtumia tarkastelemalla on osoitettu, että katsastuksessa löydettyjen vikojen ja hylättyjen katsastuspäätösten osuus kasvaa voimakkaasti ajoneuvojen ikääntyessä. Tämän tutkielman tavoitteena oli tutkia, millainen yhteys iän lisäksi muilla tekijöillä, kuten ajoneuvoluokalla, matkamittarilukemalla ja merkillä, on katsastuspäätökseen ja katsastuksessa havaittujen vikojen lukumäärään. Lisäksi tavoitteena oli selvittää, miten yleistettyä lineaarista sekamallia voidaan soveltaa ajoneuvojen määräaikaiskatsastusten mallintamisessa. Tutkielman aineisto käsitti 5,53 miljoonaa Suomessa vuosina 2017 ja 2018 suoritettua määräaikaiskatsastusta, joissa katsastuspäätös oli hyväksytty tai hylätty. Aineisto poimittiin Liikenne- ja viestintävirasto Traficomin ylläpitämästä liikenneasioiden rekisteristä, ja se sisälsi katsastuksiin liittyviä tietoja sekä ajoneuvojen teknisiä tietoja. Havaintoyksikkönä oli katsastustapahtuma. Tutkielmassa aineisto rajattiin katsastuksiin, jotka oli suoritettu alle 30-vuotiaille ja alle 7 500 kg painaville henkilö- ja pakettiautoille. Aineisto sisälsi vain ajoneuvon vuoden ensimmäisen katsastuksen. Mallinnuksessa aineistona käytettiin 500 000 katsastustapahtuman satunnaisotosta, joka poimittiin rajatusta aineistosta (N= 4 712 971). Tutkielmassa mallinnus suoritettiin yleistetyllä lineaarisella sekamallilla, joka voidaan tulkita yleistetyn lineaarisen mallin ja lineaarisen sekamallin yleistyksenä. Menetelmää voidaan soveltaa tilanteissa, joissa vaste on eksponenttiperheen jakaumasta ja havainnot ovat ryhmittyneesti riippuvia. Menetelmän malliyhtälö koostuu lineaarisesta mallista tutusta kiinteästä osasta sekä satunnaisosasta. Kaksiosaisen rakenteen ansiosta menetelmällä voidaan selittävien muuttujien vaikutuksien estimoinnin lisäksi tarkastella monilähteistä vaihtelua. Yleistetty lineaarinen sekamalli valittiin tutkielman menetelmäksi mallivasteiden jakaumien ja katsastustapahtumien oletetun riippuvuuden takia. Tutkielmassa vasteiden, katsastuspäätöksen ja vikojen lukumäärän, oletettiin olevan binomijakaumasta ja negatiivisesta binomijakaumasta eli eksponenttiperheen jakaumista. Lisäksi oletettiin, että katsastaja ja edelleen katsastustoimipaikka aiheuttivat katsastustapahtumien välille ryhmittynyttä riippuvuutta. Mallinnus suoritettiin SAS-ohjelmiston GLIMMIX-proseduurilla. Tutkielmassa esitetyissä malleissa kiinteinä selittäjinä käytettiin luokiteltua ajoneuvon ikää, luokiteltua matkamittarilukemaa sekä luokiteltua ajoneuvon merkkiä. Satunnaisena vaikutuksena käytettiin katsastustoimipaikan mukaan määrittyvää vakiotermiä. Mallinnuksen yhteydessä havaittiin aiemmissa julkaisuissa todettu ajoneuvon iän voimakas positiivinen korrelaatio hylkäystodennäköisyyden ja vikojen lukumäärän kanssa. Vastaavanlainen ilmiö havaittiin matkamittarilukeman osalta: mitä enemmän ajoneuvolla oli ajettu, sitä todennäköisempää oli hylkäys ja havaittujen vikojen lukumäärän lisääntyminen. Molempien vasteiden suhteen ajoneuvomerkkien ennusteet erosivat toisistaan sitä voimakkaammin, mitä vanhempia ja mitä enemmän ajettuja ajoneuvoja tarkasteltiin. Katsastustoimipaikkakohtaisissa tarkasteluissa selvisi, että toimipaikoilla oli eroja hylkäystodennäköisyyksien ja vikojen lukumäärien ennusteissa sekä ennusteiden hajonnoissa. Tutkielmassa keskityttiin molempien vasteiden osalta kolmeen malliin. Mallien informaatiokriteerejä vertaamalla havaittiin, että vasteita parhaiten selittäneet muuttujayhdistelmät eivät olleet samat. Mallinnuksen yhteydessä huomattiin, että mallit oli hyvä pitää melko yksinkertaisina. Monimutkaiset mallirakenteet ja usean luokitellun selittäjän sisällyttäminen malliin tekivät laskennasta raskaan ja muodostivat havaintomääriltään pieniä selittävien muuttujien luokkia. Aineistosta havaittiin, että menetelmän oletus ryhmittyneestä riippuvuudesta ei puhtaasti pätenyt aineistossa, koska osa katsastajista toimi useassa katsastustoimipaikassa. Mallien hyvyyden tarkastelu todettiin haastavaksi, koska yleistetyllä lineaarisella sekamallilla ei ole vastaavalla tavalla vakiintuneita tapoja hyvyyden arviointiin kuin esimerkiksi yleistetyllä lineaarisella mallilla. Siksi jatkotutkimuksena olisi kiinnostavaa tutkia muun muassa sitä, millaisia muita välineitä tutkielmassa käytetyn lisäksi on sovellettavissa tutkielman mallien hyvyyden tarkasteluun.