Alla oleva graafi perustuu arvokyselyn mittareista jalostettuun
arvojen "pelkistykseen" (pääulottuvuudet). Suuresta joukosta kysysmyksiä
muodostettiin tilastollisen analyysin avulla pienempi määrä
summamuuttujia, jotka sopivat yhteen (toivottavasti myös tulkinnallisesti).
Kuva kertoo, kuinka voimakkaasti arvoulottuvuudet
"latautuvat" keskimäärin Pron jäsenistössä.
Mitä lähempänä keskiarvo on 50 prosenttia, sitä enemmän ko.
arvomaailmoissa on tyypillisesti hajontaa (moniarvoisuutta).
Mitä lähempänä nollaa % pylvään arvo on, sitä harvinaisempaa on, että
Pron jäsenkunta omaa klusterin arvomaailman.
Kuvan alla olevasta listasta selviää, mitä varsinaisia asioita klusterit
pitävät sisällään (listan läpikäyminen on must). Alempi analyysikuva
selittää ihanne- tai arvojen klusterien painottumista joukolla taustatekijöitä.
Kyse on tilastollisesta monimuuttujamallista, jossa tutkitaan
kunkin taustatekijän muilla tekijöillä "puhdistettua omaa" vaikutusta.
Mitä arvoklusterit pitävät sisällään? Huom.
teksti (EI) muuttujan nimen edessä tarkoittaa, että
asiaa tulkitaan sanamuotoilun käänteisessä muodossa.
Klustereissa voi olla hyvin eri määrä alkuperäisiä muuttujia.
(pylväsdiagrammi, kun yksi arvoklusteri)
Kuvakorkeus: =
Analyysikuvan tulkinta (merkintöjen selitykset):
Vasemmassa laidassa on mallin selittävien tekijät
Vaaka-akseli kuvaa selittävien tekijöiden vaikutusta
eri arvoklustereihin (C..., ks. ylempänä kuvaukset )
Beta-kerroin (β) = selittävän tekijän vaikutussuuntaa (ja voimakkuutta
kuvaava luku. Jos luku on nollaa suurempi, niin ko. tekijä lisää
arvoklusteriin kuulumisen voimakkuutta. Useampiluokkaisissa muuttujissa
kuten toimiala yksi luokista on ns. vertailuryhmä (beta = 0).
Kuvapisteen päällä on lisäksi tilastolliset
virhemarginaalit (ci). β:n arvon perässä mahdollinen tähti (*)
tarkoittaa, että muuttuja tai sen luokka poikkeaa tilastollisesti
merkitsevästi nollasta (= on korrelaatiota).
Beta-kerroin (β) on ns. standardoitu regressiokerroin,
joka mahdollistaa eri asteikolla olevien muuttujin vertailun
samassa "kuvassa". Kuvan pisteen päällä näet myös alkuperäisen
vaikutuskertoimen (b), joka kertoo vaikutuksen määrän, kun
selittävä tekijä muuttuu yhden yksikön (siis b*1).
b:n tulkinta on hyödyllisempi, jos haluat arvioida
tietyn selittävän tekijän vaikutusta arvoklusterimittarin
alkuperäisen asteikon vaihteluun (joka on tässä 0-100 %).
Selittävän x ja selitettävän y muuttujan keskiarvo (mx, my),
kuvapisteen päällä.
Useampiluokkaisessa muuttujassa (esim. toimiasema),
arvo kuvaa luokan suhteellista osuutta aineistossa.
Kuvassa kunkin tekijän tulokset on mallin muilla tekijöillä
vakioituja vaikutuksia (eli esim. toimialan vaikutus
ilmenee muilla tekijöillä puhdistettuna vaikutuksena).
Huom. Voit poista (ja lisätä) klikkaamalla arvoklusterin nimeä.
Huom. Voit zoomata kuvaa maalaamalla tietty alue (esim.
vain sukupuoli&ikä -muuttujan