Er der ligeløn?

Findes der arbejdsfunktioner/brancher hvor kvinderne tjener mere end mændene?

donna cerca donna Salerno Ja, dog kun ganske få arbejdsfunktioner ifølge tallene fra Danmarks Statistik, som jeg har forsøgt visualiseret nedenfor. Søjlen til venstre viser hvor meget kvindernes løn udgør af mændenes inden for den arbejdet. Den højre søjle viser den gennemsnitlige timelønnen for arbejdet uafhængigt af køn. Beklager de lidt stereotype farver som søjlerne har fået, de beskriver nemlig kønsfordelingen for de enkelte arbejdsfunktioner – jo mere lyserød desto højere andel af kvinder er der i arbejdsfunktionen. Hold musen over de enkelte søjler for at se arbejdsfunktion og andre detaljer.

Note til grafen: Det er muligt at sortere efter de enkelte søljer, prøv fx at holde mussen over teksten “Timeløn i kroner” og klik derefter på det lille symbol, som dukker op til højre for teksten.

Opgave

Gå på opdagelse i grafen.
(1) I hvilke jobs tjener kvinderne mere end mændene og omvendt?
(2) Er der sammenhæng mellem længderne på søjlerne til venstre og til højre?
(3) Kan du finde et job hvor der er en høj timeløn og en høj ligeløn?
(4) Hvilke tendenser kan du finde i grafer?
(5) Hvilke mulige forklaringer er der på tendenserne?

Undrer du dig over de store forskelle i løn mellem kønnene på sundhedsområdet?

Overhaler indvandrerne danskerne i uddannelseniveau?

Dette korte indlæg skal se på forholdet mellem uddannelse og oprindelse dvs. undersøge forskellene i uddannelsesniveau mellem indvandrere, efterkommere og personer med dansk oprindelse. Endvidere undersøges udviklingen over tid og der er muligt at se på kønnenes udvikling inden for forskellige aldersgrupper. Kort sagt er der en række faktorers indvirkninger på uddannelse som vi sætter i spil.

Oven for er dataet som man kan lege og klikke rundt i. Dataet er hentet fra Danmarks Statistik.

Opgave

  • Prøv at klikke rundt i mellem alderskategorierne i panelet til højre.
  • Er der i nogen alderskategorier hvor indvandrene klarer sig ligeså godt eller bedre end personer af danske oprindelse?
  • Er forskellen der stadig hvis vi kun ser på mændene?

De kritiske vil sikkert bemærke at indvandrerne dækker en relativ bred gruppe. Både vestlige og ikke-vestlige indvandrere indgår under kategorien “Indvandrere”. Desværre er det ikke muligt i ovenstående visualisering at skelne mellem de to kategorier.

Mulige fejlkilder

Ligeledes er der en del “Uoplyst” i forhold til indvandrernes uddannelsesniveau. En mulighed er helt at fjerne kategorien ved at klikke på H10 Uoplyst i panellet til højre og klikke “Exclude”. Hermed bliver tallene mere sammenlignelig. Der bør dog tages det forbehold at det også kan skævvride fremstilling. Det sker fx hvis “Uoplyst” dækker over ingen uddannelse i højre grad end ukendt uddannelse. Personer med dansk oprindelse har højest sandsynligt taget deres uddannelse i Danmark og derfor vil det også fremgår i Danmarks Statistik gennem direkte indberetning fra uddannelsesstederne. Når du kommer til Danmark som indvandrer kan der være mangler i registeringen. Registeringen for efterkommere er også væsentlig bedre end for indvandrere.

Opgave om korrespondanceanalyse

Indledning

Jeg vil i denne opgave benytte specifik multipel korrespondanceanalyse, supplementære variable og klyngeanalyse til at undersøge unges livsstil og sammenhænge mellem socio-demografiske variable og deres livsopfattelse. Designet virker lidt søgt, men det skulle gerne vise mulighederne i MCA og klyngeanalyse indenfor sociologien. Jeg vil i første afsnit kort introducere korrespondanceanalysen som metode og den tilhørende filosofi. Derefter redegør for min valgte problemstilling. Hvorefter min analyse og anvendelsen af de ovennævnte metoder vil blive demonstreret.

Introduktion til korrespondanceanalyse

Korrespondanceanalyse er en metode til at undersøge og forstå sammenhænge i, ofte store, krydstabeller grafisk. Det er en mere eksplorativ metode/tilgang til at afdække strukturer i data, end en metode til at påvise og afvise hypoteser. Der er heller ingen krav om underliggende forudsætninger i korrespondanceanalyse, de eneste forudsætning er at der findes struktur i dataet og rummet er udtømmende (Greenacre & Blasius 1993: vii f.). Det grafiske element, overskueligheden og fleksibilitet gør metoden særdeles velegnet i sociologi, især fordi analysen foregår med data på nominalt og ordinalt måleniveau (Jæger 2003: 1). Korrespondanceanalysen er især kendt igennem Bourdieus forskning og specielt værket La Distinction fra 1979. Filosofien er som Bourdieu udtrykker det, ikke at isolere effekter, men at se på sammenhængene som analyseområde (Bourdieu 1984: 103 f.). Ligesom Benzecri også udtrykker den induktive filosofi ’The model must follow the data, and not the other way around’ (citeret i Greenacre & Blasius 1993: viii).

Korrespondanceanalyse har ligheder med faktoranalysen, formålet med metoden er at finde strukturer eller dimensioner i dataet, således at den samlende varians kan forklares ud fra få dimensioner (Rosenlund 1995: 59). Som nævnt er det dog ikke et krav at variablene er intervalskaleret som i faktoranalysen. Ligeledes er det også muligt at bevare individerne i korrespondanceanalysen, således man fx kan benytte klyngeanalyse på individerne, ud fra de aktive variable i en multipel korrespondanceanalyse.

Multipel korrespondanceanalyse anvendes når der analyseres mere end to variable, metoden er stadig den samme, beregningerne foregår i stedet på en tabel med individerne x svarkategorierne (Le Roux & Rouanet 2010: 34). Der er derfor nogle bestemte forholdsregler man skal tage, dem vil jeg komme nærmere ind på under afsnittet ”Udvalg af aktive variable”.

Unges livsstil – problemstillingen

Målet for opgaven er at undersøge unges livsstil og sammenhængen mellem deres livsopfattelse og forholdet til vennerne. Jeg vil til løsningen af problemstillingen konstruere et livsstilrum[1] bestående af unges fritidsaktiviteter og vaner, dvs. adfærdsvariable. Målet er at undersøge hvilke livsstile der er forbundet med en ”positiv tilværelse”, som her er et godt forhold til vennerne og en positiv livsopfattelse. Desuden vil jeg undersøge sammenhænge mellem livsstile og socio-demografiske baggrundsvariable. Undersøgelsen tager udgangspunkt i 369 individer mellem 17-18 år fra det gamle Ringkøbing Amt. De fleste variable er på ordinalt eller nominalt måleniveau, så datasættet egner sig derfor til korrespondanceanalyse.

follow url Figur 1: Undersøgelsesdesign

Udvalg af aktive variable

Jeg har udvalgt i alt 19 variable til at beskrive de unges livsstil[2]. De aktive variable er valgt så de udgør forskellige former for fritidsaktiviteter så som motion og sport, fællesaktiviteter i forening, klub og cafe, og mere individuelle aktiviteter som at se tv, spille computerspil, læse og kreative ting. I spisevaner og nydelsesvaner er der inddraget både sunde og usunde vaner.

Variablerne er opdelt i fire temaer; motion, spisevaner, nydelsesvaner og fritidsaktiviteter. De fire temaer og de tilhørende variable er listet i tabel 1 i bilaget. Som det ses af tabellen er der en overvægt af fritidsaktivitetsspørgsmål. Det er dog ikke et problem, for selv om de er angivet under et tema, så er temaet bredere og omfavner flere aspekter end de øvrige temaer. For de tre andre temaer har jeg tilstræbt en fordeling der gør at de har nogenlunde lige mange svarkategorier i alt. Dette tilstræbes, da antallet af svarkategorier har indflydelse på hvor meget variablene bidrager til dimensionerne i en multipel korrespondance analyse. Den overordnede varians i modellen eller skyen er i MCA givet ved (K/Q)-1  hvor K = antallet af svarkategorier/modaliteter og Q = antallet af spørgsmål/variable (Le Roux & Rouanet 2010: 35). Den overordnede varians i modellen er altså (60/19)-1 ≅ 2,158  som svarer til den samlet egenværdi i modellen. Bidraget fra en variable er givet ved  $${Ctr}_q=\ \frac{K_q-1}{K-Q}$$hvor Kq = antal svarkategorier i spørgsmål q (Le Roux & Rouanet 2010: 38). Som det ses af formlen har det betydning for det samlet bidrag fra variablen hvor mange svarkategorier der indgår i spørgsmålet. Fx bidrager variablen ”Motion om ugen” med fem svarkategorier med $$\frac{5-1}{60-19}\cong0,098$$ hvorimod variablen ”Går i kirke/moské m.m.” kun bidrager med $$\frac{2-1}{60-19}\cong0,023$$ fordi den indeholder to svarkategorier. Det er derfor vigtigt at der indenfor temaerne er nogenlunde det samme antal svarkategorier i alt (ibid.)

Den relative frekvens i svarkategorierne har indflydelse på hvilke svarkategorier i variablene der bidrager mest til variansen. En svarkategoris bidrag er givet ved formlen $${Ctr}_k=\ \frac{1-f_k}{K-Q}$$ hvor fk er den relative frekvens (Le Roux & Rouanet 2010: 38). Ser vi igen på variablen ”Går i kirke/moské m.m.” kan vi udregne bidraget fra svarkategorien ”Religioes1_3” til $$\frac{1-0,076}{60-19}\cong0,021$$, dvs. til stort set hele variablens bidrag. Derfor tilstræber man at der er en nogenlunde ligelig fordeling af de relative frekvenser i svarkategorierne indenfor hver variable. Hvor det ikke er muligt anbefaler Le Roux & Rouanet (2010: 39) at kategorier med under 5 % af besvarelserne lægges sammen med andre svarkategorier eller sættes som passive i en specifik multipel korrespondanceanalyse. Jeg har derfor i rekodningen[3] forsøgt at overholde disse anbefalinger hvor det har været muligt, og hvor det ikke senere hen vil give problemer i fortolkningen af svarkategorierne.

Indledende fortolkninger

De 19 variable fra Tabel 1 i bilaget er brugt til at konstruere et livsstilrum ved hjælp af specifik multipel korrespondanceanalyse i statistikprogrammet SPAD. 16 svarkategorier, som ikke er gengivet her, er sat som passive og indgår ikke i dannelsen af rummet. De 16 svarkategorier er alle ”missing” dvs. manglende besvarelser.

I nedenstående Tabel 1 ses de fire første aksers egenværdier dvs. akses opsamling af varians ud af den samlende varians på ca. 2,16. På grund af højdimensionalitet i rummet i multipel korrespondanceanalyse anbefaler Benzécri (1992: 412, citeret i Le Roux & Rouanet 2010: 39) at man anvender modificerede egenværdier som tager højde for højdimensionaliteten. De udregnede modificerende værdier kan ligeledes ses i Tabel 1.

 

uomo cerca uomo Trieste Tabel 1: Variansen i akse 1-4

Akse 1 Akse 2 Akse 3 Akse 4
Egenværdier  (varians) 0,1432 0,1276 0,0967 0,0949
Rater (%) 6,60 5,88 4,46 4,37
Modificerede egenværdier (Benzécri korrektion)[4] 0,0091 0,0063 0,0022 0,0020
Modificerede rater (%) 39,10 26,82 9,25 8,51
Kumulative modificerede rater (%) 39,10 65,92 75,17 83,68

I Tabel 1 ses at akse 1 kan forklare 39,1 % af variationen i rummet mens akse 2 kan forklare 26,82 %, akse 3 og 4 forklare yderlige 9,25 % og 8,51 %. I alt kan de fire akser forklare 83,68 % af variationen i rummet.

Valg af akser

uomo cerca trans Ravenna Figur 2: Egenværdier

Antallet af akser der skal tolkes på i en korrespondanceanalysen baserer sig på faldet i egenværdier og den kumulative modificerede rater ifølge (Le Roux & Rouanet 2010: 51). Faldet eller ”knækket” i egenværdier stopper til dels ved akse 3 som det ses i Figur 2, så dette kunne tale for at en fortolkning af rummet skal bygge på de to første akser. Dog tilstræber man i korrespondanceanalyser at forklare over 80 % af variationen i rummet. I dette tilfælde ville man skulle medtage de fire første akser i den videre analyse (Ibid., Høyen 2004: 138 f.). I sidste ende beror antallet af akser på hvor mange der giver mening i en fortolkning af rummet. Jeg vil i dette tilfælde gå videre med de to første akser, som kan forklare sammenlagt 65,92 % af variationen i rummet.

Individskyen

Individskyen for akse 1 og 2 er afbilledet i Figur 3. Her ses at individerne er nogenlunde ligelig fordelt omkring barycenteret.

donna cerca uomo Guidonia Figur 3: Individskyen for akse 1 og 2

Det ser dog ud til at der er en større spredning af individerne i akse 2 på den negative side af akse 1, i forhold til den positive side. Formen af skyen er dog ikke nær trekantformede eller på andre måder afvigende (Høyen 2004: 132-137). Så jeg vil i næste afsnit gå direkte videre til fortolkningen af akserne[5].

Fortolkningen af de to første akser

Fortolkningen af akserne bygger på variablernes og modaliteternes bidrag til akserne. I de to nedenstående afsnit er der i henholdsvis Tabel 2 og Tabel 3 gengivet de variable eller modaliteter der bidrager mere end gennemsnittet; for variable $$\frac{100}{Q}\rightarrow\frac{100}{19}\cong5,26$$ og for modaliteter $$\frac{100}{K}\rightarrow\frac{100}{60}\cong1,67$$. Der er inddraget få modaliteter der ikke bidrager mere end gennemsnittet for at lette fortolkningen.

Akse 1 – Sundhed og motion

I Tabel 2 er der listet de 21 modaliteter der bidrager mere end gennemsnittet og yderlige 2. Aksen består af modaliteter fra 8 variable. Spisevaner (28,81 %) og nydelsesvaner (19,97 %) bidrager med 48,78 % til aksen. På den negative side af aksen er det modaliteterne; spiser sjælden eller aldrig frugt og grønsager (Frugt4_5 og Gronsag4_5) der tegner sig for sundhedsvanerne.  Af nydelsesvaner drikker man sodavand en eller flere gange om dagen (Sodavand1_2), drikker flere end seks dage om måneden, mere end fem genstande (Alc4_6d+) og ryger dagligt (Ryger1_dagligt). Disse modaliteter på negative side tegner et billede af en usund levestil. Denne antagelse støttes af at motion under 30 minutter om ugen (Motion1_30min) og at man kun sjældent eller aldrig deltager i idrætsforeninger eller på motionshold (Idraet4_5). Desuden hænger det sammen med en adfærd hvor man ser sine venner meget ofte (Ven1_Hverdag), tit går til fester (Fest1_2), hjælper ikke til derhjemme (Hjaelphjem4_5) og bruger mere end 3 timer om dagen på at se TV (TidTV_3t+). I alt bidrager modaliteterne på den negative side til 54,5 % af variansen på akse 1.

Tabel 2: Variable, modaliteternes orientering og bidrag (ctr.) i pct. for akse 1

Den positive side af akse 1 bidrager kun med 21,89 % af den samlende varians på aksen. Dette tyder på at det er den negative side der overvejende tegner akse 1. På den positive side er det igen variablene frugt og grønsager der bidrager med mest. Modaliteterne er modsat at man her spiser frugt (Frugt1_2) og grønsager (Gronsag1_2) en eller flere gange om dagen. Ligeledes holder man sig også fra sodavand og dyrker en del mere idræt og motion (Idraet1_2, Motion_4-6t).

Akse 1 opsamler således i høj grad de usunde spise-, nydelses- og motions-vaner på den negative side og det mere sunde alternativ på den positive side. Aksen tegner sig derfor som en sundhedsdimension.

Figur 4: Modaliteterne fra akse 1 og deres placeringer

Akse 2 – Socialdimension

Variablene og modaliteterne der danner akse 2 kan ses i Tabel 3 og Figur 5 på næste side. Som det ses i Figur 5 så er der en overvægt af aktivitetsvariable, de bidrager samlet set med 50,51 %.[6] Derudover bidrager alkoholvariablen med 20,02 %. På den negative side af aksen er det især modaliteterne går meget til fest (Fest1_2) og drikker en del alkohol (Alc3_3-5d, Alc4_6d+) der bidrager til aksen. Yderlige er det at man dyrker motion (Motion4_4-6t), deltager i idrætsforeninger (Idraet1_2) og går på cafe eller restaurant (Cafe1_2) kendetegnede for den negative side.

 

Tabel 3: Variable, modaliteternes orientering og bidrag (ctr.) i pct. for akse 2

På det positive side af aksen er det modaliteterne; at gå til fest sjældent eller aldrig (Fest4_5) og ikke at drikke alkohol (Alc1_0d) der bidrager mest til variansen. Desuden er det også kendetegnede at man ikke ser sine venner særlig ofte (Ven4_1el>) og ikke går på cafe eller restaurant (Cafe4_5).

Figur 5: Modaliteterne fra akse 2 og deres placeringer

Aksen synes at opsummere former for aktiviteter der er forbundet med at være social, hvor den negative side er udtryk for at være social og den positive side at være usocial[7]. At være social er således også forbundet med at drikke en del alkohol. Det er ligeledes også dem der ser deres venner ofte. Ligesom det for de usociale er dem der ikke drikker alkohol og som kun ser deres venner sjældent. Usocial kan dog være en svær etikette at sætte på den positive side af aksen, da det at være usocial kræver man aktiv har valgt det sociale fra, dette kan ikke umiddelbart læses ud fra de variable der udgør aksen. Ligeledes indgår modaliteten Religoes1_3 dvs. at gå i kirke eller moské osv. mere end en eller flere gange om måneden. En aktivitet som egentlig må betragtes at være social, men nok lidt atypisk for unge mennesker, vi vil også senere se at den gruppe adskiller sig fra de andre ”usociale” i klyngeanalysen. Jeg vil dog stadig i den videre analyse betragte aksen som en repræsentation for en socialdimension.

Supplementærkategorier

Jeg vil i dette afsnit inddrage supplementære variable og kategorier. Supplementære kategorier er ikke med til at danne livsstilrummet, men bliver udregnet på samme måde som de aktive variable, men med en vægt på nul (Greenacre 2007: 89). Det drejer sig om socio-demografiske variable som køn, husstandsindkomst og forældrenes og egen uddannelse. Målet er at undersøge om de socio-demografiske variable har relationer til de unges livsstil.

Socio-demografiske variable

I nedenstående figurer 6 og 7 er køn, husstandsindkomst, forældrenes og egen uddannelse plottet ind som supplementærkategorier. Ser vi på køn, så er der en forskel mellem deres placering på 0,71, betydende at der er en moderat forskel i drengenes og pigernes placering i livsstilrummet[8]. Drengene har således en tendens til at være mere usunde end pigerne. Der er ikke nogen nævneværdig forskel mellem drenge og piger på akse 2 socialdimensionen. Det samme gælder for egen uddannelse, der er heller ingen større forskel på socialdimensionen. Her ligger forskellen igen på sundhedsdimensionen, og den største forskel er der mellem unge der ikke er i gang med en uddannelse, eller som er i gang med en erhvervsgrunduddannelse og de unge der går på gymnasiet. Her er forskellen 0,69 og 0,66, hvad man kunne betegne som en moderat forskel. Det tyder altså til en vis grad på, at ens køn og nuværende uddannelse kan have en sammenhæng med ens sundhedslivstil, hvorimod der ikke er nogen større sammenhæng med ens sociale livsstil. Ser vi derimod på husstandens indkomst kan vi se en lille forskel i mellem den laveste indkomstgruppe og den højeste indkomstgruppe på 0,44 i de unges sociale livsstil, dette kan betyde at unge der lever i en lavindkomst familie bliver begrænset i deres sociale aktiviteter af økonomiske årsager. Forskellen er dog lille. Ser vi på forældrenes uddannelsesniveau er det svære at lave samme tolkningen, det ser nemlig ud til af der er forskellige sammenhænge mellem de forskellige uddannelser afhængig af om det er moderen eller faderen, forskellene er dog ikke små. I forhold til om moderen og faderen har en lang videregående uddannelse, så er der ingen forskel på sundhedsdimensionen for de unge, de ligger begge helt ude på den positive side dvs. den sunde side. Forskellen på den sociale dimension er på 0,34, altså lille, men det kunne give anledning til videre analyse af hvilke sammenhænge der er mellem, om det er moderen og/eller faderen der er højtuddannede. En hypotese kunne være at det har nogle konsekvenser for de unges sociale liv hvis moderen er højtuddannede og deraf måske ikke er så meget hjemme, mens faderens fravær ingen betydning har. På sundhedsdimensionen ser vi derimod en forskel mellem de ufaglærte og de højtuddannede på ca. 0,65-0,7, altså har forældrenes uddannelse en vis sammenhæng til de unges sundhed.

Figur 6 og Figur 7: Socio-demografiske variable i livsstilrummet

Anm. Figuren til højre med husstandsindkomst og forældrenes uddannelse er skaleret større, så de to figurer kan kun sammenlignes hvis man tager højde for deres skalaniveau, hvilket kan aflæses i kanterne.

Køn som strukturerende faktor

Nedenstående er vist to individskyer henholdsvis med drengene og pigerne på akse 1 og 2. For hvert af de to køn er der indtegnet en koncentrationsellipse, som hvis den er normal indeholder ca. 86 % af underkategorien (Le Roux & Rouanet 2010: 70).

Her træder det igen tydeligt frem at kønnene adskiller sig på sundhedsdimensionen. Der ligger en overvægt af drenge til venstre og en overvægt af piger til højre. Det kunne også se ud som om, at der er en større andel piger der er usociale på akse 2. Andelen er dog som nævnt i forrige afsnit ikke særlig stor. Det interessante ved strukturerende faktorer i individskyen, er muligheden for at se på individernes spredning omkring kategoriens gennemsnitspunkt. Kønnenes spredning på begge akserne ser dog ud til at være nogenlunde ens. Excentricitetsparameterne for hhv. drengene og pigerne er 0,38 og 0,5, hvilket kun kunne tyde på at der var lidt større spredning på den ene akse i forhold til den anden hos pigerne. I forhold til ellipsernes form kunne det se ud til at forskellene skal findes i den diagonale spredning. På baggrund af strukturerne i individskyen mellem kønnene kan vi konkludere at gennemsnitlig så er der en forskel mellem drengene og pigerne på sundhedsdimensionen, der er dog en nogenlunde ligelig spredningen for begge kønnene, hvilket betyder at der også findes en del sunde drenge og usunde piger. Køn synes som sagt ikke at have nogen indvirkning på den sociale dimension.

Forskellige grupper af unge – en klyngeanalyse

Målet for klyngeanalysen er at danne grupper af unge på baggrund af deres individuelle svarmønstre, hvilket giver mulighed for at lave nogle idealtypiske typebeskrivelser. Målet er at minimere den interne varians i grupperne og maksimere den eksterne varians mellem grupperne (Lebart 1997: 162 ff., Skjøtt-Larsen 18/10-2010: slide 1, 7). I forhold til min problemstilling bliver det at undersøge, om der er nogle grupper af unge der har et særligt dårligt forhold til deres venner end andre.

Jeg har udført en såkaldt hierarkisk klyngeanalyse i SPAD. Levelindekset (se bilag) indikerer at den bedste opdeling sker ved 7 eller 10 grupper, hvor der sker et fald i indekset, SPAD forslår det samme. Ud fra de to muligheder ser løsningen med de 7 grupper fornuftigst ud. De forskellige gruppers karakteristika er kort beskrevet nedenfor, samt deres placeringer i individskyen i Figur 8. Klyngeanalysen tager højde for de øvrige dimensioner i rummet, derfor er der en del overlap i planet 1-2.

Figur 8: Grupper af unge i individskyen for akse 1 og 2.

Gruppe 1 (16,3 %) er en mellemgruppe og ligger nogenlunde gennemsnitlig på de fleste variable, der er en lille overvægt af usunde vaner.

Gruppe 2 (22,8 %) er de fornuftige angående sundhedssvanerne, de går også ud og er sociale, men drikke ikke så meget alkohol og fester ikke så meget. Der er en overvægt af piger og unge med højtuddannede forældre.

Gruppe 3 (11,9 %) er de praktiske (drenge) de dyrker motion ofte i idrætsforeninger, men spiller også meget computer og ser meget tv og hjælper desuden ikke til derhjemme. Desuden læser de ikke bøger eller er kreative. Der er en stor overvægt af drenge, og en undervægt af unge der går i gymnasiet.

Gruppe 4 (17,1 %) er de festglade og sociale, nogenlunde ens med gruppe 2 – de fornuftige, men bruger en del mere tid på venner, alkohol og fester.

Gruppe 5 (13 %) er de ensomme, de ser ikke deres venner særligt tit og deltager ikke i sociale aktiviteter. Ligger gennemsnitlig omkring deres sundhedsvaner, dog deltager de ikke i idrætsforeninger.

Gruppe 6 (11,1 %) er de religiøse, ca. 50 % af dem går regelmæssigt i kirke eller lignende. Har sunde vaner, læser og er kreative. På den sociale del deltager de gennemsnitlig. Der er en overvægt af piger.

Gruppe 7 (7,9 %) er de usunde, de dyrker minimal af motion, spiser ikke frugt og grønt og ryger. Sociale aktiviteter består af at gå til fester og se vennerne. Der er en overvægt af drenge i gruppen.

De forskellige unge og deres venner

Jeg har i SPSS konstrueret et ”venneindeks”[9] til at undersøge de forskellige livsstiles indflydelse derpå. Tabellen ses nedenfor.

Tabel 4: Gruppernes gennemsnit på venneindekset

Gruppe Gennemsnit
Mellemgruppe 1,43
De fornuftige 1,33
De praktiske 1,42
De festglade og sociale 1,33
De ensomme 1,99
De religiøse 1,29
De usunde 1,43
Samlet 1,44

Anm. Indekset går fra 1 til 5 hvor 1 er udtryk for et rigtigt godt forhold og 5 for et rigtigt skidt forhold til ens venner.
Beregningen er udført ved hjælp af ”Clusters characterization” med venneindekset om en kontinuerlig variable.

De fleste unge i undersøgelsen har svaret ”helt enig” (1) til de fleste spørgsmål angående deres venner, så det er begrænset hvor meget variation der er i indekset. Det træder dog stadig tydeligt frem at der er to grupper der skiller sig lidt ud i forhold til det samlede gennemsnit. Gruppen de ensomme har i højere grad et dårligere forhold til deres venner og gruppen de religiøse har et bedre forhold til deres venner. Noget kunne altså tyde på, at det ikke at deltage i sociale aktiviteter, har en indflydelse på ens forhold til sine venner. For de religiøse, som ligger på den ”usociale” siden, kan det hænge sammen med at de deltager i andre aktiviteter der ikke nødvendigvis har noget med fest og alkohol at gøre, som alligevel ikke påvirker deres forhold til vennerne.

Unge og deres livsopfattelse

Jeg har ligeledes i SPSS konstrueret et livsopfattelsesindeks[10]. Målet er igen at se om der forskelle mellem grupperne.

Tabel 5: Gruppernes gennemsnit på livsopfattelsesindekset

Gruppe Gennemsnit
Mellemgruppe 2,56
De fornuftige 2,23
De praktiske 2,61
De festglade og sociale 2,25
De ensomme 2,59
De religiøse 2,24
De usunde 2,67
Samlet 2,41

Indekset går fra 1 til 5 hvor 1 er udtryk for en positiv opfattelse og 5 for en negativ opfattelse.

Den mere negative livsopfattelse findes hos gruppen af de usunde og de praktiske som begge ligger på den usunde del af sundhedsdimensionen. Ligeledes gælder det også til en vis grad for de ensomme. Noget kunne derfor tyde på at ens sundhedslivstil kan have en vis indflydelse på ens livsopfattelse. Ens sociale livsstil har ligeledes en indflydelse, her ses det at de festglade og sociale har en mere positiv opfattelse end fx de ensomme.

Konklusion

Målet for opgaven var at undersøge unges livsstil på baggrund af forskellige aktiviteter, sunds- og nydelses-vaner. Målet var tre-delt, først at undersøge om der var nogle underliggende dimensioner i de unges livsstil ved hjælp af aktive variable i en specifik multipel korrespondance analyse. Her blev der fundet og arbejdet videre med to akser, henholdsvis en sundhedsdimension og en socialdimension. Andet led var at undersøge hvilke socio-demografiske variable, der var relateret til forskellige livsstile ved hjælp af supplementære variable. Det var især de unges køn, egen uddannelse og til en vis grad forældrenes uddannelse der havde indflydelse på sundhedsdimensionen. Husstandens indkomst havde en lille betydning i forhold til den sociale dimension i mellem lavindkomst gruppen og højindkomst gruppen. Tredje led var at undersøge, ved hjælp af klyngeanalyse, de forskellige livsstiles indflydelse på ens forhold til venner og egen livsopfattelse. Ikke helt overraskende var det de ensomme som både havde et dårligere forhold til vennerne og en mere negativ livsopfattelse. De anvendte statistiske metoder har vist sig at være meget anvendeligt i min eksplorative tilgang til problemstillingen. Mulighederne nu vil fx være at vælge nogle individer ud fra grupperne og lave kvalitative interviews til nærmere at undersøge de sammenhænge jeg fandt i korrespondanceanalysen. En ulempe ved korrespondanceanalysen er at der ikke ses på isolerede effekter, men det ligger som nævnt i introduktionen heller ikke til filosofien. Desuden er metoden meget deskriptiv og benytter mere termerne ”i højere grad” end statistiske mål og signifikans. En ”løsning” kunne være, ved hjælpe af det jeg har fundet i analysen, at opstille hypoteser der kunne testes med mere traditionelle statistiske metoder.

Litteraturliste

Bourdieu, P. (1984). Distinction – A social critique of the judgement of taste. London: Routledge.

Greenacre, M. (2007). Correspondence analysis in practice. Boca Raton: Chapmann & Hall.

Greenacre, M. & Blasius, J. (1993). ”Preface” I Greenacre, Michael J. & Blasius, Jörg, red., Correspondence Analysis in the Social Sciences. San Diego: Academic Press.

Høyen, M. (2004). Korrespondanceanalyse. 1. udg. København: Akademisk Forlag.

Jæger, M. M. (2003). Korrespondanceanalysen – et sociologisk værktøj. Socialforskningsinstituttet.

Le Roux, B. & Rouanet, H. (2010). Multiple Correspondence Analysis. Califonia: Sage.

Lebart, L. (1997). ”Complementary Use of Correspondence Analysis and cluster Analysis” I Greenacre, Michael J. & Blasius, Jörg, red., Correspondence Analysis in the Social Sciences: Recent Developments and Applications. San Diego: Academic Press.

Rosenlund, L. (1995): Korrespondanseanalyse. Dataanalysens magiske øye. Sosiologisk tidsskrift nr.1

Skjøtt-Larsen, J. (18/10-2010) ”Klyngeanalyse som led i multipel korrespondanceanalyse”, slides fra forelæsningen på Aalborg Universitet.

[1] Modsat et socialtrum der er baseret på aktive socio-demografiske variable.

[2] Jeg havde i starten udvalgt 29 variable til analysen. Men pga. pladsmangel og for overskuelighed har jeg sorteret de variable fra som indeholdte lav variation og som havde en del overlap med de øvrige variable. Der er ligeledes ingen overordnende forskel i mellem de dimensioner der dannes med de 29 variable og de 19 der indgår i den videre analyse.

[3] Beskrivelsen af hele rekodningen kan findes i bilaget i syntax-form fra SPSS. Desuden kan man i Tabel 1 i bilaget aflæse rekodningen og i anmærkningen for tabellen finde yderlige forklaring.

[4] Til beregningerne af de modificerede egenværdier bruges gennemsnittet af egenværdierne , det fås ved 1/Q, i dette tilfælde 1/19 = 0,0526.  bruges til at bestemme antallet af modificerede egenværdier der skal beregnes. Antallet der skal beregnes er , det betyder det de egenværdier over 0,0526, det vil sige de 17 første. De modificerede egenværdier beregnes ved hjælp af formelen for pseudo-egenværdier   Le Roux & Rouanet (2010: 39). De modificerede rater beregnes ved at dividere hver modificeret egenværdi med de samlede modificerede egenværdier, dvs. summen af de 17  0,0234.

[5] Man kunne her også have undersøgt hvad Le Roux & Rouanet (2010: 57-8) kalder ”landmark individuals” , dvs. individer som beskriver ekstreme positioner i rummet.

[6] 54,44 % hvis ”går i kirke/moské m.m.” tælles med.

[7] Ikke at forveksle med asocial.

[8] Forskelle over 1 bliver betragtet som store, hvorimod forskelle på under 0,5 regnes for små (Le Roux & Rouanet 2010: 59)

[9] Jeg føler mig tæt knyttet til mine venner, Mine venner lægger vægt på mine meninger, Jeg kan være til hjælp/støtte for mine venner og Jeg kan regne med mine venner, når jeg har brug for hjælp. Konstruktionen af indekset kan ses i Syntax 9.  Indekset har en Cronbachs alpha på 0,75, og kan ud fra antallet af variablene betragtes som et relativt stærkt indeks.

[10] Hvor tit gør du ting, som du selv synes er meningsfulde?; Hvor ofte føler du, at du er ligeglad med det, der sker omkring dig?; Hvor tit har du følelsen af, at det du foretager dig er uden mening?; Hvad synes du om din hverdag? Se Syntax 10. Indekset har en Cronbachs alpha på 0,751.