Kotihoidolle suunnatun kyselyn analysointi

Tutkimuksen aineiston hankinta alkoi kotihoidon hoitajille ja lähiesimiehille suunnatulla kyselyllä (Liite 3) kotiutusten lähtötilanteen kartoittamiseksi. Kyselylomakkeella saadut vastaukset strukturoituihin kysymyksiin analysoin tilastollisin menetelmin ja avoimien kysymysten osalta induktiivisella sisällönanalyysillä, jossa on ideana saada koottua ja tii-vistettyä saatua tietoainesta sekä löytää eroja ja yhtäläisyyksiä vastaajien näkemyksissä.

Tuomi ja Sarajärvi (2009) kuvaavat induktiivista sisällönanalyysiä menetelmäksi, jonka avulla on mahdollista selkeyttää saatua aineistoa ja sitä kautta helpottaa laadukkaiden johtopäätösten tekemistä.

Kotihoidon hoitajille ja lähiesimiehille (N=106) tehdyn sähköisen Questback-kyselyn vastaukset siirrettiin palvelimelta Excel-taulukkona SPSS Statistics 22 for mac- tilasto-ohjelmaan analysoitavaksi. Saadun aineiston kuvailuun käytin frekvenssijakaumia ja kes-kiarvojen tarkastelua. Pyrin myös havainnollistamaan saatuja tuloksia taulukoiden ja graafisten kuvioiden avulla. Muuttujien välisiä yhteyksiä tarkastelin korrelaatioiden avulla. Korrelaatio tarkoittaa kahden muuttujan välistä lineaarista riippuvuutta. Korrelaa-tiokertoimen arvot voivat vaihdella arvojen –1 ja 1 välillä. Käytin tässä tutkimuksessa korrelaatiokertoimena Spearmanin järjestyskorrelaatiokerrointa, koska useimmat muut-tujat olivat järjestysasteikollisia muuttujia (Metsämuuronen 2011b, 366). Vaikka tässä tutkimuksessa ei ollut tarkoituksena selittää tutkittavaa ilmiötä, halusin kuitenkin tiivistää kyselystä saamaani tietoa ja siihen käytin eksploratiivista faktorianalyysia. Faktoriana-lyysin avulla tutkin kotiutuksen toteutumista kaupunginsairaalasta kotihoitoon. Pyrki-myksenä oli tutkia kotiutukseen liittyviä eri ulottuvuuksia ja tiivistää 52 kysymyksen muuttujajoukkoa muutamaan sisällöllisesti tarkoituksenmukaiseen faktoriin. Faktoriana-lyysin taustaoletuksena on, että muuttujien välillä on korrelaatiota.

Aineiston analyysin monimuuttujamenetelmänä käytin faktorianalyysia pääkomponent-timenetelmällä. Aineiston (N=106) voidaan katsoa olevan riittävän suuri faktorianalyysin käyttöön, koska tutkittavia on kaksinkertainen määrä muuttujiin nähden (Nummenmaa 2009, 406). Korrelaatiomatriisiin sopivuutta faktorianalyysiin mitataan Bartlettin testillä.

Tässä tutkimuksessa arvo oli p < 0,00, joka osoittaa, että tekemäni korrelaatiomatriisi soveltuu faktorianalyysin tekemiseen hyvin. Toinen faktorianalyysia tukeva arvo on

KMO-kerroin (Metsämuuronen 2011b, 660), joka oli tässä aineistossa 0,75. Aloitin ai-neiston tarkastelun muuttujien korrelaatioiden tarkastelusta ja korrelaatiomatriisin mu-kaan kaikkien muuttujien korrelaatio oli vähintään 0.3, mikä tarkoittaa, että muuttujat korreloivat hyvin keskenään. Faktorianalyysin avulla ryhmittelin samaa asiaa mittaavat muuttujat omiin ryhmiinsä.

Faktoroinnissa käytin pääkomponenttianalyysia vinokulmaisella rotaatiolla, koska muut-tujat latautuivat siinä selkeästi eri faktoreille ja lisäksi vinokulmainen rotaatio mahdollis-taa faktoreiden keskinäisen korrelaation. Faktorianalyysissa faktorit tulkimahdollis-taan tarkastele-malla muuttujien saamia latauksia eri komponenteilla. Lataukset ilmaisevat, kuinka pal-jon mikäkin faktori selittää kunkin muuttujan vaihtelusta. (Nummenmaa 2009, 416.) Va-litsin faktorianalyysiin mukaan vain sellaiset muuttujat, joiden kommunaliteetti on yli 0,3. Tämä arvo kertoo, kuinka paljon faktorit selittävät muuttujien vaihtelusta. Käytän-nössä jouduin poistamaan analyysista yhteensä yhdeksän muuttujaa alhaisen kommunali-teetin vuoksi. Komponenttien määrän osalta päädyin lopuksi neljään komponenttiin (ks.

Liite 8.), koska suuremmassa määrässä komponentteja muuttujia latautui osaan kom-ponentteja liian vähän.

Sen lisäksi, että sain tiivistettyä suuren muuttujajoukon neljään pääkomponenttiin, jatkoin analyysia vielä eteenpäin selvittääkseni komponenttien välisiä eroja keskiarvoissa. Tätä analyysia varten muodostin summamuuttujat niistä muuttujista, jotka latautuivat voimak-kaimmin samalle komponentille. Summamuuttujat laadittiin SPSS-ohjelman Mean-toi-minnolla laskemalla kaikki kyseiseen pääkomponenttiin kuuluvat muuttujat yhteen ja ja-kamalla muuttujien määrällä. Näin toimimalla summamuuttujilla saatiin sama skaala.

Summamuuttujien asteikko oli sama kuin alkuperäisillä muuttujilla. Lopullisia summa-muuttujia muodostin vain kolme, koska neljännen pääkomponentin muuttujien reliabili-teettikerroin jäi niin alhaiseksi. Reliabiliteetin tarkasteluun käytin Cronbachin alfa-ker-rointa.

Kyselyn avoimet kysymykset analysoin induktiivisella sisällönanalyysilla, koska olen tutkijana kiinnostunut kyselyn vastausten sisällöstä. Sisällönanalyysin tekemiseen on ole-massa erilaisia ohjeita. Sisällönanalyysin avulla on mahdollista luokitella ja kuvata tutki-muksen kohteena olevaa ilmiötä tiivistetysti yleisemmällä tasolla. Lopputuloksena on

yleensä jonkinlainen käsitekartta, jossa esitetään vastauksista muodostetut keskeiset kä-sitteet suhteessa toisiinsa. (Kyngäs & Vanhanen 1999, 5.) Toteutin sisällönanalyysin käyttämällä Kyngäs ja Vanhasen (1999, 5–7) esittämää analysointiprosessin mallia. Sen mukaan aineisto ensin pelkistetään, sitten ryhmitellään ja lopuksi abstrahoidaan eli käsit-teellistetään. Näitä vaiheita ohjaa jatkuvasti tutkimukselle asetetut tutkimuskysymykset.

Sisällönanalyysin ensimmäisessä vaiheessa määritetään analyysiyksikkö, esimerkiksi yksi sana tai lause, lausuma tai ajatuskokonaisuus. Tämän jälkeen aineisto tulee käydä moneen kertaan läpi, jotta tutkija saa syvemmän ymmärryksen aiheesta. (Kyngäs & Van-hanen 1999, 5.) Tähän tutkimukseen analyysiyksiköksi valitsin sanan tai sanayhdistel-män, riippuen vastauksen asiasisällöstä. Yhdessä lauseessa saattoi olla mainittuna monta eri asiaa, jolloin jaottelin nämä erillisiksi asioiksi.

Aloitin sisällönanalyysin kokoamalla ensin kaikkien vastaajien vastaukset yhteen word-tiedostoon. Luin materiaalin ensin kahteen kertaan läpi ja aineiston pelkistämiseksi mer-kitsin eri värisillä huomiotusseilla ne sanat tai lauseet, jossa vastattiin esitettyihin kysy-myksiin. Liitteessä 9 on esitetty pelkistäminen ja kategorioiden muodostaminen. Analyy-sin jatkotyöstämiseksi päädyin tulostamaan kaikki pelkistetyt kommentit vähän isom-malle paperille (A3-kokoinen) ja leikkasin saksilla jokaisen kommentin erikseen. Tämä helpotti mielestäni analyysin tekemistä, koska jokainen kommentti oli konkreettisesti omana paperilappunaan. Sen jälkeen luin kommentteja läpi uudestaan ja uudestaan ja pohdin mihin yläkäsitteeseen ko. asia liittyy. Analysoin aineistosta vain kussakin kom-mentissa selvästi lausutun sisällön enkä tulkinnut mahdollisia implisiittisiä sisältöjä (mm.

Kyngäs ja Vanhanen 1999, 5).

Tämän jälkeen kokosin yhteen samaan asiaan liittyvät kommentit ja muodostin niistä ylä-kategorioita. Jatkoin tätä niin pitkään, että kaikki kommentit olivat löytäneet omat kate-goriansa ja sain muodostettua yläkategorioista vielä yhdistävän kategorian. Pyrin katego-rioita muodostaessani ja abstrahointia tehdessäni kuitenkin välttämään liian yleiselle ta-solle toteutettua analyysiä, koska muuten erkaannuttaisi liikaa tutkimuksen ytimestä ja käsite voisi olla liitettävissä mihin tahansa käsitteeseen. Sisällönanalyysin tuloksia esitet-täessä luotettavuuden lisäämiseksi esitetään usein myös aineistoesimerkkejä. Näin tehtiin myös tässä tutkimuksessa. Liitin sisällönanalyysista saamani tulokset osaksi faktoriana-lyysin tuloksia yhtenäisen kokonaiskuvan luomiseksi. Siten siitä saadut tulokset eivät ole

strukturoiduista kysymyksistä erillinen osa-alue. Alla olevassa kuviossa 8 on esitetty si-sällönanalyysin eteneminen.