Kirjallisuutta – Litteratur 149
KETOKIVI, MIKKO (2015). Tilastollinen päättely ja tieteellinen argumentointi. 2. uud. p. 336 s. Gaudea- mus, Helsinki.
Olen aina halunnut aloittaa tai lopettaa kirja-arvion le- gendaarisen, nyt jo edesmenneen, näyttelijän Simo Sal- misen sanoin: ”Dorkaa ja karmeeta, two points!” (elo- kuvasta Hei kliffaa hei, 1985). Useaan tilanteeseen so- piva sutkaus ei kuitenkaan kuvaa tuntemuksiani liike- taloustieteen professori Mikko Ketokiven teoksen suh- teen, ennemminkin päinvastoin. Teosta voidaan pitää an- siokkaana johdantona tilastolliseen päättelyyn sekä hy- vänä muistutuksena empiirisen tutkimuksen heikkouk- sista ja sudenkuopista. Toisin kuin useimmat yksiulot- teiset suoraviivaisista ohjeista koostuvat menetelmäop- paat ja käsikirjat, Ketokiven teoksen toinen, laajennet- tu painos kattaa monipuolisesti empiirisen tutkimuksen elinkaaren (huonoine ja hyvine esimerkkeineen) aina tutkimuksen motivoinnista ja kysymysten asettelusta tu- losten tulkintaan ja tuloksiin perustuvaan argumentoin-
tiin saakka. Välissä perehdytään laajasti ilmiöiden ope- rationalisointiin, mittaamiseen ja analysointiin.
Ketokivi kehottaa tutkijoita asettamaan rimansa (epä- miellyttävän) korkealle luopumalla tilastollista päätte- lyä leimaavista nyrkkisäännöistä. Kehotus on osuva, sil- lä liian usein tutkijat (allekirjoittanut mukaan lukien) etsivät tilasto-ohjelmien tuottamista tulosteista aikai- sempaan kirjallisuuteen pohjautuvia raja-arvoja – ja
”tuomitsevat” tulokset näiden nyrkkisääntöjen mukai- sesti. Jos tulosteista löytyy raja-arvoja ylittäviä tai alit- tavia numerosarjoja, jotka vahvistavat tutkijan käsitys- tä ilmiöstä, siirrytään tyytyväisenä tulosten tulkintaan pohtimatta sen tarkemmin oman aineiston tai itse me- netelmien sopivuutta, laskuperusteita, heikkouksia tai taustaoletuksia. Onneksi näiden nyrkkisääntöjen välttä- miseen löytyy Ketokiven teoksesta nyrkkisääntö: älä koskaan käytä menetelmäkirjallisuudessa tarjottua rat- kaisua tai sääntöä ellet ymmärrä kontekstia, jossa sään- tö on esitetty, ja oletuksia joihin sääntö perustuu. Tai hieman toisin muotoiltuna: tiettyjä asioita pidetään it-
Tilastollisen päättelyn heikkouden merkit
TERRA 127: 3 2015 Kirjallisuutta – Litteratur
150
sestään selvinä, mutta kuten Ketokivi toteaa, kun kyse on tilastotieteestä ja erityisesti empiirisestä tilastollises- ta tutkimuksesta, mikään ei ole itsestään selvää.
Teos siis alleviivaa ansiokkaasti suuren määrän tilas- tolliseen empiiriseen tutkimukseen ja siihen perustu- vaan argumentointiin liittyviä ongelmakohtia. Valtaosan näistä ongelmakohdista tulisi olla kaikille tilastotiedet- tä harrastaville jotakuinkin selviöitä (esim. tilastollisen merkitsevyyden sopimuksenvaraiset raja-arvot: p <
0.001, p < 0.5 tai p < 0.1). Kuitenkin teos myös osoit- taa, että jopa hyvissä julkaisusarjoissa julkaistaan usein väärinymmärrettyjä huomioita ja paljon tilastollisessa mielessä heikohkoa tutkimusta. Ketokiven vertaisilleen esittämä kritiikki on osittain kärkästä, mutta samalla se on myös hyvin perusteltua.
Pelkkä tutkijoiden tilastomatemaattisen asiantunte- muksen arvostelu ja sättiminen ei kuitenkaan ratkaise yhtään ongelmaa. Ketokivi käyttääkin huomattavan osan kirjastaan näiden ongelmien
tarkempaan valoittamiseen hyö- dyllisten ”parannusehdotuksien”
ja esimerkillisesti toteutettujen tutkimusten kautta. Nämä esimer- killisesti toteutetut tutkimukset ovat monesti Ketokiven itsensä (joko yksinään tai yhteistyössä muiden suomalaisten ja kansain- välisten tutkijoiden kanssa) julkai- semia. Tämä on erityisen tärkeää.
Muuten Ketokiven näkökulma lip- sahtaisi pelkäksi hedelmättömäk- si kritiikiksi, jossa muiden tutki- joiden tulokset altistetaan (hänen itsensä kuvaileman) skeptikon kiusattavaksi. Tällainen skeptikko ei anna tutkijalle mahdollisuutta olla oikeassa, koska hänen tutki- mukselle asettamansa korkeat kri- teerit tekevät tämän mahdotto- maksi.
Joissain paikoin teosta kuiten- kin vaivaa mielestäni tietoinen huonoimpien mahdollisten esi- merkkien valitseminen. Lukija
muun muassa tutustutetaan innovaatioiden mittaamisen heikkouksiin tutkimus- ja kehittämistoimintaan (t&k) käytettyjen panostusten, tai tarkemmin t&k-intensiivi- syyden (esimerkiksi yrityksen tai valtion t&k-budjetti suhteessa yrityksen liikevaihtoon tai valtion bruttokan- santuotteeseen) kautta. Ketokivi listaa ansiokkaasti ja aivan oikein t&k-mittaristojen heikkouksia päätyen lop- putulemaan: t&k-intensiivisyys kuvaa heikosti yritys- ten (tai valtioiden ja alueiden) ”aitoa” innovatiivisuut- ta. Olen kirjoittajan kanssa asiasta täysin samaa mieltä.
Kuitenkin innovatiivisuuteen tai innovaatioihin liitty- vässä nykykirjallisuudessa luotetaan enää kovin harvoin pelkästään t&k-intensiivisyyden mittaamiseen. Ennem- minkin t&k-panostuksiin liittyviä tunnuslukuja käyte- tään yhtenä mittarina muiden nykyisesti yleisemmin käytössä olevien mittareiden (esim. patenttien) ohessa.
Innovaativisuus ei ole lineaarinen prosessi, jolla olisi
suoranaisesti alku- tai loppupistettä vaan se on jatkuvaa kehitystä eteen- ja taaksepäin suuntautuvine kytkentöi- neen. Kun innovatiivisuutta ajatellaan prosessina, ovat myös t&k-panostukset tärkeä, tosin epätäydellinen mit- taristo, joka auttaa luomaan kokonaiskuvaa ilmiöstä.
Ketokiven näkemys t&k-intensiivisyyden heikkouksis- ta innovatiivisuuden mittarina on täten mielestäni hie- man tarkoitushakuisesti yksinkertaistettu.
Lisäksi teosten eri osioiden välillä tuntuu ajoittain vallitsevan pieniä ristiriitaisuuksia. Yhtäällä Ketokivi toteaa, että tieteen edistyminen vaatii uusien ongelmi- en ratkomista, mutta taas toisaalla hän pitää replikaa- tiotutkimuksen osuuden pienuuttaa kaikesta tutkimuk- sesta ongelmallisena tutkimustulosten yleistämiselle.
Samoin teoksessa harmitellaan aineistojen siivoamista ennen analyylisen tekoa (esimerkiksi poistamalla ääri- arvoja normaalijakauman saavuttamiseksi), koska sa- malla aineistosta saatetaan ajattelemattomasti poistaa
kaikkein mielenkiintoisimmat ta- paukset. Toisaalla kuitenkin keho- tetaan ”trimmaamaan” aineistoa ennen kuvioiden piirtämistä. Ha- vaitsemiani ”heikkouksia” ei tosin voi pitää kovinkaan merkittävinä ajatellen kirjan tarkoitusta ja yleis- sanomaa.
Ketokiven teoksen pohjalta voi- daan lopuksi todeta, että tilastolli- nen malli on parhaimmillaankin vain pintaraapaisu todellisen maa- ilman monimutkaisista ja moni- selitteisistä ilmiöistä; ei täydelli- nen, mutta hyvin toteutettuna tyh- jää parempi. Lohdullisesti teos myös myöntää, että sen empiirisel- le tutkimukselle ja tilastolliselle päättelylle asettamat standardit on tarkoituksellisesti asetettu mahdol- lisimman korkealle. Yksikään tut- kija ei pysty ratkaisemaan kaikkia mahdollisia empiirisen tutkimuk- sen ongelmia ja tekemään tutki- muksestaan täysin aukotonta. Ke- tokivi ei ole tässä suhteessa idea- listi, vaan hänen ajattelunsa perustuu ennemminkin tee- moihin, joiden tulisi olla tiedemaailmassa yleisesti hy- väksyttyjä. Jokaisessa tutkimuksessa on hyvä pyrkiä täydellisyyteen, niin mahdotonta kuin sen saavuttami- nen onkin, koska viime kädessä kaikki vastuu ja kunnia yksittäisen argumentin esittämisestä kuuluu tutkijalle.
Itse tiede on kuitenkin luonteeltaan kumulatiivista, ei- kä vastuu sen edistämisestä näin ollen lepää yksin- omaan yksittäisen tutkijan harteilla.
TEEMU MAKKONEN School of Hospitality and Tourism Management, University of Surrey &
Department of Border Region Studies, University of Southern Denmark
