Murányi István - Szoboszlai Zsolt

DÉL-ALFÖLD RÉGIÓ

Regionális identitás-kutatás, területfejlesztési
háttérvizsgálat

A kutatás adatfelvétele a dél-alföldi régió három megyéjében (Bács-Kiskun, Békés, Csongrád), 1999. október hónapban, N=1.200 fős felnőtt mintán készült. [1] Annak érdekében, hogy a minta minél pontosabban tükrözze a régió felnőtt lakosságának társadalmi összetételét, a valószínűségi mintavétel (Leslie Kish-féle "random walking") kisebb torzulásait a KSH adatok felhasználásával, megfele-lő matematikai módszer-rel, úgynevezett súlyozással korri-gáltuk.

Az adatfeldolgozás során két olyan szempontot vettünk figyelembe, amely megkönnyíti az eredmények értelmezését.

1. A kutatás mintavétele a három megye felnőtt lakosságát külön-külön reprezentáló alminták képzésére irányult, ezért a megyék közötti hasonlóságok és eltérések jellemzésére kiemelt figyelmet fordítottunk. Ha kereszttáblák segítségével valamilyen alacsony mérési szintű változó (nominális, ordinális) megyei mintákon belüli megoszlását vizsgáltuk, minden esetben a chí-négyzet próbát alkalmaztuk. Az elfogadott társadalomtudományi gyakorlatnak megfelelően, a két változó függetlenségének elemzésénél a *p Ł 0,05, illetve a * *p Ł 0,001 szignifikancia szinteket vettük figyelembe, a táblázatokban vagy a kérdések mellett a *, illetve ** jelölést alkalmaztuk.

2. Abban az esetben, amikor a kategoriális mérési szintű megye változó és intervallum mérési szintű változók kapcsolatát elemeztük, szórásanalízist (ANOVA) használtunk. A megyék közötti eltérések szignifikanciájának jelölésénél az F próba szintjeit vettük figyelembe. A chí-négyzet próba jelöléseihez hasonlóan: *p Ł 0,05, illetve a * *p Ł 0,001 alapján ebben az esetben is a *, illetve ** jelölést alkalmaztuk.

Mivel a kutatás kérdőívében meglehetősen sok változó szerepelt, ezért a feldolgozás során több olyan statisztikai analízist és változó összevonást használtunk, amelyek megkönnyítik az adatok értelmezését.

A felhasznált eljárások a következők voltak.

ˇFőkomponens-analízis: az eljárás arra alkalmas, hogy több változóból "kiszűrje" azok közös komponensét. A látszólag független állításról alkotott véleményekből az eljárás során kirajzolódik egy olyan attitűd jellegű kognitív beállítódás, amelyről a válaszadó tudatosan esetleg nem is tud választ adni, de amely ott van minden egyes válasza mögött. A "közös részt" tartalma alapján nevezhetjük el. Az analízis során minden válaszoló kap egy súlyszámot (úgynevezett faktor-score-t), amely alapján a kérdezettek csoportjai is jellemezhetők. A feldolgozás során csak azokat a score-átlagokat vettük figyelembe, amelyek a vizsgált változó kategóriáira vonatkoztatva 0,1 átlagnál nagyobbak, vagy kisebbek voltak. A főkomponenseken belüli sorrendet a kialakításában résztvevő változók faktorsúlya alapján ismertetjük, feltüntetve a magyarázott varianciát is. (Matematikailag röviden így foglalható össze a módszer lényege: egy többdimenziós vektortérben az analízisbe bevont változóknak maximális szórású kombinációját állítjuk elő, egy iterációs algoritmus segítségével).

ˇLineáris regresszióanalízis: a célváltozót egy vagy több független változó lineáris függvényeként jellemzi. Az együtthatókat a legkisebb négyzetek módszere alapján határozza meg, amelyek a független és a magyarázó változók parciális együtthatóival arányosak. Az általunk használt stepwise módszer a független változókat egyenként vonja be vagy hagyja el a lineáris összefüggés előállításánál, akkor áll meg, ha a beállított kritérium az illeszkedés jóságára teljesül. (A kritérium minden esetben a p Ł 0,05 szignifikancia szint volt).

Itt jegyezzük meg, hogy a regresszióelemzés alkalmazását az vezérelte, hogy az elsősorban a megyei almintákra vonatkozó leíró elemzésen túl, ok-okozati összefüggésekre is rámutassunk. A regressziós modellekben - legtöbb esetben a főkomponens-analízis segítségével - a kutatás legfontosabb vélemény-típusait szerepeltettük függő változóként és a különböző szocio-kulturális jellemzőket[2] magyarázó változóként. Annak érdekében, hogy jellemezzük a régió három megyéjének hasonlóságát, illetve különbségét, a három megyei almintában minden modellt külön-külön lefuttattunk, s ezek eredményét megvizsgáltuk.

ˇTöbbdimenziós skálázás: adott objektumokra vonatkozóan észlelt hasonlósági, vagy különbözőségi adatokból szisztematikus módon létrehoz olyan reprezentációkat, amelyek ezen objektumok észlelt viszonyát egy megfelelő dimenzió-számú geometriai térben - a lehetséges legjobb közelítő megoldás, optimális konfiguráció alapján - fejezik ki. Az eljárás eredménye egy ponthalmaz, melyben az egyes pontok úgy helyezkednek el, hogy egymás közötti távolságaik megfelelnek azon objektumok tulajdonságai közötti eltéréseknek, amelyekhez a pontok tartoznak. Az illeszkedés egyik mutatója a stressz érték - az eredeti és az ábrázolt különbségek közötti hiba mértéke -, a másik az RSQ, mely azt mutatja, hogy az összes varianciának milyen hányadát tudja magyarázni az adott MDS modell.

ˇSzintén a könnyebb interpretálást segítette elő, hogy többször alkalmaztuk a változók értékeinek 100 fokozatú skálára történő transzformálását. A transzformált változó akkor lenne száz, illetve akkor lenne nulla, ha minden válaszoló egyaránt az eredeti változó maximális, illetve a minimális értékét adta volna. Az ily módon átalakított skálán az ötven pont alatti értékek negatív véleményt (ellenszenvet, elégedetlenséget, gyakoriságot stb.), az ötven pont feletti értékek inkább pozitív véleményt (rokonszenvet, elégedettséget, gyakoriságot) fejeznek ki.