Εφαρμογές ανάλυσης λανθανουσών δομών σε δειγματοληπτικές έρευνες

Οι Στατιστικοί χρησιμοποιούν σωρεία τεχνικών για να υπερπηδήσουν το κυριότερο πρόβλημα της στατιστικής: την επεξεργασία τεραστίων όγκων δεδομένων που μπορεί να έχουν αντληθεί από μια ομάδα ή έναν πληθυσμό. Η ακόμα μεγαλύτερη επιπλοκή της επεξεργασίας δεομένων ολόκληρων πληθυσμών μπορεί να περιληφθεί σε ένα πρόβλημα δύο συνιστωμένων, του χρήματος και του χρόνου που απαιτούνται, πρωτίστως για την συλλογή των δεδομένων, και έπειτα για την οργάνωση αυτών, την εξαγωγή ευρημάτων και τελικώς την κοινοποίηση αυτών. Για να παρακάμψουν αυτό το σκόπελο, συχνά οι Στατιστικοί κάνουν χρήση τυχαίων δειγμάτων ομάδων ανθρώπων. Όμως, κάνοντας χρήση αυτών των δειγμάτων, εγείρονται άλλα ερωτήματα: τί γίνεται στην περίπτωση που οι δειγματικές ομάδες αυτές συσχετίζονται με κάποιον, προς το παρόν, άγνωστο τρόπο, οπόταν και πλέον δεν είναι αντιπροσωπευτικές το πληθυσμού; Σε αυτό το ερώτημα επιχειρεί να απαντήσει η Ανάλυση Λανθανουσών Δομών, ή Latent Structure Analysis (LSA), όπου προσπαθεί να βρεί λανθάνοντες παράγοντες (factors) οι οποίοι συνδέουν τέτοιες ομάδες δείγματος, και στην συνέχεια προσπαθεί να εξηγήσει πώς οι λανθάνοντες παράγοντες επηρεάζουν τις ομάδες αυτές. Η παρούσα έρευνα, άντλησε δείγματα από τα αποτελέσματα των ερωτηματολογίων που διέθεσε ο HBSC σε εφήβους της Ελλάδας τις χρονιές 2006, 2010 και 2014. Εφαρμόστηκαν τεχνικές Ανάλυσης Λανθανουσών Δομών, συγκεκριμένα όσον αφορά τα δεδομένα των ερωτήσεων 48 και 65 του αντίστοιχου ερωτηματολογίου, ξεχωριστά. Οι έρευνες μέσω ερωτηματολογίων επικεντρώνονται στον αντίκτυπο που έχει η οικονομική κρίση στην ζωή των εφήβων, με δεδομένα αντλούμενα σε περιόδους πριν, κατά την διάρκεια και μετά την οικονομική κρίση που χτύπησε την Ελλάδα το 2008, με σκοπό την σύγκριση, και με χρήση των περιόδων πριν και μετά την Κρίση ώς σημεία αναφοράς. Τα LSA εφαρμόστηκαν με την χρήση ενός λογισμικού εύκολου στην πρόσβαση, το οποίο διατίθεται δωρεάν – και με άδεια χρήσης AGPL, το επονομαζόμενο “R Studio”, το οποίο είναι μία σουίτα στατιστικής, το οποίο χρησιμοποιείται ευρέως σε διάφορους τομείς στατιστικών μελετών αλλά και άλλων εφαρμογών. Επιπροσθέτως, η εφαρμογή των LSA σε κάθε ερώτηση ξεχωριστά αλλά χρησιμοποιώντας στοιχεία από το ίδιο δείγμα, έδειξε τις διαφορετικές λανθάνουσες κλάσεις (ομάδες) που μπορούν να παρατηρηθούν μέσω μίας τέτοιας ανάλυσης που επικεντρώνεται σε έναν μοναδικό παράγοντα. Επιλέγοντας διαφορετικούς παράγοντες την ώρα της εφαρμογής ενός LSA αλλάζουν το αποτέλεσμα των λανθανουσών κλάσεων. Τα παρακάτω αποτελέσματα της έρευνας αποσκοπούν στην ενίσχυση της αντίληψης της έννοιας της Ανάλυσης Λανθανουσών Δομών, καθώς και αποσκοπούν στην παροχή μιας καθαρής οπτικής για την απόφαση του ερευνητή, ως προς το ποια χαρακτηριστικά και παράγοντες ενός δείγματος θα πρέπει να λάβει υπόψιν κατά την εκτέλεση μιας LSA. Επισημαίνεται, ότι εκουσίως συμπεριλαμβάνονται όλες οι εκτυπώσεις της σουίτας “R Studio”, ούτως ώστε οι ερευνητές να έχουν ένα σημείο αναφοράς για την δική τους έρευνα, καθότι κάτι παρόμοιο εκλείπει από την βιβλιογραφία την στιγμή της συγγραφής.