K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon

Tässä tutkielmassa sovelletetaan k:n prototyypin ryhmittelymenetelmää aineistoon, joka perustuu peruskoulun ja toisen asteen oppilaitosten henkilökunnan mielipidekyselyyn omasta työhyvinvoinnistaan. Menetelmä on valittu, koska sen avulla voidaan ryhmitellä aineistoa yksilöiden välisten vastauksien s...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Ahtinen, Suvi
Muut tekijät: Matemaattis-luonnontieteellinen tiedekunta, Faculty of Sciences, Matematiikan ja tilastotieteen laitos, Department of Mathematics and Statistics, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Pro gradu
Kieli:fin
Julkaistu: 2020
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/70059
_version_ 1826225735827718144
author Ahtinen, Suvi
author2 Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics Jyväskylän yliopisto University of Jyväskylä
author_facet Ahtinen, Suvi Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics Jyväskylän yliopisto University of Jyväskylä Ahtinen, Suvi Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics Jyväskylän yliopisto University of Jyväskylä
author_sort Ahtinen, Suvi
datasource_str_mv jyx
description Tässä tutkielmassa sovelletetaan k:n prototyypin ryhmittelymenetelmää aineistoon, joka perustuu peruskoulun ja toisen asteen oppilaitosten henkilökunnan mielipidekyselyyn omasta työhyvinvoinnistaan. Menetelmä on valittu, koska sen avulla voidaan ryhmitellä aineistoa yksilöiden välisten vastauksien samankaltaisuuksien perusteella ja huomioida aineiston kategoriset sekä jatkuvat muuttujat. Aineisto sisältää runsaasti puuttuvaa tietoa, joten ryhmittely toteutetaan täydellisesti havaitun aineiston lisäksi moniimputoituihin aineistoihin. Moni-imputoinnissa muodostetaan iteratiivisesti viisi eri aineistoa, joihin tehdään ryhmittely ja vertaillaan ryhmille muodostuneita keskustojen keskiarvoja. Imputoitavalle vastemuuttujalle valitaan sopivat selittävät muuttujat, jotka sisältävät vähintään 50 prosenttia havaittuja arvoja ja korreloivat vastemuuttujan kanssa. Ryhmittelyanalyysiin valitaan 70 mielipidekysymyksestä 22 kysymystä tulosten raportoinnin selkeyttämiseksi. Valinnassa käytettävän algoritmin avulla etsitään muuttujia, joissa voidaan havaita klusteroitumista. Aineistosta on valittu myös kaksi taustamuuttujaa: ikä ja työvuodet. Tällöin voidaan tarkastella myös työhyvinvointiin vaikuttavien taustatekijöiden ryvästymistä. Ennen ryhmittelymenetelmän suorittamista valitaan, kuinka moneen ryhmään havainnot lajitellaan. Valinta tehdään sisäisten validointikriteerien indeksien avulla. Tässä tutkielmassa esitellään neljä yleisesti käytettyä indeksiä, joista Davies–Bouldin- ja Calinski–Harabasz-indeksien perusteella aineistoon sopii kaksi ryhmää. Lisäksi esitellään ulkoinen Rand-indeksi, jonka avulla voidaan tutkia täydellisesti havaitun ja moni-imputoitujen aineistojen ryhmittelyiden yhtäläisyyksiä. Kahteen klusteriin ryhmitellystä moni-imputoidusta sekä täydellisesti havaitun aineiston tuloksista voidaan todeta ensimmäisen klusterin sisältävän negatiivisesti työhyvinvoinnistaan ajattelevia, jotka kokevat itsensä myös väsyneeksi ja stressaantuneeksi. Toinen klusteri taas sisältää enemmän positiivisesti työhyvinvoinnistaan ajattelevia, jotka kokevat väsymystä ja stressiä vähemmän, sekä ovat työskennelleet vähemmän aikaa samassa koulussa kuin ensimmäisen klusterin henkilöt.
first_indexed 2024-09-11T08:53:06Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.author", "value": "Ahtinen, Suvi", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2020-06-18T06:40:49Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2020-06-18T06:40:49Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2020", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/70059", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "T\u00e4ss\u00e4 tutkielmassa sovelletetaan k:n prototyypin ryhmittelymenetelm\u00e4\u00e4 aineistoon,\njoka perustuu peruskoulun ja toisen asteen oppilaitosten henkil\u00f6kunnan mielipidekyselyyn omasta ty\u00f6hyvinvoinnistaan. Menetelm\u00e4 on valittu, koska sen avulla voidaan ryhmitell\u00e4 aineistoa yksil\u00f6iden v\u00e4listen vastauksien samankaltaisuuksien perusteella ja huomioida aineiston kategoriset sek\u00e4 jatkuvat muuttujat. Aineisto sis\u00e4lt\u00e4\u00e4 runsaasti puuttuvaa tietoa, joten ryhmittely toteutetaan t\u00e4ydellisesti havaitun aineiston lis\u00e4ksi moniimputoituihin aineistoihin.\nMoni-imputoinnissa muodostetaan iteratiivisesti viisi eri aineistoa, joihin tehd\u00e4\u00e4n ryhmittely ja vertaillaan ryhmille muodostuneita keskustojen keskiarvoja. Imputoitavalle vastemuuttujalle valitaan sopivat selitt\u00e4v\u00e4t muuttujat,\njotka sis\u00e4lt\u00e4v\u00e4t v\u00e4hint\u00e4\u00e4n 50 prosenttia havaittuja arvoja ja korreloivat vastemuuttujan kanssa.\nRyhmittelyanalyysiin valitaan 70 mielipidekysymyksest\u00e4 22 kysymyst\u00e4 tulosten raportoinnin selkeytt\u00e4miseksi. Valinnassa k\u00e4ytett\u00e4v\u00e4n algoritmin avulla etsit\u00e4\u00e4n muuttujia, joissa voidaan havaita klusteroitumista. Aineistosta on valittu my\u00f6s kaksi taustamuuttujaa: ik\u00e4 ja ty\u00f6vuodet. T\u00e4ll\u00f6in voidaan tarkastella my\u00f6s ty\u00f6hyvinvointiin vaikuttavien taustatekij\u00f6iden ryv\u00e4stymist\u00e4.\nEnnen ryhmittelymenetelm\u00e4n suorittamista valitaan, kuinka moneen ryhm\u00e4\u00e4n havainnot lajitellaan. Valinta tehd\u00e4\u00e4n sis\u00e4isten validointikriteerien indeksien\navulla. T\u00e4ss\u00e4 tutkielmassa esitell\u00e4\u00e4n nelj\u00e4 yleisesti k\u00e4ytetty\u00e4 indeksi\u00e4, joista Davies\u2013Bouldin- ja Calinski\u2013Harabasz-indeksien perusteella aineistoon\nsopii kaksi ryhm\u00e4\u00e4. Lis\u00e4ksi esitell\u00e4\u00e4n ulkoinen Rand-indeksi, jonka avulla voidaan tutkia t\u00e4ydellisesti havaitun ja moni-imputoitujen aineistojen ryhmittelyiden\nyht\u00e4l\u00e4isyyksi\u00e4.\nKahteen klusteriin ryhmitellyst\u00e4 moni-imputoidusta sek\u00e4 t\u00e4ydellisesti havaitun aineiston tuloksista voidaan todeta ensimm\u00e4isen klusterin sis\u00e4lt\u00e4v\u00e4n negatiivisesti ty\u00f6hyvinvoinnistaan ajattelevia, jotka kokevat itsens\u00e4 my\u00f6s v\u00e4syneeksi ja stressaantuneeksi. Toinen klusteri taas sis\u00e4lt\u00e4\u00e4 enemm\u00e4n positiivisesti ty\u00f6hyvinvoinnistaan ajattelevia, jotka kokevat v\u00e4symyst\u00e4 ja stressi\u00e4\nv\u00e4hemm\u00e4n, sek\u00e4 ovat ty\u00f6skennelleet v\u00e4hemm\u00e4n aikaa samassa koulussa kuin ensimm\u00e4isen klusterin henkil\u00f6t.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Miia Hakanen (mihakane@jyu.fi) on 2020-06-18T06:40:49Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2020-06-18T06:40:49Z (GMT). No. of bitstreams: 0\n Previous issue date: 2020", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "53", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.format.mimetype", "value": "application/pdf", "language": null, "element": "format", "qualifier": "mimetype", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "ryhmittelymenetelm\u00e4", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "koulun hyvinvointiprofiili", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "moni-imputointi", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "K:n prototyypin ryhmittelymenetelm\u00e4n ja moni-imputoinnin sovellus ty\u00f6hyvinvointiaineistoon", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202006184270", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Matemaattis-luonnontieteellinen tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Sciences", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Matematiikan ja tilastotieteen laitos", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Department of Mathematics and Statistics", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tilastotiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Statistics", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "4043", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "klusterit", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "ty\u00f6hyvinvointi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "tilastotiede", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.format.content", "value": "fulltext", "language": null, "element": "format", "qualifier": "content", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}, {"key": "dc.type.okm", "value": "G2", "language": null, "element": "type", "qualifier": "okm", "schema": "dc"}]
id jyx.123456789_70059
language fin
last_indexed 2025-02-18T10:56:55Z
main_date 2020-01-01T00:00:00Z
main_date_str 2020
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/9df7d374-51e4-4888-9b43-0ea7a0bd2006\/download","text":"URN:NBN:fi:jyu-202006184270.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2020
record_format qdc
source_str_mv jyx
spellingShingle Ahtinen, Suvi K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon ryhmittelymenetelmä koulun hyvinvointiprofiili moni-imputointi Tilastotiede Statistics 4043 klusterit työhyvinvointi tilastotiede
title K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon
title_full K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon
title_fullStr K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon
title_full_unstemmed K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon
title_short K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon
title_sort k n prototyypin ryhmittelymenetelmän ja moni imputoinnin sovellus työhyvinvointiaineistoon
title_txtP K:n prototyypin ryhmittelymenetelmän ja moni-imputoinnin sovellus työhyvinvointiaineistoon
topic ryhmittelymenetelmä koulun hyvinvointiprofiili moni-imputointi Tilastotiede Statistics 4043 klusterit työhyvinvointi tilastotiede
topic_facet 4043 Statistics Tilastotiede klusterit koulun hyvinvointiprofiili moni-imputointi ryhmittelymenetelmä tilastotiede työhyvinvointi
url https://jyx.jyu.fi/handle/123456789/70059 http://www.urn.fi/URN:NBN:fi:jyu-202006184270
work_keys_str_mv AT ahtinensuvi knprototyypinryhmittelymenetelmänjamoniimputoinninsovellustyöhyvinvointiaineistoon