Kvantitativ metode

Opdateret 13. juli 2026 · 9 min. læsning · Af Spire Light

Kvantitativ metode handler om at måle. I stedet for at fortolke enkelte menneskers oplevelser tæller du, hvor mange, hvor meget og hvor ofte, og undersøger om der er systematiske sammenhænge i tallene. Metoden bygger på en deduktiv logik: du starter med en teori, udleder en hypotese og tester den på et datamateriale, der er stort nok til at sige noget generelt. Denne guide gennemgår tankegangen, dataindsamlingen og den statistik, du realistisk får brug for på et bachelor- eller kandidatprojekt, uden at blive en statistiklærebog.

Hvad er kvantitativ metode?

Kvantitativ metode er en fremgangsmåde, hvor du omsætter et fænomen til tal og analyserer dem statistisk. Grundtanken er, at virkeligheden kan måles, og at mønstre på tværs af mange enheder siger mere pålideligt noget generelt end en enkelt case. Videnskabsteoretisk hviler metoden på et objektivistisk grundlag, tættest på positivismen og Poppers kritiske rationalisme. Hvor den klassiske positivisme søgte at bekræfte påstande empirisk, skærpede den kritiske rationalisme idealet til, at en påstand skal kunne testes og forsøges modbevist. Læs mere om det ståsted i guiden om positivisme.

Logikken er typisk deduktiv: du bevæger dig fra det almene til det konkrete. Du tager en teori, formulerer en forventning (en hypotese) og indsamler data for at se, om forventningen holder. Det står i modsætning til den induktive tilgang, der ofte kendetegner kvalitativ metode, hvor teorien vokser frem af data undervejs.

• Måling: fænomener oversættes til variable med talværdier.
• Generalisering: resultater fra en stikprøve overføres til en større population.
• Systematik: alle enheder måles på samme måde, så tallene kan sammenlignes.

Hvornår vælger du kvantitativ metode?

Metodevalget følger af dit spørgsmål, ikke af din smag. Kvantitativ metode er stærk, når du vil måle udbredelse, sammenligne grupper eller teste en sammenhæng mellem forhold, du på forhånd har en teori om.

• Når du spørger hvor mange, hvor ofte eller hvor stor forskel.
• Når du vil generalisere til en større population og har brug for en repræsentativ stikprøve.
• Når du vil teste en hypotese om sammenhæng mellem to eller flere variable.
• Når fænomenet lader sig måle rimeligt entydigt, for eksempel karakterer, indkomst, holdninger på en skala eller antal fravær.

Omvendt kommer metoden til kort, når du vil forstå hvorfor og hvordan mennesker oplever noget indefra. Vil du udforske betydninger, motiver og nuancer, taber tallene den kontekst, der er hele pointen. Er du i tvivl om retningen, giver sammenligningen i kvalitativ eller kvantitativ metode et grundigere beslutningsgrundlag.

Dataindsamling: spørgeskema, eksperiment og registerdata

Der findes tre typiske veje til kvantitative data. Valget afhænger af, om du selv skaber data, manipulerer noget aktivt, eller genbruger data, der allerede er indsamlet.

Spørgeskemadesign

Et spørgeskema står og falder med spørgsmålenes kvalitet. Hvert spørgsmål skal måle én ting, være forståeligt for alle respondenter og undgå at lede svaret i en bestemt retning. Undgå dobbeltspørgsmål (»er undervisningen god og relevant?«), negationer og fagsprog. Test altid skemaet på et par personer, før du sender det ud, så du fanger spørgsmål, der bliver misforstået.

Stikprøve og sandsynlighedsudvælgelse

Du kan sjældent spørge hele populationen, så du udtager en stikprøve. Skal resultatet kunne generaliseres, kræver det sandsynlighedsudvælgelse, hvor hver enhed i populationen har en kendt chance for at blive valgt. Den simpleste form er tilfældig udvælgelse; stratificeret udvælgelse sikrer, at bestemte undergrupper (for eksempel køn eller studieretning) er repræsenteret i rette forhold. Bekvemmelighedsudvælgelse, hvor du bare spørger dem, der er lettest at få fat i, giver derimod en skæv stikprøve, du ikke kan generalisere fra.

Variable, hypoteser og operationalisering

En variabel er en egenskab, der kan antage forskellige værdier på tværs af enhederne. I en analyse skelner du mellem den uafhængige variabel (det, du tror påvirker) og den afhængige variabel (det, der bliver påvirket). Antager du, at mere søvn giver bedre karakterer, er søvn den uafhængige og karakteren den afhængige variabel.

En hypotese er en præcis, testbar påstand om sammenhængen mellem variablene, udledt af din teori. Den skal kunne modbevises: kan intet tænkeligt resultat afkræfte den, er den ikke videnskabelig i Poppers forstand. Man opstiller ofte en nulhypotese om, at der ingen sammenhæng er, og undersøger så, om data giver grund til at forkaste den.

Operationalisering er broen fra abstrakt begreb til målbar indikator. Et begreb som »trivsel« kan ikke måles direkte, så du oversætter det til noget konkret: søvnkvalitet, oplevet stress, antal fraværsdage. Kvaliteten af hele din undersøgelse afhænger af, at operationaliseringen faktisk rammer det, begrebet handler om.

Måleniveauer

Hvordan en variabel er målt, bestemmer hvilken statistik du må bruge. Der er fire klassiske måleniveauer:

• Nominal: kategorier uden rangorden, for eksempel køn eller studieretning.
• Ordinal: kategorier med rangorden, men uden ens afstand, for eksempel »utilfreds, neutral, tilfreds«.
• Interval: tal med ens afstand, men uden absolut nulpunkt, for eksempel temperatur i celsius.
• Ratio: tal med ens afstand og et absolut nulpunkt, for eksempel indkomst eller alder.

Du kan regne gennemsnit på interval- og ratiodata, men ikke meningsfuldt på nominale kategorier. At tjekke måleniveauet først sparer dig for analyser, der ikke holder.

Analyse af kvantitative data

Analysen falder i to trin. Først beskriver du dine data, derefter undersøger du sammenhænge.

Deskriptiv statistik

Deskriptiv statistik sammenfatter, hvad der er i datasættet. To ting bærer det meste:

• Centraltendens: hvor tallene samler sig. Gennemsnittet er summen delt med antallet, mens medianen er den midterste værdi og er mere robust over for ekstreme værdier.
• Spredning: hvor meget tallene varierer. Standardafvigelsen fortæller, hvor langt værdierne typisk ligger fra gennemsnittet. To grupper kan have samme gennemsnit, men vidt forskellig spredning.

Analytisk statistik

Analytisk statistik undersøger sammenhænge og generaliserer fra stikprøve til population. Korrelation måler, hvor tæt to variable følges ad, på en skala fra -1 til +1. En positiv korrelation betyder, at de stiger sammen; en negativ, at den ene falder når den anden stiger. Husk den klassiske advarsel: korrelation er ikke det samme som årsag. To ting kan følges ad, fordi en tredje faktor driver begge.

Signifikans svarer på, om et fund sandsynligvis er reelt eller kunne skyldes tilfældig variation i stikprøven. En p-værdi under 0,05 betyder løst sagt, at der er mindre end 5 procents sandsynlighed for at se en så stærk sammenhæng, hvis der i virkeligheden ingen var. Det gør fundet statistisk signifikant, men ikke nødvendigvis vigtigt: med en meget stor stikprøve kan selv en ubetydelig forskel blive signifikant. Vurder derfor altid effektens størrelse ved siden af p-værdien.

1. 1

   Rens data

   Fjern fejl, håndter manglende svar og tjek for urealistiske værdier.
2. 2

   Beskriv

   Kør deskriptiv statistik: gennemsnit, median og spredning for hver variabel.
3. 3

   Analysér

   Undersøg sammenhænge mellem uafhængig og afhængig variabel.
4. 4

   Fortolk

   Koble resultaterne tilbage til hypotesen og teorien, og vurder både signifikans og størrelse.

Validitet, reliabilitet og repræsentativitet

Tre begreber afgør, om dine tal er til at stole på. Validitet handler om, hvorvidt du måler det, du tror du måler: rammer din operationalisering faktisk begrebet? Reliabilitet handler om, hvorvidt målingen er konsistent: ville du få samme resultat, hvis du gentog den? En måling kan være pålidelig uden at være gyldig, hvis den konsekvent måler det forkerte. Begge dele er uddybet i guiden om validitet og reliabilitet.

Repræsentativitet handler om, hvorvidt din stikprøve ligner populationen godt nok til, at du kan generalisere. Her er to faldgruber særligt farlige: en skæv udvælgelse, og et stort bortfald, hvor bestemte grupper systematisk lader være med at svare. Svarer kun de mest engagerede studerende på din trivselsundersøgelse, tegner tallene et for positivt billede, uanset hvor stor stikprøven er.

Kvantitativ eller kvalitativ metode?

De to tilgange besvarer forskellige spørgsmål. Kvantitativ metode måler udbredelse og tester sammenhænge på mange enheder; kvalitativ metode udforsker betydning og oplevelse hos få. Den ene er ikke finere end den anden, og mange projekter kombinerer dem i et mixed methods-design, hvor tal viser mønstret og interviews forklarer det.

Et spørgeskema kan afdække, at trivslen er faldet på en årgang, men ikke hvorfor. Et par opfølgende interviews kan give svaret. Vil du se de to metoder stillet grundigt op mod hinanden med konkrete valgkriterier, tager guiden om kvalitativ eller kvantitativ metode dig hele vejen igennem.