Sekundärdata analys och dokumentanalys i akademisk forskning

Du har hittat årsrapporter, myndighetsstatistik, policytexter eller gamla enkätdata som verkar perfekta för uppsatsen, men handledarens första fråga blir: “Vad är egentligen din empiri?” Där brukar många studenter fastna. Materialet finns redan, men det betyder inte automatiskt att det är användbart, avgränsat eller metodiskt försvarbart. Sekundärdata analys kan kännas enklare än intervjuer eller en egen enkät eftersom du slipper rekrytera deltagare, men kraven flyttar i stället till urval, källkritik, dokumentation och kopplingen mellan material och frågeställning. Om du skriver kandidatuppsats eller masteruppsats vid ett svenskt universitet behöver du därför kunna förklara både varför just detta befintliga material räcker och hur du ska analysera det utan att bara sammanfatta innehållet.

Sekundärdata analys innebär att du använder redan insamlade datamaterial eller dokument som empiri för en ny forskningsfråga. En bra dokumentanalys metod visar vilket material som ingår, varför det valts, hur det kodas eller tolkas och vilka begränsningar materialets ursprung skapar.

I den här guiden

• Vad betyder sekundärdata analys i en uppsats
• När passar det att använda sekundärdata i kandidatuppsats eller masteruppsats
• Vad är skillnaden mellan sekundärdata analys och dokumentanalys metod
• Hur väljer du befintligt material som faktiskt kan analyseras
• Hur formulerar du en forskningsfråga för sekundäranalys uppsats
• Hur analyserar du befintligt material steg för steg
• Hur skriver du metodkapitlet för sekundärdata och dokumentanalys
• Vilka misstag gör studenter ofta när de använder sekundärdata och dokumentanalys
• Hur bedömer du kvalitet, etik och begränsningar i sekundärdata analys
• Hur vet du att din sekundärdata analys är redo att skrivas färdigt

Vad betyder sekundärdata analys i en uppsats?

Sekundärdata analys betyder att du analyserar data som någon annan redan har samlat in eller producerat. I en uppsats blir materialet empiri först när du avgränsar det, kopplar det till en forskningsfråga och beskriver en tydlig analysmetod. Det räcker alltså inte att “använda statistik” eller “läsa rapporter”; du behöver visa hur materialet blir underlag för egna slutsatser.

Kort definition av centrala begrepp

Sekundärdata är data som redan finns innan din studie börjar, till exempel registerdata, enkätdata från en tidigare studie, offentliga statistikdatabaser, årsredovisningar, policydokument, rättsfall, kursplaner eller organisationsrapporter. Primärdata är data du själv samlar in för din uppsats, till exempel intervjuer, observationer eller en egen enkät.

Dokumentanalys är en metod där dokument behandlas som empiriskt material. Ett dokument kan vara en text, en tabell, en rapport, ett protokoll, en webbpublicerad policy eller ett digitalt arkivutdrag. Poängen är inte bara att referera dokumentet som källa, utan att analysera dess innehåll, struktur, begrepp, kategorier, argument eller förändring över tid.

Empiri är inte samma sak som bakgrundsmaterial

Många studenter blandar ihop litteratur, bakgrundskällor och empiri. En vetenskaplig artikel som du använder för teori eller tidigare forskning är normalt inte empiri i din studie. En kommunal handlingsplan kan däremot vara empiri om din fråga handlar om hur kommuner beskriver trygghet, ansvar eller målgrupper.

Skillnaden ligger i funktionen. Om materialet hjälper dig att förstå forskningsläget hör det ofta hemma i litteraturgenomgången. Om materialet är det du faktiskt undersöker hör det hemma i metod- och resultatdelen. För att hålla isär dessa funktioner kan du arbeta med en tydlig källkarta, ungefär som i Tematisk karta över källor och forskningslucka, där forskningslitteratur och empiriskt material inte blandas samman.

När passar det att använda sekundärdata i kandidatuppsats eller masteruppsats?

Det passar att använda sekundärdata när befintligt material kan besvara din forskningsfråga bättre, snabbare eller mer etiskt än ny datainsamling. Det är särskilt användbart när materialet redan är rikt, offentligt, jämförbart eller svårt att samla in själv under en uppsatstermin. Metoden passar däremot sämre om du behöver erfarenheter, motiv eller förklaringar som inte finns i materialet.

När sekundärdata är ett bra val

Sekundärdata fungerar ofta väl när din fråga handlar om mönster, representationer, förändringar eller institutionella beslut. I företagsekonomi kan en student analysera hållbarhetsrapportering i svenska börsbolags årsredovisningar för att se hur risk, klimatmål och ansvar beskrivs över fem år. I utbildningsvetenskap kan en student jämföra hur digital kompetens formuleras i kursplaner eller lokala kvalitetsrapporter.

I psykologi eller samhällsvetenskap kan sekundärdata vara enkätdata från en offentlig databas, till exempel material om ungdomars skoltrivsel, hälsa eller medievanor. Då blir frågan ofta kvantitativ: vilka samband finns mellan variabler, och hur kan de tolkas inom ramen för tidigare forskning? I vårdvetenskap eller omvårdnad kan offentliga riktlinjer, patientsäkerhetsberättelser eller kvalitetsregister användas för att analysera hur följsamhet, riskbedömning eller vårdövergångar dokumenteras.

När du bör välja en annan metod

Sekundärdata är mindre lämpligt när materialet saknar de variabler, kategorier eller perspektiv som din fråga kräver. Om du vill veta hur nyexaminerade sjuksköterskor upplever introduktionen på en specifik arbetsplats ger lokala policydokument bara indirekt information. Då passar intervjuer troligen bättre.

Frågan är alltså inte om sekundärdata är “lättare”, utan om materialet faktiskt kan bära analysen. Om du fortfarande väljer mellan kvantitativ, kvalitativ och teoretisk inriktning kan Metodval mellan kvantitativ, kvalitativ och teoretisk studie hjälpa dig att jämföra metodlogiken innan du bestämmer dig.

Vad är skillnaden mellan sekundärdata analys och dokumentanalys metod?

Sekundärdata analys är ett bredare begrepp för att analysera redan insamlat material, medan dokumentanalys metod är en mer specifik metod för att analysera dokument som empiri. All dokumentanalys använder befintligt material, men all sekundärdata är inte dokument. En statistikfil, ett registerutdrag eller ett enkätmaterial kan vara sekundärdata utan att vara dokumentanalys.

Jämförelse mellan två sätt att använda befintligt material

Val i uppsatsen	Typiskt material	Exempel på forskningsfråga	Analyslogik
Sekundär kvantitativ analys	Öppen enkätdata om studiestress	“Finns det samband mellan självrapporterad sömn och upplevd studiestress bland universitetsstudenter?”	Variabler mäts och jämförs statistiskt
Kvalitativ dokumentanalys	Tre kommunala trygghetsplaner	“Hur konstrueras ansvar för trygghet i kommunala styrdokument?”	Begrepp, teman och argument kodas
Jämförande dokumentanalys	Årsredovisningar från fyra företag	“Hur förändras beskrivningar av klimatrelaterad risk mellan 2020 och 2024?”	Formuleringar jämförs över tid och fall
Rättsdogmatisk dokumentanalys	Domar och lagförarbeten	“Hur tolkas proportionalitet i utvalda migrationsrättsliga avgöranden?”	Rättskällor analyseras enligt juridisk metod

Tabellen visar att materialtypen påverkar hela uppsatsens design. En statistikfil kräver ofta operationalisering av variabler. Ett policydokument kräver i stället kodning av text, kontext och begrepp.

Välj metod efter vad materialet “gör”

Dokument kan analyseras på flera sätt. En innehållsanalys kan räkna förekomsten av kategorier, till exempel hur ofta olika riskfaktorer nämns i patientsäkerhetsberättelser. En tematisk analys kan undersöka återkommande teman, till exempel hur “elevansvar” formuleras i skolors ordningsregler. En diskursinspirerad analys kan granska hur vissa problem och lösningar görs självklara i en text.

Det avgörande är att metoden matchar forskningsfrågan. Om frågan gäller frekvens och fördelning behöver du en kodningslogik som kan räknas. Om frågan gäller mening, argument eller representation behöver du visa hur du tolkar texten och hur du håller tolkningen spårbar.

Hur väljer du befintligt material som faktiskt kan analyseras?

Du väljer befintligt material genom att kontrollera relevans, avgränsning, åtkomst, kvalitet och analysbarhet innan du börjar skriva resultat. Materialet ska innehålla de observationer, texter eller variabler som din fråga kräver. Det ska också gå att beskriva så tydligt att läsaren förstår vad som ingår och vad som inte ingår.

Fem frågor innan du låser materialet

Börja inte med det material som verkar enklast att hitta. Börja med vad du behöver kunna påstå efter analysen. Ett material kan vara offentligt och omfattande men ändå dåligt för din fråga om det saknar rätt tidsperiod, målgrupp eller begrepp.

Använd följande frågor:

1. Vilket fenomen ska materialet ge information om?
2. Vilken enhet analyseras: individ, organisation, dokument, fall, beslut eller tidsperiod?
3. Vilken tidsmässig avgränsning är rimlig för uppsatsens omfattning?
4. Är materialet tillgängligt, stabilt och möjligt att referera till?
5. Går materialet att koda, jämföra, räkna eller tolka på ett systematiskt sätt?

Om du inte kan svara på punkt två och fem har du sannolikt inte ett färdigt empiriskt material än. Då har du snarare en samling källor.

Realistiska avgränsningar för svenska uppsatser

En kandidatuppsats behöver ofta ett mindre men tydligt avgränsat material. Exempel: sex hållbarhetsrapporter från tre företag under två år, eller tio kommunala dokument om skolfrånvaro från samma region. En masteruppsats kan ofta hantera fler dokument, fler variabler eller en längre tidsperiod, men bara om analysen fortfarande går att genomföra med kvalitet.

Att analysera befintligt material betyder inte att samla “allt som finns”. Det betyder att göra ett motiverat urval. Om du behöver hjälp att gå från ett brett intresse till ett rimligt uppsatsämne kan Tratt som smalnar av mot ett tydligt forskningsproblem ge en användbar struktur.

Hur formulerar du en forskningsfråga för sekundäranalys uppsats?

En forskningsfråga för sekundäranalys uppsats ska kunna besvaras med just det befintliga material du har valt. Den behöver ange fenomen, material eller fall, tidsperiod och analytiskt fokus. Om frågan kräver data som inte finns i materialet kommer analysen att bli spekulativ.

Svag och stark version av samma idé

Svag studentversion	Starkare omformulering
“Hur påverkar sociala medier ungdomars psykiska hälsa?”	“Vilket samband finns mellan självrapporterad daglig skärmtid och självskattad stress i ett befintligt enkätmaterial om gymnasieungdomar?”
“Hur arbetar kommuner med trygghet?”	“Hur beskrivs ansvarsfördelning mellan kommun, polis och invånare i tre kommunala trygghetsplaner publicerade 2022–2024?”
“Är företag hållbara?”	“Hur förändras formuleringar om klimatrelaterad risk i hållbarhetsavsnitten i fyra svenska börsbolags årsredovisningar mellan 2020 och 2024?”

Den starkare versionen gör tre saker: den visar materialtyp, avgränsar analysen och undviker påståenden som materialet inte kan stödja. Den första svaga frågan om sociala medier kräver ofta primärdata eller ett mycket tydligt sekundärmaterial. Den starkare frågan kan däremot kopplas till variabler som redan finns.

Matcha frågan med metodens räckvidd

Om dokumenten bara visar hur en organisation beskriver sitt arbete kan du inte dra säkra slutsatser om hur arbetet faktiskt fungerar i praktiken. En kommunal plan visar policy, mål och ansvarsbilder, men inte nödvändigtvis vardagligt genomförande. En årsredovisning visar extern rapportering, inte hela organisationens interna beslutsprocess.

Ett bra test är att skriva en provmening: “Med detta material kan jag undersöka…” Om meningen kräver ord som “upplever”, “orsakar” eller “leder till” behöver du kontrollera om materialet faktiskt innehåller underlag för sådana slutsatser.

Hur analyserar du befintligt material steg för steg?

Du analyserar befintligt material genom att först skapa en materialöversikt, sedan utveckla kodning eller variabler, genomföra analysen systematiskt och till sist koppla resultaten till forskningsfrågan. Processen behöver dokumenteras så att läsaren kan följa hur du gick från råmaterial till resultat. Det gäller både statistikdata och textdokument.

En praktisk arbetsgång för dokument och data

1. Inventera materialet. Skriv en tabell över varje dokument, dataset eller fall: titel, år, avsändare, omfattning, typ och relevans.
2. Bestäm analysenhet. Avgör om du analyserar hela dokument, avsnitt, stycken, variabler, organisationer eller tidsperioder.
3. Skapa preliminära kategorier. Utgå från teori, tidigare forskning eller en pilotläsning av materialet.
4. Testkoda en liten del. Prova kategorierna på ett mindre urval och justera otydliga gränser.
5. Analysera hela materialet. Arbeta konsekvent och dokumentera beslut, undantag och ändringar.
6. Sök mönster och avvikelser. Redovisa inte bara det vanligaste; visa även skillnader mellan fall eller oväntade resultat.
7. Koppla tillbaka till frågan. Varje resultatavsnitt ska hjälpa till att besvara forskningsfrågan, inte bara återge materialets innehåll.

För kvantitativ sekundärdata byts “kategorier” ofta mot variabler, mått och statistiska tester. För kvalitativ dokumentanalys handlar arbetet mer om kodning, tematisering och tolkning.

Exempel från tre ämnesområden

I samhällsvetenskap eller psykologi kan en student använda ett befintligt enkätmaterial om studenters sömn, stress och studieresultat. Analysen kan pröva samband mellan självskattad sömnkvalitet och upplevd stress, men bör undvika att påstå att sömn “orsakar” stress om datan är tvärsnittsmässig.

I vårdvetenskap kan en student analysera offentliga patientsäkerhetsberättelser från fem vårdcentraler för att undersöka hur läkemedelsgenomgångar för äldre patienter beskrivs. Materialet säger något om dokumenterad styrning och rapportering, men inte direkt om varje patients faktiska följsamhet.

I juridik kan en student analysera ett urval domar och förarbeten för att se hur proportionalitet används i en viss typ av beslut. Här behöver metoden följa juridisk argumentation och rättskällelära, inte en allmän tematisk kodning utan anpassning.

Hur skriver du metodkapitlet för sekundärdata och dokumentanalys?

Metodkapitlet ska visa vad materialet består av, hur det valdes, hur det analyserades och vilka begränsningar valet medför. Läsaren ska kunna förstå din process utan att själv behöva gissa hur dokumenten, variablerna eller fallen hamnade i studien. Ett metodkapitel för sekundärdata behöver därför vara konkretare än “jag gjorde en dokumentanalys”.

Delar som bör finnas med

Skriv metodkapitlet i en ordning som speglar din studie. Börja med forskningsdesign: är studien kvalitativ, kvantitativ, jämförande, rättslig, teoretiskt informerad eller en litteraturbaserad empirisk analys? Fortsätt med material och urval: vilka dokument eller dataset ingår, från vilken period och med vilka inklusions- och exklusionskriterier?

Beskriv sedan analysproceduren. Om du kodar dokument, förklara hur koderna skapades och hur du hanterade gränsfall. Om du använder statistik, förklara vilka variabler du använder, hur de mäts och vilka tester eller jämförelser som är rimliga. Avsluta med kvalitet, etik och begränsningar. En mer detaljerad struktur för metodkapitel finns i Metodkapitel som horisontellt metodflöde.

Formuleringar som blir mer trovärdiga

Skriv inte: “Jag har valt dokument som är relevanta för ämnet.” Det är för vagt. Skriv hellre: “Materialet består av tolv kommunala handlingsplaner om skolfrånvaro publicerade 2021–2024. Dokument inkluderades om de var offentligt tillgängliga, antagna av kommunal nämnd eller förvaltning och innehöll konkreta åtgärder riktade mot grundskolan.”

På samma sätt bör du undvika: “Materialet analyserades tematiskt.” Skriv i stället vad det betydde i din studie: “Först markerades avsnitt där ansvar, målgrupp eller åtgärd beskrevs. Därefter grupperades markeringarna i tre teman: institutionellt ansvar, elevens ansvar och samverkan med vårdnadshavare.”

Vilka misstag gör studenter ofta när de använder sekundärdata och dokumentanalys?

Studenter gör ofta misstaget att behandla befintligt material som om det automatiskt vore neutralt, komplett och direkt anpassat till den egna frågan. De vanligaste problemen handlar om för bred fråga, otydligt urval, sammanfattning i stället för analys och slutsatser som går längre än materialet. Dessa misstag går att korrigera om du upptäcker dem innan resultatkapitlet är färdigskrivet.

Fyra vanliga fel med realistiska exempel

1. Att kalla allt för empiri utan att skilja funktioner åt
   Studentexempel: “Empirin består av vetenskapliga artiklar, kommunens webbsida och två rapporter från Socialstyrelsen.”
   Korrigering: Dela upp materialet. Vetenskapliga artiklar används ofta som tidigare forskning, medan kommunala dokument eller myndighetsrapporter kan vara empiri om de faktiskt analyseras.

2. Att skriva en fråga som kräver primärdata
   Studentexempel: “Hur upplever äldre patienter läkemedelsinformation efter utskrivning?” baserat enbart på regionala riktlinjer.
   Korrigering: Ändra frågan till vad dokumenten kan visa: “Hur beskrivs ansvar för läkemedelsinformation i regionala riktlinjer för utskrivning av äldre patienter?”

3. Att sammanfatta dokument i stället för att analysera dem
   Studentexempel: “I dokument A står det att trygghet är viktigt. I dokument B står det också att trygghet är viktigt.”
   Korrigering: Jämför hur trygghet definieras, vem som får ansvar, vilka problem som nämns och vilka lösningar som föreslås.

4. Att använda sekundärdata utan att kontrollera ursprungligt syfte
   Studentexempel: “Enkäten mäter motivation hos studenter” trots att variabeln egentligen mäter nöjdhet med kursinformation.
   Korrigering: Läs kodbok, frågeformuleringar och insamlingskontext. Använd inte variabler som om de mätte något annat än de faktiskt gör.

Varför dessa fel stör hela uppsatsen

Problemen syns ofta först i resultatdelen, men orsaken ligger tidigare. En för bred fråga ger resultat som spretar. Ett otydligt urval gör att läsaren inte vet varför vissa dokument ingår. En svag metodbeskrivning gör att analysen ser subjektiv ut även när du har arbetat noggrant.

Det bästa motmedlet är att skriva ett kort metodutkast innan du analyserar allt material. Om du inte kan förklara urval, analysenhet och kodningsprinciper på en sida är materialet troligen inte färdigdesignat.

Hur bedömer du kvalitet, etik och begränsningar i sekundärdata analys?

Du bedömer kvalitet genom att granska materialets ursprung, syfte, täckning, tillförlitlighet och relevans för din fråga. Etik handlar inte bara om personuppgifter, utan också om hur materialet har samlats in, anonymiserats och återanvänds. Begränsningar behöver skrivas fram som en del av metodens räckvidd, inte som en ursäkt i slutet.

Källkritik för befintligt material

Fråga vem som producerade materialet och varför. En myndighetsrapport kan ha hög trovärdighet för vissa sakuppgifter men ändå vara skriven inom ett politiskt eller administrativt uppdrag. En årsredovisning är granskad och offentlig, men den är också företagets egen presentation av verksamheten. Ett enkätmaterial kan vara välgjort men fortfarande begränsas av bortfall, urvalsram eller frågeformuleringar.

Källkritik betyder inte att du måste avfärda materialet. Det betyder att du visar vad materialet kan användas till. För vetenskapliga och offentliga källor kan du använda samma tänkande som i Källnätverk för att bedöma vetenskapliga källor: bedöm ursprung, relationer, sammanhang och användbarhet i stället för att bara fråga om källan är “bra”.

Etiska frågor även utan egna deltagare

Om materialet är offentligt kan analysen ofta vara mindre etiskt känslig än intervjuer, men inte alltid. Dataset med individuppgifter kan innehålla känsliga variabler även om du inte själv känner deltagarna. Dokument från organisationer kan innehålla indirekt identifierbara personer, särskilt i små kommuner, skolor eller vårdenheter.

Skriv därför hur du hanterar anonymisering, citering och lagring. Om du använder offentliga dokument kan du ofta citera dem, men du bör ändå undvika onödigt utpekande när analysen gäller känsliga verksamheter. Om materialet kräver särskilda tillstånd ska detta framgå.

Hur vet du att din sekundärdata analys är redo att skrivas färdigt?

Din sekundärdata analys är redo att skrivas färdigt när forskningsfråga, material, urval, analysmetod och begränsningar hänger ihop. Du ska kunna visa en spårbar väg från material till resultat och från resultat till slutsats. Om någon del kräver gissningar behöver du justera frågan, materialet eller metoden innan slutversionen.

Snabb kontroll före resultatkapitlet

Gå igenom analysen med en skeptisk läsares frågor. Varför just dessa dokument? Varför denna tidsperiod? Hur vet jag att kategorierna inte bara är lösryckta intryck? Vad kan resultaten säga, och vad kan de inte säga?

En fungerande analys har ofta en tydlig intern logik: frågan pekar mot materialet, materialet pekar mot metoden och metoden pekar mot en rimlig typ av resultat. Om du märker att resultatet mest blir en beskrivning av varje dokument var för sig kan du behöva skapa jämförande teman, kategorier eller analysdimensioner.

Before you move on: checklista för sekundärdata och dokumentanalys

• Jag har definierat vad som är empiri och vad som är tidigare forskning.
• Jag har angett exakt vilka dokument, dataset eller fall som ingår.
• Jag har motiverat tidsperiod, urval och avgränsning.
• Min forskningsfråga kan besvaras med det material jag faktiskt har.
• Jag har beskrivit analysenhet, till exempel dokument, avsnitt, variabel eller fall.
• Jag har en kodningsplan, variabellista eller annan tydlig analysprocedur.
• Jag har kontrollerat materialets ursprungliga syfte och begränsningar.
• Jag har hanterat etiska frågor kring personuppgifter, citering och anonymisering.
• Jag har undvikit slutsatser som går längre än materialet stödjer.
• Jag kan förklara skillnaden mellan sammanfattning och analys i min resultatdel.

Sista testet innan du lämnar metodutkastet

Be någon läsa bara din forskningsfråga och materialbeskrivning. Om personen kan gissa vilken analys som följer är designen troligen tydlig. Om personen däremot frågar “men hur ska du få veta det?” är frågan förmodligen större än materialet.

En bra uppsats med sekundärdata bygger inte på att materialet är perfekt. Den bygger på att du är öppen med vad materialet visar, hur du analyserar det och var gränserna går. Det är ofta just den tydligheten som gör att en dokumentanalys eller sekundäranalys upplevs som akademiskt stabil.

Rekommenderade interna länkar

(Byggsystemets metadata — ta inte bort detta avsnitt)

• Tematisk karta över källor och forskningslucka
• Metodval mellan kvantitativ, kvalitativ och teoretisk studie
• Tratt som smalnar av mot ett tydligt forskningsproblem
• Metodkapitel som horisontellt metodflöde
• Källnätverk för att bedöma vetenskapliga källor