Correlationele onderzoeksmethoden hoorcolleges
Hoorcollege 1
populatie en steekproef
populatie= de gehele groep waarin je geïnteresseerd bent (bv. alle kinderen, heel
Nederland)
steekproef= uit de populatie neem je een steekproef, omdat je bijna nooit de gehele
populatie kan onderzoeken
descriptives= bestaat uit de gemiddelden, variantie etc. van de steekproef
eigenlijk wil je iets kunnen zeggen over de hele populatie → inferentiële statistiek
steekproeftrekking
simple random sampling = elk element (persoon) in de populatie heeft dezelfde kans om in
de steekproef terecht te komen
stratified sampling = de populatie wordt opgedeeld in strata (geslacht, leeftijd etc.) binnen
elk stratum wordt een volledig aselecte steekproef getrokken
convenience sampling= de steekproef bestaat uit diegene die voorhanden zijn (bv.
aanwezigen in de kantine, eerstejaarsstudenten psychologie)
→ er zijn nog vele andere vormen, maar bij toetsende statistiek zoals in deze cursus gaan we
uit van simple random sampling
proximal similarity model: je probeert te zoeken naar een steekproef die vergelijkbaar is met
je populatie
steekproeffluctuaties
elke steekproef kan er anders uitzien
bv.: extraversie, N= 25
→ men denkt vaak dat de steekproef
heel representatief is voor de
populatie. Dit heet ook wel: Belief in
the law of small numbers
→ zeker bij kleine steekproeven is dit
niet het gevel en kan de ene
steekproef sterk variëren van de
andere steekproef en zegt de
steekproef ook weinig over de
populatie → bij voorkeur grotere
steekproef (meer power)
,Descriptieve statistiek: het samenvatten van de data
scoren studenten hoger dan een 6.0 op het tentamen van dit vak? scoren vrouwen op dit
tentamen beter dan mannen?
• we trekken een steekproef N= 30
• we moeten deze data beschrijven
• dit kan door te kijken naar…
- centrummaten (measures of central tendency)
o gemiddelde
o mediaan (middelste getal)
o modus (meest geobserveerde score)
- spreidingsmaten (measures op dispersion)
o variantie
o standaarddeviatie
voorbeeld spss output:
inferentiële statistiek
• wanneer we resultaten willen generaliseren naar de populatie zijn beschrijvende
statistieken niet genoeg
• we maken gebruik van inferentiële statistiek om conclusies te trekken over de
populatie, op basis van de informatie uit de steekproef
• 2 populaire methods zijn:
- null hypothesis significance testing (NHST)
- betrouwbaarheidsinterval schatting
voorbeeld:
is het gemiddelde tentamencijfer in de populatie (mu) gelijk aan 6?
null hypothesis significance testing
1. we formuleren de nul en de alternatieve hypothese
(mu = populatie gemiddelde)
2. we maken een beslisregel
, 3. we halen de t en p-waarde uit de output
4. we verwerpen wel of niet de H0 en trekken
een conclusie
→ als de H0 waar is, is het het meest waarschijnlijk dat de t-waarde ergens in het
midden van de verdeling ligt (niet in de staarten)
→ het oppervlakte in de staarten is precies die 0.05 (5%)
let op! indien we een eenzijdige test uitvoeren, dan delen we alfa NIET door 2
Betrouwbaarheidsintervallen schatten
het 95% CI loopt van -0.571 tot 1.1489 ALLEEN let op! je moet hier nog die 6 (van het
gemiddelde bij optellen) dus: 5.9429 tot 7.1489
→ deze reeks bevat waarschijnlijke waarden voor mu
betrouwbaarheidsinterval= wanneer we het experiment
keer op keer herhalen, bevat het 95%
betrouwbaarheidsinterval in 95% van de gevallen de echte
waarde (bv. mu of p)
• interpretatie: op basis van de gevonden data, zijn dit
de meest waarschijnlijke waarden van mu
• belang: geeft de onzekerheid rondom de
puntschatter (bv. M of r) weer
(rode lijn ligt NIET in het interval)
, standaarddeviatie/standaardfout (standard
error): geeft aan hoe precies je aan het
meten bent
berekening: standaarddeviatie/ wortel van
de sample size
standaardfout in betrouwbaarheidsinterval:
Meetniveaus
we maken onderscheid tussen:
• categorische variabelen: geslacht, type opleiding, experimentele conditie, diagnose,
sociale klasse
• kwantitatieve variabelen: leeftijd, IQ scores, NEO-PI scores, tentamencijfers, scores
op een depressievragenlijst
onderzoeksdesigns
quasi lijkt op experimenteel, maar je maakt meer gebruik van bestaande situaties bij quasi
experimenteel (bv. zieke en niet zieke mensen, je kan mensen niet toewijzen)
correlaties
Pearson’s correlatie coëfficiënt
• lineaire samenhang
• p = correlatie in de populatie r = correlatie in de steekproef
•
• r = 0 betekent: er is geen lineaire samenhang, maar misschien wel een niet-lineaire
samenhang
Hoorcollege 1
populatie en steekproef
populatie= de gehele groep waarin je geïnteresseerd bent (bv. alle kinderen, heel
Nederland)
steekproef= uit de populatie neem je een steekproef, omdat je bijna nooit de gehele
populatie kan onderzoeken
descriptives= bestaat uit de gemiddelden, variantie etc. van de steekproef
eigenlijk wil je iets kunnen zeggen over de hele populatie → inferentiële statistiek
steekproeftrekking
simple random sampling = elk element (persoon) in de populatie heeft dezelfde kans om in
de steekproef terecht te komen
stratified sampling = de populatie wordt opgedeeld in strata (geslacht, leeftijd etc.) binnen
elk stratum wordt een volledig aselecte steekproef getrokken
convenience sampling= de steekproef bestaat uit diegene die voorhanden zijn (bv.
aanwezigen in de kantine, eerstejaarsstudenten psychologie)
→ er zijn nog vele andere vormen, maar bij toetsende statistiek zoals in deze cursus gaan we
uit van simple random sampling
proximal similarity model: je probeert te zoeken naar een steekproef die vergelijkbaar is met
je populatie
steekproeffluctuaties
elke steekproef kan er anders uitzien
bv.: extraversie, N= 25
→ men denkt vaak dat de steekproef
heel representatief is voor de
populatie. Dit heet ook wel: Belief in
the law of small numbers
→ zeker bij kleine steekproeven is dit
niet het gevel en kan de ene
steekproef sterk variëren van de
andere steekproef en zegt de
steekproef ook weinig over de
populatie → bij voorkeur grotere
steekproef (meer power)
,Descriptieve statistiek: het samenvatten van de data
scoren studenten hoger dan een 6.0 op het tentamen van dit vak? scoren vrouwen op dit
tentamen beter dan mannen?
• we trekken een steekproef N= 30
• we moeten deze data beschrijven
• dit kan door te kijken naar…
- centrummaten (measures of central tendency)
o gemiddelde
o mediaan (middelste getal)
o modus (meest geobserveerde score)
- spreidingsmaten (measures op dispersion)
o variantie
o standaarddeviatie
voorbeeld spss output:
inferentiële statistiek
• wanneer we resultaten willen generaliseren naar de populatie zijn beschrijvende
statistieken niet genoeg
• we maken gebruik van inferentiële statistiek om conclusies te trekken over de
populatie, op basis van de informatie uit de steekproef
• 2 populaire methods zijn:
- null hypothesis significance testing (NHST)
- betrouwbaarheidsinterval schatting
voorbeeld:
is het gemiddelde tentamencijfer in de populatie (mu) gelijk aan 6?
null hypothesis significance testing
1. we formuleren de nul en de alternatieve hypothese
(mu = populatie gemiddelde)
2. we maken een beslisregel
, 3. we halen de t en p-waarde uit de output
4. we verwerpen wel of niet de H0 en trekken
een conclusie
→ als de H0 waar is, is het het meest waarschijnlijk dat de t-waarde ergens in het
midden van de verdeling ligt (niet in de staarten)
→ het oppervlakte in de staarten is precies die 0.05 (5%)
let op! indien we een eenzijdige test uitvoeren, dan delen we alfa NIET door 2
Betrouwbaarheidsintervallen schatten
het 95% CI loopt van -0.571 tot 1.1489 ALLEEN let op! je moet hier nog die 6 (van het
gemiddelde bij optellen) dus: 5.9429 tot 7.1489
→ deze reeks bevat waarschijnlijke waarden voor mu
betrouwbaarheidsinterval= wanneer we het experiment
keer op keer herhalen, bevat het 95%
betrouwbaarheidsinterval in 95% van de gevallen de echte
waarde (bv. mu of p)
• interpretatie: op basis van de gevonden data, zijn dit
de meest waarschijnlijke waarden van mu
• belang: geeft de onzekerheid rondom de
puntschatter (bv. M of r) weer
(rode lijn ligt NIET in het interval)
, standaarddeviatie/standaardfout (standard
error): geeft aan hoe precies je aan het
meten bent
berekening: standaarddeviatie/ wortel van
de sample size
standaardfout in betrouwbaarheidsinterval:
Meetniveaus
we maken onderscheid tussen:
• categorische variabelen: geslacht, type opleiding, experimentele conditie, diagnose,
sociale klasse
• kwantitatieve variabelen: leeftijd, IQ scores, NEO-PI scores, tentamencijfers, scores
op een depressievragenlijst
onderzoeksdesigns
quasi lijkt op experimenteel, maar je maakt meer gebruik van bestaande situaties bij quasi
experimenteel (bv. zieke en niet zieke mensen, je kan mensen niet toewijzen)
correlaties
Pearson’s correlatie coëfficiënt
• lineaire samenhang
• p = correlatie in de populatie r = correlatie in de steekproef
•
• r = 0 betekent: er is geen lineaire samenhang, maar misschien wel een niet-lineaire
samenhang
