Hoorcollege week 1, Gegevensverzameling, Deel 1
Bruikbaarheid wordt dus ook veel in de bedrijfskunde gebruikt → heb je er wat aan?
Conceptueel model: er moet altijd een samenhang aanwezig zijn tussen twee of meer
variabelen.
Kwantitatieve data:
- Onderzoeksstrategieën:
*Survey (beschrijvende en explorerende vragen)
*Experiment (toetsende vragen, je meet een bepaald effect)
- Dataverzameling
*Vragenlijsten (mondeling, schriftelijk, internet etc)
,*Observaties
*Inhoudsanalyse
- Data
*Primair: specifiek voor het onderzoek zelf (zelf een vragenlijst bijv. opstellen, mensen
interviewen)
*Secundair: verzameld voor een ander doel (gebruik maken van data die al eerder zijn
verzameld voor een ander doel, bijv. artikelen uit kranten)
Vraagtypen:
- Open/gesloten vragen
- Single/multiple respons (kan je 1 of meerdere antwoorden geven op een vraag?) → welke
frisdranken drink je, mag je bijvoorbeeld meerdere antwoorden geven
- Dichotome vragen (vraag met wel of niet als antwoord, 0 of 1. Bijv. juist of onjuist vragen)
- Schaalitems (bijvoorbeeld Likert) → zelfde antwoordmogelijkheden, maar bijvoorbeeld de
mate waarin jij eens bent met een stelling
Voorbeeld van vraagtype schaalitems:
Hier staan er maar 5, maar er zijn er nog meer:
Gebruik eenduidige woorden: vraag dus niet: ‘zijn wij beter dan onze concurrent?’.
Steekproeven
Begrippen:
- Populatie (alle onderzoekseenheden, is lastig)
,- Operationele populatie (gericht op een aantal onderzoekseenheden, bijv. niet alle
studenten van RU bevragen, maar een specifiek deel, zorg dat dit representatief voor alle
studenten is)
- Steekproefkader (overzicht van alle studenten in de database)
- Steekproef (bijv. 600 studenten uit de database)
- Generaliseerde steekproef (als bijv. 100 studenten niet hebben gereageerd, non response
rate, is dit lastig te generaliseren)
Technieken:
Ethische aspecten
- Toestemming (informed consent)
- Vertrouwelijkheid en privacy
- En zaken veranderen (bijv. ‘prefer not to answer which gender’)
Nu gaan we verder met representativiteit:
Je vergelijkt de gemiddelde leeftijd van werknemers bijv. van je steekproef met de
populatie. Verschillen deze statistisch significant?
Fo = frequency observed
,Je gebruik vaak databestanden voor het vaststellen van je populatie gemiddelde. Bijv. CBS,
RIVM.
Theoretische verwachting: gelijkmatige (uniforme) verdeling → bij het voorbeeld hierboven
verwacht je dan dus dat zowel bij de aldi, jumbo als Lidl bij de populatie evenveel mensen
komen.
Fe = totaal 80 : 3 supermarkten = 26.7
Je zet dus de geobserveerde frequentie af tegen de verwachte frequentie. Hoe kleiner dit
verschil, hoe groter de kans dat de steekproef representatief is voor de populatie → dit zie je
in de laatste column. Eerst dus Fo-Fe in het kwadraat en dan dat delen door Fe. Hier komt
een kwadraat waarde uit = 0.774
Bij representativiteit werk je met een Alpha van .30!
Degrees of freedom = vrijheidsgraden
Dit is een manier om met categorische variabele na te gaan of die representatief is voor de
populatie!
,Waarom .30 alpha bij representativiteit?
Als je wil voorkomen dat je een type 1 fout maakt = dat je H0 onterecht verwerpt, terwijl H0
feitelijk waar is. Dat je te snel besluit om naar de H1 hypothese te gaan.
Hierdoor kiezen we alpha .30 → je wil niet te snel H0 onterecht verwerpen.
In dit voorbeeld hierboven wil je niet te snel H0 accepteren, dus zeggen dat steekproef
gemiddelde overeenkomt met populatie gemiddelde → type 2 fout
Type 1 en type 2 fouten hebben veel met elkaar te maken. Als je Alpha naar beneden doet,
ipv .50 naar .0001 . Stijgt je beta en dat wil je juist niet. Je wil dat de Beta hoger wordt om
, dat je minder snel wil zeggen dat het gemiddelde voor de steekrpoef gelijk is aan die van de
populatie. Als je alpha dus hoger maakt, wordt de beta verlaagt.
Met dit probleem is lang geworsteld en vandaar .30 alpha gekozen. Dit geldt alleen voor
toetsing van representativiteit!!
Bij representativiteit gaat het vooral om validiteit. Een specifieke vorm daarvan de externe
validiteit → generaliseerbaarheid
Als je wil voorkomen dat je een type 1 fout maakt = dat je H0 onterecht verwerpt. Dat je te
snel besluit om naar de H1 hypothese te gaan. Hierdoor kiezen we alpha .30
Een type II fout vindt plaats wanneer H0 wordt aangehouden, terwijl deze eigenlijk
onwaar is.
Type 1 en type 2 fouten hebben veel met elkaar te maken. Als je Alpha naar beneden doet,
ipv .50 naar .0001 . Stijgt je bèta en dat wil je juist niet. Je wil dat de bèta hoger wordt om
dat je minder snel wil zeggen dat het gemiddelde voor de steekproef gelijk is aan die van de
populatie. Als je alpha dus hoger maakt, wordt de bèta verlaagt.
Data cleaning / preparatie
- Checken of alle gegevens in de datamatrix kloppen
*codes
*routings
*response set
- Missing data analyse
*bijv. studie Williams, Schnake en Fredenberger naar invloed van corporate strategy op de
reputatie van het bedrijf
* van all Fortune 500 bedrijven blijven er 178 over, 64% ontbreekt omdat ze geen info over
het onderwerp hebben. Is dit dan wel representatief? Dan ga je dus toetsingen doen en een
argumentatie maken. Zijn bedrijven die niet reageren nou typisch anders dan bedrijven die
wel meedoen?
Bruikbaarheid wordt dus ook veel in de bedrijfskunde gebruikt → heb je er wat aan?
Conceptueel model: er moet altijd een samenhang aanwezig zijn tussen twee of meer
variabelen.
Kwantitatieve data:
- Onderzoeksstrategieën:
*Survey (beschrijvende en explorerende vragen)
*Experiment (toetsende vragen, je meet een bepaald effect)
- Dataverzameling
*Vragenlijsten (mondeling, schriftelijk, internet etc)
,*Observaties
*Inhoudsanalyse
- Data
*Primair: specifiek voor het onderzoek zelf (zelf een vragenlijst bijv. opstellen, mensen
interviewen)
*Secundair: verzameld voor een ander doel (gebruik maken van data die al eerder zijn
verzameld voor een ander doel, bijv. artikelen uit kranten)
Vraagtypen:
- Open/gesloten vragen
- Single/multiple respons (kan je 1 of meerdere antwoorden geven op een vraag?) → welke
frisdranken drink je, mag je bijvoorbeeld meerdere antwoorden geven
- Dichotome vragen (vraag met wel of niet als antwoord, 0 of 1. Bijv. juist of onjuist vragen)
- Schaalitems (bijvoorbeeld Likert) → zelfde antwoordmogelijkheden, maar bijvoorbeeld de
mate waarin jij eens bent met een stelling
Voorbeeld van vraagtype schaalitems:
Hier staan er maar 5, maar er zijn er nog meer:
Gebruik eenduidige woorden: vraag dus niet: ‘zijn wij beter dan onze concurrent?’.
Steekproeven
Begrippen:
- Populatie (alle onderzoekseenheden, is lastig)
,- Operationele populatie (gericht op een aantal onderzoekseenheden, bijv. niet alle
studenten van RU bevragen, maar een specifiek deel, zorg dat dit representatief voor alle
studenten is)
- Steekproefkader (overzicht van alle studenten in de database)
- Steekproef (bijv. 600 studenten uit de database)
- Generaliseerde steekproef (als bijv. 100 studenten niet hebben gereageerd, non response
rate, is dit lastig te generaliseren)
Technieken:
Ethische aspecten
- Toestemming (informed consent)
- Vertrouwelijkheid en privacy
- En zaken veranderen (bijv. ‘prefer not to answer which gender’)
Nu gaan we verder met representativiteit:
Je vergelijkt de gemiddelde leeftijd van werknemers bijv. van je steekproef met de
populatie. Verschillen deze statistisch significant?
Fo = frequency observed
,Je gebruik vaak databestanden voor het vaststellen van je populatie gemiddelde. Bijv. CBS,
RIVM.
Theoretische verwachting: gelijkmatige (uniforme) verdeling → bij het voorbeeld hierboven
verwacht je dan dus dat zowel bij de aldi, jumbo als Lidl bij de populatie evenveel mensen
komen.
Fe = totaal 80 : 3 supermarkten = 26.7
Je zet dus de geobserveerde frequentie af tegen de verwachte frequentie. Hoe kleiner dit
verschil, hoe groter de kans dat de steekproef representatief is voor de populatie → dit zie je
in de laatste column. Eerst dus Fo-Fe in het kwadraat en dan dat delen door Fe. Hier komt
een kwadraat waarde uit = 0.774
Bij representativiteit werk je met een Alpha van .30!
Degrees of freedom = vrijheidsgraden
Dit is een manier om met categorische variabele na te gaan of die representatief is voor de
populatie!
,Waarom .30 alpha bij representativiteit?
Als je wil voorkomen dat je een type 1 fout maakt = dat je H0 onterecht verwerpt, terwijl H0
feitelijk waar is. Dat je te snel besluit om naar de H1 hypothese te gaan.
Hierdoor kiezen we alpha .30 → je wil niet te snel H0 onterecht verwerpen.
In dit voorbeeld hierboven wil je niet te snel H0 accepteren, dus zeggen dat steekproef
gemiddelde overeenkomt met populatie gemiddelde → type 2 fout
Type 1 en type 2 fouten hebben veel met elkaar te maken. Als je Alpha naar beneden doet,
ipv .50 naar .0001 . Stijgt je beta en dat wil je juist niet. Je wil dat de Beta hoger wordt om
, dat je minder snel wil zeggen dat het gemiddelde voor de steekrpoef gelijk is aan die van de
populatie. Als je alpha dus hoger maakt, wordt de beta verlaagt.
Met dit probleem is lang geworsteld en vandaar .30 alpha gekozen. Dit geldt alleen voor
toetsing van representativiteit!!
Bij representativiteit gaat het vooral om validiteit. Een specifieke vorm daarvan de externe
validiteit → generaliseerbaarheid
Als je wil voorkomen dat je een type 1 fout maakt = dat je H0 onterecht verwerpt. Dat je te
snel besluit om naar de H1 hypothese te gaan. Hierdoor kiezen we alpha .30
Een type II fout vindt plaats wanneer H0 wordt aangehouden, terwijl deze eigenlijk
onwaar is.
Type 1 en type 2 fouten hebben veel met elkaar te maken. Als je Alpha naar beneden doet,
ipv .50 naar .0001 . Stijgt je bèta en dat wil je juist niet. Je wil dat de bèta hoger wordt om
dat je minder snel wil zeggen dat het gemiddelde voor de steekproef gelijk is aan die van de
populatie. Als je alpha dus hoger maakt, wordt de bèta verlaagt.
Data cleaning / preparatie
- Checken of alle gegevens in de datamatrix kloppen
*codes
*routings
*response set
- Missing data analyse
*bijv. studie Williams, Schnake en Fredenberger naar invloed van corporate strategy op de
reputatie van het bedrijf
* van all Fortune 500 bedrijven blijven er 178 over, 64% ontbreekt omdat ze geen info over
het onderwerp hebben. Is dit dan wel representatief? Dan ga je dus toetsingen doen en een
argumentatie maken. Zijn bedrijven die niet reageren nou typisch anders dan bedrijven die
wel meedoen?
