Aantekeningen hoorcolleges ‘Kwantitatieve onderzoeksmethoden’
Alfa < significantie (p) → niet significant, H0 niet verwerpen, ze verschillen niet
Alfa> significantie (p) → wel significant, h0 verwerpen, ze verschillen wel
Significantie= de kans dat h0 juist is
,Hoorcollege 1
Meetniveaus
Nominaal (man en vrouw) → categorisch
Ordinaal (havo, vwo) → categorisch
Interval (temperatuur) → metrisch
Ratio (percentage, leeftijd) → metrisch
Beslissingen en argumentatie
Stephen Toulmins argumentatiemodel
- Conclusie: keuze/besluit/opvatting
- Gegevens: informatie, i.e. statische
resultaten, type onderzoeksvraag,
meetniveaus, resultaten uit eerder
onderzoek
- Rechtvaardiging: regels, principes, hypothese
H0 → geen correlatie tussen variabelen
Ha → correlatie tussen variabelen
P < → H0 verwerpen → dus correlatie
Kwaliteit onderzoek: drie aspecten
1. Validiteit
De mate waarin de gemeten kenmerken daadwerkelijk de kenmerken zijn van de onderzochte
objecten (systematische of random error). Meet je wat je wilt meten?
2. Betrouwbaarheid
De mate waarin de metingen van de kenmerken dezelfde resultaten oplevert als het onderzoek
onder dezelfde omstandigheden zou worden herhaald. Als je dit herhaaldelijk uitvoert, krijg je
dan dezelfde uitkomst onder dezelfde condities?
3. Bruikbaarheid
De mate waarin de onderzoeksresultaten goed aansluiten bij het probleem van de
opdrachtgever, ofwel die daadwerkelijk kunnen bijdragen aan de oplossing van een
praktijkprobleem. Heb je er wat aan?
Empirische cyclus (Vennix, 2016)
Je begint met een
praktijkprobleem gekoppeld
aan de literatuur. Op basis
van deze twee maak je een
conceptueel model.
,Kwantitatieve data
Onderzoekstrategieën:
- Survey (veel onderzoekseenheden, beschrijvende en explorerende vragen)
- Experiment (effect verklaren, toetsende vragen)
Dataverzameling:
- Vragenlijsten
- Observaties
- Inhoudsanalyse
Data:
- Primair: specifiek voor het onderzoek zelf
- Secundair: verzameld voor een ander doel
Vragenlijst
Vraagtypen: Open/ gesloten vragen, Single/multiple respons, Dichotome vragen (wel of niet,
0 of 1, juist of onjuist) en Schaal items (bijvoorbeeld Likert).
Vragenlijst: formulering vragen
• Gebruik gewone woorden
• Gebruik eenduidige woorden
• Vermijd impliciete veronderstellingen
• Vermijd generalisaties en schattingen
• Gebruik positieve en negatieve stellingen
Steekproeven
Begrippen:
• Populatie (alle studenten in Nederland)
• Operationele populatie (alle studenten in Nijmegen en Utrecht)
• Steekproefkader (studentenadministraties)
• Steekproef (500 getrokken studenten)
• Gerealiseerde steekproef (500 overgebleven)
Technieken:
• Op toevalsbasis (aselect)
• Representativiteit mag worden verondersteld; kanssteekproeven
• Niet op toevalsbasis
• Representativiteit mag niet worden verondersteld; niet-kanssteekproeven
Ethische aspecten
- Toestemming (informed consent)
- Vertrouwelijkheid en privacy
- Zaken veranderen (man, vrouw, onbekend, vertel ik liever niet, dit was vroeger nog
niet het geval)
Toets op representativiteit
Representativiteit= mate waarin de steekproef op relevante
kenmerken een goede afspiegeling vormt van de populatie
• Representativiteitstoets voor één variabele
• Aantal klanten bij drie winkels (ontleend aan De
Vocht, 2006)
, • Op basis van externe gegevens over populatie (bv. CBS, administratie) bepaal
je Fe, de verwachte frequentie
• Theoretische verwachting: gelijkmatige (uniforme) verdeling
• Fo is geobserveerde frequentie
• Fe is verwachte frequentie; uniform: overal
gelijke aantallen (80/3=26.7)
• H0: Verdeling in steekproef = verdeling in
populatie
• H1: Verdeling in steekproef ≠ verdeling in populatie
• Toets met een van .30 (!)
• 2 (2, N = 80) = 0.77; p = .68
• Statistische conclusie: ( = .30) p > , H0 niet verwerpen
• Inhoudelijke conclusie: steekproef is representatief voor populatie
Chi kwadraat df 1: 3.84 → significant
Output SPSS
• Aansturing
• Menu Analyze → Non-parametric Tests → Legacy Dialogs → Chi-
Square
• of met meer stappen:
Menu Analyze → Non-parametric Tests → One Sample → etc.)
• Zie opdracht 1 voor meer toelichting
Representativiteit
t-test → metrische variabelen
chi-kwadraat → categorie variabelen
Waarom van .30 bij representativiteit?
• Relatie tussen soorten statistische fouten type I fout () en type II fout (): indien ↑
dan ↓ (en v.v.)
• H0: verdeling steekproef = verdeling
populatie
• H1: verdeling steekproef ≠ verdeling
populatie (minimaal één groep wijkt
af)
• Niet te snel besluiten tot
representativiteit: vermijden van type
II fout belangrijker dan van type I fout
• Daarom verhogen om lagere te krijgen
Power= onderscheidingsvermogen, de kans om een daadwerkelijk bestaand verschil of
correlatie te kunnen traceren, vaak .80
Reflectie
- Validiteit
- Betrouwbaarheid
Representativiteit:
Alfa < significantie (p) → niet significant, H0 niet verwerpen, ze verschillen niet
Alfa> significantie (p) → wel significant, h0 verwerpen, ze verschillen wel
Significantie= de kans dat h0 juist is
,Hoorcollege 1
Meetniveaus
Nominaal (man en vrouw) → categorisch
Ordinaal (havo, vwo) → categorisch
Interval (temperatuur) → metrisch
Ratio (percentage, leeftijd) → metrisch
Beslissingen en argumentatie
Stephen Toulmins argumentatiemodel
- Conclusie: keuze/besluit/opvatting
- Gegevens: informatie, i.e. statische
resultaten, type onderzoeksvraag,
meetniveaus, resultaten uit eerder
onderzoek
- Rechtvaardiging: regels, principes, hypothese
H0 → geen correlatie tussen variabelen
Ha → correlatie tussen variabelen
P < → H0 verwerpen → dus correlatie
Kwaliteit onderzoek: drie aspecten
1. Validiteit
De mate waarin de gemeten kenmerken daadwerkelijk de kenmerken zijn van de onderzochte
objecten (systematische of random error). Meet je wat je wilt meten?
2. Betrouwbaarheid
De mate waarin de metingen van de kenmerken dezelfde resultaten oplevert als het onderzoek
onder dezelfde omstandigheden zou worden herhaald. Als je dit herhaaldelijk uitvoert, krijg je
dan dezelfde uitkomst onder dezelfde condities?
3. Bruikbaarheid
De mate waarin de onderzoeksresultaten goed aansluiten bij het probleem van de
opdrachtgever, ofwel die daadwerkelijk kunnen bijdragen aan de oplossing van een
praktijkprobleem. Heb je er wat aan?
Empirische cyclus (Vennix, 2016)
Je begint met een
praktijkprobleem gekoppeld
aan de literatuur. Op basis
van deze twee maak je een
conceptueel model.
,Kwantitatieve data
Onderzoekstrategieën:
- Survey (veel onderzoekseenheden, beschrijvende en explorerende vragen)
- Experiment (effect verklaren, toetsende vragen)
Dataverzameling:
- Vragenlijsten
- Observaties
- Inhoudsanalyse
Data:
- Primair: specifiek voor het onderzoek zelf
- Secundair: verzameld voor een ander doel
Vragenlijst
Vraagtypen: Open/ gesloten vragen, Single/multiple respons, Dichotome vragen (wel of niet,
0 of 1, juist of onjuist) en Schaal items (bijvoorbeeld Likert).
Vragenlijst: formulering vragen
• Gebruik gewone woorden
• Gebruik eenduidige woorden
• Vermijd impliciete veronderstellingen
• Vermijd generalisaties en schattingen
• Gebruik positieve en negatieve stellingen
Steekproeven
Begrippen:
• Populatie (alle studenten in Nederland)
• Operationele populatie (alle studenten in Nijmegen en Utrecht)
• Steekproefkader (studentenadministraties)
• Steekproef (500 getrokken studenten)
• Gerealiseerde steekproef (500 overgebleven)
Technieken:
• Op toevalsbasis (aselect)
• Representativiteit mag worden verondersteld; kanssteekproeven
• Niet op toevalsbasis
• Representativiteit mag niet worden verondersteld; niet-kanssteekproeven
Ethische aspecten
- Toestemming (informed consent)
- Vertrouwelijkheid en privacy
- Zaken veranderen (man, vrouw, onbekend, vertel ik liever niet, dit was vroeger nog
niet het geval)
Toets op representativiteit
Representativiteit= mate waarin de steekproef op relevante
kenmerken een goede afspiegeling vormt van de populatie
• Representativiteitstoets voor één variabele
• Aantal klanten bij drie winkels (ontleend aan De
Vocht, 2006)
, • Op basis van externe gegevens over populatie (bv. CBS, administratie) bepaal
je Fe, de verwachte frequentie
• Theoretische verwachting: gelijkmatige (uniforme) verdeling
• Fo is geobserveerde frequentie
• Fe is verwachte frequentie; uniform: overal
gelijke aantallen (80/3=26.7)
• H0: Verdeling in steekproef = verdeling in
populatie
• H1: Verdeling in steekproef ≠ verdeling in populatie
• Toets met een van .30 (!)
• 2 (2, N = 80) = 0.77; p = .68
• Statistische conclusie: ( = .30) p > , H0 niet verwerpen
• Inhoudelijke conclusie: steekproef is representatief voor populatie
Chi kwadraat df 1: 3.84 → significant
Output SPSS
• Aansturing
• Menu Analyze → Non-parametric Tests → Legacy Dialogs → Chi-
Square
• of met meer stappen:
Menu Analyze → Non-parametric Tests → One Sample → etc.)
• Zie opdracht 1 voor meer toelichting
Representativiteit
t-test → metrische variabelen
chi-kwadraat → categorie variabelen
Waarom van .30 bij representativiteit?
• Relatie tussen soorten statistische fouten type I fout () en type II fout (): indien ↑
dan ↓ (en v.v.)
• H0: verdeling steekproef = verdeling
populatie
• H1: verdeling steekproef ≠ verdeling
populatie (minimaal één groep wijkt
af)
• Niet te snel besluiten tot
representativiteit: vermijden van type
II fout belangrijker dan van type I fout
• Daarom verhogen om lagere te krijgen
Power= onderscheidingsvermogen, de kans om een daadwerkelijk bestaand verschil of
correlatie te kunnen traceren, vaak .80
Reflectie
- Validiteit
- Betrouwbaarheid
Representativiteit:
