Methoden, Technieken en Statistiek 1
Tussentoets 2
Week 5
H3: Wetenschapsfilosofie in de context van de sociale wetenschappen
In dit hoofdstuk wordt ingegaan op de logica van de samenhang tussen de uitspraken in een theorie.
Een verhelderende manier om een theorie te benaderen is om deze te beschouwen als een deductief-
nomologisch model. Dit is een model waarbinnen specifieke uitspraken afgeleid kunnen worden uit
algemene uitspraken (deductief). De algemene uitspraken proberen een bepaald patroon in de
werkelijkheid weer te geven: ze beschrijven wetmatigheden. Uit algemene uitspraken kunnen
vervolgens specifieke uitspraken worden afgeleid, die logisch gezien volgen uit de wetmatigheden. Een
theorie vormt pas een DN-model als er voldaan is aan de volgende voorwaarden:
De uitspraken binnen de theorie zijn zeer precies geformuleerd
De uitspraken waaruit de theorie bestaat, kunnen worden geordend naar algemeenheid
Er moet een logisch verband zijn tussen de verschillende uitspraken binnen een theorie
De specifieke uitspraken van het model – de hypothesen – moeten door het doen van
observaties getoetst kunnen worden
We kunnen uitleg geven over bepaalde uitspraken in de vorm van syllogisme, een strikt logische
redenering waarin uit twee uitspraken een derde uitspraak – de conclusie – afgeleid wordt. Een
hypothese die volgt uit een bepaalde theorie is dus een conclusie die af te leiden is uit de algemene
uitspraken en assumpties van de theorie.
Een belangrijke eigenschap van verklaringsmodellen binnen de sociale wetenschappen is dat de
verschillende uitspraken binnen een dergelijk model niet altijd deterministisch (=elke gebeurtenis of
stand van zaken is veroorzaakt door eerdere gebeurtenissen volgens de causale wetten die de wereld
regelen en beheersen) zijn. De theorieën beschrijven weliswaar algemene verbanden, maar meestal
moeten daar toevoegingen aan worden toegevoegd. Dit komt erop neer dat de verbanden tussen de
verschillende variabelen niet allesbepalend zijn. De verbanden zijn eerder probabilistisch (=leer van
de waarschijnlijkheid).
Meestal bestaan theorieën in de sociale wetenschappen uit een groot aantal uitspraken. Vervolgens
wordt in de specifieke uitspraken – de hypothesen van het model – de vertaalslag gemaakt van die
abstracte begrippen, naar concrete meetbare begrippen. Juist omdat theorieën uitspraken doen die
variëren van een heel abstract tot een heel concreet niveau, beslaat een theorie als geheel meestal
een groot aantal uitspraken. Dergelijke aannemen over het functioneren van de gebruikte
meetinstrumenten zijn van cruciaal belang voor de geldigheid van de afleiding.
Wanneer onderzoekers onderzoek gaan doen richten ze zich in de praktijk op een specifiekere groep
mensen, op een kleinere populatie. De onderzoekers zijn dan geïnteresseerd in de vraag of de
onderzochte groep wat betreft de voor het onderzoek relevante variabelen representatief is voor een
grotere populatie. Na het gedane onderzoek wordt er gekeken of de hypothesen kloppen, wanneer
dit niet het geval is, wordt er opnieuw onderzoek gedaan waardoor de empirische cyclus weer rond is.
1
,Uitspraken binnen een DN-model kunnen variëren van een abstract niveau – de algemene uitspraken
– tot een veel concreter niveau – de hypothesen. Binnen zulke verklaringsmodellen vormen de
algemene uitspraken de basis van een theorie; ze vormen als het ware de harde kern van de theorie.
Naast deze harde kern bevat een verklaringsmodel ook een aantal uitspraken dat minder centraal staat
binnen de theorie, maar die wel van belang zijn voor de geldigheid van de afleidingen. Dit illustreert
dat het in de praktijk eigenlijk altijd mogelijk is om een DN-model verder te specificeren en uit te
breiden. Verder zal ook duidelijk zijn dat bij het opstellen van een DN-model het altijd van belang is
dat ook de onderliggende assumpties expliciet gemaakt worden. Op deze manier leidt de combinatie
van algemene uitspraken en assumpties die uiteindelijk tot hypothesen die empirisch getoetst kunnen
worden. Wanneer een hypothese niet correct is, moet het zo zijn dat er niets in het DN-model niet
klopt. Op deze wijze wordt het dus mogelijk om aan de hand van empirisch onderzoek een theorie te
toetsen.
Het DN-model kan worden gezien als een versimpelde en geïdealiseerde kijk op hoe theorieën
en hypothesen in elkaar zitten en samenhangen.
Het DN-model kan ingezet worden om onderzoek kritisch tegen het licht te houden.
H4: Wetenschapsfilosofie in de context van de sociale wetenschappen
Om ervoor te zorgen dat we wetenschappelijke kennis altijd aan een kritische toets kunnen
onderwerpen, kunnen er eisen geformuleerd worden waaraan uitspraken binnen een
wetenschappelijke theorie moeten voldoen. De eis van toetsbaarheid, van maximale informativiteit
en van explicitering.
Toetsbaar: dat wil zeggen de juistheid of onjuistheid van een uitspraak nagaan.
o Verificiatie: het streven naar bevestiging van uitspraken binnen de wetenschap
naar ondersteuning voor je theorie zoeken (inductie)
Onmogelijkheid om aan de hand van specifieke uitspraken te concluderen dat
een algemene uitspraak waar is wordt het inductieprobleem genoemd.
o Falsificatie: het streven naar weerlegging van uitspraken stimulans om na te gaan
of er empirische gegevens te vinden zijn die in tegenspraak zijn met de theorie
Aan de hand van falsificatie krijg je meer zekerheid over de onwaarheid van je
theorie.
Falsificatie biedt ons zekerheid, maar vertelt ons nog niet waar in de theorie
de onjuistheid zich bevindt; dit wordt ook wel het probleem van
onderbepaaldheid genoemd.
Toetsbaarheid is een van de belangrijkste criteria van de wetenschappelijkheid: echte
wetenschap hoort zich bezig te houden met toetsbare (in de zin van te falsifiëren)
uitspraken.
Het is belangrijk om je te realiseren dat het binnen de wetenschap belangrijk is dat je
algemene uitspraken en assumpties nooit als definitieve waarheid worden gezien, ook als
de hypothesen niet zijn weerlegd. Wetenschappelijke kennis is altijd voorlopige kennis.
De eis van toetsbaarheid leidt tot het buiten beschouwing laten van speculatieve
uitspraken, normatieve uitspraken, definities en uitspraken met een onscherpe tijds- of
plaatsaanduiding. We kunnen voor deze uitspraken in de werkelijkheid bevestiging noch
weerlegging vinden.
Een consequentie van de eis van toetsbaarheid is dat de hypothesen ondubbelzinnig
moeten zijn geformuleerd.
2
, Maximale informativiteit: deze eis stelt dat het binnen de wetenschap belangrijk is dat
uitspraken zo geformuleerd worden dat we zoveel mogelijk informatie verkrijgen door het
toetsen van deze uitspraken. De hoeveelheid hangt af van het domein en de specificiteit.
o Domein: wordt bepaald door de populatie waarover een uitspraak wordt gedaan. Hoe
groter de populatie waarover een uitspraak wordt gedaan, hoe groter het domein van
de uitspraak.
o Specificiteit: wordt bepaald door wat er over de populatie gezegd wordt, dus door
welke kenmerken aan deze populatie wordt toegeschreven.
De eis van maximale informativiteit hangt samen met de eis van toetsbaarheid:
door een zo informatief mogelijke uitspraak te doen zorgt een onderzoeker er
automatisch ook voor dat deze uitspraak zo goed mogelijk aan een kritische toets
kan worden onderworpen.
De eis van maximale informativiteit van uitspraken gaat daarom hand in hand met
het streven naar falsificatie binnen de wetenschap.
Hoe informatiever een uitspraak is, hoe beter de uitspraak voldoet aan de eis van
toetsbaarheid. Wat ook meespeelt, is de vraag tot op welke hoogte een uitspraak
nog zinvol verder gespecificeerd kan worden.
Het gevaar dat onderzoekers alsmaar doorgaan met specificeren, komt terug in
de afstand tussen de harde-kernuitspraken in een theorie en de uiteindelijk
onderzochte hypothesen. Deze afstand wordt dan namelijk zo groot dat de link
tussen beide nauwelijks te achterhalen is door alle tussenliggende assumpties en
nulhypothesen.
Explicitering: deze eis heeft te maken met de omgang van onderzoekers met de toetsbaarheid
in de praktijk. Een onderzoek moet repliceerbaar zijn; wetenschappelijke kennis moet
openbaar zijn en explicitering van uitspraken moet plaatsvinden. Dat betekent dat
onderzoekers in hun verslaggeving uitputtend en nauwkeurig nadrukkelijk aangeven welke
beslissingen zij hebben genomen en hoe zij tot de gevonden resultaten zijn gekomen. Ook
mogen andere onderzoekers informatie opvragen zodat zij kunnen nagaan of zij aan de hand
van die gegevens tot dezelfde conclusies komen.
o Intersubjectiviteit staat meer centraal; dat betekent dat onderzoekers meer
verschillende opvattingen met elkaar corrigeren, zodat er kennis ontstaat waarin
persoonlijke opvattingen geen rol meer spelen.
De sociale werkelijkheid verandert continu, ze kan niet 100% gecontroleerd
worden. Des te belangrijker zijn de eisen van de openbaarheid en de
methodologische explicitering voor de sociale wetenschappen.
De drie eisen hangen sterk samen met de nulhypothesetoetsing. Deze benadering komt erop neer dat
onderzoekers een hele informatieve hypothese formuleren die ze vervolgens proberen te falsifiëren.
Deze hypothese kijkt dus naar de afwezigheid van een verband. Door een nulhypothese te formuleren
en kritisch te toetsen, hopen onderzoekers ondersteuning te vinden voor een alternatieve hypothese.
Wanneer de nulhypothese kan worden aangetoond, kunnen onderzoekers aantonen dat er wel
degelijk een verschil/effect bestaat. Soms wordt een nulhypothese verworpen, terwijl dit helemaal
niet moet; om na te gaan of de nulhypothese terecht verworpen is, is het van groot belang dat het
onderzoek herhaald kan worden. De kans dat een nulhypothese ten onrechte wordt verworpen, wordt
kleiner en kleiner naarmate een onderzoek vaker herhaald wordt.
3
, H8: Statistics for the Behavioral Sciences
In de ‘inferential statistics’ wordt veel gebruik gemaakt van hypothesetoetsen. Dit is een statistische
methode die ons helpt vanuit een steekproef wat te zeggen over de populatie. We gaan er in het begin
altijd vanuit dat de nulhypothese waar is. Er bestaan verschillende stappen die doorlopen worden
tijdens het toetsen van hypothesen:
1. We stellen een hypothese over een populatie
o Nulhypothese: geen effect/invloed/verandering
Ho verwacht dat je onafhankelijke variabele geen invloed heeft op de
afhankelijke variabele
o Alternatieve hypothese: wel effect/invloed/verandering
H1 verwacht dat de onafhankelijke variabele effect heeft op de afhankelijke
variabele
2. We gebruiken de hypothese om karakteristieken van een steekproef te voorspellen/kritieke
waarden bepalen
o Steekproefgemiddelden zijn aannemelijk te verkrijgen als Ho waar is:
steekproefgemiddelden zijn dichtbij de nulhypothese (in het centrum van de normale
verdeling)
o Steekproefgemiddelden zijn niet aannemelijk te verkrijgen als Ho waar is: de
steekproefgemiddelden zijn erg verschillend van de nulhypothese (in de staarten van
de normale verdeling)
Alfa level: vaststellen wat hoog en wat laag is. Het significantieniveau stelt dus
vast wat gerekend kan worden tot erg lage scores in een hypothesetoets.
Het kritiekgebied is het gebied waarin waarden zitten die niet aannemelijk zijn
om te verkrijgen wanneer Ho waar is.
3. We nemen een ‘random sample’ van de populatie
o Het steekproefgemiddelde vergelijken met de nulhypothese. Deze vergelijking kan
gemaakt worden door de z-scores te berekenen.
o
4. We vergelijken de verkregen data van de steekproef met de verwachting die gemaakt was
vanuit de hypothese
o De onderzoeker gebruikt de z-score om een beslissing te maken over de nulhypothese
(rekening gehouden met de criteria in stap 2)
o De steekproefdata liggen niet in het kritiekgebied: Ho niet verwerpen
o De steekproefdata ligt in het kritieke gebied: Ho wel verwerpen
Het doel is om vast te stellen wat er gebeurt met de populatie waarna er een
handeling is gedaan (treatment).
Een grote waarde voor een z-score indiceert een groot verschil tussen de
steekproefdata en de nulhypothese. Wanneer we dus een grote waarde
warnemen, concluderen we dat dit komt door een ‘treatment effect’.
Wanneer we hypotheses gaan toetsen, is er altijd een mate van onnauwkeurigheid; het geeft ons
beperkte informatie als basis voor een gegeneraliseerde conclusie. Er kunnen twee soorten fouten
worden gemaakt:
1. Type I Error: een onderzoeker verwerpt de nulhypothese terwijl dit niet terecht is. De
onderzoeker concludeert dus dat een treatment effect had, terwijl dit niet zo is.
o Deze fout ontstaat vaak wanneer een onderzoeker een grote, niet representatieve
steekproef heeft genomen.
o Het alfa level is de kans dat een test leidt tot een Type I Error.
4
Tussentoets 2
Week 5
H3: Wetenschapsfilosofie in de context van de sociale wetenschappen
In dit hoofdstuk wordt ingegaan op de logica van de samenhang tussen de uitspraken in een theorie.
Een verhelderende manier om een theorie te benaderen is om deze te beschouwen als een deductief-
nomologisch model. Dit is een model waarbinnen specifieke uitspraken afgeleid kunnen worden uit
algemene uitspraken (deductief). De algemene uitspraken proberen een bepaald patroon in de
werkelijkheid weer te geven: ze beschrijven wetmatigheden. Uit algemene uitspraken kunnen
vervolgens specifieke uitspraken worden afgeleid, die logisch gezien volgen uit de wetmatigheden. Een
theorie vormt pas een DN-model als er voldaan is aan de volgende voorwaarden:
De uitspraken binnen de theorie zijn zeer precies geformuleerd
De uitspraken waaruit de theorie bestaat, kunnen worden geordend naar algemeenheid
Er moet een logisch verband zijn tussen de verschillende uitspraken binnen een theorie
De specifieke uitspraken van het model – de hypothesen – moeten door het doen van
observaties getoetst kunnen worden
We kunnen uitleg geven over bepaalde uitspraken in de vorm van syllogisme, een strikt logische
redenering waarin uit twee uitspraken een derde uitspraak – de conclusie – afgeleid wordt. Een
hypothese die volgt uit een bepaalde theorie is dus een conclusie die af te leiden is uit de algemene
uitspraken en assumpties van de theorie.
Een belangrijke eigenschap van verklaringsmodellen binnen de sociale wetenschappen is dat de
verschillende uitspraken binnen een dergelijk model niet altijd deterministisch (=elke gebeurtenis of
stand van zaken is veroorzaakt door eerdere gebeurtenissen volgens de causale wetten die de wereld
regelen en beheersen) zijn. De theorieën beschrijven weliswaar algemene verbanden, maar meestal
moeten daar toevoegingen aan worden toegevoegd. Dit komt erop neer dat de verbanden tussen de
verschillende variabelen niet allesbepalend zijn. De verbanden zijn eerder probabilistisch (=leer van
de waarschijnlijkheid).
Meestal bestaan theorieën in de sociale wetenschappen uit een groot aantal uitspraken. Vervolgens
wordt in de specifieke uitspraken – de hypothesen van het model – de vertaalslag gemaakt van die
abstracte begrippen, naar concrete meetbare begrippen. Juist omdat theorieën uitspraken doen die
variëren van een heel abstract tot een heel concreet niveau, beslaat een theorie als geheel meestal
een groot aantal uitspraken. Dergelijke aannemen over het functioneren van de gebruikte
meetinstrumenten zijn van cruciaal belang voor de geldigheid van de afleiding.
Wanneer onderzoekers onderzoek gaan doen richten ze zich in de praktijk op een specifiekere groep
mensen, op een kleinere populatie. De onderzoekers zijn dan geïnteresseerd in de vraag of de
onderzochte groep wat betreft de voor het onderzoek relevante variabelen representatief is voor een
grotere populatie. Na het gedane onderzoek wordt er gekeken of de hypothesen kloppen, wanneer
dit niet het geval is, wordt er opnieuw onderzoek gedaan waardoor de empirische cyclus weer rond is.
1
,Uitspraken binnen een DN-model kunnen variëren van een abstract niveau – de algemene uitspraken
– tot een veel concreter niveau – de hypothesen. Binnen zulke verklaringsmodellen vormen de
algemene uitspraken de basis van een theorie; ze vormen als het ware de harde kern van de theorie.
Naast deze harde kern bevat een verklaringsmodel ook een aantal uitspraken dat minder centraal staat
binnen de theorie, maar die wel van belang zijn voor de geldigheid van de afleidingen. Dit illustreert
dat het in de praktijk eigenlijk altijd mogelijk is om een DN-model verder te specificeren en uit te
breiden. Verder zal ook duidelijk zijn dat bij het opstellen van een DN-model het altijd van belang is
dat ook de onderliggende assumpties expliciet gemaakt worden. Op deze manier leidt de combinatie
van algemene uitspraken en assumpties die uiteindelijk tot hypothesen die empirisch getoetst kunnen
worden. Wanneer een hypothese niet correct is, moet het zo zijn dat er niets in het DN-model niet
klopt. Op deze wijze wordt het dus mogelijk om aan de hand van empirisch onderzoek een theorie te
toetsen.
Het DN-model kan worden gezien als een versimpelde en geïdealiseerde kijk op hoe theorieën
en hypothesen in elkaar zitten en samenhangen.
Het DN-model kan ingezet worden om onderzoek kritisch tegen het licht te houden.
H4: Wetenschapsfilosofie in de context van de sociale wetenschappen
Om ervoor te zorgen dat we wetenschappelijke kennis altijd aan een kritische toets kunnen
onderwerpen, kunnen er eisen geformuleerd worden waaraan uitspraken binnen een
wetenschappelijke theorie moeten voldoen. De eis van toetsbaarheid, van maximale informativiteit
en van explicitering.
Toetsbaar: dat wil zeggen de juistheid of onjuistheid van een uitspraak nagaan.
o Verificiatie: het streven naar bevestiging van uitspraken binnen de wetenschap
naar ondersteuning voor je theorie zoeken (inductie)
Onmogelijkheid om aan de hand van specifieke uitspraken te concluderen dat
een algemene uitspraak waar is wordt het inductieprobleem genoemd.
o Falsificatie: het streven naar weerlegging van uitspraken stimulans om na te gaan
of er empirische gegevens te vinden zijn die in tegenspraak zijn met de theorie
Aan de hand van falsificatie krijg je meer zekerheid over de onwaarheid van je
theorie.
Falsificatie biedt ons zekerheid, maar vertelt ons nog niet waar in de theorie
de onjuistheid zich bevindt; dit wordt ook wel het probleem van
onderbepaaldheid genoemd.
Toetsbaarheid is een van de belangrijkste criteria van de wetenschappelijkheid: echte
wetenschap hoort zich bezig te houden met toetsbare (in de zin van te falsifiëren)
uitspraken.
Het is belangrijk om je te realiseren dat het binnen de wetenschap belangrijk is dat je
algemene uitspraken en assumpties nooit als definitieve waarheid worden gezien, ook als
de hypothesen niet zijn weerlegd. Wetenschappelijke kennis is altijd voorlopige kennis.
De eis van toetsbaarheid leidt tot het buiten beschouwing laten van speculatieve
uitspraken, normatieve uitspraken, definities en uitspraken met een onscherpe tijds- of
plaatsaanduiding. We kunnen voor deze uitspraken in de werkelijkheid bevestiging noch
weerlegging vinden.
Een consequentie van de eis van toetsbaarheid is dat de hypothesen ondubbelzinnig
moeten zijn geformuleerd.
2
, Maximale informativiteit: deze eis stelt dat het binnen de wetenschap belangrijk is dat
uitspraken zo geformuleerd worden dat we zoveel mogelijk informatie verkrijgen door het
toetsen van deze uitspraken. De hoeveelheid hangt af van het domein en de specificiteit.
o Domein: wordt bepaald door de populatie waarover een uitspraak wordt gedaan. Hoe
groter de populatie waarover een uitspraak wordt gedaan, hoe groter het domein van
de uitspraak.
o Specificiteit: wordt bepaald door wat er over de populatie gezegd wordt, dus door
welke kenmerken aan deze populatie wordt toegeschreven.
De eis van maximale informativiteit hangt samen met de eis van toetsbaarheid:
door een zo informatief mogelijke uitspraak te doen zorgt een onderzoeker er
automatisch ook voor dat deze uitspraak zo goed mogelijk aan een kritische toets
kan worden onderworpen.
De eis van maximale informativiteit van uitspraken gaat daarom hand in hand met
het streven naar falsificatie binnen de wetenschap.
Hoe informatiever een uitspraak is, hoe beter de uitspraak voldoet aan de eis van
toetsbaarheid. Wat ook meespeelt, is de vraag tot op welke hoogte een uitspraak
nog zinvol verder gespecificeerd kan worden.
Het gevaar dat onderzoekers alsmaar doorgaan met specificeren, komt terug in
de afstand tussen de harde-kernuitspraken in een theorie en de uiteindelijk
onderzochte hypothesen. Deze afstand wordt dan namelijk zo groot dat de link
tussen beide nauwelijks te achterhalen is door alle tussenliggende assumpties en
nulhypothesen.
Explicitering: deze eis heeft te maken met de omgang van onderzoekers met de toetsbaarheid
in de praktijk. Een onderzoek moet repliceerbaar zijn; wetenschappelijke kennis moet
openbaar zijn en explicitering van uitspraken moet plaatsvinden. Dat betekent dat
onderzoekers in hun verslaggeving uitputtend en nauwkeurig nadrukkelijk aangeven welke
beslissingen zij hebben genomen en hoe zij tot de gevonden resultaten zijn gekomen. Ook
mogen andere onderzoekers informatie opvragen zodat zij kunnen nagaan of zij aan de hand
van die gegevens tot dezelfde conclusies komen.
o Intersubjectiviteit staat meer centraal; dat betekent dat onderzoekers meer
verschillende opvattingen met elkaar corrigeren, zodat er kennis ontstaat waarin
persoonlijke opvattingen geen rol meer spelen.
De sociale werkelijkheid verandert continu, ze kan niet 100% gecontroleerd
worden. Des te belangrijker zijn de eisen van de openbaarheid en de
methodologische explicitering voor de sociale wetenschappen.
De drie eisen hangen sterk samen met de nulhypothesetoetsing. Deze benadering komt erop neer dat
onderzoekers een hele informatieve hypothese formuleren die ze vervolgens proberen te falsifiëren.
Deze hypothese kijkt dus naar de afwezigheid van een verband. Door een nulhypothese te formuleren
en kritisch te toetsen, hopen onderzoekers ondersteuning te vinden voor een alternatieve hypothese.
Wanneer de nulhypothese kan worden aangetoond, kunnen onderzoekers aantonen dat er wel
degelijk een verschil/effect bestaat. Soms wordt een nulhypothese verworpen, terwijl dit helemaal
niet moet; om na te gaan of de nulhypothese terecht verworpen is, is het van groot belang dat het
onderzoek herhaald kan worden. De kans dat een nulhypothese ten onrechte wordt verworpen, wordt
kleiner en kleiner naarmate een onderzoek vaker herhaald wordt.
3
, H8: Statistics for the Behavioral Sciences
In de ‘inferential statistics’ wordt veel gebruik gemaakt van hypothesetoetsen. Dit is een statistische
methode die ons helpt vanuit een steekproef wat te zeggen over de populatie. We gaan er in het begin
altijd vanuit dat de nulhypothese waar is. Er bestaan verschillende stappen die doorlopen worden
tijdens het toetsen van hypothesen:
1. We stellen een hypothese over een populatie
o Nulhypothese: geen effect/invloed/verandering
Ho verwacht dat je onafhankelijke variabele geen invloed heeft op de
afhankelijke variabele
o Alternatieve hypothese: wel effect/invloed/verandering
H1 verwacht dat de onafhankelijke variabele effect heeft op de afhankelijke
variabele
2. We gebruiken de hypothese om karakteristieken van een steekproef te voorspellen/kritieke
waarden bepalen
o Steekproefgemiddelden zijn aannemelijk te verkrijgen als Ho waar is:
steekproefgemiddelden zijn dichtbij de nulhypothese (in het centrum van de normale
verdeling)
o Steekproefgemiddelden zijn niet aannemelijk te verkrijgen als Ho waar is: de
steekproefgemiddelden zijn erg verschillend van de nulhypothese (in de staarten van
de normale verdeling)
Alfa level: vaststellen wat hoog en wat laag is. Het significantieniveau stelt dus
vast wat gerekend kan worden tot erg lage scores in een hypothesetoets.
Het kritiekgebied is het gebied waarin waarden zitten die niet aannemelijk zijn
om te verkrijgen wanneer Ho waar is.
3. We nemen een ‘random sample’ van de populatie
o Het steekproefgemiddelde vergelijken met de nulhypothese. Deze vergelijking kan
gemaakt worden door de z-scores te berekenen.
o
4. We vergelijken de verkregen data van de steekproef met de verwachting die gemaakt was
vanuit de hypothese
o De onderzoeker gebruikt de z-score om een beslissing te maken over de nulhypothese
(rekening gehouden met de criteria in stap 2)
o De steekproefdata liggen niet in het kritiekgebied: Ho niet verwerpen
o De steekproefdata ligt in het kritieke gebied: Ho wel verwerpen
Het doel is om vast te stellen wat er gebeurt met de populatie waarna er een
handeling is gedaan (treatment).
Een grote waarde voor een z-score indiceert een groot verschil tussen de
steekproefdata en de nulhypothese. Wanneer we dus een grote waarde
warnemen, concluderen we dat dit komt door een ‘treatment effect’.
Wanneer we hypotheses gaan toetsen, is er altijd een mate van onnauwkeurigheid; het geeft ons
beperkte informatie als basis voor een gegeneraliseerde conclusie. Er kunnen twee soorten fouten
worden gemaakt:
1. Type I Error: een onderzoeker verwerpt de nulhypothese terwijl dit niet terecht is. De
onderzoeker concludeert dus dat een treatment effect had, terwijl dit niet zo is.
o Deze fout ontstaat vaak wanneer een onderzoeker een grote, niet representatieve
steekproef heeft genomen.
o Het alfa level is de kans dat een test leidt tot een Type I Error.
4
