Samenvatting Statistiek behorend bij OIS

Statistiek OIS
Descriptive statistics
Er is een verschil tussen descriptive en inferential statistics: de eerste beschrijft de data zoals
het is en de tweede probeert er iets uit af te leiden. Voor descriptives doe je een univariate
analyse: het gaat maar over een variabele, die je nergens mee vergelijkt. Met zo’n analyse
kijk je vooral naar drie dingen:
1. Distribution/spreiding: hoe de waardes van een variabele verdeeld zijn over
verschillende groepen, dus aantal waarden per leeftijdscategorie bijvoorbeeld. Dit is
een frequentiedistributie, die in een tabelvorm getoond kan worden of in grafiekvorm
als histogram of bar chart.
2. Central tendency/centrale waarden: Mean, median en mode
3. Dispersion: de spreiding van waarden om de centrale waarden heen. Hierbij zijn de
twee meest gebruikte methodes de range en de standaarddeviatie. De range is de
hoogste min de laagste waarde. De standaarddeviatie is nauwkeuriger, omdat outliers
niet zo zwaar meetellen. De standaarddeviatie is de wortel van de variantie. De
variantie bereken je door de afwijkingen van het gemiddelde te kwadraten, daar de
som van te nemen en te delen door het totaalaantal waardes min een. De
standaarddeviatie is dus:




Als je ervanuit gaat dat er sprake is van een normale verdeling, kan je zeggen dat:
 Ong. 68% van de waarden binnen 1 standaarddeviatie van het gemiddelde ligt
 Ong. 95% van de waarden binnen 2 (1.96!) standaarddeviaties van het
gemiddelde ligt
 Ong. 99% van de waarden binnen 3 standaarddeviaties van het gemiddelde ligt


T-toets
De t-toets beoordeelt of twee groepen statistisch gezien van elkaar verschillen. Hij is geschikt
wanneer je de gemiddelden van twee groepen wilt vergelijken (post-test), vaak twee groepen
onder verschillende condities in een onderzoek. Statistisch verschil is afhankelijk van de
standaarddeviatie, want bij een grotere standaarddeviatie is de overlap groter tussen twee
groepen en dus de kans dat het verschil toeval is ook. De formule voor de T-toets is:

, Hier komt dus een waarde voor T uit. Als je deze hebt kan je aan de hand van de
vrijheidsgraden (hier gelijk aan het aantal waarden van de twee groepen bij elkaar min 2) en
het significantieniveau (alpha) bepalen of het verschil statistisch significant is.

Assumpties waaraan voldaan moet worden:
1. Onafhankelijke groepen
2. Interval niveau voor afhankelijke variabele
3. Onafhankelijke observaties, bijv. niet een persoon met twee resultaten
4. Geen outliers
5. Normaal verdeeld
6. Gelijke varianties/ Levene test

Betrouwbaarheid
Betrouwbaarheid kan je definiëren als twee keer hetzelfde onderzoek doen moet dezelfde
uitkomst geven. Een andere is: twee dezelfde mensen moeten dezelfde uitkomst krijgen. Dit
zou je kunnen testen door de groep (scale?) in tweeën te delen en te kijken of er hoge
correlatie is tussen de uitkomsten. Als je dit doet met elke mogelijke manier van tweedelen,
komt dit ongeveer overeen met Cronbach’s alpha. Dit is de gebruikelijke manier om naar
betrouwbaarheid te kijken.
Je hebt de normale alpha, die gebruikt wordt als dingen op de scale bij elkaar opgeteld
worden tot een enkele waarde. Daarnaast heb je ook de gestandaardiseerde alpha, die
geschikt is wanneer items op een scale worden gestandaardiseerd voor ze worden opgeteld.
Vaak wordt gezegd dat een alpha-waarde van 0,7 of hoger acceptabel is voor tests die gaan
over kunnen en een waarde van 0,8 of hoger bij intelligentietests. Hierbij moet je opletten
dat dit wel afhangt van het aantal onderdelen op een schaal. Daarnaast kunnen omgekeerd
gestelde vragen (ontkenningen) andere, soms zelfs negatieve waardes van alpha geven. Daar
zou je dan het liefst de schaal ook voor moeten omdraaien, dus van goed naar slecht i.p.v.
andersom bijvoorbeeld. In SPSS kan je dit ook doen.