Verdieping in onderzoeksmethoden en statistiek (VOS)
Een samenvoeging van aantekeningen en college slides.
Inhoudsopgave
Kwantitatief onderzoek 1
Hoorcollege 1: Multiple regressie 1
Hoorcollege 2: Meerweg ANOVA 5
Hoorcollege 3: ANCOVA 9
Hoorcollege 4: Herhaalde metingen en mixed design 11
Hoorcollege 5: Moderatie & mediatie 15
Hoorcollege 6: Factoranalyse en betrouwbaarheidsanalyse 18
, 1
Kwantitatief onderzoek
Hoorcollege 1: Multiple regressie
Onderwijsachterstanden
- Afhankelijke variabele:
● schoolprestaties
- Onafhankelijke variabelen:
● Kind
○ Intelligentie
○ Leeftijd
○ Sekse
● Opvoeding
● Gezin/leefomstandigheden
● School
Padmodel multiple regressie
● Eén afhankelijke variabele (Y).
● Eén of meerdere onafhankelijke variabelen (X).
○ Minimaal van interval meetniveau of
dichotoom.
■ Interval, want elk stapje moet
hetzelfde betekenen
■ Dichotoom, want het betekent wel
of niet aanwezig.
● Het verschil tussen de voorspelling van het model
en de geobserveerde data, de fouten daartussen
zijn de errors (E).
Voorbeeld
- Onderzoeksvraag
Kunnen we kennis van literatuur bij jongvolwassenen voorspellen met persoons-,
gezins- en schoolkenmerken?
- Populatie
Jongvolwassenen
- Variabelen
● Afhankelijke variabele Y
Kennis van literatuur
● Onafhankelijke variabelen X (predictoren)
○ Kenmerken ouderlijk huis
○ Kenmerken school
- Doel
Voor de populatie beschrijven en toetsen van de relaties tussen
afhankelijke variabele Y en de predictoren X.
Multiple regressie algemeen
- Onderzoeksvraag
, 2
Kunnen we iemands waarde op een kenmerk voorspellen met kennis over andere
kenmerken?
- Doelen analyse:
● Beschrijven lineaire relaties tussen variabelen (regressiemodel).
● Toetsen hypothesen over relaties (significantie).
● Kwantificeren van relaties (effectgrootte).
● Kwalificeren van relaties (klein, middelmatig, groot).
● Beoordelen relevantie relaties (subjectief).
● Voorspellen van iemands waarde met regressiemodel (puntschatting en
intervalschatting).
- Waarschuwing
Doe op basis van statistische samenhang geen uitspraken over causaliteit.
Meetniveauvariabelen
- Afhankelijke variabele Y
Kenmerk gemeenten op minimaal interval meetniveau.
- Onafhankelijke variabelen X
● Kenmerken gemeten op minimaal interval meetniveau.
● Categorisch kenmerk met twee categorieën: nominaal meetniveau met twee
categorieën noemen we dichotoom.
● Categorisch kenmerk met meer dan twee categorieën: nominaal/ordinaal
meetniveau wordt omgezet in dummyvariabelen.
Regressiemodel
- Vergelijking Y
Voor geobserveerde variabele
Y.
uitkomst (Y) = model (X) +
voorspellingsfout (residual of
error)
- Vergelijking Y
Voor het voorspellen van
waarde Y (= Y) voorspellen
van waarde op Y (= Ŷ)
geschatte uitkomst (Ŷ) =
model (X)
Y = 𝐵0 + 𝐵1 𝑋1 + … 𝐵6 𝑋6 + E
● Y = afhankelijke variabele (dependent).
● X = onafhankelijke variabelen (predictors).
● 𝐵0 = intercept (constant), ook wel a.
● 𝐵1 = regressiecoëfficiënt (slope).
● E = voorspellingsfout (error of residual).
Een samenvoeging van aantekeningen en college slides.
Inhoudsopgave
Kwantitatief onderzoek 1
Hoorcollege 1: Multiple regressie 1
Hoorcollege 2: Meerweg ANOVA 5
Hoorcollege 3: ANCOVA 9
Hoorcollege 4: Herhaalde metingen en mixed design 11
Hoorcollege 5: Moderatie & mediatie 15
Hoorcollege 6: Factoranalyse en betrouwbaarheidsanalyse 18
, 1
Kwantitatief onderzoek
Hoorcollege 1: Multiple regressie
Onderwijsachterstanden
- Afhankelijke variabele:
● schoolprestaties
- Onafhankelijke variabelen:
● Kind
○ Intelligentie
○ Leeftijd
○ Sekse
● Opvoeding
● Gezin/leefomstandigheden
● School
Padmodel multiple regressie
● Eén afhankelijke variabele (Y).
● Eén of meerdere onafhankelijke variabelen (X).
○ Minimaal van interval meetniveau of
dichotoom.
■ Interval, want elk stapje moet
hetzelfde betekenen
■ Dichotoom, want het betekent wel
of niet aanwezig.
● Het verschil tussen de voorspelling van het model
en de geobserveerde data, de fouten daartussen
zijn de errors (E).
Voorbeeld
- Onderzoeksvraag
Kunnen we kennis van literatuur bij jongvolwassenen voorspellen met persoons-,
gezins- en schoolkenmerken?
- Populatie
Jongvolwassenen
- Variabelen
● Afhankelijke variabele Y
Kennis van literatuur
● Onafhankelijke variabelen X (predictoren)
○ Kenmerken ouderlijk huis
○ Kenmerken school
- Doel
Voor de populatie beschrijven en toetsen van de relaties tussen
afhankelijke variabele Y en de predictoren X.
Multiple regressie algemeen
- Onderzoeksvraag
, 2
Kunnen we iemands waarde op een kenmerk voorspellen met kennis over andere
kenmerken?
- Doelen analyse:
● Beschrijven lineaire relaties tussen variabelen (regressiemodel).
● Toetsen hypothesen over relaties (significantie).
● Kwantificeren van relaties (effectgrootte).
● Kwalificeren van relaties (klein, middelmatig, groot).
● Beoordelen relevantie relaties (subjectief).
● Voorspellen van iemands waarde met regressiemodel (puntschatting en
intervalschatting).
- Waarschuwing
Doe op basis van statistische samenhang geen uitspraken over causaliteit.
Meetniveauvariabelen
- Afhankelijke variabele Y
Kenmerk gemeenten op minimaal interval meetniveau.
- Onafhankelijke variabelen X
● Kenmerken gemeten op minimaal interval meetniveau.
● Categorisch kenmerk met twee categorieën: nominaal meetniveau met twee
categorieën noemen we dichotoom.
● Categorisch kenmerk met meer dan twee categorieën: nominaal/ordinaal
meetniveau wordt omgezet in dummyvariabelen.
Regressiemodel
- Vergelijking Y
Voor geobserveerde variabele
Y.
uitkomst (Y) = model (X) +
voorspellingsfout (residual of
error)
- Vergelijking Y
Voor het voorspellen van
waarde Y (= Y) voorspellen
van waarde op Y (= Ŷ)
geschatte uitkomst (Ŷ) =
model (X)
Y = 𝐵0 + 𝐵1 𝑋1 + … 𝐵6 𝑋6 + E
● Y = afhankelijke variabele (dependent).
● X = onafhankelijke variabelen (predictors).
● 𝐵0 = intercept (constant), ook wel a.
● 𝐵1 = regressiecoëfficiënt (slope).
● E = voorspellingsfout (error of residual).