Samenvatting Onderzoekstraining 1

Onderzoekstraining I

Statistische methoden in onderzoek

Benoem drie fundamentele vooronderstellingen van het doen van empirisch onderzoek.
Drie fundamentele vooronderstellingen:
(i) er bestaat een te kennen werkelijkheid;
(ii) deze werkelijkheid is voldoende geordend dat kennen zinvol is;
(iii) de werkelijkheid kan worden gekend met de toegepaste instrumenten



Module 1: Onderdelen statistisch onderzoek

 Resultaten statistisch onderzoek te vinden in uiteenlopende soorten van berichtgeving
 Totstandkoming en gebruik van resultaten allerminst vanzelfsprekend door statistische
theorie, rol methodologie en de interpretatie van uitkomsten



Keuze statistische methode op basis van verschillende criteria:

 Onderzoeksontwerp (tijdreeks, cross sectie (= één moment in de tijd), panel (gecombineerd))
 Steekproefontwerp (aselect, gestratificeerd, cluster)
 Informatieinhoud variabelen (norm, ord, int of ratio)
 Complexiteit analyse (univariaat (1), bivariaat (2), multivariaat (2+))
 Overige (communicatie, politiek, middelen, etc.)




Keuze van statistieke methoden en technieken

Twee keuzecriteria worden uitgewerkt:

 Meetniveau variabelen
 Complexiteit analyse



Meetniveau van variabelen

Variabelen = grootheden (aspecten van subjecten, processen of verschijnselen) die verschillende
uitkomsten kunnen hebben voor verschillende subjecten of voor dezelfde subjecten op verschillende
momenten in de tijd.

Variabelen worde op zichzelf of in samenhang met andere gemeten:

 Univariate analyse: een enkele variabele (lengte)
 Bivariate analyse: twee variabelen (lengte, gewicht)
 Multivariate analyse: meer variabelen (lengte, gewicht, geslacht)



De schaal waarop de variabelen zijn gemeten, definieert met het meetniveau, het meetniveau
bepaalt de interpretatie en toepassingsmogelijkheden van waarneemingsuitkomsten.

,  Kwalitatieve meetniveaus:
o Nominaal (geslacht, naam bedrijf, etc.)
o Ordinaal (functieniveau, preferentie, etc.)
 Kwantitatieve meetniveaus:
o Interval (temperatuur, beloningsverschil, etc.)
o Ratio (temperatuur Kelvin, lengte, salaris, etc.)

Degenereren en opwaarderen van meetniveaus:

 Degenereren: variabelen behandelen als
gemeten op lager meetniveau; vrijwel altijd
mogelijk.
 Opwaarderen: variabelen als gemeten op hoger
meetniveau; nooit zomaar toestaan;
uitzonderingen: dummyvariabelen, i.e.,
variabelen met uitkomsten 0 of 1.



Het meetniveau is afhankelijk van kengetallen

Kengetallen = zijn samenvattende maatstaven die aspecten van verdelingen van
waarnemingsuitkomsten getalsmatig weergeven

 Gemiddelde (locatiemaatstaf) en standaarddeviatie (spreidingsmaatstaf)
Worden gebruikt voor het beschrijven van interval- en ratiogegevens, maar niet voor
kwalitatieve gegevens – vanwege de vereiste afstandsinterpretatie van de
waarnemingsuitkomsten.
 Mediaan (locatiemaatstaf) en interkwartielafstand (spreidingsmaatstaf = afstand tussen
eerste en derde kwartiel)
Worden gebruikt voor het beschrijven van ordinale gegevens, maar niet voor nominale
gegevens – vanwege de vereiste volgordeinterpretatie
 Modus (locatiemaatstaf) wordt gebruikt voor het beschrijven van nominale gegevens – geen
vereiste ten aanzien van afstand of volgorde



Diagrammen en tabellen

Diagrammen: staafdiagrammen (bar charts) en cirkeldiagrammen (pie charts) worden gebruikt voor
het beschrijven van kwalitatieve gegevens, maar (meestal) niet voor kwantitatieve gegevens.

Bij staafdiagrammen ligt het accent op de frequenties van uitkomsten, bij cirkeldiagrammen op
percentages van een geheel.

Histogrammen worden gebruikt voor het beschrijven van kwantitatieve gegevens, maar niet voor
kwalitatieve gegevens. Het verschil met staafdiagrammen is dat de horizontale as een metrische
betekenis heeft.

Frequentietabellen worden gebruikt voor kwalitatieve gegevens, maar (meestal) niet voor
kwantitatieve gegevens.

,Tabellen met kengetallen (descriptives) worden gebruikt voor kwantitatieve gegevens, maar niet voor
kwalitatieve gegevens. Staat altijd een locatiemaatstaf en spreindingsmaatstaf in. Valid N (listwise)
geeft aan of er wel of geen gegevens ontbreken.



Complexiteit van analyse




Bedrijfskunde en empirisch onderzoek

Empirische wetenschap is gericht op het verkrijgen van inzicht in waarneembare werkelijkheid op
basis van empirische (waargenomen) gegevens.

In het geval van bedrijfskunde dienen de verkregen inzichten als basis voor bedrijfsmatig handelen.

Probleem  onderzoeksvragen en empirische observaties zeer gevarieerd; maar ook, de
werkelijkheid is als regel onbekend en niet onmiddellijk kenbaar.



Vooronderstellingen van empirisch onderzoek:

 Er bestaat een te kennen werkelijkheid (al is die niet perse onmiddellijk waarneembaar)
 Deze werkelijkheid is zodanig gestructureerd en stabiel dat ze zinvol gekend kan worden
 Regelmatigheden in waarnemingsuitkomsten worden verondersteld ‘iets’ te zeggen over de
achterliggende causale mechanismen (die niet onmiddellijk kenbaar zijn)

Methodologisch probleem  hoe verhouden observaties en onderzoeksresultaten zich tot de
werkelijkheid, die immers onbekend is?



Hoe wordt hiermee in de wetenschap omgegaan?

 Inzicht in werkelijkheid wordt ‘stellenderwijs’ verkregen (met hypothesen, theorieën en
modellen)
 Theoretische claims worden aannemelijk gemaakt door het meten van empirisch
regelmatigheden

Hoe wordt hiermee omgegaan in een scriptie, bijvoorbeeld?

,  Voor de analyse van de gegevens: eerst verdiepen in onderzoeksvraag, dan
veronderstellingen expliciet maken
 Veronderstelde relaties worden getoetst op basis van waargenomen (empirische) gegevens
 Resultaten worden geïnterpreteerd in het licht van de onderzoeksvraag en het ontwikkelde
model.

Modellen

Causaal relatieschema = grafische weergave van veronderstelde causale relaties tussen theoretische
grootheden (concepten) of gemeten grootheden (variabelen)

Onderdelen:

 Relevant geachte concepten of variabelen
 Veronderstelde causale relaties (met pijlen)
 Verachte aard van de relaties (+ - * ?)

Betekenis symbolen:

 + positieve samenhang (kwantitatief)
 - negatieve samenhang (kwantitatief)
 * wel idee over de aard samenhang, maar niet in termen van positief of negatief (bij
nominale variabelen)
 ? wel samenhang verwacht, maar geen idee over de aard ervan



Stap 1: Conceptueel relatieschema : causaal relatieschema op basis van theoretische grootheden
(concepten)

Stap 2: data verzamelen Stap 3: Empirisch relatieschema: causaal
relatieschema op basis van waarneembare




grootheden (variabelen) Doel variabel
koppelen aan verklarende variabel