Samenvatting cursus Onderzoekspracticum cross-sectioneel onderzoek
Deze cursus behandelt de theorie, methoden en statistiek die komen kijken bij kwantitatief
onderzoek dat observationeel en cross-sectioneel is. In cross-sectioneel onderzoek worden
geen variabelen gemanipuleerd. Bij cross-sectioneel onderzoek is er (per proefpersoon) ook
maar één meetmoment.
Thema 1 Cross-sectioneel onderzoek
Er zijn verschillende dimensies op basis waarvan onderzoek naar mensen kan worden
onderscheiden. De eerste heeft betrekking op de aard van de verzamelde data: die kunnen
kwalitatief of kwantitatief zijn. Cross-sectioneel onderzoek is een kwantitatieve methode
want de meetresultaten worden uitgedrukt in getallen. Op de tweede dimensie bevinden
zich vier onderzoeksdesigns: observationeel onderzoek (observatie van bepaald gedrag);
experimenteel onderzoek (waarbij een of meer variabele(n) word(t)(en) gemanipuleerd);
longitudinaal onderzoek (met meerdere meetmomenten in de tijd); en cross-sectioneel
onderzoek (met maar één meetmoment in de tijd).
Cross-sectioneel onderzoek heeft dus betrekking op het verzamelen van kwantitatieve data
op één meetmoment.
Leerdoelen
1. uitleggen wanneer cross-sectionele onderzoeksopzetten bruikbaar zijn
2. uitleggen wat constructen zijn
3. uitleggen welke vier ontologische soorten vaak worden verondersteld bij
psychologische constructen
4. uitleggen uit welke drie onderdelen meetinstrumenten bestaan
5. de verschillende meetmodellen herkennen
6. uitleggen wat validiteit is
7. uitleggen hoe cognitieve validiteit zich verhoudt tot constructvaliditeit
8. uitleggen wat de samenhang is tussen de stimuli die in meetinstrumenten worden
gebruikt en constructinhoud
9. uitleggen wat het verschil is tussen schalen en indices
10. uitleggen hoe causaliteit zich verhoudt tot cross-sectioneel onderzoek.
📊 1. Wanneer zijn cross-sectionele onderzoeksopzetten bruikbaar?
Cross-sectioneel onderzoek verzamelt gegevens op één moment in de tijd en is
geschikt voor het vaststellen van verbanden tussen variabelen, niet voor het
aantonen van causaliteit of veranderingen over tijd.
Het is efficiënt en minder belastend voor deelnemers, waardoor het ideaal is voor
het ontwikkelen en testen van meetinstrumenten en voor toegepast onderzoek waar
causale relaties worden aangenomen maar niet direct onderzocht.
🧠 2. Wat zijn constructen?
Constructen zijn abstracte concepten die niet direct observeerbaar zijn, zoals
intelligentie of motivatie. Ze worden gedefinieerd en gemeten via
meetinstrumenten.
3. Er zijn vier ontologische perspectieven op constructen:
1. Natuurlijke soorten: Bestaan onafhankelijk van menselijke interpretatie
(bijv. biologische eigenschappen).
2. Sociale soorten: Ontstaan door sociale constructie (bijv. geld, status).
3. Praktische soorten: Gecreëerd voor praktische doeleinden (bijv.
diagnostische categorieën).
4. Complexe soorten: Combinaties van bovenstaande, met meerdere lagen
van realiteit en interpretatie.
🧰 4. Uit welke drie onderdelen bestaan meetinstrumenten?
1. Stimuli: De vragen, stellingen of taken die aan deelnemers worden gepresenteerd.
2. Procedure: De manier waarop de stimuli worden aangeboden en de context waarin
dit gebeurt.
1
, 3. Responsregistratie: De methode waarmee reacties van deelnemers worden
vastgelegd (bijv. multiple-choice, schaalverdeling).
🔄 5. Herkennen van verschillende meetmodellen
Reflectieve modellen: Het construct veroorzaakt de geobserveerde variabelen
(bijv. symptomen van depressie als uiting van het onderliggende construct).
Formatieve modellen: De geobserveerde variabelen vormen samen het construct
(bijv. socio-economische status opgebouwd uit inkomen, opleiding en beroep).
Netwerkmodellen: Variabelen beïnvloeden elkaar wederzijds zonder een
onderliggend construct.
✅ 6. Wat is validiteit?
Validiteit verwijst naar de mate waarin een meetinstrument daadwerkelijk meet
wat het beoogt te meten.
7.
Cognitieve validiteit betreft de overeenstemming tussen de interpretatie van de
stimuli door deelnemers en de bedoelde betekenis door de onderzoeker.
Constructvaliditeit gaat over de mate waarin het meetinstrument het theoretische
construct adequaat vertegenwoordigt.
Cognitieve validiteit is een onderdeel van constructvaliditeit; zonder cognitieve
validiteit kan constructvaliditeit niet worden bereikt.
🔗 8. Samenhang tussen stimuli en constructinhoud
De stimuli in een meetinstrument moeten representatief zijn voor het construct dat
wordt gemeten.
Een goede afstemming tussen stimuli en constructinhoud verhoogt de validiteit van
het meetinstrument.
📏 9. Verschil tussen schalen en indices
Schalen: Gebaseerd op reflectieve modellen; items zijn uitingen van hetzelfde
onderliggende construct en worden vaak gemiddeld.
Indices: Gebaseerd op formatieve modellen; items dragen elk bij aan het construct
en worden vaak opgeteld zonder veronderstelling van onderlinge samenhang.
🔄 10. Hoe verhoudt causaliteit zich tot cross-sectioneel onderzoek?
Causaliteit impliceert een oorzaak-gevolgrelatie tussen variabelen.
Cross-sectioneel onderzoek kan correlaties aantonen maar is niet geschikt om
causaliteit vast te stellen, omdat het geen temporele volgorde of manipulatie van
variabelen omvat.
Voor het aantonen van causaliteit zijn experimentele of longitudinale
onderzoeksopzetten vereist.
Online boek:
Studietaak 1.1 - Wat is cross-sectioneel onderzoek?
✅ Wat is cross-sectioneel onderzoek?
Momentopname: Verzamelt data op één moment in de tijd.
Niet geschikt voor: Onderzoek naar ontwikkeling over tijd of causaliteit.
Geen causaliteit: Het toont alleen samenhang aan (correlatie), geen oorzaak-
gevolgrelaties.
🧪 Waarom toch belangrijk?
Meetinstrumenten ontwikkelen: Essentieel voor het testen van psychologische
constructen. Longitudinale of experimentele studies vereisen eerst goedwerkende
meetinstrumenten.
Efficiënt: Geen manipulatie of herhaalde metingen → minder belastend voor
deelnemers en eenvoudiger uit te voeren.
Toegepast onderzoek: Handig als je op basis van een theorie aannames doet over
causale verbanden (zonder die theorie zelf te toetsen).
🔍 Analysemethoden in deze cursus
Correlatieanalyse: Basisanalyse voor samenhang.
Multipele regressieanalyse: Gaat verder met meerdere voorspellers.
2
, Voorbereiding: Datascreening, factoranalyse en betrouwbaarheidsanalyse worden
eerst behandeld (kwaliteit meetinstrumenten checken).
📌 Kort samengevat
Cross-sectioneel onderzoek is:
o Fundamenteel: Voor ontwikkeling en toetsing van meetinstrumenten.
o Toegepast: Voor onderzoek op basis van theoretische aannames.
o Efficiënt en praktisch voor veel psychologisch onderzoek.
o De cursus richt zich op correlaties en regressies, niet op causaliteit of
tijdsverloop.
Studietaak 1.2 - Constructen
Studietaak 1.3 - Meetinstrumenten
Welk meetmodel je gebruikt is een keuze. Het kiezen van het meetmodel bepaalt welke
analyses vervolgens gebruikt kunnen worden om de (samenhang tussen) items in een
meetinstrument te onderzoeken en om te bepalen hoe die items geaggregeerd kunnen
worden. Om die keuze goed te kunnen maken is het meestal eerst nodig een duidelijke
definitie te hebben van datgene dat wordt gemeten.
Een meetmodel heeft altijd betrekking op de relatie tussen een construct en een
meetinstrument. Bedenk voor jezelf eerst welk construct elk onderstaand meetinstrument
beoogt te meten. Het meetmodel zal hier mede van afhangen.
Studietaak 1.4 - Causaliteit
Aan welke criteria moet worden voldaan om te mogen spreken van causaliteit?
1. De oorzaak gaat in de tijd vooraf aan het gevolg.
2. De oorzaak en het gevolg hangen met elkaar samen.
3. De samenhang tussen de oorzaak en het gevolg kan niet worden verklaard door iets
anders.
Thema 2 Pre-analyse van data
In dit thema leer je hoe je de data in een eerste stap van je analyseplan moet bestuderen.
De stof uit deze studietaak is grotendeels een herhaling van stof die in eerdere cursussen is
behandeld.
Voordat je aan een analyse begint waarmee je de hypotheses of onderzoeksvragen gaat
toetsen, doorloop je een aantal stappen, die we de pre-analyse zullen noemen.
Leerdoelen
1. een eenvoudige datascreening uitvoeren
2. een eenvoudige beschrijvende analyse uitvoeren in jamovi (of andere software)
3. de belangrijkste resultaten van een eenvoudige beschrijvende analyse interpreteren
4. een eenvoudige confirmatieve factoranalyse uitvoeren en interpreteren
5. een betrouwbaarheidsanalyse uitvoeren en interpreteren.
1. Eenvoudige datascreening uitvoeren
Datascreening is het proces waarbij je je dataset controleert op fouten en inconsistenties
voordat je verdere analyses uitvoert. Belangrijke stappen zijn:
Controleren op onmogelijke waarden: Zoek naar waarden die buiten het
verwachte bereik vallen, zoals scores buiten de schaal van een vragenlijst.
Identificeren van ontbrekende waarden: Controleer op ontbrekende gegevens
en bepaal hoe je hiermee omgaat.
Detecteren van uitbijters: Gebruik grafieken zoals boxplots om extreme waarden
te identificeren die de analyses kunnen beïnvloeden.
Het is essentieel om deze stappen zorgvuldig uit te voeren om de kwaliteit en
betrouwbaarheid van je analyses te waarborgen.
📊 2. Eenvoudige beschrijvende analyse uitvoeren in Jamovi (of andere software)
Beschrijvende statistieken geven een overzicht van de belangrijkste kenmerken van je
data. In Jamovi kun je deze analyses uitvoeren door:
Het selecteren van de variabelen die je wilt analyseren.
Het genereren van statistieken zoals gemiddelde, mediaan, modus,
standaarddeviatie, en spreidingsmaten.
3
, Het maken van grafieken zoals histogrammen en boxplots om de verdeling van de
data visueel te inspecteren.
Deze analyses helpen je om een eerste indruk te krijgen van je data en eventuele
opvallende patronen of afwijkingen te identificeren.
🧾 3. Belangrijkste resultaten van een eenvoudige beschrijvende analyse
interpreteren
Bij het interpreteren van beschrijvende statistieken let je op:
Centrummaten: Het gemiddelde, de mediaan en de modus geven inzicht in de
centrale tendens van de data.
Spreidingsmaten: De standaarddeviatie en het bereik tonen hoe verspreid de data
zijn.
Verdelingsvorm: Grafieken zoals histogrammen helpen bij het beoordelen of de
data normaal verdeeld zijn of scheefheid vertonen.
Door deze statistieken te analyseren, kun je bepalen of je data geschikt zijn voor verdere
statistische analyses en welke methoden het meest geschikt zijn.
🧩 4. Eenvoudige confirmatieve factoranalyse uitvoeren en interpreteren
Confirmatieve factoranalyse (CFA) is een statistische techniek die wordt gebruikt om te
testen of de data passen bij een vooraf gedefinieerd factorstructuurmodel. In Jamovi kun je
CFA uitvoeren door:
Het specificeren van het aantal factoren en welke items aan welke factor zijn
toegewezen.
Het beoordelen van model fit-indices zoals de Chi-kwadraat, RMSEA, CFI en TLI om te
bepalen hoe goed het model past bij de data.
Het analyseren van factorladingen om te zien hoe sterk elk item bijdraagt aan de
factor.
Een goede model fit en significante factorladingen wijzen op een valide meetinstrument.
🧪 5. Betrouwbaarheidsanalyse uitvoeren en interpreteren
Betrouwbaarheidsanalyse beoordeelt de consistentie van een meetinstrument. Een
veelgebruikte maat is Cronbach's alfa, die de interne consistentie van een schaal meet. In
Jamovi kun je deze analyse uitvoeren door:
Het selecteren van de items die samen een schaal vormen.
Het berekenen van Cronbach's alfa; een waarde boven 0.70 wordt doorgaans als
acceptabel beschouwd.
Het bekijken van item-totaal correlaties en het effect van het verwijderen van items
op de algehele betrouwbaarheid.
Deze analyse helpt bij het verbeteren van meetinstrumenten door zwakke items te
identificeren en te verwijderen.
Categorie Indicator Vuistregel / Interpretatie
Centrummat
Gemiddelde vs Mediaan ≈ gelijk → symmetrisch / normaal
en
Gemiddelde > Mediaan Positief scheef (staart naar rechts)
Gemiddelde < Mediaan Negatief scheef (staart naar links)
Scheefheid Skewness ≈ 0 Symmetrische verdeling
Skewness tussen -0.5 en
Vrij symmetrisch
+0.5
Skewness tussen -1 en -0.5 Matig negatief scheef (links)
Skewness tussen +0.5 en +1 Matig positief scheef (rechts)
Skewness < -1 Sterk negatief scheef (links)
Skewness > +1 Sterk positief scheef (rechts)
Kurtosis Kurtosis ≈ 0 (excess kurtosis) Normale spitsheid
Kurtosis > +1 Leptokurtisch (spitse verdeling, zware staarten)
Kurtosis < -1 Platykurtisch (platte verdeling, lichte staarten)
Spreiding Standaarddeviatie klein Waarden liggen dicht bij het gemiddelde
Standaarddeviatie groot Waarden liggen ver uit elkaar
Visueel Histogram Klokvormig? → waarschijnlijk normaal
Samengevat Alle checks “normaal” Voldoende normaal verdeeld voor
4
Deze cursus behandelt de theorie, methoden en statistiek die komen kijken bij kwantitatief
onderzoek dat observationeel en cross-sectioneel is. In cross-sectioneel onderzoek worden
geen variabelen gemanipuleerd. Bij cross-sectioneel onderzoek is er (per proefpersoon) ook
maar één meetmoment.
Thema 1 Cross-sectioneel onderzoek
Er zijn verschillende dimensies op basis waarvan onderzoek naar mensen kan worden
onderscheiden. De eerste heeft betrekking op de aard van de verzamelde data: die kunnen
kwalitatief of kwantitatief zijn. Cross-sectioneel onderzoek is een kwantitatieve methode
want de meetresultaten worden uitgedrukt in getallen. Op de tweede dimensie bevinden
zich vier onderzoeksdesigns: observationeel onderzoek (observatie van bepaald gedrag);
experimenteel onderzoek (waarbij een of meer variabele(n) word(t)(en) gemanipuleerd);
longitudinaal onderzoek (met meerdere meetmomenten in de tijd); en cross-sectioneel
onderzoek (met maar één meetmoment in de tijd).
Cross-sectioneel onderzoek heeft dus betrekking op het verzamelen van kwantitatieve data
op één meetmoment.
Leerdoelen
1. uitleggen wanneer cross-sectionele onderzoeksopzetten bruikbaar zijn
2. uitleggen wat constructen zijn
3. uitleggen welke vier ontologische soorten vaak worden verondersteld bij
psychologische constructen
4. uitleggen uit welke drie onderdelen meetinstrumenten bestaan
5. de verschillende meetmodellen herkennen
6. uitleggen wat validiteit is
7. uitleggen hoe cognitieve validiteit zich verhoudt tot constructvaliditeit
8. uitleggen wat de samenhang is tussen de stimuli die in meetinstrumenten worden
gebruikt en constructinhoud
9. uitleggen wat het verschil is tussen schalen en indices
10. uitleggen hoe causaliteit zich verhoudt tot cross-sectioneel onderzoek.
📊 1. Wanneer zijn cross-sectionele onderzoeksopzetten bruikbaar?
Cross-sectioneel onderzoek verzamelt gegevens op één moment in de tijd en is
geschikt voor het vaststellen van verbanden tussen variabelen, niet voor het
aantonen van causaliteit of veranderingen over tijd.
Het is efficiënt en minder belastend voor deelnemers, waardoor het ideaal is voor
het ontwikkelen en testen van meetinstrumenten en voor toegepast onderzoek waar
causale relaties worden aangenomen maar niet direct onderzocht.
🧠 2. Wat zijn constructen?
Constructen zijn abstracte concepten die niet direct observeerbaar zijn, zoals
intelligentie of motivatie. Ze worden gedefinieerd en gemeten via
meetinstrumenten.
3. Er zijn vier ontologische perspectieven op constructen:
1. Natuurlijke soorten: Bestaan onafhankelijk van menselijke interpretatie
(bijv. biologische eigenschappen).
2. Sociale soorten: Ontstaan door sociale constructie (bijv. geld, status).
3. Praktische soorten: Gecreëerd voor praktische doeleinden (bijv.
diagnostische categorieën).
4. Complexe soorten: Combinaties van bovenstaande, met meerdere lagen
van realiteit en interpretatie.
🧰 4. Uit welke drie onderdelen bestaan meetinstrumenten?
1. Stimuli: De vragen, stellingen of taken die aan deelnemers worden gepresenteerd.
2. Procedure: De manier waarop de stimuli worden aangeboden en de context waarin
dit gebeurt.
1
, 3. Responsregistratie: De methode waarmee reacties van deelnemers worden
vastgelegd (bijv. multiple-choice, schaalverdeling).
🔄 5. Herkennen van verschillende meetmodellen
Reflectieve modellen: Het construct veroorzaakt de geobserveerde variabelen
(bijv. symptomen van depressie als uiting van het onderliggende construct).
Formatieve modellen: De geobserveerde variabelen vormen samen het construct
(bijv. socio-economische status opgebouwd uit inkomen, opleiding en beroep).
Netwerkmodellen: Variabelen beïnvloeden elkaar wederzijds zonder een
onderliggend construct.
✅ 6. Wat is validiteit?
Validiteit verwijst naar de mate waarin een meetinstrument daadwerkelijk meet
wat het beoogt te meten.
7.
Cognitieve validiteit betreft de overeenstemming tussen de interpretatie van de
stimuli door deelnemers en de bedoelde betekenis door de onderzoeker.
Constructvaliditeit gaat over de mate waarin het meetinstrument het theoretische
construct adequaat vertegenwoordigt.
Cognitieve validiteit is een onderdeel van constructvaliditeit; zonder cognitieve
validiteit kan constructvaliditeit niet worden bereikt.
🔗 8. Samenhang tussen stimuli en constructinhoud
De stimuli in een meetinstrument moeten representatief zijn voor het construct dat
wordt gemeten.
Een goede afstemming tussen stimuli en constructinhoud verhoogt de validiteit van
het meetinstrument.
📏 9. Verschil tussen schalen en indices
Schalen: Gebaseerd op reflectieve modellen; items zijn uitingen van hetzelfde
onderliggende construct en worden vaak gemiddeld.
Indices: Gebaseerd op formatieve modellen; items dragen elk bij aan het construct
en worden vaak opgeteld zonder veronderstelling van onderlinge samenhang.
🔄 10. Hoe verhoudt causaliteit zich tot cross-sectioneel onderzoek?
Causaliteit impliceert een oorzaak-gevolgrelatie tussen variabelen.
Cross-sectioneel onderzoek kan correlaties aantonen maar is niet geschikt om
causaliteit vast te stellen, omdat het geen temporele volgorde of manipulatie van
variabelen omvat.
Voor het aantonen van causaliteit zijn experimentele of longitudinale
onderzoeksopzetten vereist.
Online boek:
Studietaak 1.1 - Wat is cross-sectioneel onderzoek?
✅ Wat is cross-sectioneel onderzoek?
Momentopname: Verzamelt data op één moment in de tijd.
Niet geschikt voor: Onderzoek naar ontwikkeling over tijd of causaliteit.
Geen causaliteit: Het toont alleen samenhang aan (correlatie), geen oorzaak-
gevolgrelaties.
🧪 Waarom toch belangrijk?
Meetinstrumenten ontwikkelen: Essentieel voor het testen van psychologische
constructen. Longitudinale of experimentele studies vereisen eerst goedwerkende
meetinstrumenten.
Efficiënt: Geen manipulatie of herhaalde metingen → minder belastend voor
deelnemers en eenvoudiger uit te voeren.
Toegepast onderzoek: Handig als je op basis van een theorie aannames doet over
causale verbanden (zonder die theorie zelf te toetsen).
🔍 Analysemethoden in deze cursus
Correlatieanalyse: Basisanalyse voor samenhang.
Multipele regressieanalyse: Gaat verder met meerdere voorspellers.
2
, Voorbereiding: Datascreening, factoranalyse en betrouwbaarheidsanalyse worden
eerst behandeld (kwaliteit meetinstrumenten checken).
📌 Kort samengevat
Cross-sectioneel onderzoek is:
o Fundamenteel: Voor ontwikkeling en toetsing van meetinstrumenten.
o Toegepast: Voor onderzoek op basis van theoretische aannames.
o Efficiënt en praktisch voor veel psychologisch onderzoek.
o De cursus richt zich op correlaties en regressies, niet op causaliteit of
tijdsverloop.
Studietaak 1.2 - Constructen
Studietaak 1.3 - Meetinstrumenten
Welk meetmodel je gebruikt is een keuze. Het kiezen van het meetmodel bepaalt welke
analyses vervolgens gebruikt kunnen worden om de (samenhang tussen) items in een
meetinstrument te onderzoeken en om te bepalen hoe die items geaggregeerd kunnen
worden. Om die keuze goed te kunnen maken is het meestal eerst nodig een duidelijke
definitie te hebben van datgene dat wordt gemeten.
Een meetmodel heeft altijd betrekking op de relatie tussen een construct en een
meetinstrument. Bedenk voor jezelf eerst welk construct elk onderstaand meetinstrument
beoogt te meten. Het meetmodel zal hier mede van afhangen.
Studietaak 1.4 - Causaliteit
Aan welke criteria moet worden voldaan om te mogen spreken van causaliteit?
1. De oorzaak gaat in de tijd vooraf aan het gevolg.
2. De oorzaak en het gevolg hangen met elkaar samen.
3. De samenhang tussen de oorzaak en het gevolg kan niet worden verklaard door iets
anders.
Thema 2 Pre-analyse van data
In dit thema leer je hoe je de data in een eerste stap van je analyseplan moet bestuderen.
De stof uit deze studietaak is grotendeels een herhaling van stof die in eerdere cursussen is
behandeld.
Voordat je aan een analyse begint waarmee je de hypotheses of onderzoeksvragen gaat
toetsen, doorloop je een aantal stappen, die we de pre-analyse zullen noemen.
Leerdoelen
1. een eenvoudige datascreening uitvoeren
2. een eenvoudige beschrijvende analyse uitvoeren in jamovi (of andere software)
3. de belangrijkste resultaten van een eenvoudige beschrijvende analyse interpreteren
4. een eenvoudige confirmatieve factoranalyse uitvoeren en interpreteren
5. een betrouwbaarheidsanalyse uitvoeren en interpreteren.
1. Eenvoudige datascreening uitvoeren
Datascreening is het proces waarbij je je dataset controleert op fouten en inconsistenties
voordat je verdere analyses uitvoert. Belangrijke stappen zijn:
Controleren op onmogelijke waarden: Zoek naar waarden die buiten het
verwachte bereik vallen, zoals scores buiten de schaal van een vragenlijst.
Identificeren van ontbrekende waarden: Controleer op ontbrekende gegevens
en bepaal hoe je hiermee omgaat.
Detecteren van uitbijters: Gebruik grafieken zoals boxplots om extreme waarden
te identificeren die de analyses kunnen beïnvloeden.
Het is essentieel om deze stappen zorgvuldig uit te voeren om de kwaliteit en
betrouwbaarheid van je analyses te waarborgen.
📊 2. Eenvoudige beschrijvende analyse uitvoeren in Jamovi (of andere software)
Beschrijvende statistieken geven een overzicht van de belangrijkste kenmerken van je
data. In Jamovi kun je deze analyses uitvoeren door:
Het selecteren van de variabelen die je wilt analyseren.
Het genereren van statistieken zoals gemiddelde, mediaan, modus,
standaarddeviatie, en spreidingsmaten.
3
, Het maken van grafieken zoals histogrammen en boxplots om de verdeling van de
data visueel te inspecteren.
Deze analyses helpen je om een eerste indruk te krijgen van je data en eventuele
opvallende patronen of afwijkingen te identificeren.
🧾 3. Belangrijkste resultaten van een eenvoudige beschrijvende analyse
interpreteren
Bij het interpreteren van beschrijvende statistieken let je op:
Centrummaten: Het gemiddelde, de mediaan en de modus geven inzicht in de
centrale tendens van de data.
Spreidingsmaten: De standaarddeviatie en het bereik tonen hoe verspreid de data
zijn.
Verdelingsvorm: Grafieken zoals histogrammen helpen bij het beoordelen of de
data normaal verdeeld zijn of scheefheid vertonen.
Door deze statistieken te analyseren, kun je bepalen of je data geschikt zijn voor verdere
statistische analyses en welke methoden het meest geschikt zijn.
🧩 4. Eenvoudige confirmatieve factoranalyse uitvoeren en interpreteren
Confirmatieve factoranalyse (CFA) is een statistische techniek die wordt gebruikt om te
testen of de data passen bij een vooraf gedefinieerd factorstructuurmodel. In Jamovi kun je
CFA uitvoeren door:
Het specificeren van het aantal factoren en welke items aan welke factor zijn
toegewezen.
Het beoordelen van model fit-indices zoals de Chi-kwadraat, RMSEA, CFI en TLI om te
bepalen hoe goed het model past bij de data.
Het analyseren van factorladingen om te zien hoe sterk elk item bijdraagt aan de
factor.
Een goede model fit en significante factorladingen wijzen op een valide meetinstrument.
🧪 5. Betrouwbaarheidsanalyse uitvoeren en interpreteren
Betrouwbaarheidsanalyse beoordeelt de consistentie van een meetinstrument. Een
veelgebruikte maat is Cronbach's alfa, die de interne consistentie van een schaal meet. In
Jamovi kun je deze analyse uitvoeren door:
Het selecteren van de items die samen een schaal vormen.
Het berekenen van Cronbach's alfa; een waarde boven 0.70 wordt doorgaans als
acceptabel beschouwd.
Het bekijken van item-totaal correlaties en het effect van het verwijderen van items
op de algehele betrouwbaarheid.
Deze analyse helpt bij het verbeteren van meetinstrumenten door zwakke items te
identificeren en te verwijderen.
Categorie Indicator Vuistregel / Interpretatie
Centrummat
Gemiddelde vs Mediaan ≈ gelijk → symmetrisch / normaal
en
Gemiddelde > Mediaan Positief scheef (staart naar rechts)
Gemiddelde < Mediaan Negatief scheef (staart naar links)
Scheefheid Skewness ≈ 0 Symmetrische verdeling
Skewness tussen -0.5 en
Vrij symmetrisch
+0.5
Skewness tussen -1 en -0.5 Matig negatief scheef (links)
Skewness tussen +0.5 en +1 Matig positief scheef (rechts)
Skewness < -1 Sterk negatief scheef (links)
Skewness > +1 Sterk positief scheef (rechts)
Kurtosis Kurtosis ≈ 0 (excess kurtosis) Normale spitsheid
Kurtosis > +1 Leptokurtisch (spitse verdeling, zware staarten)
Kurtosis < -1 Platykurtisch (platte verdeling, lichte staarten)
Spreiding Standaarddeviatie klein Waarden liggen dicht bij het gemiddelde
Standaarddeviatie groot Waarden liggen ver uit elkaar
Visueel Histogram Klokvormig? → waarschijnlijk normaal
Samengevat Alle checks “normaal” Voldoende normaal verdeeld voor
4
