Hoofdstuk 1 : inductieve statistiek in onderzoek
1. Wat is statistiek?
-> de statistiek biedt ons de nodige regels om consequent en verantwoord conclusies te
trekken over wetmatigheden in menselijk gedrag
De plaats van statistiek binnen de empirische cyclus
-> doel van statistiek: algemeen geldende uitspraken doen over wetmatigheden in de realiteit
op basis van waarnemingen
! kritiek: is een te algemene definitie (geldt zowel voor kwalitatief als kwantitatief
onderzoek)
-> verloop: vraagstelling/probleemstelling -> operationaliseren (meetbaar maken) ->
steekproef trekken (aselect of niet-aselecte steekproef) -> gegevens verzamelen ->
beschrijvende statistiek (verzamelde gegevens op verschillende manieren beschrijven) ->
inductieve statistiek (nagaan of de verschillen en verbanden uit de data betekenisvol genoeg
zijn om te veronderstellen dat ze zich ook in de bredere populatie voordoen -> conclusies
(initiële vraagstelling wordt beantwoord)
-> statistiek vind plaats in de gehele empirische cyclus, maar vooral bij dataverzameling, data-
analyse en rapporteren (fase 4, 5 en 6)
Steekproef vs populatie
-> populatie:
= het geheel van individuen waarover de onderzoeker een uitspraak wil
doen/informatie wil verkrijgen
-> de populatie is niet per definitie een grote groep
Bv. Vlaamse jongeren, klasgroep, Vlaamse ministers, werkzoekende in België, …
-> steekproef:
= een selectie van individuen uit de populatie
-> Een onderzoeker verzamelt gegevens bij een representatieve steekproef om
informatie te veralgemenen naar de populatie
-> aselecte steekproef = alle leden van de bestudeerde populatie hebben een even
grote kans om in de steekproef terecht te komen
-> niet-aselecte steekproef = Steekproef waarbij de elementen uit de populatie niet
volgens toeval, maar op een andere manier worden gekozen
,Beschrijvende statistiek vs inductieve statistiek
-> beschrijvende statistiek:
-> Wat weet je over de steekproef?
= het samenvattend beschrijven van de kenmerken van de groep
onderzoekseenheden die je onderzocht hebt en de veelheid aan gegevens
overzichtelijk weergeven/samenvatten
-> aantal mensen dat meedoen
-> aantal mensen in procent
-> optellen (gaat niet bij nominale)
-> optelling in procent
-> inductieve statistiek:
-> Wat kan je besluiten over je populatie op basis van je steekproef?
2
, = op basis van steekproefgegevens uitspraken trachten te doen over een
bepaalde populatie
-> Beschrijvende statistiek geeft zicht op de aard van de gegevens van de onderzochte
groep van proefpersonen maar levert ons geen informatie over mogelijke
verbanden/verschillen/oorzaken...
-> inductieve statistiek (hypothesetoetsing)
-> op basis van steekproefgegevens proberen uitspraken te doen over een bepaalde
populatie
=> maar hoe weet je nu dat de conclusies die je trekt voor je steekproef ook gelden
voor de volledige populatie?
-> Statistische significantie = basis van hypothesetoetsing
-> Mate van onzekerheid: kans op foutieve conclusies
Type 1 fout: hypothese was waar maar we
hebben het toch verworpen
Type 2 fout: hypothese was fout maar we
hebben het niet verworpen
-> bij inductieve statistiek kunnen we nooit
100% zeker zijn (bij beschrijvende statistiek wel)
-> Hoe weet je welke statistische toets je moet gebruiken?
- Welke statistische toets uit de inductieve statistiek je gebruikt hangt af van
de hoe je de onderzoeksvraag die je wil beantwoorden gaat operationaliseren
in meetbare indicatoren
- Daarbij zijn verschillende zaken van belang:
- Het meetniveau van je afhankelijke variabele (de variabele waarover
je iets wil weten)
- Het meetniveau en aantal van je onafhankelijke variabele
- Steekproefgrootte
-…
3
, 2. Variabelen
= kenmerken van de onderzoekseenheden die onderzocht worden
Soorten variabelen naargelang de waarde
-> Kwalitatieve variabelen (= categorische variabelen)
- Waarden ingedeeld in groepen of categorieën
- Voorbeelden: geslacht, oogkleur, hoogst behaalde diploma
-> Kwantitatieve variabelen (= numerieke variabelen)
- Numerieke waarden waarvoor rekenkundige bewerkingen, zoals optellen en het
gemiddelde berekenen, zinvol zijn
- Voorbeelden: leeftijd, gewicht, aantal mensen met jongdementie,…
- Voorbeelden van wat niet: gsm-nummer, ID-nummer
-> deze variabelen kunnen verder worden opgesplitst in:
- Discrete variabelen:
- Kunnen alleen hele waarden aannemen
- Meestal het resultaat van een telling
- Voorbeelden: aantal kinderen in een gezin, aantal studenten in de les,…
- Continue variabalen:
- Kunnen alle mogelijke waarden aannemen (dus ook kommagetallen)
- Voorbeelden: lengte, gewicht,…
Soorten variabelen naargelang meetniveau
-> operationaliseren: op welke manier maak je een variabele meetbaar
-> Variabelen kunnen op vier niveaus gemeten worden:
- Nominaal meetniveau
- Nominale variabelen zijn kwalitatief -> waarden ingedeeld in categorieën
- Aan categorieën kan een getal worden gekoppeld, maar die getallen hebben
geen wiskundige betekenis
- Waarden kunnen niet geordend worden
Voorbeelden: geslacht, woonplaats, tv-zenders, partner hebben of niet, religie …
- Ordinaal meetniveau
- Ordinale variabelen zijn kwalitatief -> waarden ingedeeld in categorieën
- Waarden kunnen geordend worden
- Aan categorieën kan getal worden gekoppeld, maar geen wiskundige
betekenis
4
1. Wat is statistiek?
-> de statistiek biedt ons de nodige regels om consequent en verantwoord conclusies te
trekken over wetmatigheden in menselijk gedrag
De plaats van statistiek binnen de empirische cyclus
-> doel van statistiek: algemeen geldende uitspraken doen over wetmatigheden in de realiteit
op basis van waarnemingen
! kritiek: is een te algemene definitie (geldt zowel voor kwalitatief als kwantitatief
onderzoek)
-> verloop: vraagstelling/probleemstelling -> operationaliseren (meetbaar maken) ->
steekproef trekken (aselect of niet-aselecte steekproef) -> gegevens verzamelen ->
beschrijvende statistiek (verzamelde gegevens op verschillende manieren beschrijven) ->
inductieve statistiek (nagaan of de verschillen en verbanden uit de data betekenisvol genoeg
zijn om te veronderstellen dat ze zich ook in de bredere populatie voordoen -> conclusies
(initiële vraagstelling wordt beantwoord)
-> statistiek vind plaats in de gehele empirische cyclus, maar vooral bij dataverzameling, data-
analyse en rapporteren (fase 4, 5 en 6)
Steekproef vs populatie
-> populatie:
= het geheel van individuen waarover de onderzoeker een uitspraak wil
doen/informatie wil verkrijgen
-> de populatie is niet per definitie een grote groep
Bv. Vlaamse jongeren, klasgroep, Vlaamse ministers, werkzoekende in België, …
-> steekproef:
= een selectie van individuen uit de populatie
-> Een onderzoeker verzamelt gegevens bij een representatieve steekproef om
informatie te veralgemenen naar de populatie
-> aselecte steekproef = alle leden van de bestudeerde populatie hebben een even
grote kans om in de steekproef terecht te komen
-> niet-aselecte steekproef = Steekproef waarbij de elementen uit de populatie niet
volgens toeval, maar op een andere manier worden gekozen
,Beschrijvende statistiek vs inductieve statistiek
-> beschrijvende statistiek:
-> Wat weet je over de steekproef?
= het samenvattend beschrijven van de kenmerken van de groep
onderzoekseenheden die je onderzocht hebt en de veelheid aan gegevens
overzichtelijk weergeven/samenvatten
-> aantal mensen dat meedoen
-> aantal mensen in procent
-> optellen (gaat niet bij nominale)
-> optelling in procent
-> inductieve statistiek:
-> Wat kan je besluiten over je populatie op basis van je steekproef?
2
, = op basis van steekproefgegevens uitspraken trachten te doen over een
bepaalde populatie
-> Beschrijvende statistiek geeft zicht op de aard van de gegevens van de onderzochte
groep van proefpersonen maar levert ons geen informatie over mogelijke
verbanden/verschillen/oorzaken...
-> inductieve statistiek (hypothesetoetsing)
-> op basis van steekproefgegevens proberen uitspraken te doen over een bepaalde
populatie
=> maar hoe weet je nu dat de conclusies die je trekt voor je steekproef ook gelden
voor de volledige populatie?
-> Statistische significantie = basis van hypothesetoetsing
-> Mate van onzekerheid: kans op foutieve conclusies
Type 1 fout: hypothese was waar maar we
hebben het toch verworpen
Type 2 fout: hypothese was fout maar we
hebben het niet verworpen
-> bij inductieve statistiek kunnen we nooit
100% zeker zijn (bij beschrijvende statistiek wel)
-> Hoe weet je welke statistische toets je moet gebruiken?
- Welke statistische toets uit de inductieve statistiek je gebruikt hangt af van
de hoe je de onderzoeksvraag die je wil beantwoorden gaat operationaliseren
in meetbare indicatoren
- Daarbij zijn verschillende zaken van belang:
- Het meetniveau van je afhankelijke variabele (de variabele waarover
je iets wil weten)
- Het meetniveau en aantal van je onafhankelijke variabele
- Steekproefgrootte
-…
3
, 2. Variabelen
= kenmerken van de onderzoekseenheden die onderzocht worden
Soorten variabelen naargelang de waarde
-> Kwalitatieve variabelen (= categorische variabelen)
- Waarden ingedeeld in groepen of categorieën
- Voorbeelden: geslacht, oogkleur, hoogst behaalde diploma
-> Kwantitatieve variabelen (= numerieke variabelen)
- Numerieke waarden waarvoor rekenkundige bewerkingen, zoals optellen en het
gemiddelde berekenen, zinvol zijn
- Voorbeelden: leeftijd, gewicht, aantal mensen met jongdementie,…
- Voorbeelden van wat niet: gsm-nummer, ID-nummer
-> deze variabelen kunnen verder worden opgesplitst in:
- Discrete variabelen:
- Kunnen alleen hele waarden aannemen
- Meestal het resultaat van een telling
- Voorbeelden: aantal kinderen in een gezin, aantal studenten in de les,…
- Continue variabalen:
- Kunnen alle mogelijke waarden aannemen (dus ook kommagetallen)
- Voorbeelden: lengte, gewicht,…
Soorten variabelen naargelang meetniveau
-> operationaliseren: op welke manier maak je een variabele meetbaar
-> Variabelen kunnen op vier niveaus gemeten worden:
- Nominaal meetniveau
- Nominale variabelen zijn kwalitatief -> waarden ingedeeld in categorieën
- Aan categorieën kan een getal worden gekoppeld, maar die getallen hebben
geen wiskundige betekenis
- Waarden kunnen niet geordend worden
Voorbeelden: geslacht, woonplaats, tv-zenders, partner hebben of niet, religie …
- Ordinaal meetniveau
- Ordinale variabelen zijn kwalitatief -> waarden ingedeeld in categorieën
- Waarden kunnen geordend worden
- Aan categorieën kan getal worden gekoppeld, maar geen wiskundige
betekenis
4
