KWANTITATIEVE DATA-ANALYSE
WERKING VAK
• Lessen: opnames + live
• Q&A sessies
• Opnames blijven beschikbaar op toledo
• Slides voor de les online op toledo
OEFENSESSIES
• Oefenen van analyses in R
• PC-lokalen
• Begeleid door Jana Vereecke en Elien Beelen
• 4 groepen
VRAGEN/Q&A
• Discussieforum op toledo
o Map per les → vermeld ook les in vraag
EXAMEN
Theorie (10/20)
• Conceptuele vragen
• Kennis
• Inzicht
Oefeningen (10/20)
• Van probleemstelling naar toepassing (in SPSS)
• Rapportering
1
,Het examen omvat twee delen:
• Een theoretisch deel met vragen die peilen naar de conceptuele kennis van en inzicht in
de behandelde statistische technieken (10/20).
• Een praktisch deel waarin studenten een aantal empirische problemen moeten
oplossen door met SPSS de aangewezen statistische analyses uit te voeren op een
gegeven dataset. De bevindingen moeten adequaat en inzichtelijk geïnterpreteerd en
gerapporteerd worden (10/20).
• Omwille van het praktisch gedeelte gaat het examen door in het computerlokaal, waar
met SPSS kan gewerkt worden. Het is toegestaan om een compact vertaalwoordenboek
te gebruiken tijdens het examen.
LES 1: INLEIDING EN INFERENTIËLE STATISTIEK (OPNAME)
O.b.v. een steekproef iets zeggen over populatieparameter
WETENSCHAP & DATA-ANALYSE
Elke wetenschappelijke studie start vanuit een hypothese en/of onderzoeksvraag
Elke hypothese/onderzoeksvraag impliceert een model (een vereenvoudigde, samenvattende
abstractie) van de realiteit → nog heel algemeen, geen hypothese of steekproefstatistiek
• Onderzoeksvraag= heel algemeen
o “Wat is de samenhang tss sociaalmediagebruik en mentaal welzijn”
• Hypothese= expliciet een richting vermelden
o “We vermoeden dat sociale media een negatieve invloed uitoefenen op het
mentaal welzijn”
o Hoe hoger je sociale mediagebruik, hoe lager je mentale welzijn
We starten vanuit een conceptueel model…
• Bv. “Hoe vaker mensen in het verleden blootgesteld werden aan geweld, hoe minder
gevoelig ze er nu voor zijn”
• Bv. “In welke mate is er een verschil in gemiddelde levenstevredenheid tussen mensen
van verschillende sociaal-economische status (laag-gemiddeld-hoog)?”
… en vertalen dit naar een statistisch model
• Statistische modellen geven een wiskundige formalisering voor het conceptueel model in
de vorm van een vergelijking, bestaande uit variabelen (geoperationaliseerde
concepten) en parameters.
• Laten ons toe om het conceptueel model kwantitatief te modelleren, kwantitatieve
voorspellingen te doen vanuit het model, en die kwantitatieve voorspellingen te testen
in reële data.
Voorbeeld: 𝑦𝑖 = 𝑏0 + 𝑏1𝑥1𝑖 + 𝑒𝑖
• Basaal lineair model
• Conceptueel model in regressievergelijking
o Sociale media= x var; Mentaal welzijn= y var
o b0= intercept – wat is de score op de y var als de x score 0 is
o b1= regressiecoeffiecient
o Error= geeft meetfout weer
▪ Geschatte score naar y zal verschillen van de werkelijke score
2
,STAP 1. ANALYSE & MODELLERING VAN DE STEEKPROEFDATA (VANAF LES 3)
Om je statistisch model te testen meet je eerst een aantal relevante variabelen
(‘operationalisering’) in een steekproef met grootte n uit een bepaalde populatie met grootte
N.
• Bv. Lengte, mediagebruik, symptomen, aantal kinderen, attitudes ten opzichte van
migratie…
Na de meting heb je data (steekproefgegevens) die je kan gebruiken om je model te ‘fitten’ en
relevante statistieken te berekenen die inspelen op je hypothese/onderzoeksvraag
• Fitten: o.b.v. ons statistisch model een schatting maken van y (zie lineaire regressievgl)
• Steekproefstatistiek: regressie coëfficiënt (b1) = willen weten met hoeveel uw mentaal
welzijn toe of afneemt als uw sociale mediagebruik met 1 eenheid verschilt
GENERAL LINEAR MODEL (GLM)
De statistische modellen die we zullen gebruiken zijn altijd (specifieke vormen van) lineaire
modellen
Basaal lineair model
= Mentaal welzijn voorspelen o.b.v. sociale mediagebruik
• yi: score op variabele voor 1 persoon, AV, gaan we inschatten o.b.v. ons model
• b0: intercept, waarde van de y-variabele als de x-variabele 0 is
• b1: regressie coëfficiënt, invloed van x op y
o b1= -2: 1 uur extra sociale media gebruikt, zijn mentaal welzijn met -2 afneemt
o b1= 2: wanneer sociale mediagebruik met 1 meetheenheid toeneemt, dan stijgt
zijn mentaal welzijn met 2
• x: OV of voorspeller
• e: error of meetfout, afwijking schatting
Complexer lineair model
= ook voorspellen o.b.v. hoeveel vrienden iemand heeft, leeftijd,…
Meest rudimentaire lineaire model
= geen onafhankelijke variabele, AV gelijk aan groepsgemiddelde, elk individu zijn/haar score
gelijk is aan de gem score van mentaal welzijn binnen de steekproef
We gaan er vanuit dat elke score is gelijk aan het groepsgemiddelde, meetfouten! (niet de
werkelijkheid)
3
, MERK OP: VORM VAN HET MODEL IS ALTIJD HETZELFDE
Elk getest statistisch model geeft 2 soorten informatie
1) Parameterschattingen (~ statistieken)
a. Regressie coëfficiënt
2) Schattingen van ‘fit’ van het model
VOORBEELDEN VAN PARAMETERSCHAFNGEN/STATISTIEKEN DIE WE VAAK
ZULLEN GEBRUIKEN (VANAF LES 4)
• Gemiddelde in één groep of verschil tussen gemiddelden in verschillende groepen.
• Variantie in één groep of verschil tussen varianties in verschillende groepen.
• Proportie of relatieve frequentie waarmee een bepaalde eigenschap in één groep of bij
verschillende groepen voorkomt.
• De correlatie tussen twee variabelen.
o “Hoe goed model de data beschrijft, hoe goed y variabele schatten”
• De regressiecoëfficiënt voor het lineair verband tussen twee variabelen.
“MODEL FIT”
Hoe goed komt het model overeen met de geobserveerde data? Hoe goed komt het model
overeen met y?
• Hoe groter de error, hoe slechter de modelfit
• Hoe kleiner de error voor persoon i, hoe kleiner de afwijking van de voorspelling door het
model van de effectieve scores op y voor persoon i.
• Hoe kleiner de error van het model over alle personen heen, hoe beter de ‘fit’ van het
model met de data.
We kunnen de error van 1 individu binnen de steekproef nagaan: verschil tussen werkelijk
geobserveerde waarde en onze geschatte waarde via het model
We kunnen ook voor alle personen de error berekenen, dus de error van ons model
• Model= regressielijn
• 28,15=intercept (y)
• 0,30= regressie coëfficiënt (b)
• OV= x
4
WERKING VAK
• Lessen: opnames + live
• Q&A sessies
• Opnames blijven beschikbaar op toledo
• Slides voor de les online op toledo
OEFENSESSIES
• Oefenen van analyses in R
• PC-lokalen
• Begeleid door Jana Vereecke en Elien Beelen
• 4 groepen
VRAGEN/Q&A
• Discussieforum op toledo
o Map per les → vermeld ook les in vraag
EXAMEN
Theorie (10/20)
• Conceptuele vragen
• Kennis
• Inzicht
Oefeningen (10/20)
• Van probleemstelling naar toepassing (in SPSS)
• Rapportering
1
,Het examen omvat twee delen:
• Een theoretisch deel met vragen die peilen naar de conceptuele kennis van en inzicht in
de behandelde statistische technieken (10/20).
• Een praktisch deel waarin studenten een aantal empirische problemen moeten
oplossen door met SPSS de aangewezen statistische analyses uit te voeren op een
gegeven dataset. De bevindingen moeten adequaat en inzichtelijk geïnterpreteerd en
gerapporteerd worden (10/20).
• Omwille van het praktisch gedeelte gaat het examen door in het computerlokaal, waar
met SPSS kan gewerkt worden. Het is toegestaan om een compact vertaalwoordenboek
te gebruiken tijdens het examen.
LES 1: INLEIDING EN INFERENTIËLE STATISTIEK (OPNAME)
O.b.v. een steekproef iets zeggen over populatieparameter
WETENSCHAP & DATA-ANALYSE
Elke wetenschappelijke studie start vanuit een hypothese en/of onderzoeksvraag
Elke hypothese/onderzoeksvraag impliceert een model (een vereenvoudigde, samenvattende
abstractie) van de realiteit → nog heel algemeen, geen hypothese of steekproefstatistiek
• Onderzoeksvraag= heel algemeen
o “Wat is de samenhang tss sociaalmediagebruik en mentaal welzijn”
• Hypothese= expliciet een richting vermelden
o “We vermoeden dat sociale media een negatieve invloed uitoefenen op het
mentaal welzijn”
o Hoe hoger je sociale mediagebruik, hoe lager je mentale welzijn
We starten vanuit een conceptueel model…
• Bv. “Hoe vaker mensen in het verleden blootgesteld werden aan geweld, hoe minder
gevoelig ze er nu voor zijn”
• Bv. “In welke mate is er een verschil in gemiddelde levenstevredenheid tussen mensen
van verschillende sociaal-economische status (laag-gemiddeld-hoog)?”
… en vertalen dit naar een statistisch model
• Statistische modellen geven een wiskundige formalisering voor het conceptueel model in
de vorm van een vergelijking, bestaande uit variabelen (geoperationaliseerde
concepten) en parameters.
• Laten ons toe om het conceptueel model kwantitatief te modelleren, kwantitatieve
voorspellingen te doen vanuit het model, en die kwantitatieve voorspellingen te testen
in reële data.
Voorbeeld: 𝑦𝑖 = 𝑏0 + 𝑏1𝑥1𝑖 + 𝑒𝑖
• Basaal lineair model
• Conceptueel model in regressievergelijking
o Sociale media= x var; Mentaal welzijn= y var
o b0= intercept – wat is de score op de y var als de x score 0 is
o b1= regressiecoeffiecient
o Error= geeft meetfout weer
▪ Geschatte score naar y zal verschillen van de werkelijke score
2
,STAP 1. ANALYSE & MODELLERING VAN DE STEEKPROEFDATA (VANAF LES 3)
Om je statistisch model te testen meet je eerst een aantal relevante variabelen
(‘operationalisering’) in een steekproef met grootte n uit een bepaalde populatie met grootte
N.
• Bv. Lengte, mediagebruik, symptomen, aantal kinderen, attitudes ten opzichte van
migratie…
Na de meting heb je data (steekproefgegevens) die je kan gebruiken om je model te ‘fitten’ en
relevante statistieken te berekenen die inspelen op je hypothese/onderzoeksvraag
• Fitten: o.b.v. ons statistisch model een schatting maken van y (zie lineaire regressievgl)
• Steekproefstatistiek: regressie coëfficiënt (b1) = willen weten met hoeveel uw mentaal
welzijn toe of afneemt als uw sociale mediagebruik met 1 eenheid verschilt
GENERAL LINEAR MODEL (GLM)
De statistische modellen die we zullen gebruiken zijn altijd (specifieke vormen van) lineaire
modellen
Basaal lineair model
= Mentaal welzijn voorspelen o.b.v. sociale mediagebruik
• yi: score op variabele voor 1 persoon, AV, gaan we inschatten o.b.v. ons model
• b0: intercept, waarde van de y-variabele als de x-variabele 0 is
• b1: regressie coëfficiënt, invloed van x op y
o b1= -2: 1 uur extra sociale media gebruikt, zijn mentaal welzijn met -2 afneemt
o b1= 2: wanneer sociale mediagebruik met 1 meetheenheid toeneemt, dan stijgt
zijn mentaal welzijn met 2
• x: OV of voorspeller
• e: error of meetfout, afwijking schatting
Complexer lineair model
= ook voorspellen o.b.v. hoeveel vrienden iemand heeft, leeftijd,…
Meest rudimentaire lineaire model
= geen onafhankelijke variabele, AV gelijk aan groepsgemiddelde, elk individu zijn/haar score
gelijk is aan de gem score van mentaal welzijn binnen de steekproef
We gaan er vanuit dat elke score is gelijk aan het groepsgemiddelde, meetfouten! (niet de
werkelijkheid)
3
, MERK OP: VORM VAN HET MODEL IS ALTIJD HETZELFDE
Elk getest statistisch model geeft 2 soorten informatie
1) Parameterschattingen (~ statistieken)
a. Regressie coëfficiënt
2) Schattingen van ‘fit’ van het model
VOORBEELDEN VAN PARAMETERSCHAFNGEN/STATISTIEKEN DIE WE VAAK
ZULLEN GEBRUIKEN (VANAF LES 4)
• Gemiddelde in één groep of verschil tussen gemiddelden in verschillende groepen.
• Variantie in één groep of verschil tussen varianties in verschillende groepen.
• Proportie of relatieve frequentie waarmee een bepaalde eigenschap in één groep of bij
verschillende groepen voorkomt.
• De correlatie tussen twee variabelen.
o “Hoe goed model de data beschrijft, hoe goed y variabele schatten”
• De regressiecoëfficiënt voor het lineair verband tussen twee variabelen.
“MODEL FIT”
Hoe goed komt het model overeen met de geobserveerde data? Hoe goed komt het model
overeen met y?
• Hoe groter de error, hoe slechter de modelfit
• Hoe kleiner de error voor persoon i, hoe kleiner de afwijking van de voorspelling door het
model van de effectieve scores op y voor persoon i.
• Hoe kleiner de error van het model over alle personen heen, hoe beter de ‘fit’ van het
model met de data.
We kunnen de error van 1 individu binnen de steekproef nagaan: verschil tussen werkelijk
geobserveerde waarde en onze geschatte waarde via het model
We kunnen ook voor alle personen de error berekenen, dus de error van ons model
• Model= regressielijn
• 28,15=intercept (y)
• 0,30= regressie coëfficiënt (b)
• OV= x
4
