,Hoofdstuk 1: verkennen van data
Grafisch verkennen van data
Boxplot
Een boxplot is een grafische weergave die de verdeling van een dataset samenvat via het minimum, het
eerste kwartiel, de mediaan, het derde kwartiel en het maximum. Het is een essentieel instrument voor
het identificeren van uitschieters en het beoordelen van de symmetrie van de dataverdeling.
Histogram
Een histogram visualiseert de frequentieverdeling van een numerieke variabele door data in
opeenvolgende intervallen of bins te verdelen. Hiermee kan de onderzoeker in één oogopslag de vorm
van de verdeling, zoals de aanwezigheid van normaliteit of scheefheid, waarnemen.
Scatterplot
Een scatterplot zet individuele datapunten uit op twee assen om de samenhang tussen twee numerieke
variabelen visueel weer te geven. Deze grafiek is cruciaal voor het inspecteren van de lineariteit van een
relatie en het ontdekken van eventuele clusters of uitschieters in de data.
Ontbrekende data
Ontbrekende data verwijst naar het ontbreken van waarden voor bepaalde variabelen bij respondenten,
wat de validiteit van statistische analyses ernstig kan aantasten. Het is noodzakelijk om het mechanisme
achter het ontbreken te onderzoeken om te bepalen of dataverwijdering of geavanceerde
imputatietechnieken vereist zijn.
Outliers
Outliers zijn extreme waarden die significant afwijken van de rest van de dataset en die de resultaten
van multivariate analyses sterk kunnen vertekenen. Ze dienen zorgvuldig te worden geïdentificeerd via
statistische maten of grafieken om te beslissen of ze gecorrigeerd, verwijderd of behouden moeten
worden.
Assumpties
Assumpties zijn de theoretische voorwaarden waaraan een dataset moet voldoen voordat een specifieke
statistische toets betrouwbaar kan worden uitgevoerd. Het schenden van deze aannames, zoals
normaliteit of homogeniteit, kan leiden tot foutieve conclusies en een verminderde statistische power.
Normaliteit
2
,De assumptie van normaliteit stelt dat de residuen of de data van de afhankelijke variabele binnen
groepen een klokvormige verdeling volgen. Deze voorwaarde is fundamenteel voor veel parametrische
toetsen om nauwkeurige p-waarden en betrouwbaarheidsintervallen te genereren.
Homoscedacticiteit
Homoscedacticiteit houdt in dat de variantie van de residuen constant blijft over alle niveaus van de
onafhankelijke variabelen. Wanneer de spreiding ongelijk is, spreekt men van heteroscedacticiteit, wat
de betrouwbaarheid van standaardfouten en significantietoetsen ondermijnt.
Lineariteit
Lineariteit beschrijft de aanname dat de relatie tussen de onafhankelijke en afhankelijke variabelen kan
worden weergegeven door een rechte lijn. In multivariate modellen is dit essentieel omdat lineaire
regressie en variantie-analyse gebaseerd zijn op de optelling van lineaire effecten.
Data transformaties
Data transformaties zijn wiskundige bewerkingen, zoals de logaritmische transformatie, die worden
toegepast op variabelen om niet-normale verdelingen te corrigeren. Het doel is vaak om aan de formele
assumpties van parametrische toetsen te voldoen of om niet-lineaire relaties te lineariseren.
Dummy codering
Dummy codering is een techniek waarbij categorische variabelen worden omgezet in binaire numerieke
variabelen zodat ze in regressiemodellen gebruikt kunnen worden. Hiermee kan de invloed van
kwalitatieve groepen op een kwantitatieve uitkomstvariabele statistisch worden getoetst en
geïnterpreteerd.
Hoofdstuk 2: (co)variantie - analyse 1
Anova
Anova, of variantie-analyse, toets of de gemiddelden van drie of meer groepen significant van elkaar
verschillen door de totale variatie te ontleden. Het model vergelijkt de variatie tussen de groepen met de
variatie binnen de groepen om de invloed van een categorische factor te bepalen.
One - way anova
Een one-way anova onderzoekt de invloed van exact één onafhankelijke categorische variabele op een
continue afhankelijke variabele. Het toetst de nulhypothese dat alle groepsgemiddelden in de populatie
gelijk zijn aan elkaar.
3
, Contrasten
Contrasten zijn gerichte vergelijkingen tussen specifieke groepsgemiddelden die voorafgaand aan de
analyse zijn vastgesteld op basis van theoretische verwachtingen. Ze bieden meer statistische power en
specifiekere antwoorden dan de globale F-toets van de algemene anova.
Meervoudige vergelijkingen
Meervoudige vergelijkingen, ook wel post-hoc toetsen genoemd, worden uitgevoerd na een significante
anova om te achterhalen welke specifieke groepen van elkaar verschillen. Deze toetsen zijn noodzakelijk
wanneer er geen vooraf opgestelde hypothesen over de groepsverschillen beschikbaar waren.
Kanskapitalisatie
Kanskapitalisatie verwijst naar het verhoogde risico op een Type I-fout wanneer er simultaan een groot
aantal statistische toetsen wordt uitgevoerd op dezelfde data. Om dit te beheersen, moeten correcties
zoals Bonferroni worden toegepast om het algehele significantieniveau te bewaken.
Effectgrootte
De effectgrootte, vaak uitgedrukt als eta-kwadraat, geeft de praktische relevantie aan door te meten
welk deel van de totale variantie door een factor wordt verklaard. In tegenstelling tot de p-waarde is de
effectgrootte minder afhankelijk van de steekproefomvang, wat een betere interpretatie van het
theoretisch belang toestaat.
Ancova
Ancova combineert anova met regressieanalyse door de invloed van een continue controlevariabele, de
covariaat, statistisch uit het model te filteren. Dit verhoogt de precisie van de analyse door de
onverklaarde foutvariantie te verkleinen en te corrigeren voor bestaande groepsverschillen vóór de
behandeling.
Hoofdstuk 3: variantie - analyse 2
2 - Factor anova
Een 2-factor anova onderzoekt de gelijktijdige invloed van twee onafhankelijke categorische variabelen
op een afhankelijke variabele. Het stelt de onderzoeker in staat om zowel de hoofdeffecten van de
afzonderlijke factoren als hun gezamenlijke interactie-effect te bestuderen.
Interactie - effecten
Er is sprake van een interactie-effect wanneer de invloed van de ene onafhankelijke variabele op de
afhankelijke variabele verschilt per niveau van de andere onafhankelijke variabele. Visueel wordt dit vaak
herkend aan het feit dat de lijnen in een gemiddeldendiagram niet parallel lopen.
4
Grafisch verkennen van data
Boxplot
Een boxplot is een grafische weergave die de verdeling van een dataset samenvat via het minimum, het
eerste kwartiel, de mediaan, het derde kwartiel en het maximum. Het is een essentieel instrument voor
het identificeren van uitschieters en het beoordelen van de symmetrie van de dataverdeling.
Histogram
Een histogram visualiseert de frequentieverdeling van een numerieke variabele door data in
opeenvolgende intervallen of bins te verdelen. Hiermee kan de onderzoeker in één oogopslag de vorm
van de verdeling, zoals de aanwezigheid van normaliteit of scheefheid, waarnemen.
Scatterplot
Een scatterplot zet individuele datapunten uit op twee assen om de samenhang tussen twee numerieke
variabelen visueel weer te geven. Deze grafiek is cruciaal voor het inspecteren van de lineariteit van een
relatie en het ontdekken van eventuele clusters of uitschieters in de data.
Ontbrekende data
Ontbrekende data verwijst naar het ontbreken van waarden voor bepaalde variabelen bij respondenten,
wat de validiteit van statistische analyses ernstig kan aantasten. Het is noodzakelijk om het mechanisme
achter het ontbreken te onderzoeken om te bepalen of dataverwijdering of geavanceerde
imputatietechnieken vereist zijn.
Outliers
Outliers zijn extreme waarden die significant afwijken van de rest van de dataset en die de resultaten
van multivariate analyses sterk kunnen vertekenen. Ze dienen zorgvuldig te worden geïdentificeerd via
statistische maten of grafieken om te beslissen of ze gecorrigeerd, verwijderd of behouden moeten
worden.
Assumpties
Assumpties zijn de theoretische voorwaarden waaraan een dataset moet voldoen voordat een specifieke
statistische toets betrouwbaar kan worden uitgevoerd. Het schenden van deze aannames, zoals
normaliteit of homogeniteit, kan leiden tot foutieve conclusies en een verminderde statistische power.
Normaliteit
2
,De assumptie van normaliteit stelt dat de residuen of de data van de afhankelijke variabele binnen
groepen een klokvormige verdeling volgen. Deze voorwaarde is fundamenteel voor veel parametrische
toetsen om nauwkeurige p-waarden en betrouwbaarheidsintervallen te genereren.
Homoscedacticiteit
Homoscedacticiteit houdt in dat de variantie van de residuen constant blijft over alle niveaus van de
onafhankelijke variabelen. Wanneer de spreiding ongelijk is, spreekt men van heteroscedacticiteit, wat
de betrouwbaarheid van standaardfouten en significantietoetsen ondermijnt.
Lineariteit
Lineariteit beschrijft de aanname dat de relatie tussen de onafhankelijke en afhankelijke variabelen kan
worden weergegeven door een rechte lijn. In multivariate modellen is dit essentieel omdat lineaire
regressie en variantie-analyse gebaseerd zijn op de optelling van lineaire effecten.
Data transformaties
Data transformaties zijn wiskundige bewerkingen, zoals de logaritmische transformatie, die worden
toegepast op variabelen om niet-normale verdelingen te corrigeren. Het doel is vaak om aan de formele
assumpties van parametrische toetsen te voldoen of om niet-lineaire relaties te lineariseren.
Dummy codering
Dummy codering is een techniek waarbij categorische variabelen worden omgezet in binaire numerieke
variabelen zodat ze in regressiemodellen gebruikt kunnen worden. Hiermee kan de invloed van
kwalitatieve groepen op een kwantitatieve uitkomstvariabele statistisch worden getoetst en
geïnterpreteerd.
Hoofdstuk 2: (co)variantie - analyse 1
Anova
Anova, of variantie-analyse, toets of de gemiddelden van drie of meer groepen significant van elkaar
verschillen door de totale variatie te ontleden. Het model vergelijkt de variatie tussen de groepen met de
variatie binnen de groepen om de invloed van een categorische factor te bepalen.
One - way anova
Een one-way anova onderzoekt de invloed van exact één onafhankelijke categorische variabele op een
continue afhankelijke variabele. Het toetst de nulhypothese dat alle groepsgemiddelden in de populatie
gelijk zijn aan elkaar.
3
, Contrasten
Contrasten zijn gerichte vergelijkingen tussen specifieke groepsgemiddelden die voorafgaand aan de
analyse zijn vastgesteld op basis van theoretische verwachtingen. Ze bieden meer statistische power en
specifiekere antwoorden dan de globale F-toets van de algemene anova.
Meervoudige vergelijkingen
Meervoudige vergelijkingen, ook wel post-hoc toetsen genoemd, worden uitgevoerd na een significante
anova om te achterhalen welke specifieke groepen van elkaar verschillen. Deze toetsen zijn noodzakelijk
wanneer er geen vooraf opgestelde hypothesen over de groepsverschillen beschikbaar waren.
Kanskapitalisatie
Kanskapitalisatie verwijst naar het verhoogde risico op een Type I-fout wanneer er simultaan een groot
aantal statistische toetsen wordt uitgevoerd op dezelfde data. Om dit te beheersen, moeten correcties
zoals Bonferroni worden toegepast om het algehele significantieniveau te bewaken.
Effectgrootte
De effectgrootte, vaak uitgedrukt als eta-kwadraat, geeft de praktische relevantie aan door te meten
welk deel van de totale variantie door een factor wordt verklaard. In tegenstelling tot de p-waarde is de
effectgrootte minder afhankelijk van de steekproefomvang, wat een betere interpretatie van het
theoretisch belang toestaat.
Ancova
Ancova combineert anova met regressieanalyse door de invloed van een continue controlevariabele, de
covariaat, statistisch uit het model te filteren. Dit verhoogt de precisie van de analyse door de
onverklaarde foutvariantie te verkleinen en te corrigeren voor bestaande groepsverschillen vóór de
behandeling.
Hoofdstuk 3: variantie - analyse 2
2 - Factor anova
Een 2-factor anova onderzoekt de gelijktijdige invloed van twee onafhankelijke categorische variabelen
op een afhankelijke variabele. Het stelt de onderzoeker in staat om zowel de hoofdeffecten van de
afzonderlijke factoren als hun gezamenlijke interactie-effect te bestuderen.
Interactie - effecten
Er is sprake van een interactie-effect wanneer de invloed van de ene onafhankelijke variabele op de
afhankelijke variabele verschilt per niveau van de andere onafhankelijke variabele. Visueel wordt dit vaak
herkend aan het feit dat de lijnen in een gemiddeldendiagram niet parallel lopen.
4
