Statistiek 2
Hoorcollege 1.1. Introductie tot multivariate verbanden
Deel 1) Causaliteit en multivariate verbanden
Algemene statistische geletterdheid = is het vermogen om statistische resultaten die ons
dagelijks leven doordringen te begrijpen en kritisch te evalueren – in combinatie met het
vermogen om de bijdragen te waarderen die statistisch denken kan leveren aan publieke en
private, professionele en persoonlijke beslissingen' (Wallman, 1993).
Een gebrek aan statistische geletterdheid kan gemakkelijk leiden tot "misverstanden,
verkeerde percepties, wantrouwen en twijfels over de waarde van statistieken als leidraad bij
publieke en private keuzes" (Wallman, 1993).
Belang voor het werkveld:
Beslissingen kunnen nemen op basis van data.
Basis gelegd in Statistiek 1:
- Steekproeven
- Beschrijvende statistiek: Descriptive statistics summarize sample or population data
with numbers, tables and graphs
- Inferentiële statistiek: Inferential statistics make predictions about population
parameters, based on sample data
- Statistiek 1 ging over 1 of 2 variabelen, maar de meeste vragen gaan over
complexere fenomenen
- correlatie is geen causatie!!
Spurieus verband (schijnverband):
- Er is een verband tussen A en B
- Maar, dit verband is te verklaren door andere variabelen die zowel A als B
veroorzaken
- A veroorzaakt B niet!
Criteria om causaliteit vast te stellen:
1. Er is een associatie tussen A en B
2. B moet plaatsvinden na A (volgordelijkheid) (onafhankelijke moet vooraf gaan)
3. Het verband tussen A en B wordt niet verklaard door andere factoren (alternatieve
verklaringen zijn uitgesloten)
Alternatieve verklaringen uitsluiten.
Kunnen we deels doen door te controleren voor andere variabelen → effect wegnemen
1. Experimentele controle: in je eigen onderzoeksdesign
- RCT (randomised controlled trial) vaak als gouden standaard gezien
- Volgordelijkheid wordt gemanipuleerd
- Alternatieve verklaringen deels uitsluiten door randomisatie
- Zowel observeerbare als niet observeerbare kenmerken moeten gelijk zijn
→ Haalbaar en realistisch??
, 2. Statistische controle: In je data-analyse strategie
- Optie 1: Onderzoek x-y verband binnen subgroepen (obv andere variabelen)
→ Vaak niet realistisch, je hebt veel mensen nodig binnen elke subgroep
- Optie 2: Neem alternatieve verklaringen op in je statistische model
→ Deze cursus!!
Multivariate relaties
→ Belangrijk om relevante alternatieve verklaringen te herkennen → ken je theorie!
→ En je statistische analyses en interpretatie hierop aan te passen → ken je statistiek!
→ Zodat je vertekende resultaten door lurking (sluimerende) variabelen kunt vermijden:
Variabelen die niet zijn meegenomen in een studie, maar wel de onderzochte relatie
verklaren of beïnvloeden. Hier kun je ook niet voor controleren.
De vijf meest voorkomende multivariate relaties:
Wees je bewust van verschillende soorten multivariate relaties!
- Moderatie en interactie zijn hetzelfde: associatie verandert aan de hand van het
niveau van de extra variabele.
- Ketting en mediatieverband is hetzelfde: associatie tussen x en y verdwijnt.
- Spurieus: er lijkt een verband, maar die verdwijnt volledig na controle
,Multivariate relatie: spurieus verband
Spurieus verband tussen x en y:
Wanneer beide variabelen ook samenhangen met een derde variabele en de relatie tussen x
en y verdwijnt (grotendeels) als gecontroleerd wordt voor deze derde variabele.
Het verband tussen lengte (x) en rekenvaardigheden (y), wordt volledig verklaard door
schooljaar!
→ Geschatte verband tussen variabelen kan dus drastisch veranderen, afhankelijk van de
gekozen data-analyse strategie.
Voorbeelden:
, Multivariate relaties: suppressie
Soms vind je bijna geen verband tussen x en y, totdat je controleert voor een derde
variabele. Dit noemen wij Suppressie (onderdrukking).
Het verband tussen de interventie (x) en woordenschat (y) wordt onderdrukt doordat
kinderen in de interventiegroep voorafgaand aan de interventie een lagere woordenschat
hadden. De pretest noem je in dit voorbeeld een suppressor.
Multivariate relaties: Simpson’s paradox (richting draait om)
Soms is het verband tussen x en y zelfs omgekeerd nadat we controleren voor een derde
variabele. Dit noemen wij Simpson’s paradox.
- Gemiddeld genomen: negatief verband → ervaren typisten typen sneller en maken
minder fouten.
- Op individueel niveau: positief verband → hoe sneller te typt, hoe meer fouten je
maakt.
Multivariate relaties: kettingrelatie (er zit 1 variabele tussen, na x2 verdwijnt het verband)
Een andere reden waardoor het verband tussen x1 en y soms verdwijnt na controle voor x2
is een kettingrelatie (mediatie):
- x1 heeft een indirect effect op y, via mediator 2
in andere termen:
- x1 veroorzaakt x2
- x2 veroorzaakt y
Vaak onderwerp in interventiestudies:
→ belangrijk om de ‘mechanismen van verandering’ van je interventie te identificeren
Voorbeeld:
Het verband tussen onderwijs x1 en
levensverwachting y, verdwijnt of verzwakt
als inkomen x2 wordt meegenomen als
mediator.
Hoorcollege 1.1. Introductie tot multivariate verbanden
Deel 1) Causaliteit en multivariate verbanden
Algemene statistische geletterdheid = is het vermogen om statistische resultaten die ons
dagelijks leven doordringen te begrijpen en kritisch te evalueren – in combinatie met het
vermogen om de bijdragen te waarderen die statistisch denken kan leveren aan publieke en
private, professionele en persoonlijke beslissingen' (Wallman, 1993).
Een gebrek aan statistische geletterdheid kan gemakkelijk leiden tot "misverstanden,
verkeerde percepties, wantrouwen en twijfels over de waarde van statistieken als leidraad bij
publieke en private keuzes" (Wallman, 1993).
Belang voor het werkveld:
Beslissingen kunnen nemen op basis van data.
Basis gelegd in Statistiek 1:
- Steekproeven
- Beschrijvende statistiek: Descriptive statistics summarize sample or population data
with numbers, tables and graphs
- Inferentiële statistiek: Inferential statistics make predictions about population
parameters, based on sample data
- Statistiek 1 ging over 1 of 2 variabelen, maar de meeste vragen gaan over
complexere fenomenen
- correlatie is geen causatie!!
Spurieus verband (schijnverband):
- Er is een verband tussen A en B
- Maar, dit verband is te verklaren door andere variabelen die zowel A als B
veroorzaken
- A veroorzaakt B niet!
Criteria om causaliteit vast te stellen:
1. Er is een associatie tussen A en B
2. B moet plaatsvinden na A (volgordelijkheid) (onafhankelijke moet vooraf gaan)
3. Het verband tussen A en B wordt niet verklaard door andere factoren (alternatieve
verklaringen zijn uitgesloten)
Alternatieve verklaringen uitsluiten.
Kunnen we deels doen door te controleren voor andere variabelen → effect wegnemen
1. Experimentele controle: in je eigen onderzoeksdesign
- RCT (randomised controlled trial) vaak als gouden standaard gezien
- Volgordelijkheid wordt gemanipuleerd
- Alternatieve verklaringen deels uitsluiten door randomisatie
- Zowel observeerbare als niet observeerbare kenmerken moeten gelijk zijn
→ Haalbaar en realistisch??
, 2. Statistische controle: In je data-analyse strategie
- Optie 1: Onderzoek x-y verband binnen subgroepen (obv andere variabelen)
→ Vaak niet realistisch, je hebt veel mensen nodig binnen elke subgroep
- Optie 2: Neem alternatieve verklaringen op in je statistische model
→ Deze cursus!!
Multivariate relaties
→ Belangrijk om relevante alternatieve verklaringen te herkennen → ken je theorie!
→ En je statistische analyses en interpretatie hierop aan te passen → ken je statistiek!
→ Zodat je vertekende resultaten door lurking (sluimerende) variabelen kunt vermijden:
Variabelen die niet zijn meegenomen in een studie, maar wel de onderzochte relatie
verklaren of beïnvloeden. Hier kun je ook niet voor controleren.
De vijf meest voorkomende multivariate relaties:
Wees je bewust van verschillende soorten multivariate relaties!
- Moderatie en interactie zijn hetzelfde: associatie verandert aan de hand van het
niveau van de extra variabele.
- Ketting en mediatieverband is hetzelfde: associatie tussen x en y verdwijnt.
- Spurieus: er lijkt een verband, maar die verdwijnt volledig na controle
,Multivariate relatie: spurieus verband
Spurieus verband tussen x en y:
Wanneer beide variabelen ook samenhangen met een derde variabele en de relatie tussen x
en y verdwijnt (grotendeels) als gecontroleerd wordt voor deze derde variabele.
Het verband tussen lengte (x) en rekenvaardigheden (y), wordt volledig verklaard door
schooljaar!
→ Geschatte verband tussen variabelen kan dus drastisch veranderen, afhankelijk van de
gekozen data-analyse strategie.
Voorbeelden:
, Multivariate relaties: suppressie
Soms vind je bijna geen verband tussen x en y, totdat je controleert voor een derde
variabele. Dit noemen wij Suppressie (onderdrukking).
Het verband tussen de interventie (x) en woordenschat (y) wordt onderdrukt doordat
kinderen in de interventiegroep voorafgaand aan de interventie een lagere woordenschat
hadden. De pretest noem je in dit voorbeeld een suppressor.
Multivariate relaties: Simpson’s paradox (richting draait om)
Soms is het verband tussen x en y zelfs omgekeerd nadat we controleren voor een derde
variabele. Dit noemen wij Simpson’s paradox.
- Gemiddeld genomen: negatief verband → ervaren typisten typen sneller en maken
minder fouten.
- Op individueel niveau: positief verband → hoe sneller te typt, hoe meer fouten je
maakt.
Multivariate relaties: kettingrelatie (er zit 1 variabele tussen, na x2 verdwijnt het verband)
Een andere reden waardoor het verband tussen x1 en y soms verdwijnt na controle voor x2
is een kettingrelatie (mediatie):
- x1 heeft een indirect effect op y, via mediator 2
in andere termen:
- x1 veroorzaakt x2
- x2 veroorzaakt y
Vaak onderwerp in interventiestudies:
→ belangrijk om de ‘mechanismen van verandering’ van je interventie te identificeren
Voorbeeld:
Het verband tussen onderwijs x1 en
levensverwachting y, verdwijnt of verzwakt
als inkomen x2 wordt meegenomen als
mediator.
