Bivariate en multivariate statistiek – OLP
1 Hoofdstuk 1 – De keuze van de meest gepaste analysetechniek
Bivariaat / multivariaat > analyses met 2 of meer variabelen
Onderzoeksproblemen met 2 of meer variabelen waartussen een verband gezocht wordt
Voorspellingsprobleem OF ontwerpprobleem: interesse in hoe een fenomeen veranderd kan
worden
1.1 Identificeren van variabelen en hun meetniveau
Kiezen van de juiste analysetechniek bij een OV
Variabelen uit OV halen
Meetniveau variabelen bepalen
Afhankelijk van meetniveau > variabelen anders tekenen > belangrijk bij keuze van analysetechniek
MEETNIVEAU STEMT OVEREEN MET OF MET TEKENING
Nominaal kwal variabelen met 2
- Geen totale orde categorieën (vb. J/M)
- Geen meeteenheid
- Geen absoluut nulpunt
KWALITATIEF CATEGORISCH /
Ordinaal FACTOR Kwalitatieve variabele
- Wel totale orde met meer dan 2 cat
- Geen meeteenheid
- Geen absoluut nulpunt
Interval
- Wel totale orde
- Wel meeteenheid
- Geen absoluut nulpunt KWANTITATIEF PARAMETRISCH /
NUMERIEK / CONTINU
Ratio
- Wel totale orde
- Wel meeteenheid
- Wel absoluut nulpunt
OV geeft niet altijd eenduidig het meetniveau weer
Vb. welbevinden (KWAL: Goed, niet goed – KWAN: veel vragen waar het gemiddelde van is
genomen > schaalscore)
> Vaak optie 2!
1.2 Verbanden tussen variabelen
NIET-CAUSAAL VERBAND
Interesse in welke mate 2 variabelen samenhangen (plaats variabelen maakt niet uit)
Vb. hangt het gewicht van mensen samen met hun lengte?
gewicht lengte
CAUSAAL VERBAND
Spreken in termen van oorzaak-gevolg
Vb. Heeft het aantal uren dat een student studeert voor een examen invloed op de score?
X Y
Uren Score
studeren
Oorzaak = onafhankelijke variabele (X = voorspeller) – gevolg = afhankelijke variabele (Y)
, OOK
Interesse in hoe meerdere voorspellers de afhankelijke variabele beïnvloeden
Vb. In welke mate voorspellen het IQ en het aantal uren dat een leerling studeerde de scores
op een wiskundetoets?
Uren
studere
n
toetsscore
IQ
Naast eenvoudige causale verbanden, ook meer complexe relaties tussen onafhankelijke
variabelen mogelijk
1. Controle variabelen
2. Interactievariabelen
3. Tussenliggende variabelen
1.3 Oneigenlijke verbanden
Wanneer een verband vastgesteld wordt dat er eigenlijk niet is, omdat een bepaalde variabele
niet in rekening werd genomen > nood aan controlevariabele
1.3.1 Controlevariabele
CONTROLEVARIABELEN
Soms ben je op zoek naar het effect van 1 variabele op een afhankelijke variabele MAAR uit onderzoek
blijkt duidelijk dat ook een andere variabele van tel is …
Oneigenlijke verbanden (en foute conclusies) uitsluiten door variabelen toch mee te nemen ter
controle = CONTROLEVARIABELEN
Vb. felle brand > meer brandweerlieden en meer schade
Detecteren in OV a.d.h.v. TEKENING
1. Ongeacht Z
2. Controlerend door Z
3. Na rekening te houden met Z
4. …
1.3.2 Interactie-effect
INTERACTIE-EFFECT
Interesse in het effect van 2 variabelen tezamen (X en Z) op een afhankelijke variabele (Y)
Vb. Heeft het aantal uren studeren een gelijkwaardig effect op de toetsscore voor zowel
‘slimmere’ als ‘dommere’ leerlingen?
= INTERACTIE-EFFECT
Detecteren in OV a.d.h.v. TEKENING
Is het effect van X op Y …
1. Afhankelijk van Z
2. Hetzelfde/identiek/… als voor …
3. Verschillend voor … als voor …
,1.3.3 Onrechtstreekse (indirecte) verbanden
INDIRECTE VERBANDEN
Heeft Heeft
invloed invloed
Variabele X op Variabele Z op Variabele Y
Tussenliggende
of intermediaire
variabele
1.4 Welke analysetechniek bij welke visualisatie?
OV tekenen > nagaan welke analysetechniek het meest gepast is
Analysetechniek terugvinden
Geen causaal verband
Tabel 1.3
Tabel 1.3
Tabel 1.3
Samenhang tussen variabelen nagaan (geen uitspraken over causaliteit)
Nagaan welk meetniveau variabelen hebben
> 1e variabele = KWAL > bovenste rij
> 1e variabele = KWANT > onderste rij
> Meetniveau van de 2e variabele > kolommen
WEL CAUSALE UITSPRAKEN
Bivariate analyse Multivariate analyse
, OOK NOG DIT …
Mogelijks ‘onrechtstreekse verbanden via tussenliggende variabelen’ > padmodellen
Zie indirecte verbanden
OV met meerdere afhankelijke variabelen
Vb. Heeft klasklimaat een invloed op leerlingenprestaties voor wiskunde en op het welbevinden
van leerlingen?
1 Hoofdstuk 1 – De keuze van de meest gepaste analysetechniek
Bivariaat / multivariaat > analyses met 2 of meer variabelen
Onderzoeksproblemen met 2 of meer variabelen waartussen een verband gezocht wordt
Voorspellingsprobleem OF ontwerpprobleem: interesse in hoe een fenomeen veranderd kan
worden
1.1 Identificeren van variabelen en hun meetniveau
Kiezen van de juiste analysetechniek bij een OV
Variabelen uit OV halen
Meetniveau variabelen bepalen
Afhankelijk van meetniveau > variabelen anders tekenen > belangrijk bij keuze van analysetechniek
MEETNIVEAU STEMT OVEREEN MET OF MET TEKENING
Nominaal kwal variabelen met 2
- Geen totale orde categorieën (vb. J/M)
- Geen meeteenheid
- Geen absoluut nulpunt
KWALITATIEF CATEGORISCH /
Ordinaal FACTOR Kwalitatieve variabele
- Wel totale orde met meer dan 2 cat
- Geen meeteenheid
- Geen absoluut nulpunt
Interval
- Wel totale orde
- Wel meeteenheid
- Geen absoluut nulpunt KWANTITATIEF PARAMETRISCH /
NUMERIEK / CONTINU
Ratio
- Wel totale orde
- Wel meeteenheid
- Wel absoluut nulpunt
OV geeft niet altijd eenduidig het meetniveau weer
Vb. welbevinden (KWAL: Goed, niet goed – KWAN: veel vragen waar het gemiddelde van is
genomen > schaalscore)
> Vaak optie 2!
1.2 Verbanden tussen variabelen
NIET-CAUSAAL VERBAND
Interesse in welke mate 2 variabelen samenhangen (plaats variabelen maakt niet uit)
Vb. hangt het gewicht van mensen samen met hun lengte?
gewicht lengte
CAUSAAL VERBAND
Spreken in termen van oorzaak-gevolg
Vb. Heeft het aantal uren dat een student studeert voor een examen invloed op de score?
X Y
Uren Score
studeren
Oorzaak = onafhankelijke variabele (X = voorspeller) – gevolg = afhankelijke variabele (Y)
, OOK
Interesse in hoe meerdere voorspellers de afhankelijke variabele beïnvloeden
Vb. In welke mate voorspellen het IQ en het aantal uren dat een leerling studeerde de scores
op een wiskundetoets?
Uren
studere
n
toetsscore
IQ
Naast eenvoudige causale verbanden, ook meer complexe relaties tussen onafhankelijke
variabelen mogelijk
1. Controle variabelen
2. Interactievariabelen
3. Tussenliggende variabelen
1.3 Oneigenlijke verbanden
Wanneer een verband vastgesteld wordt dat er eigenlijk niet is, omdat een bepaalde variabele
niet in rekening werd genomen > nood aan controlevariabele
1.3.1 Controlevariabele
CONTROLEVARIABELEN
Soms ben je op zoek naar het effect van 1 variabele op een afhankelijke variabele MAAR uit onderzoek
blijkt duidelijk dat ook een andere variabele van tel is …
Oneigenlijke verbanden (en foute conclusies) uitsluiten door variabelen toch mee te nemen ter
controle = CONTROLEVARIABELEN
Vb. felle brand > meer brandweerlieden en meer schade
Detecteren in OV a.d.h.v. TEKENING
1. Ongeacht Z
2. Controlerend door Z
3. Na rekening te houden met Z
4. …
1.3.2 Interactie-effect
INTERACTIE-EFFECT
Interesse in het effect van 2 variabelen tezamen (X en Z) op een afhankelijke variabele (Y)
Vb. Heeft het aantal uren studeren een gelijkwaardig effect op de toetsscore voor zowel
‘slimmere’ als ‘dommere’ leerlingen?
= INTERACTIE-EFFECT
Detecteren in OV a.d.h.v. TEKENING
Is het effect van X op Y …
1. Afhankelijk van Z
2. Hetzelfde/identiek/… als voor …
3. Verschillend voor … als voor …
,1.3.3 Onrechtstreekse (indirecte) verbanden
INDIRECTE VERBANDEN
Heeft Heeft
invloed invloed
Variabele X op Variabele Z op Variabele Y
Tussenliggende
of intermediaire
variabele
1.4 Welke analysetechniek bij welke visualisatie?
OV tekenen > nagaan welke analysetechniek het meest gepast is
Analysetechniek terugvinden
Geen causaal verband
Tabel 1.3
Tabel 1.3
Tabel 1.3
Samenhang tussen variabelen nagaan (geen uitspraken over causaliteit)
Nagaan welk meetniveau variabelen hebben
> 1e variabele = KWAL > bovenste rij
> 1e variabele = KWANT > onderste rij
> Meetniveau van de 2e variabele > kolommen
WEL CAUSALE UITSPRAKEN
Bivariate analyse Multivariate analyse
, OOK NOG DIT …
Mogelijks ‘onrechtstreekse verbanden via tussenliggende variabelen’ > padmodellen
Zie indirecte verbanden
OV met meerdere afhankelijke variabelen
Vb. Heeft klasklimaat een invloed op leerlingenprestaties voor wiskunde en op het welbevinden
van leerlingen?
