Samenvatting ARIA 2023

SAMENVATTING – ARIA (Academic Research In Accountancy)
Belangrijkste begrippen van het vak betreffen:

 Interne validiteit (Interal validity)
o Definitie: “The extent of which inferences about observed covariation between A
(independent concept) and B (dependent concept) reflect a causal relationship from A
to B.”
 Nederlandse duiding: “De mate van zekerheid dat geobserveerde effecten in
de afhankelijke variabele worden verklaard door de onafhankelijke variabelen
(oorzaak-gevolg relatie)”
o Welke onderwerpen moet je hier behandelen?
 Use of theory (gebruikte theorie ter onderbouwing van het CM)
 Sprake van drie soorten onderzoek, namelijk:
o Modellen die nog niet zijn getoetst
o Modellen die nog verder worden verfijnd/verbeterd
o Exploratief ingeschoten (aandacht voor: Logische Redenatie)
 Aanwijzingen voor beoordeling:
o Is er sprake van een duidelijke gegrond raamwerk?
Gevestigde theorie?
 Sprake van Causaliteit
 Moet altijd sprake zijn van causaal verband (oorzaak-gevolg)
 Correlation is anders: zie toe op samenhang tussen verschillende
concepten/variabelen
 Sprake van Wederkerigheid (wordt ook wel RECIPROCITEIT genoemd)
 Moet uni-directioneel zijn (dus niet omgekeerd geldig) > Causaliteit
wordt dan DIFUUS
 Mogelijke alternatieve verklaring (correlated omitted variables)
 Correlated omitted variables  Correlerende variabelen welke niet in
het model zijn meegenomen; wat dus confounding en/of endogene
factoren kunnen zijn
 Randomiseren zorgt ervoor dat in theorie er geen confounding of
endogene factoren kunnen zijn  Pluspunt voor interne validiteit
 Verstorende factoren (confounding factors)
 INTERACTION / MEDIATION effecten moet hier worden benoemd
 Kent ook een link met de CONTROL variabelen
 Het weghalen van de confounding factors zorgt ervoor dat je een
zuiverdere relatie krijgt tussen de afhankelijke en onafhankelijke
variabelen gezien het verstorende karakter
 Er kunnen ook CONFOUNDING EVENTS zijn  Dit zijn gebeurtenissen
die van invloed kunnen zijn op zowel de afhankelijke als
onafhankelijke variabel. Ze verstoren de relatie tussen de afhankelijke
en onafhankelijke variabelen en zouden de relatie zuiverder maken
als ze niet worden meegenomen.




1

, Construct valditeit (Construct validity)
o Definitie: “The extent to which the operationalization of units, treatments,
observations and settings captures the higher order constructs (match between
conceptual level and operational level)”
 Nederlandse duiding: “De mate waarin de geoperationaliseerde variabelen
werkelijk de bovenliggende concepten meten”
o Onderwerpen belangrijk om te behandelen:
 Beoordeling van de UTOS (Units, Treatments, Observations en Setting)
 Units of Analysis > Wat zijn de individuele (afzonderlijke)
onderzoeksobjecten (zoals: deelnemers, groepen, kantoren,
jaarrekeningen e.d.)
o In hoeverre is het logisch dat deze units worden bekeken?
 Treatments > Manipulatie van de data
o Definitie: “Intentionele manipulation by the researchers to
cause the differences between behaviour (effect) between
units”
o Voorbeelden zoals experimenteel onderzoek
o Pseudo-treatment / Quari-treatment  Onderscheid in
groepen, landen of perioden (Voor … of Na …)
o Beoordeling van WERKING treatment van belang, dit kan
bijvoorbeeld gedaan worden door:
 Pilot testing  Vooraf testen met een andere groep
en hierop onderzoek mogelijk aanpassen
 Expert panel  Externe beoordeling
 Manipulatie check  Check of de manipulatie heeft
gewerkt
 Observations > Hoe wordt het gemeten?
o Link met operationaliseren van de variabelen
 Deze wordt vaak geduid als PROXY, wat afgeleide
voorspeller van de variabele is
o Hoe zijn de variabelen gemeten (operationaliseren) -> Is dit
gebaseerd op eerder onderzoek? Eerder gedaan?
o Als variabelen onjuist gemeten worden heeft dit directe
impact op de conclusies die je verbindt o.b.v. statistiek
o Zijn er factoren die de construct validiteit verhogen/verlagen
 Bv. Aanvullende analyses of Objectieve operationalisering
 Setting > Betreft de context en omstandigheden waarin waarneming
worden gedaan (bv. periode, branche, land, bedrijf, niveau)
o Link: Externe validiteit (soms positief voor construct, maar
negatief voor extern)
 Daarnaast moet er ook gekeken worden naar:
 Source of data
 Selection of participants
o Selection BIAS  Is een probleem voor de interne validiteit
 Objectivity of the data
 Representativity of the data


2

,  Statistische conclusie validiteit (Statistical conclusion validity)
o Definitie: “The appropriate use of statistics to test the hypotheses.”
 Nederlandse duiding: “De mate waarin statistische analyse kwalitatief goed is
uitgevoerd”
o Belangrijke onderwerpen te behandelen voor beoordeling:
 Omvang populatie  Centrale Limietstelling (N>30) en minimaal 10
observaties per variabel (rechts van formule)
 Juiste statistische testen uitgevoerd
 Significantie / verklarende kracht van modellen
 Voorwaarden voldaan voor statistische toets? (voor regressie)
 Normaliteit  gemiddelde/mediaan dicht bij elkaar (= indicatie)
 Lineairiteit  Eindeloos blijven stijgen/dalen; bij iedere
toename/afname van de onafhankelijke variabel heb je een gelijk
toename/afname van de afhankelijke variabel (checken d.m.v.
scatterplot bv.)
 Autocorrelatie  De samenhang tussen verschillende observaties
over verschillende jaren (van bijvoorbeeld dezelfde bedrijven). GEEN
issue bij: één jaar / één vragenlijst; WEL bij meerdere jaren
 Multicollinariteit  Is de correlatie tussen onafhankelijke variabelen
(verklarende variabelen), als dat sterk is (Vuistregels: VIF / Correlatie)
 Heteroskedasticiteit  Spreiding rondom de regressielijn; hiervoor
moet je corrigeren om zo homoscedasticiteit te waarborgen
 Endogeniteit  Als de afhankelijke variabelen afhangt van een
andere variabel opgenomen in het model. Voor regressie wil je
exogeniteit hebben
 Voorwaarden voldaan voor statistische toets (voor ANOVA)
 Is er sprake van NORMALITEIT?
 Is er géén sprake van MULTICOLLINEAIRITEIT?
 Is de F-statistiek significant?
 Zijn er voldoende observaties? (totaalniveau minimaal 30; op
groeps/variabelniveau minimaal 10 per stuk)
 Is er gevist naar significante resultaten?
 Aanvullende analyses verricht (Robuustheid / Gevoeligheidsanalyses)
o Aanwijzingen voor beoordeling:
 Significante van model als totaal benoemd?
 R2 of Adjusted R2 genoemd?
 Significantie level van 10% gehanteerd?  Dit is marginaal significant
waardoor de uitkomsten van de statistische analyses minder betrouwbaar zijn

NB. Beoordelen van een statistische tabel:
 Stap 1. Zijn de uitkomsten (van het model) SIGN (tenminste 95%; P=0,05)?
 Stap 2. In hoeverre kent het model een hoge verklarende kracht (in relatie tot vuistregel 0,20)
 Stap 3. In hoeverre AFHANKELIJKE en ONAFHANKELIJKE variabel SIGN?
 Stap 4. In hoeverre zijn de CONTROL variabelen SIGN?




3