Onderzoekspracticum B
College 8 sampling= steekproef
Van steekproef naar populatie
1. Wat willen we met ons onderzoek?
Vaak doe je met een onderzoek een onderzoek met een random aselecte steekproef. Meestal willen
we verder denken dan deze steekproef en de resultaten generaliseren naar de populatie (alle ouders
van NL bijvoorbeeld. Het doel is dus: iets zeggen over de populatie.
Statistische inferentie = van steekproef generaliseren naar populatie
In de ideale situatie is de steekproef exact hetzelfde als de populatie (zodat je kunt generaliseren).
Op basis van gemiddelde van steekproef ga je schatting doen over populatie. Hierbij heb je statistiek
nodig. In de realiteit is het vaak niet zo dat je d.m.v. 1 steekproef kan generaliseren naar de
populatie, hiervoor heb je meerdere steekproeven nodig. Het kan namelijk zijn dat bijvoorbeeld in 1
steekproef veel gelovige zitten, dit is niet representatief aan de populatie. Je wilt niet zo’n structurele
afwijking hebben
Representativiteit van data: wat is je doelpopulatie, over welke groep wil ik wat zeggen (alle
kinderen, van 0 tot 18 of alleen kleuters etc.).
Oorzaken van bias:
- Undercoverage – onderdekking
Bijvoorbeeld je wilt de mening van studenten weten en gaat langs bij eerste jaars die bij een
studentenvereniging zitten. Je ziet dan de mensen over het hoofd die niet bij een vereniging
zitten (het zou kunnen dat die ergens anders over denken). Dit gebeurde vroeger met
werving van mensen met een telefoonboek, nu is dit meestal het geval met facebook.
- Non respons
Degene die niet reageren in onderzoek omdat ze misschien niet echt een mening hebben
hierover of het niet interesseert. De mensen die wel reageren hebben hier waarschijnlijk
belang bij of zijn in ieder geval geïnteresseerd. Dit kan je onderzoek beïnvloeden.
Reden voor non-respons is dus belangrijk.
- Sampling methode
Methode voor het selecteren van subjecten uit de populatie.
Welke methode pas je toe, welke voor en nadelen heeft die methode, zie hierna.
Sampling
= het selecteren van subjecten uit de populatie (hoeven geen mensen te zijn, kunnen ook scholen zijn
• Sample/steekproef
Het deel van de populatie dat we werkelijk onderzoeken
• Sampling frame/steekproefkader:
Lijst van de populatie waaruit je de steekproef trekt
• Sampling design/steekproefmethode:
De methode die we gebruiken om tot een steekproef te komen
,Gemiddelde: 3.2
Dit is gemiddelde van het stemmen met collegezaal op de vraag of deeltentamen A moeilijk was. 1
was stronly disagree. Gemiddelde hiervan trekken kan niet echt, want categorische variabele.
Soorten samples:
• Non-probability samples
De kans dat een subject uit de populatie in de steekproef komt is niet bekend, je kiest op
beschikbaarheid & geschiktheid. Herhaling vaak belangrijk van het onderzoek.
Nadeel: Bias insluipen, soms lastig te bepalen waar die inzit
Soorten non-probability:
- Voluntary respons sample M&M&G
o Steekproef die tot stand komtdoor de vrijwillige keuze van individuen om mee te
doen
o Nadeel: afhankelijkheid van respons (kwetsbaar)
o Nadeel: Mensen met extreme meningen reageren, de andere blijven stil, terwijl dit
een belangrijke groep is.
o Nadeel: sociale wenselijkheid, je gaat op je woorden letten
o Nadeel (met open reactie): Het kan zijn dat er actie/reactie komt
- Convience sample
Gelegenheidssteekproef van respondenten die (toevallig) gemakkelijk beschikbaar zijn,
bijvoorbeeld op het station
o Nadeel: geen goede representatieve steekproef, want er is een reden dat mensen
vooraan zitten in het college & degene die op het station staan gaan waarschijnlijk
naar werk (je mist een belangrijke groep).
- Quota sampling
Convenience sample waarbij a priori vastgesteld wordt hoeveel respondenten met een
bepaald attribuut nodig zijn, bijvoorbeeld ik wil 8 studenten boven de 20 jaar en 4 studenten
onder de 20 jaar.
o Nadeel: wederom geen goede representatieve steekproef, want het zijn weer
respondenten die gemakkelijk beschikbaar zijn
- Purposive sampling
Doelgerichte steekproef: een onderzoeker kiest zijn respondenten uit op basis van zijn/haar
eigen oordeel. Die persoon heeft een aantal kenmerken die onderzoek nuttig maken.
Drugsgebruik onder jongeren: iemand spreken die drugs heeft ervaren/ die het nu gebruikt.
Als je iets wil weten over de studie, ga je doelgericht opzoek naar de studie.
• Probability samples
De kans dat een subject uit de populatie in de steekproef terecht komt is wel bekend
- Simple random sample (SRS) = aselecte steekproef
Even grote kans om in de sample te komen, net als de combinatie van groepen. Dus
bijvoorbeeld evengrote kans om met buurman in de steekproef te komen als met
achterbuurman (aselect). Dit kan je doen door nummers te trekken op een site bijvoorbeeld.
, - Stratified random sample
Hierbij trek je een aselecte steekproef uit een vooraf vastgestelde groep (dus bijvoorbeeld
studenten die bij hun ouders wonen/uit huis zijn. Binnen de groep (strata) hebben de
studenten evenveel kans om in de steekproef te komen. Het verschil met quota is dat je bij
quota de kans niet weet en bij stratified random sample wel. Quota is vaak ook goedkoper,
omdat je geen gehele steekproef nodig hebt.
- Clustersample
Hierbij hoef je niet iedereen te pakken, je maakt namelijk
clusters. Binnen deze clusters ga je ervan uit dat hier
dezelfde variatie is. Dit is het verschil met gestratificeerd
random sample. In collegezaal: random rood, geel en groen
uitdelen. ‘Ik pak cluster rood en geel en ga hier aselect
studenten uit kiezen (multi stage sampling, dit kan).
Binnen het cluster dus heterogeen. Ander voorbeeld:
aantal scholen kiezen en hiervan een steekproef nemen.
LET OP: proportionele sampling, de groep van studenten die bij
ouders woont is groter dan groep die uit huis is, grotere groep
trekken uit studenten die bij ouders wonen, dan is de balans weer
terug ofzo?
Voordeel propability sample:
Een sample zal nooit precies hetzelfde zijn als de populatie, maar het maakt het wel mogelijk om een
indicatie te geven. Bijvoorbeeld mijn samples zijn 40/40,8/41,2. Dan zal mijn populatie wel ongeveer
40,2 zijn.
De foutenmarge die je krijg is afhankelijk van:
- Steekproefgrootte
Hoe groter de steekproef, hoe kleiner de foutenmarge (hoe meer zekerheid om naar de
populatie te generaliseren)
- Variantie van de data (spreiding)
Hoe kleiner de variantie, hoe kleiner de foutenmarge & andersom
Nadeel propability sample:
- Tijdrovend
- Onhaalbaar
- Ook meestal niet vrij van sampling error (variatie van steekproeven, je hoopt dat afwijking
niet structureel is).
- Soms niet nodig, hangt af van doel van onderzoek
De kern:
1. Wat is je doel van het onderzoek en past de getrokken steekproef erbij?
Is je doel: generaliseren naar populatie of alleen het beschrijven van een groep?
2. Is er mogelijk bias door uitval en valt die reden van uitval samen met onderzoek → probleem
3. Passen de conclusies bij de opzet?
Bijvoorbeeld: We hebben gevonden dat sensitiviteit van de moeder zorgt voor agressiviteit
, bij kinderen. Dit gaat over kinderen die al agressiviteit vertoonden. Dan mag je het niet
generaliseren naar populatie, maar mag je alleen concluderen binnen de steekproef.
4. Realistisch zijn
9/10 keer kan je niks zeggen over populatie en is dit ook niet erg
(sub populatie pakken is ook oké).
College 8 sampling= steekproef
Van steekproef naar populatie
1. Wat willen we met ons onderzoek?
Vaak doe je met een onderzoek een onderzoek met een random aselecte steekproef. Meestal willen
we verder denken dan deze steekproef en de resultaten generaliseren naar de populatie (alle ouders
van NL bijvoorbeeld. Het doel is dus: iets zeggen over de populatie.
Statistische inferentie = van steekproef generaliseren naar populatie
In de ideale situatie is de steekproef exact hetzelfde als de populatie (zodat je kunt generaliseren).
Op basis van gemiddelde van steekproef ga je schatting doen over populatie. Hierbij heb je statistiek
nodig. In de realiteit is het vaak niet zo dat je d.m.v. 1 steekproef kan generaliseren naar de
populatie, hiervoor heb je meerdere steekproeven nodig. Het kan namelijk zijn dat bijvoorbeeld in 1
steekproef veel gelovige zitten, dit is niet representatief aan de populatie. Je wilt niet zo’n structurele
afwijking hebben
Representativiteit van data: wat is je doelpopulatie, over welke groep wil ik wat zeggen (alle
kinderen, van 0 tot 18 of alleen kleuters etc.).
Oorzaken van bias:
- Undercoverage – onderdekking
Bijvoorbeeld je wilt de mening van studenten weten en gaat langs bij eerste jaars die bij een
studentenvereniging zitten. Je ziet dan de mensen over het hoofd die niet bij een vereniging
zitten (het zou kunnen dat die ergens anders over denken). Dit gebeurde vroeger met
werving van mensen met een telefoonboek, nu is dit meestal het geval met facebook.
- Non respons
Degene die niet reageren in onderzoek omdat ze misschien niet echt een mening hebben
hierover of het niet interesseert. De mensen die wel reageren hebben hier waarschijnlijk
belang bij of zijn in ieder geval geïnteresseerd. Dit kan je onderzoek beïnvloeden.
Reden voor non-respons is dus belangrijk.
- Sampling methode
Methode voor het selecteren van subjecten uit de populatie.
Welke methode pas je toe, welke voor en nadelen heeft die methode, zie hierna.
Sampling
= het selecteren van subjecten uit de populatie (hoeven geen mensen te zijn, kunnen ook scholen zijn
• Sample/steekproef
Het deel van de populatie dat we werkelijk onderzoeken
• Sampling frame/steekproefkader:
Lijst van de populatie waaruit je de steekproef trekt
• Sampling design/steekproefmethode:
De methode die we gebruiken om tot een steekproef te komen
,Gemiddelde: 3.2
Dit is gemiddelde van het stemmen met collegezaal op de vraag of deeltentamen A moeilijk was. 1
was stronly disagree. Gemiddelde hiervan trekken kan niet echt, want categorische variabele.
Soorten samples:
• Non-probability samples
De kans dat een subject uit de populatie in de steekproef komt is niet bekend, je kiest op
beschikbaarheid & geschiktheid. Herhaling vaak belangrijk van het onderzoek.
Nadeel: Bias insluipen, soms lastig te bepalen waar die inzit
Soorten non-probability:
- Voluntary respons sample M&M&G
o Steekproef die tot stand komtdoor de vrijwillige keuze van individuen om mee te
doen
o Nadeel: afhankelijkheid van respons (kwetsbaar)
o Nadeel: Mensen met extreme meningen reageren, de andere blijven stil, terwijl dit
een belangrijke groep is.
o Nadeel: sociale wenselijkheid, je gaat op je woorden letten
o Nadeel (met open reactie): Het kan zijn dat er actie/reactie komt
- Convience sample
Gelegenheidssteekproef van respondenten die (toevallig) gemakkelijk beschikbaar zijn,
bijvoorbeeld op het station
o Nadeel: geen goede representatieve steekproef, want er is een reden dat mensen
vooraan zitten in het college & degene die op het station staan gaan waarschijnlijk
naar werk (je mist een belangrijke groep).
- Quota sampling
Convenience sample waarbij a priori vastgesteld wordt hoeveel respondenten met een
bepaald attribuut nodig zijn, bijvoorbeeld ik wil 8 studenten boven de 20 jaar en 4 studenten
onder de 20 jaar.
o Nadeel: wederom geen goede representatieve steekproef, want het zijn weer
respondenten die gemakkelijk beschikbaar zijn
- Purposive sampling
Doelgerichte steekproef: een onderzoeker kiest zijn respondenten uit op basis van zijn/haar
eigen oordeel. Die persoon heeft een aantal kenmerken die onderzoek nuttig maken.
Drugsgebruik onder jongeren: iemand spreken die drugs heeft ervaren/ die het nu gebruikt.
Als je iets wil weten over de studie, ga je doelgericht opzoek naar de studie.
• Probability samples
De kans dat een subject uit de populatie in de steekproef terecht komt is wel bekend
- Simple random sample (SRS) = aselecte steekproef
Even grote kans om in de sample te komen, net als de combinatie van groepen. Dus
bijvoorbeeld evengrote kans om met buurman in de steekproef te komen als met
achterbuurman (aselect). Dit kan je doen door nummers te trekken op een site bijvoorbeeld.
, - Stratified random sample
Hierbij trek je een aselecte steekproef uit een vooraf vastgestelde groep (dus bijvoorbeeld
studenten die bij hun ouders wonen/uit huis zijn. Binnen de groep (strata) hebben de
studenten evenveel kans om in de steekproef te komen. Het verschil met quota is dat je bij
quota de kans niet weet en bij stratified random sample wel. Quota is vaak ook goedkoper,
omdat je geen gehele steekproef nodig hebt.
- Clustersample
Hierbij hoef je niet iedereen te pakken, je maakt namelijk
clusters. Binnen deze clusters ga je ervan uit dat hier
dezelfde variatie is. Dit is het verschil met gestratificeerd
random sample. In collegezaal: random rood, geel en groen
uitdelen. ‘Ik pak cluster rood en geel en ga hier aselect
studenten uit kiezen (multi stage sampling, dit kan).
Binnen het cluster dus heterogeen. Ander voorbeeld:
aantal scholen kiezen en hiervan een steekproef nemen.
LET OP: proportionele sampling, de groep van studenten die bij
ouders woont is groter dan groep die uit huis is, grotere groep
trekken uit studenten die bij ouders wonen, dan is de balans weer
terug ofzo?
Voordeel propability sample:
Een sample zal nooit precies hetzelfde zijn als de populatie, maar het maakt het wel mogelijk om een
indicatie te geven. Bijvoorbeeld mijn samples zijn 40/40,8/41,2. Dan zal mijn populatie wel ongeveer
40,2 zijn.
De foutenmarge die je krijg is afhankelijk van:
- Steekproefgrootte
Hoe groter de steekproef, hoe kleiner de foutenmarge (hoe meer zekerheid om naar de
populatie te generaliseren)
- Variantie van de data (spreiding)
Hoe kleiner de variantie, hoe kleiner de foutenmarge & andersom
Nadeel propability sample:
- Tijdrovend
- Onhaalbaar
- Ook meestal niet vrij van sampling error (variatie van steekproeven, je hoopt dat afwijking
niet structureel is).
- Soms niet nodig, hangt af van doel van onderzoek
De kern:
1. Wat is je doel van het onderzoek en past de getrokken steekproef erbij?
Is je doel: generaliseren naar populatie of alleen het beschrijven van een groep?
2. Is er mogelijk bias door uitval en valt die reden van uitval samen met onderzoek → probleem
3. Passen de conclusies bij de opzet?
Bijvoorbeeld: We hebben gevonden dat sensitiviteit van de moeder zorgt voor agressiviteit
, bij kinderen. Dit gaat over kinderen die al agressiviteit vertoonden. Dan mag je het niet
generaliseren naar populatie, maar mag je alleen concluderen binnen de steekproef.
4. Realistisch zijn
9/10 keer kan je niks zeggen over populatie en is dit ook niet erg
(sub populatie pakken is ook oké).
