Samenvatting Statistiek I voor de sociale wetenschappen 24-25: lessen + extra notities werkcolleges + mogelijke examenvragen (14/20)

STATISTIEK I




Ella Van Dyck
VERKORTE BACHELOR CRIMINOLOGISCHE WETENSCHAPPEN VUB

,Inhoud
H1: Inleiding........................................................................................................... 2
1.1 Wat is statistiek?........................................................................................... 2
1.2 Soorten statistiek.......................................................................................... 3
1.3 Boring?.......................................................................................................... 4
1.4 Misleidende statistiek.................................................................................... 4
1.5 Oorsprong van statistiek (ZIE dia 75 e.v.).....................................................5
1.6 Onderzoek en statistiek: voorbeelden...........................................................5
H2: Variabalen verkennen en visualiseren: Meten, frequentieverdelingen en
grafieken................................................................................................................ 6
2.1 Inleiding......................................................................................................... 6
2.2 Terminologie en kernbegrippen....................................................................6
2.3 Variabelen en meetniveaus...........................................................................9
2.4 Frequentieverdelingen en grafische voorstellingen.....................................13
2.5 Let’s try ZIE DIA 118-119............................................................................ 19
2.6 Datavisualisatie........................................................................................... 20
H3: Univariate statistische maten........................................................................21
Inleiding............................................................................................................. 21
3.1 Soorten statistische maten..........................................................................21
3.1.2 Statistische maten van spreiding.............................................................27
H4: Verbanden tussen categorische variabelen...................................................43
4.1 Inleiding....................................................................................................... 43
4.2 Samenhang tussen twee categorische variabelen......................................46
H5: Verbanden tussen metrische variabelen........................................................61
5.1 Samenhang tussen twee metrische variabelen...........................................61
5.2 Regressieanalyse........................................................................................ 69
H6: Tijdsreeksen................................................................................................... 76
6.2. Groei en groeivoeten.................................................................................. 77
6.3. Lineaire trend............................................................................................. 78




1

,H1: INLEIDING

1.1 WAT IS STATISTIEK?

 De oorsprong van statistiek was heel beperkt, werd oorspronkelijk
gebruikt om staatsgegevens te bestuderen
 Nu is de statistiek een breder begrip, statistiek is een vorm van
gegevensverzameling en de analyse en interpretatie hiervan
 Statistics is the art and science of learning from data
 Statistiek zorgt ervoor dat we gegevens kunnen vertalen in kennis
en inzicht
 DUS statistiek = analyseren, interpreteren en visualiseren van
gegevens
 Statistiek als wetenschappelijke discipline
 Kennismethode om de wereld beter te kennen en begrijpen
 Empirisch onderzoek:
 verdelingen van variabelen opstellen, onderzoeken en vergelijken
 kijken naar gegevens en deze weergeven om beter te begrijpen
 hoe kunnen we dit samenvatten in zo weinig mogelijk getallen?
 Hoe kunnen we dit weergeven in een grafiek

1.1.1 Waarom statistiek?

 Statistieken zijn nodig om beweringen te kunnen staven
 Beweringen op zich zijn niet voldoende
 Er is een nood aan empirie: nood aan data en gegevens
 Check!
VB: presidential debate Trump vs Biden
The claim komt niet overeen met de statistieken (de feiten)
 Dataverzameling volgens de regels van de kunst =
onderzoeksmethoden
 Data analyseren volgens de regels van de kunst = statistiek
 Quantitatieve analyse
 Als we dus een empirisch onderzoek willen doen om een antwoord te
bieden op een vraagstelling zullen we data moeten verzamelen en
analyseren

Fasen in sociaalwetenschappelijk onderzoek: KENNEN!

 Onderzoekscyclus van Swanborn:
1. Probleemstelling
 Je moet de problemen kunnen vaststellen en
analyseren, probleemanalyse maken
 Vergt substantiële en inhoudelijke kennis van het
vakgebied

2

, 2. Je moet een onderzoeksontwerp kiezen
 Afhankelijk van welk probleem je hebt, ga je een
onderzoeksontwerp moeten kiezen
 Welk soort onderzoek ga je uitvoeren?
Onderzoek in functie van de probleem- en vraagstelling
 Sterkte en zwakte van verschillende manieren van data
verzamelen
 Secundaire data, kwantitatieve of kwalitatieve data
VB: X, X, bevraging ahv interview

3. Dataverzameling: enquêtes, kandidaten gaan analyseren, interview
4. Data-analyse
 Beschrijvende, indicatieve, verklarende statistiek

5. Rapportage
 Literatuur opzoeken, refereren, wetenschappelijk taalgebruik
 Terugkoppeling


1.2 SOORTEN STATISTIEK

Beschrijvende statistiek

 Beschrijvende statistiek = de wereld in cijfers beschrijven, cijfers die
hoeveelheden precies weergeven
 Een samenvatting in kengetallen
 Basis: frequentievragen
 Gebruik van grafische technieken

Indicatieve statistiek

 = Inferentiële statistiek
 Middel om met een beperkt aantal gegevens uitspraken te doen
over een breder geheel, over een volledige populatie
 Voorspellingen op basis van steekproeven (25% zekerheid maar ook
75% onzekerheid)
 Veralgemeenbaarheid van steekproefresultaten
 Extrapopulatie: uitspraken over de volledige bevolking op basis van
een toevalssteekproef uit die bevolking
VB: veiligheidsmonitor, verkiezingsonderzoek, gezondheidsenquêtes

Verklarende statistiek

 Echte statistische analyse
 Gericht op de verklaringen van verschillen en samenhang
VB: Wat is de relatie tussen opleidingsniveau & inkomen?

3

, Wat is de relatie tussen opleiding en gezondheid?
Wat is de samenhang tussen leeftijd en consumptie van
digitale media?
 Je gaat op zoek naar verklaringen achter bepaalde fenomenen
 Regressietechnieken
VB: bivariate regressie, multivariate regressie, logistische regressie,
survival analyse

1.3 BORING?

 Hans Rosling = Zweedse dokter, statisticus, professor internationale
gezondheid
 Ontwikkelaar van gapminder
 Legt de nadruk op visualisatie



1.4 MISLEIDENDE STATISTIEK

 Vaak geciteerd en oorsprong niet echt bekend
 Er wordt vaak gezegd dat statistiek misleidend is
 Cijfers zijn vaak wel overtuigend MAAR worden vaak ook misbruikt
om zwakke of foute argumenten te ondersteunen
 Als onderzoeker heb je de verplichting om met statistiek alles te
bewijzen

Hoe kan je misleiden door statistiek?

 Uitkomsten van een onderzoek kunnen gemanipuleerd worden bij:
 Het verzamelen van gegevens
 Het presenteren van de uitkomsten
 Het omschrijven van conclusies

1. Misleiding bij verzameling gegevens
 Slechte selectie van onderzoekspersonen
 Het onderzoekspubliek is niet representatief voor de bevolking die je
wil onderzoeken
 Te klein aantal onderzochte personen
 Slechte vraagstelling, geen goede onderzoeksmethode gekozen
 Slechte operationalisatie
= hoe ga je de datageletterdheid bevragen

2. Misleiding bij presenteren van de uitkomsten
 Een deel van de grafiek is verwijdert
 De schaal is gemanipuleerd
 Grafische aanpassingen

4

, 3. Misleiding bij het omschrijven van conclusies
 Zelf kritisch lezen!
 Is het cijfer wel correct, geloofwaardig?
 Hoe is het cijfer tot stand gekomen?
 Hoe moet je dat cijfer interpreteren?


1.5 OORSPRONG VAN STATISTIEK (ZIE DIA 75 E.V.)

 SDV
 Adolphe Quetelet = persoon die een groot deel heeft bijgedragen
aan de statistiek



1.6 ONDERZOEK EN STATISTIEK: VOORBEELDEN

1. Slachtofferschap
 Probleemstelling:
 Hoe schat de bevolking het risico in om slachtoffer te zijn van een
diefstal?
 Wordt het risico anders ingeschat naar achtergrondkenmerken?
 Hoeveel procent van de bevolking wordt effectief het slachtoffer
van een diefstal?
 Probleemanalyse : onderzoeksvraag
 Onderzoeksvraag duidelijk omschrijven
 Hoeveel procent van de bevolking wordt effectief slachtoffer van
een diefstal zonder dreiging met geweld?
 Verschillende definities kunnen aanleiding geven tot verschillende
resultaten
 Onderzoeksontwerp
 Dark-number probleem!!
 Niet alle slachtoffers gaan aangifte doen bij de politie
 Niet alle aangiften leiden tot een proces-verbaal
 Gevolg?
- Politionele en gerechtelijke statistiek weerspiegelen evenzeer de
werking van politie en justitie als de frequente bepaalde feittypes
- We hebben te maken met productiestatistieken die niet
noodzakelijk een goed beeld geven van wat we willen meten
 Onderzoek naar slachtofferschap moet via een rechtsreekse
bevraging
 VB: werken met een enquête

2. Dataverzameling: veiligheidsmonitor

5

,  Federale Enquête (driejaarlijks) bij personenvan 15 jaar en ouder
 Onderwerpen
 kwaliteit van politiediensten
 slachtofferschap
 Preventie
 Buurtproblemen
 Onveiligheidsgevoel
 achtergrondkenmerken (geslacht, leeftijd, opleiding, beroep,..)
 Data-analyse
 Federale Veiligheidsmonitor 2018:
 Verdeling van de steekproef naar leeftijd en geslacht,
weergegeven d.m.v. een kruistabel of tweedimensionale
frequentietabel (zie volgende hoofdstukken)

 Data-analyse & Rapportering:
 Ervaart u volgende zaken als een probleem in uw buurt?
 Delicten naar dalend ingeschat risico
 = Relatieve frequentieverdeling
 Fietsdiefstal naar leeftijd
 Fietsdiefstal naar geslacht
 = Relatieve frequentieverdeling

3. ZIE LAATSTE VOORBEELD slide 89 ev

H2: VARIABALEN VERKENNEN EN VISUALISEREN: METEN,
FREQUENTIEVERDELINGEN EN GRAFIEKEN

2.1 INLEIDING

 Sociale wetenschappen hebben als doel kennis genereren over de
sociale werkelijkheid
 Kennis op basis van sociaalwetenschappelijk onderzoek =
dataverzameling
 Deze onderzoeksresultaten wil je vaak op korte overzichtelijke
manier weergeven
VB via getallen, tabellen of grafieken
 Samenvattend beschrijven van de kenmerken van een groep
onderzoekseenheden = onderzoekspopulatie

2.2 TERMINOLOGIE EN KERNBEGRIPPEN

 Statistiek bestudeert de kenmerken van die verzameling van
statistische eenheden of bevolking

1. Onderzoekspopulatie
 Alle eenheden, de groep die je wil gaan bestuderen/ onderzoeken
6

,  Moet duidelijk omschreven zijn
 Omvang en type kan sterk variëren

2. Onderzoekseenheid
 De elementen uit de bestudeerde bevolking
 Vaak personen, soms ook landen, regio’s, interviews die je afneemt

3. Variabele
 De kenmerken die we van die onderzoekseenheden/ respondenten
kan gaan meten
 Kenmerken van onderzoekseenheden waarin we geïnteresseerd zijn
 Bij sommige kenmerken zijn de waarden = getal
VB: leeftijd
 Bij andere kenmerken is dit niet het geval maar een classificatie van
iets
VB: geslacht, haarkleur, …

4. Datamatrix / dataset
 Cases in rijen
 Variabelen (verschillende waarden) in kolommen
 Waarden: in de cellen

5. Steekproef
 = subset/ selectie uit volledige groep onderzoekseenheden in de
populatie, onderzoek m.b.t. specifieke populatie
 Vaak onmogelijk om de volledige populatie te ondervragen dus dan
gaan ze met een steekproef of sample nemen
 Steekproef = deel van de populatie
 Moet dezelfde karakteristieken hebben als van de populatie die het
vertegenwoordigt = steekproef moet representatief zijn
 Voor veel statistische technieken moet er een eenvoudige selectie
toevalssteekproef genomen worden = EAS zijn
 Elke onderzoekseenheid heeft gelijke kans op selectie verschillend
van nul
 Kengtallen die we meten in de steekproef = steekproefstatistieken

6. Parameters
 Kengtallen die we meten in een onderzoekspopulatie, die de
verdeling weergeven van een kenmerk in de populatie

 VB:

7. Steekproefstatistieken


7

,  Statistische kengetallen v/e steekproef of schatters
 Schatter of statistische maat = numerieke samenvatting v/d
steekproef uit de populatie

VB:
EZELBRUGGETJE = POPULATIE => POPULATIE
= STEEKPROEF => STATISTIEKEN
8. Steekproef en onderzoekspopulatie
 Steekproeffouten
 = systematische steekproeffouten
 Fouten in de selectiebias
 = manier van selecteren van respondenten geeft vertekend
beeld
 Non-respons bias
 VB: bepaalde groepen weigeren deel te nemen

 Item non-responsbias
 VB: respondenten hebben op bepaalde specifieke items (niet)
geantwoord op andere vragen wel

9. Beschrijvende of deductieve statistiek
 = beschrijven van de verzamelde gegevens
 Verzameling, organisatie en presentatie van de data
 Samenvatten van gegevens (a.d.h.v. statistieken, grafieken,
tabellen, …) om globale patronen en kenmerken te ontdekken
 Centrummaten (gemiddelde, modus, mediaan)
 Spreidingsmaten (standaardafwijking, variantie,
interkwartielafstand)
 Grafieken: histogrammen, taartdiagrammen, boxplots,…
VB: Grafiek opinie rond invoeren doodstraf bij jongeren tussen 15-
30 jaar in Vlaanderen (in %), gebaseerd op een steekproef van
3000 jongeren



10. Inferentiële of inductieve statistiek
 o.b.v. steekproefgegevens conclusies trekken m.b.t. de populatie
•
 Steekproefresultaten veralgemeenbaar naar de populatie •
 20% van alle 15- tot 30-jarigen in de steekproef gaan ‘helemaal
akkoord’ met het herinvoeren doodstraf.
 Hoe waarschijnlijk is het dat dit percentage effectief het
percentage ‘helemaal akkoord’ is in de populatie van alle 15-30
jarigen in Vlaanderen (populatieparameter is een onbekende)?

8

,  Kunnen we dus de populatieproportie schatten op basis van de
steekproefproportie?
VB: 20% (akkoord) met herinvoeren doodstraf. Hoe
waarschijnlijk is het dat dit percentage effectief het percentage
akkoord is in de populatie van alle 15-30 jarigen in Vlaanderen
(populatieparameter is een onbekende)?
→ We zijn 95% zeker dat het percentage van alle 15-30 jarigen
in Vlaanderen die voorstander zijn van de herinvoering van de
doodstraf voor zware misdaden tussen 18,4% en 21,2% ligt.


2.3 VARIABELEN EN MEETNIVEAUS

2.3.1 Operationalisatie

 Hoe ga je de variabelen opmeten bij uw steekproef?
 Meetbaar maken van variabelen in één of meerdere vragen
 Bepalend voor de rest van je onderzoek
 Meestal op basis van voorafgaand onderzoek of op basis van theorie
 Sommige variabelen hoeven niet/minder onderbouwd te zijn
(geslacht), andere wel

(armoede, seksisme, racisme…)

2.3.2 Concepten definiëren en operationaliseren

 Definiëren: Wat wil je exact meten/uitdrukken met een variabele?
 Operationaliseren: Hoe ga je het concept concreet meten? Hoe ga ik
een bepaald concept bevragen?

2.3.3 Verschillen in variabelen

2.3.3.1 KWANTITATIEVE VS KWALITATIEVE VARIABELEN

Kwalitatief of categorisch:

 Waarden van de variabelen wijzen op
 categorieën, zonder verdere wiskundige betekenis
VB: haarkleur, geslacht, opleidingsniveau, …
 Nominale en ordinale variabelen
 Voordelen:
 Kwantitatieve waarden eenduidiger dan kwalitatieve waarden
 vaak wordt bij beschrijving gebruik gemaakt van synoniemen of
half-synoniemen
 VB: “A’pen”, “Antwerp” of “Antwerpen”): moeilijker af te leiden in
hoeverre het om equivalente gevallen gaat
 Verwerking van kwantitatieve waarden via computer vlotter

9