Lecture 1 Data & Measurement
Emperical Research Projects gaat over het interpreteren van resultaten die men heeft gehaald uit een onderzoek. We
zullen hierbij niet focussen op hoe men de stappen van onderzoek moet uitvoeren. Hierbij zal veel al gebruik worden
gemaakt van termen die men ook bezigt in statistiek twee. De data die we gaan analyseren moeten wel een verband aan
geven, een relatie verklaren het moet niet alleen losse data zijn. Daarnaast is de data die men toetst quantitative data
omdat men een emperical research uitvoert.
Wanneer men empirical research uitvoert zoekt moet men streng kijken naar de data en de meet methode die gebruikt
zijn om de data te verzamelen. Kijken we naar het research process dat uit zes fasen bestaat:
1. Research question: De eerste stap die men uitvoert is dat men een research question ontwikkeld met daarin een
objective om zo effectief data te kunnen verzamelen. Men kan dit ontwikkelen door louter naar de werkelijkheid
te kijken of literatuur te lezen waaruit men dan een volgende research question kan ontwikkelen: is there a
relationship between number of lectures and tutorials that students participate and their exam grade?
2. Hypothesis: Fase twee in een emperical research is dat men een hypothese ontwikkelt, dit gaat over het testen
van een prediction/aanname die men doet. Men baseert dit op theorie of literatuur die men heeft gelezen. In de
hypothese wordt een duidelijke relatie tussen twee variabelen weergegeven, deze kan positief zo wel negatief
zijn.
3. Test hypothese = De derde stap is dat men variabele moet gaan bepalen en men deze gaat testen, men moet
zichzelf dat vraag stellen wat is belangrijk om te meten om tot een goed onderzoek te komen. We kunnen de
variabele in twee klassen opdelen:
a. Dependent variables = Een variabele die wordt beïnvloed door een andere variabele.
b. Independent variables = Een variabele die een andere beïnvloed maar zelf niet beinvloed wordt.
Deel twee binnen het testen van een hypothese is het verzamelen van data, alleen het probleem wat hierbij
komt kijken is dat measurement wel lastig is om te bepalen. Welke mening geef je aan welke waarden. Men
moet goed opletten dat het gaat om de relatie tussen nummers en wat er gemeten wordt anders gaat het niet
om measurement. Men kan meten op verschillende manieren denk bijvoorbeeld aan op welke manieren men
leeftijd kan categoriseren:
1. Age in years, months, weeks, days and hours
2. Age groups: 1-10, 11-20, 21-30, 31-40, ...
3. Adult: Yes/No
De manier van meten hangt af van wat het doel van het onderzoek is dus af van je research question. Voorbeeld
is measurement niveaus op education at countrylevel:
• Average years of schooling
• % of population that has completed tertiary education
• PISA test scores (how well are students doing in math, science, reading)
• Adult literacy rate
Verschillende meetmethoden kunnen zorgen voor verschillende uitkomsten waardoor men verschillende posities
kan in nemen. Dit wil dus zeggen dat een soort onderzoek niet algemeen is voor een land.
Om te bepalen of de data goed gemeten is kijken we naar drie onderdelen, criteria:
1. Validity = Mate waarin een maat correct weergeeft het concept van studie
o Internal = Hoe goed was de studie uitgevoerd
o External = Kan men de resultaten generaliseren
Validity kijkt naar de algemene studie en niet naar een specifieke variabele
2. Accuracy = geeft aan hoe goed de werkelijkheid weergegeven, krijg ik de ‘right’ anser op het over
gemiddelde.
3. Reliability = Mate waarin een variabele consistent is in wat hij moet meten, geeft het elke keer
hetzelfde resultaat.
Als men gaat meten moet men daarnaast wel het goede meten, denk hierbij aan de de gewonden die er vielen
met en of zonder helm. Men zei dat door de helm niet minder gewonden waren maar juist meer. Het vorige
onderzoek daarentegen meette niet de doden waardoor men dus niet een duidelijk beeld gaf van de effectiviteit
van de helmen. Men moet dus duidelijk maken dat men het goede onderdeel meet en geen statistische
misleidende conclusies trekt.
Daarnaast moet men ook duidelijk zijn wat men meet en hoe, zo zag men tijdens de presidentiële verkeizingen in
de US dat men zijn de employement omhoogging maar ook de unemployment. Dit lijkt in eerste instatie nogal
tegen strijdig maar als de populatie groeit kunnen beide argumenten waar zijn. Een betere meet methode is een
% waarde of een employment rate.
, Deel drie binnen hypothese testen is het analyseren van data of door het grafisch of descriptive weer te geven in
een model. Voordat men het gaat interpreteren moet met de data organiseren, dit kan op drie manieren:
(belangrijk voor thesis)
1. Cross sectional = verschillende observaties/ onderdelen delen worden gemeten op een gegeven
moment in tijd.
2. Time-series = een soort observatie doen die wordt herhaalt over een vaste periode, denk aan days,
month, years.
3. Panel (longitudinal data) (combi van bovenste twee) = verschillende observatie doen over een langere
periode van tijd.
De laatste stap is het concluderen van de resultaten.
Wanneer we verder naar de typen data kijken die er bestaan zijn dit primary en secondary data:
• Primary = Primary data is data die men first hand verzameled heeft, data verzameld door de researchers. Men
kan dit doen doormiddel van een survey, conversation, experiments, questionnaire, personal interview. Het
probleem met deze data verzameling is dat het wel subjectief is omdat je het zelf verzamelt. De voordelen van
primary data collection is dat het:
o Past perfect op de research vraag
o Gegarandeerd consistentte data omdat het verzameld is door jezelf.
o De data is altijd origineel omdat men het zelf verzamelt.
Een nadeel van primary data zijn de volgende:
▪ Kosten zijn hoog, mankracht kostbaar
▪ Persoonlijke vooroordelen en bevooroordeeld zijn
• Second = Dit is data die men van andere verzamleaars, research gebruikt. Het is data die dus verzameld is door
iemand anders. Je kan hierbij denken aan indices, publication from official sources and other data agencies,
websites, books, journals other records. Men ziet secondary data als objective omdat het door iemand anders
verzameld is. De voordelen van secondary data zijn
o Het is relatief goedkoop omdat men niet een heel researchteam op hoeft op te zetten.
o Snel en klaar voor gebruik
o Objectief vanwege het feit dat de secondary partijen een criterium gebruiken om gegevens te
verkrijgen
Een nadeel van secondary data zijn de volgende:
o Omdat het door iemand anders wordt gedaan en dus mogelijk niet systematisch wordt verzameld. Men
moet het gegevensbureau vertrouwen, het kan zijn dat zij misschien niet zo ervaren.
o De data die gebruikt wordt wordt vaak op algemene toepassing verzameld. Dit kan ervoor zorgen dat
het mogelijk niet goed past bij de onderzoeksvraag. Gegevens zijn voor algemeen gebruik en kunnen
voor meerdere gebruikers worden gebruikt.
Zoals besproken zijn er verschillende meet instrumenten om te meeten hoe het ergens mee gaat, de vraag is alleen welke
performance measures men moet gebruiken wanneer. De performance measures die er zijn zijn de volgende:
1. Financial = dit zijn bijvoorbeeld ratios, denk hierbij aan profit, turnerover enz. Investeerders gebruiken meestal
deze ratio’s om te bepalen of ze in een bedrijf willen investeren.
2. Operational = Dit gaat over de grotte van het bedrijf, hoe snel groeit het, wat is de speed of expansion. We zien
bij investeerders die investeren in bedrijven die een hoge speed of expansion hebben met grote schulden dat
deze worden gecovert door de uitstaande aandelen.
3. Overall = Dit is een mix van financial measurements en operational measurements
De vraag die dan opkomt is wanneer men welke moet gebruike nen waar dat van af hangt, dit is afhankelijk van de
volgende aspecten:
1. De research question = men moet de measurement nemen die het beste past bij de research question en niet
acteren met het idee van the more not the better.
2. Kijk naar de bron van de data en check welke measurement de beste kwaliteiten en beschikbaarheid geeft.
3. Kunnen de resultaten met de bepaalde measurement gegenraliseerd worden, hoe is de external validity.
4. De afhankelijkheid aan the level of analysis
De levels of analysis kunnen we categoriseren als de measure/scope die men gebruikt bij zijn analyse, er zijn twee niveaus:
5. Firm, strategic business unit (SBU)
6. Inter-organisational Unit (Country, Region)
Men past deze over het algemeen niet allemaal tergelijk toe te passen alleen kan het dat wanneer men verschillende
niveau analyseerd dit kan leiden tot verschillende resultaten
Je kan hierbij bijvoorbeeld denken aan hierbij bijvoorbeeld aan IOS dat verlies latend is maar waarbij de hele organisatie
wel winst maakt.
, Vragen ontstaan HULT et al. (2008) paper
Als men een sample gaat samenstellen voor zijn of haar onderzoek kan er een selection biase ontstaan. Dit houdt in dat het
teveel gericht is opeen bepaald aantal mensen en is daardoor niet toepasbaar op de hele society omdat het niet randomly
picked is. Het moet een goede representation zijn van de society. Een selection bias kan ontstaan door:
7. Natural reasons (e.g.) survival bias --- without helmet you would be death and therefore not counted in the injury
data. Soldaten met helmen en zonder helmen en gewonden die hieraan gelinkt zijn.
8. Flawed research design, sometimes on purpose / prejudice om zo je data te laten matchen met wat men wil
zoeken. Een voorbeeld hiervan kan bijvoorbeeld zijn wanneer men een onderzoek doet op een markt naar
groenten consumptie zal deze over het algemeen hoger zijn omdat daar meer groente wordt verkocht dan vlees
en daardoor de deelnemers biased zijn.
Om te checken of een het sample wat je gevormd hebt statistically representatief is moet men kijken of het sample
fundamenteel verschillende is van andere samples. Hierbij moet mijn zijn commons sense gebruiken en logische acties
ondernemen voor een sampling strategie die in lijn zijn met international business of economie.
Voor de vergelijking moet men een paar indicatoren selecteren die men kan gebruiken, deze hangt af van het type
variabel:
9. Continouis variables: check de verschillen in de gemiddelde van de sample/poplultation. Dit kan men doen met
staticial inference: t-test = Is iets binnen of buiten de sample.
10. Categorical variable: Vergelijk de verdeling bijvoorbeeld als men kijkt naar employment, men kan dan kijken naar
{ public sector vs private firms, self employed vs unemployed). Men kan dit testen doormiddel van de Chi-2 test
Kjkt men naar de vergelijking van sample met population of twee sample naast elkaar kunnen we het volgende
concluderen naar aanleiding van Du, et. Al en Hult et al, vergelijken met een populatie die uw steekproef omvat, is alleen
gerechtvaardigd als de steekproef klein is in vergelijking met de populatie, de invloed ervan op de populatiekenmerken is
verwaarloosbaar.
Emperical Research Projects gaat over het interpreteren van resultaten die men heeft gehaald uit een onderzoek. We
zullen hierbij niet focussen op hoe men de stappen van onderzoek moet uitvoeren. Hierbij zal veel al gebruik worden
gemaakt van termen die men ook bezigt in statistiek twee. De data die we gaan analyseren moeten wel een verband aan
geven, een relatie verklaren het moet niet alleen losse data zijn. Daarnaast is de data die men toetst quantitative data
omdat men een emperical research uitvoert.
Wanneer men empirical research uitvoert zoekt moet men streng kijken naar de data en de meet methode die gebruikt
zijn om de data te verzamelen. Kijken we naar het research process dat uit zes fasen bestaat:
1. Research question: De eerste stap die men uitvoert is dat men een research question ontwikkeld met daarin een
objective om zo effectief data te kunnen verzamelen. Men kan dit ontwikkelen door louter naar de werkelijkheid
te kijken of literatuur te lezen waaruit men dan een volgende research question kan ontwikkelen: is there a
relationship between number of lectures and tutorials that students participate and their exam grade?
2. Hypothesis: Fase twee in een emperical research is dat men een hypothese ontwikkelt, dit gaat over het testen
van een prediction/aanname die men doet. Men baseert dit op theorie of literatuur die men heeft gelezen. In de
hypothese wordt een duidelijke relatie tussen twee variabelen weergegeven, deze kan positief zo wel negatief
zijn.
3. Test hypothese = De derde stap is dat men variabele moet gaan bepalen en men deze gaat testen, men moet
zichzelf dat vraag stellen wat is belangrijk om te meten om tot een goed onderzoek te komen. We kunnen de
variabele in twee klassen opdelen:
a. Dependent variables = Een variabele die wordt beïnvloed door een andere variabele.
b. Independent variables = Een variabele die een andere beïnvloed maar zelf niet beinvloed wordt.
Deel twee binnen het testen van een hypothese is het verzamelen van data, alleen het probleem wat hierbij
komt kijken is dat measurement wel lastig is om te bepalen. Welke mening geef je aan welke waarden. Men
moet goed opletten dat het gaat om de relatie tussen nummers en wat er gemeten wordt anders gaat het niet
om measurement. Men kan meten op verschillende manieren denk bijvoorbeeld aan op welke manieren men
leeftijd kan categoriseren:
1. Age in years, months, weeks, days and hours
2. Age groups: 1-10, 11-20, 21-30, 31-40, ...
3. Adult: Yes/No
De manier van meten hangt af van wat het doel van het onderzoek is dus af van je research question. Voorbeeld
is measurement niveaus op education at countrylevel:
• Average years of schooling
• % of population that has completed tertiary education
• PISA test scores (how well are students doing in math, science, reading)
• Adult literacy rate
Verschillende meetmethoden kunnen zorgen voor verschillende uitkomsten waardoor men verschillende posities
kan in nemen. Dit wil dus zeggen dat een soort onderzoek niet algemeen is voor een land.
Om te bepalen of de data goed gemeten is kijken we naar drie onderdelen, criteria:
1. Validity = Mate waarin een maat correct weergeeft het concept van studie
o Internal = Hoe goed was de studie uitgevoerd
o External = Kan men de resultaten generaliseren
Validity kijkt naar de algemene studie en niet naar een specifieke variabele
2. Accuracy = geeft aan hoe goed de werkelijkheid weergegeven, krijg ik de ‘right’ anser op het over
gemiddelde.
3. Reliability = Mate waarin een variabele consistent is in wat hij moet meten, geeft het elke keer
hetzelfde resultaat.
Als men gaat meten moet men daarnaast wel het goede meten, denk hierbij aan de de gewonden die er vielen
met en of zonder helm. Men zei dat door de helm niet minder gewonden waren maar juist meer. Het vorige
onderzoek daarentegen meette niet de doden waardoor men dus niet een duidelijk beeld gaf van de effectiviteit
van de helmen. Men moet dus duidelijk maken dat men het goede onderdeel meet en geen statistische
misleidende conclusies trekt.
Daarnaast moet men ook duidelijk zijn wat men meet en hoe, zo zag men tijdens de presidentiële verkeizingen in
de US dat men zijn de employement omhoogging maar ook de unemployment. Dit lijkt in eerste instatie nogal
tegen strijdig maar als de populatie groeit kunnen beide argumenten waar zijn. Een betere meet methode is een
% waarde of een employment rate.
, Deel drie binnen hypothese testen is het analyseren van data of door het grafisch of descriptive weer te geven in
een model. Voordat men het gaat interpreteren moet met de data organiseren, dit kan op drie manieren:
(belangrijk voor thesis)
1. Cross sectional = verschillende observaties/ onderdelen delen worden gemeten op een gegeven
moment in tijd.
2. Time-series = een soort observatie doen die wordt herhaalt over een vaste periode, denk aan days,
month, years.
3. Panel (longitudinal data) (combi van bovenste twee) = verschillende observatie doen over een langere
periode van tijd.
De laatste stap is het concluderen van de resultaten.
Wanneer we verder naar de typen data kijken die er bestaan zijn dit primary en secondary data:
• Primary = Primary data is data die men first hand verzameled heeft, data verzameld door de researchers. Men
kan dit doen doormiddel van een survey, conversation, experiments, questionnaire, personal interview. Het
probleem met deze data verzameling is dat het wel subjectief is omdat je het zelf verzamelt. De voordelen van
primary data collection is dat het:
o Past perfect op de research vraag
o Gegarandeerd consistentte data omdat het verzameld is door jezelf.
o De data is altijd origineel omdat men het zelf verzamelt.
Een nadeel van primary data zijn de volgende:
▪ Kosten zijn hoog, mankracht kostbaar
▪ Persoonlijke vooroordelen en bevooroordeeld zijn
• Second = Dit is data die men van andere verzamleaars, research gebruikt. Het is data die dus verzameld is door
iemand anders. Je kan hierbij denken aan indices, publication from official sources and other data agencies,
websites, books, journals other records. Men ziet secondary data als objective omdat het door iemand anders
verzameld is. De voordelen van secondary data zijn
o Het is relatief goedkoop omdat men niet een heel researchteam op hoeft op te zetten.
o Snel en klaar voor gebruik
o Objectief vanwege het feit dat de secondary partijen een criterium gebruiken om gegevens te
verkrijgen
Een nadeel van secondary data zijn de volgende:
o Omdat het door iemand anders wordt gedaan en dus mogelijk niet systematisch wordt verzameld. Men
moet het gegevensbureau vertrouwen, het kan zijn dat zij misschien niet zo ervaren.
o De data die gebruikt wordt wordt vaak op algemene toepassing verzameld. Dit kan ervoor zorgen dat
het mogelijk niet goed past bij de onderzoeksvraag. Gegevens zijn voor algemeen gebruik en kunnen
voor meerdere gebruikers worden gebruikt.
Zoals besproken zijn er verschillende meet instrumenten om te meeten hoe het ergens mee gaat, de vraag is alleen welke
performance measures men moet gebruiken wanneer. De performance measures die er zijn zijn de volgende:
1. Financial = dit zijn bijvoorbeeld ratios, denk hierbij aan profit, turnerover enz. Investeerders gebruiken meestal
deze ratio’s om te bepalen of ze in een bedrijf willen investeren.
2. Operational = Dit gaat over de grotte van het bedrijf, hoe snel groeit het, wat is de speed of expansion. We zien
bij investeerders die investeren in bedrijven die een hoge speed of expansion hebben met grote schulden dat
deze worden gecovert door de uitstaande aandelen.
3. Overall = Dit is een mix van financial measurements en operational measurements
De vraag die dan opkomt is wanneer men welke moet gebruike nen waar dat van af hangt, dit is afhankelijk van de
volgende aspecten:
1. De research question = men moet de measurement nemen die het beste past bij de research question en niet
acteren met het idee van the more not the better.
2. Kijk naar de bron van de data en check welke measurement de beste kwaliteiten en beschikbaarheid geeft.
3. Kunnen de resultaten met de bepaalde measurement gegenraliseerd worden, hoe is de external validity.
4. De afhankelijkheid aan the level of analysis
De levels of analysis kunnen we categoriseren als de measure/scope die men gebruikt bij zijn analyse, er zijn twee niveaus:
5. Firm, strategic business unit (SBU)
6. Inter-organisational Unit (Country, Region)
Men past deze over het algemeen niet allemaal tergelijk toe te passen alleen kan het dat wanneer men verschillende
niveau analyseerd dit kan leiden tot verschillende resultaten
Je kan hierbij bijvoorbeeld denken aan hierbij bijvoorbeeld aan IOS dat verlies latend is maar waarbij de hele organisatie
wel winst maakt.
, Vragen ontstaan HULT et al. (2008) paper
Als men een sample gaat samenstellen voor zijn of haar onderzoek kan er een selection biase ontstaan. Dit houdt in dat het
teveel gericht is opeen bepaald aantal mensen en is daardoor niet toepasbaar op de hele society omdat het niet randomly
picked is. Het moet een goede representation zijn van de society. Een selection bias kan ontstaan door:
7. Natural reasons (e.g.) survival bias --- without helmet you would be death and therefore not counted in the injury
data. Soldaten met helmen en zonder helmen en gewonden die hieraan gelinkt zijn.
8. Flawed research design, sometimes on purpose / prejudice om zo je data te laten matchen met wat men wil
zoeken. Een voorbeeld hiervan kan bijvoorbeeld zijn wanneer men een onderzoek doet op een markt naar
groenten consumptie zal deze over het algemeen hoger zijn omdat daar meer groente wordt verkocht dan vlees
en daardoor de deelnemers biased zijn.
Om te checken of een het sample wat je gevormd hebt statistically representatief is moet men kijken of het sample
fundamenteel verschillende is van andere samples. Hierbij moet mijn zijn commons sense gebruiken en logische acties
ondernemen voor een sampling strategie die in lijn zijn met international business of economie.
Voor de vergelijking moet men een paar indicatoren selecteren die men kan gebruiken, deze hangt af van het type
variabel:
9. Continouis variables: check de verschillen in de gemiddelde van de sample/poplultation. Dit kan men doen met
staticial inference: t-test = Is iets binnen of buiten de sample.
10. Categorical variable: Vergelijk de verdeling bijvoorbeeld als men kijkt naar employment, men kan dan kijken naar
{ public sector vs private firms, self employed vs unemployed). Men kan dit testen doormiddel van de Chi-2 test
Kjkt men naar de vergelijking van sample met population of twee sample naast elkaar kunnen we het volgende
concluderen naar aanleiding van Du, et. Al en Hult et al, vergelijken met een populatie die uw steekproef omvat, is alleen
gerechtvaardigd als de steekproef klein is in vergelijking met de populatie, de invloed ervan op de populatiekenmerken is
verwaarloosbaar.
