Samenvatting Mediatie_Kwantitatieve_onderzoeksmethoden_data_analyse_2

Kwantitatieve onderzoeksmethoden: data-analyse 2 | academiejaar 2024-2025


Kwantitatieve onderzoeksmethoden:
data-analyse 2
Inleiding
Regressie = X (onafhankelijke variabele) gerelateerd aan Y (afhankelijke
variabele); lineaire samenhang
enkelvoudige regressie


meervoudige regressie; meerdere onafhankelijke
variabelen
Waarom is het beter om één model te gebruiken
met drie verschillende predictoren, dan drie
modellen met één predictor? ~ gender onder
controle van andere varn kunnen schatten;
puurder effect (bv. als het resultaat is dat
mannen homofober zijn, kan dat misschien
komen omdat mannen seksister zijn dan
vrouwen)
Mediatie = verklaart hoe of waarom een verband tussen een onafhankelijke en
afhankelijke variabele tot stand komt; hoe verloopt
het effect
- Bv. mannen (X ~ gender) zijn homofober (Y)
dan vrouwen, maar dat komt omdat zij een
traditionele genederrol hebben (M)

Moderatie ~ de variabelen voeren ook invloed
op elkaar uit; beïnvloedt de sterkt of richting van
een verbanden tussen een onafhankelijk en
afhankelijke variabele; wanneer is het effect sterk
of minder sterk?
Bv. contact hebben met homo’s (M) kan ervoor
zorgen dat mannen minder homofoob zijn
Mediatie + moderatie (Conditional process
model)
~ gemodereerde mediatie; M (= mediator) &
W (= moderator); XMY ~ mediatie effect,
W effect op XM en XY ~ moderatie
effect
Bv. economische stress (X) heeft effect op
faillissementen (Y), maar depressieve
gevoelens (M) heeft een direct effect op het
aantal faillissementen omdat als je geen goed gevoel meer hebt, je je hoop
verliest. Ook heeft een sociaal netwerk hebben (W) een invloed op zowel
depressieve gevoelens als op faillissementen. Mensen die een sociaal netwerk
hebben, hebben vaak minder depressieve gevoelens dan mensen die er geen



Pagina 1

,Kwantitatieve onderzoeksmethoden: data-analyse 2 | academiejaar 2024-2025


hebben en kunnen ook meer steun vinden zodat faillissementen kunnen worden
vermeden




Pagina 2

,Kwantitatieve onderzoeksmethoden: data-analyse 2 | academiejaar 2024-2025


Panel data ~ analyseren of er een causaal
effect is tussen verschillende variabelen;
verschillende effecten vergelijken in één model




Factor analyse ~ latente variabele gaan meten
en op basis van de variabelen die je daarvoor
gebruikt een schaal gaan maken; vierkanten =
geobserveerde variabelen; cirkel = latente
variabele
CFA & SEM


Bv. homofobie wordt bepaald door
seksisme maar ook door
opleidingsniveau en contact hebben
met holebi’s
Zowel regressiemodellen als factor
analyse modellen gecombineerd in
model




Herhaling basisconcepten
Beschrijvende statistiek: meetniveau
Analyse techniek is afhankelijk van het meetniveau
Nominaal
- Bv. landen (1 = België, 2 = Nederland, 3 = Duitsland)
- Kengetal; geen verdere wiskundige bewerkingen
Ordinaal
- Bv. TV-kijkgedrag, krant lezen
- Waarden weerspiegelen bestaande ordening; geen wiskundige
bewerkingen
 Deze variabelen zijn kwalitatief/categorisch
Metrisch/kwantitatief
Bv. racisme, politiek vertrouwen, veralgemeend vertrouwen




Pagina 3

, Kwantitatieve onderzoeksmethoden: data-analyse 2 | academiejaar 2024-2025


Univariate statistieken
Centrale Grafische
Meetniveau Spreiding
tendens voorstelling
Nominaal Modus -- Cirkeldiagram
Bereik, Boxplot,
Ordinaal Mediaan
kwartielafstanden trapfunctie
Histogram,
Variantie,
cumulatieve
Metrisch Gemiddelde standaardafwijkin
frequentieverdelin
g
g, boxplot

Bivariate statistieken:
SAMENHANG
Aantal variabelen* Metrisch*Metrisch Categorisch*categoris
meetniveau ch
2 variabelen (partiële) correlatie Chi-kwadraat
Scatterplot Kruistabel
> 2 variabelen Factor analyse (niet te kennen)
CORRELATIE
Correlatie tussen [-1;1] (geen causaliteit)
- < 0 = negatief verband
- > 0 = positief verband
- 0 = geen verband
Hypothesetest
- H0 = er is GEEN verband tussen de twee metrische variabelen (r=0)
- Ha = er is WEL een verband tussen de twee metrische variabelen (r ≠ 0)
t-test
- P-waarde > 0,05  H0 wordt niet verworpen: er is GEEN significant
verband
- P-waarde < 0,05  H0 verworpen en Ha wordt aanvaard: er is WEL een
significant verband
Hypothesetoets (stappenplan)
1. Hypothesen formuleren
a. H0 : er is GEEN samenhang
b. Ha : er is WEL samenhang
2. Bereken van de testwaarde
a. Bv. bereken correlatie en daarna testwaarde t
r √ n−2
b. t= r = correlatiecoëfficiënt; n = aantal observaties in
√ 1−r ²
steekproef
3. Bereken de p-waarde
a. P-waarde = ‘indien H0 klopt, hoe groot is de kans om zo’n grote
testwaarde (of nog groter) te vinden?’
4. Beslissing
a. P-waarde < 0,05 => verwerpen H0
b. P-waarde > 0,05 => aanvaarden H0

Pagina 4