Samenvatting Kwantitatieve onderzoeksmethoden

Beschrijvende statistiek
1. Inleiding: gegevens meten, ordenen en weergeven
Waarom statistiek?
17e E: opkomst ~ opkomst vd staat
 Gegevens over inwoners & instellingen voor organisatie beleid
18e E: verwerven v data uitgebreid ~ mercantilisme
 Overheden wilden handelsbelans positief houden
 Door meer te exporteren
19e E: statistiek onontbeerlijk voor beleid (vb. Corona)
Voor historici?
Tot begin 20ste E voornamelijk kwalitatieve geschiedenis
Jaren ’20: histoire sérielle
 Annales
 Vb. Emmanuel Le Roy Ladurie: focus op lagetermijn
Jaren ’60: bloeiperiode vd statistiek
 Big data
 Cliometrie
 Opkomst computers en statistische modellen
 Vb. Robert Fogel: data over aanleg v Am spoorwegen en economische
groei v amerika  verband aantonen
Jaren ’90: cultuurgeschiedenis > statistiek
Voordelen?
 History from below vb. The making of the English working class
(E.P. Thompson)
 Overzichtelijkheid:
o grote hoeveelheid informatie meegeven
o analyse maken
o precies zijn
 Data modelleren & manipuleren
o Vb. The Environmental Kuznets Curve
 Hypotheses testen: trend? Significant of toeval?
o Correlaties & regressieanalyse
 Tijdsreeksanalyse

, o Cijfermateriaal chronologisch weergegeven
o Technieken om groei, stagnatie of neergang te meten
o Verband tss tijd en hist ontwikkelingen testen
 Steekproeven
o Informatie om inschatting te maken over gehele populatie
o Let op voor vertekende steekproef
 Falsifieerbaar
o Analyses & conclusies testen en nakijken
Nadelen?
 Problematische data
o M andere redenen / ideologische doeleinden
o Vb. belastingslijsten om rijkdom ih koninkrijk op te nemen
 Cijfers zijn nooit neutraal
o Slechts constructie door bepaalde ordening

1.1. Gegevens meten
Categorische data = kwalitatief Numerieke data = kardinaal = kwant
Nominaal (ongeordend) Interval (afstand tss waarden)
Ordinaal (geordend) Ratio (verhouding tss waarden)


1.1.1. Nominale gegevens
Kenmerken
 Uniek en afgescheiden
 Soms dichotoom (vb. man/vrouw of open/gesloten
 Feitelijke naam niet relevant
 Geen rangorde tss # waarden
 Discreet en categorisch
 Vaak gecodeerd (zie SPSS)
o Numerieke codes om statistische bewerkingen toe te staan
Voorbeeld: naam en omschrijving vd misdaad

, 1.1.1. Ordinale gegevens
Kenmerken
 Geordend
 Hiëarchie of ordening is belangrijk
 Afstand tss categorieën moet niet altijd even groot zijn
vb. matroos – schipper of kapitien – adjudant
Voorbeeld: functie en misdaad
1.1.1. Interval data
Kenmerken
 Interval of afstand is altijd betekenisvol
 Continue schaal (kunnen oneindig doorlopen)
 Discreet: 1,2,3...
 Continue: cijfers na de komma
 Vb. temperatuur
1.1.1. Ratio data
Kenmerken
 Nooit onder nul: je hebt altijd een nulpunt
 Discreet of continu
 Niet exacte afstand belangrijk maar verhouding
 Vb. opbrengsten, afstanden, lonen
Voorbeeld: numerieke ratio data

, 1.1.1. Ordinale en kardinale gegevens in historisch
onderzoek
Sommige kardinale gegevens blijken na toetsing met historische kritiek zo
onvolmaakt te zijn, dat ze nog hoogstens als ordinale gegevens kunnen
gebruikt worden (lees vb. p.23)
- Geen algemene regels om ‘vermomde’ ordinale gegevens op te sporen
- Historische kritiek vormt leidraad
- Wees voorzichtig met kwaliteit van de gegevens


1.1. Van datamatrix naar tabel
1.1.1. Terminologie
Variabelen: eigenschappen van bijvoorbeeld de procesdossiers en krijgen titel
bovenaan kolom
Waarnemingseenheid of observatie: rij die alle informatie bevat v 1 individuele
categorie
Waarden: in de cellen van de datamatrix
Kenmerken
 Titel en bronvermelding
 Individuele cel gevuld door 1 waarde
 Gebruikt voor ordinale en nominale gegevens
 Waarnemingseenheid op een rij
 Variabele op een kolom
 Werk met sleutels of identificatienummers


Selectie vn data
 Steeds relatief
 Bepaald door onderzoeksvraag en soort data
Voorbeeld