2021 – 2022 Kwantitatieve methoden
Hoorcollege 1: Course introduction, correlation, and related concepts (geen literatuur)
- Regression analysis: what, why, how?
- Correlation vs. regression
o Regression geeft meer informatie dan correlation
o Correlation is een verband tussen twee concepten met een oorzaak-gevolg relatie.
- Review of important concepts
o Variables: dependent & independent
o Distributions: univariate and bivariate
o Mean, variance, covariance
o Hypothesis testing (and all its concepts)
Regression analysis
Een techniek om relaties tussen variabelen te begrijpen en kwantitatief
samen te vatten.
- Het leren van de basis van deze techniek
- Het leren van hoe deze techniek wordt toegepast
- Het leren van hoe deze techniek wordt geïnterpreteerd
Relations between variables
- Dependent variable (afhankelijke variabele) Y
o Variable to be explained
- Independent variable (onafhankelijke variabele) X
o Explanatory variable
- Regress Y on X
- Causal effect is often hypothesized, but not necessarily
o Positive and negative effects
Waarom krijgen we kwantitatieve methoden?
- Voorbereiding op een carrière in civil service
o Presenteren van analyses om beslissers te helpen
o Verzamelen van informatie om beslissers te ondersteunen
o Het maken van goed onderbouwde beslissingen
- Private sector rollen
- Je wordt een ervaren gebruiker van informatie
Voorbeelden van relaties tussen variabelen in onderzoek projecten
- Welke schoolmanagement strategieën zijn effectief?
- Zullen schoolmanagement strategieën, met als doelgroep
studenten van benadeelde huishoudens, toets resultaten
verbeteren?
- Is er een relatie tussen de hoeveelheid benadeelde studenten en
toets resultaten?
Afhankelijke variabele (Y) is dus de
toets resultaten (CITO) en de
onafhankelijke variabele (X) zijn
benadeelde studenten op
Nederlandse basisscholen.
,Hoe bereken je de correlatiecoëfficiënt (rho/r)?
- De mate van sterkte van een (lineaire) relatie tussen twee variabelen
- De correlatiecoëfficiënt is de gestandaardiseerde covariantie tussen de twee
variabelen X en Y
- Standaardisatie met betrekking tot een schaal (variatie in X en
variatie in Y)
Covariantie is de som van deviantie in X en Y voor alle data, dus X of Y
minus het gemiddelde.
Variantie is de som van deviantie in het kwadraat
- Varieert van -1 tot +1
- +1 betekent een sterke positieve correlatie of een sterke
positieve (lineaire) relatie
- -1 betekent een sterke negatieve correlatie
- 0 betekent geen (lineaire) relatie
Hieronder zullen een paar voorbeelden volgen van een perfecte
positieve correlatie, een perfecte negatieve correlatie, geen correlatie,
etc.
, Concepten om even te herhalen
- Hypothese testen
- Normale distributie
- Standaardfout en t-waarde: significantie
Significantie testen in 6 stappen
1. Assumptie
2. Hypothesen formuleren
3. Bepaal het kritieke gebied uit de passende steekproefverdeling
4. Bereken de toets statistiek
5. Beslissen
6. Conclusies aangeven
Stap 1: Assumpties (& voldoen aan testeisen)
- Willekeurige steekproeven
- Onafhankelijke monsters
- Interval-ratio niveau van meting
- Steekproefverdeling is normaal verdeeld
Stap 2: Het formuleren van een hypothese
Stap 3: Bepaal het kritieke gebied
- Z-toets (normale verdeling)
- Alpha = 0,05 (nul verwerpen wanneer nul waar is) Alpha 0,05
- Links of rechts testen? Links testen
- Kritieke Z-waarde Z (critical) = -1,65
- Besluit om te nemen: H0 verwerpen als Z(obtained) -1,65 is
Stap 4: Bereken de toets statistiek
Hoorcollege 1: Course introduction, correlation, and related concepts (geen literatuur)
- Regression analysis: what, why, how?
- Correlation vs. regression
o Regression geeft meer informatie dan correlation
o Correlation is een verband tussen twee concepten met een oorzaak-gevolg relatie.
- Review of important concepts
o Variables: dependent & independent
o Distributions: univariate and bivariate
o Mean, variance, covariance
o Hypothesis testing (and all its concepts)
Regression analysis
Een techniek om relaties tussen variabelen te begrijpen en kwantitatief
samen te vatten.
- Het leren van de basis van deze techniek
- Het leren van hoe deze techniek wordt toegepast
- Het leren van hoe deze techniek wordt geïnterpreteerd
Relations between variables
- Dependent variable (afhankelijke variabele) Y
o Variable to be explained
- Independent variable (onafhankelijke variabele) X
o Explanatory variable
- Regress Y on X
- Causal effect is often hypothesized, but not necessarily
o Positive and negative effects
Waarom krijgen we kwantitatieve methoden?
- Voorbereiding op een carrière in civil service
o Presenteren van analyses om beslissers te helpen
o Verzamelen van informatie om beslissers te ondersteunen
o Het maken van goed onderbouwde beslissingen
- Private sector rollen
- Je wordt een ervaren gebruiker van informatie
Voorbeelden van relaties tussen variabelen in onderzoek projecten
- Welke schoolmanagement strategieën zijn effectief?
- Zullen schoolmanagement strategieën, met als doelgroep
studenten van benadeelde huishoudens, toets resultaten
verbeteren?
- Is er een relatie tussen de hoeveelheid benadeelde studenten en
toets resultaten?
Afhankelijke variabele (Y) is dus de
toets resultaten (CITO) en de
onafhankelijke variabele (X) zijn
benadeelde studenten op
Nederlandse basisscholen.
,Hoe bereken je de correlatiecoëfficiënt (rho/r)?
- De mate van sterkte van een (lineaire) relatie tussen twee variabelen
- De correlatiecoëfficiënt is de gestandaardiseerde covariantie tussen de twee
variabelen X en Y
- Standaardisatie met betrekking tot een schaal (variatie in X en
variatie in Y)
Covariantie is de som van deviantie in X en Y voor alle data, dus X of Y
minus het gemiddelde.
Variantie is de som van deviantie in het kwadraat
- Varieert van -1 tot +1
- +1 betekent een sterke positieve correlatie of een sterke
positieve (lineaire) relatie
- -1 betekent een sterke negatieve correlatie
- 0 betekent geen (lineaire) relatie
Hieronder zullen een paar voorbeelden volgen van een perfecte
positieve correlatie, een perfecte negatieve correlatie, geen correlatie,
etc.
, Concepten om even te herhalen
- Hypothese testen
- Normale distributie
- Standaardfout en t-waarde: significantie
Significantie testen in 6 stappen
1. Assumptie
2. Hypothesen formuleren
3. Bepaal het kritieke gebied uit de passende steekproefverdeling
4. Bereken de toets statistiek
5. Beslissen
6. Conclusies aangeven
Stap 1: Assumpties (& voldoen aan testeisen)
- Willekeurige steekproeven
- Onafhankelijke monsters
- Interval-ratio niveau van meting
- Steekproefverdeling is normaal verdeeld
Stap 2: Het formuleren van een hypothese
Stap 3: Bepaal het kritieke gebied
- Z-toets (normale verdeling)
- Alpha = 0,05 (nul verwerpen wanneer nul waar is) Alpha 0,05
- Links of rechts testen? Links testen
- Kritieke Z-waarde Z (critical) = -1,65
- Besluit om te nemen: H0 verwerpen als Z(obtained) -1,65 is
Stap 4: Bereken de toets statistiek
