Toegepaste Methoden en Statistiek
Hoorcollege 1....................................................................................................................................... 2
Hoorcollege 2....................................................................................................................................... 9
Hoorcollege 3..................................................................................................................................... 19
Hoorcollege 4..................................................................................................................................... 29
Hoorcollege 5..................................................................................................................................... 40
Hoorcollege 6..................................................................................................................................... 49
Hoorcollege 7..................................................................................................................................... 57
Hoorcollege 8..................................................................................................................................... 72
Hoorcollege 9..................................................................................................................................... 89
Hoorcollege 10................................................................................................................................. 105
Hoorcollege 11................................................................................................................................. 108
1
,Hoorcollege 1
Introductie
Op het moment dat we kijken naar de wereld om ons heen, dan zien we opmerkelijke verschillen
tussen mensen in hoe zij denken, zich gedragen, omgaan met bepaalde situaties, etc. Verder zien we
ook dat sommige kenmerken en gedragingen vaker in onderlinge samenhang voorkomen dan andere
kenmerken. We willen deze verschillen verklaren en dingen leren uit deze verbanden. We vragen ons
dan dus af waarom bepaalde gedragingen samenhangen en welke onderliggende causale
psychologische processen een verklaring geven voor die verschillen/verbanden. We stellen dan een
theorie op over deze verbanden.
Zoals in de afbeelding aan de linkerkant te zien is
vormen de klinische variabelen netwerken. Hoe
dikker de lijn tussen twee variabelen, hoe sterker
de samenhang. Een voorbeeld van variabelen die
samenhangen is de persoonlijkheidstrek
openheid met nieuwsgierigheid.
Bij de cursus Toegepaste Methoden en Statistiek leer je methoden en technieken waarmee je
(causale) theorieën over psychologische processen kunt onderzoeken op basis van empirische data.
Bij empirische data gaat het dus om correlationele data die verkregen is uit bijvoorbeeld vragenlijsten
of observaties. We starten met een theorie en dit gaan
we vertalen naar een statistisch toetsbaar model voor de
onderzoeksgegevens. Deze theorie kan een lange
voorgeschiedenis hebben, maar het kan ook gaan om het
toetsen van eerste vermoedens. Verder gaan we kijken
hoe je het model kunt toepassen op onderzoeksgegevens
en hoe je vervolgens inhoudelijke conclusies kunt trekken
op basis van dit toegepaste model. Hierbij volgen de we
empirische cyclus die te vinden is aan de rechterkant.
Uitgangspunten van dit vak:
• We gaan voornamelijk uit van data verkregen uit correlationele studies:
vragenlijstonderzoek, observaties, et cetera.
• Het onderzoek kan exploratief (‘laat de data spreken’) of confirmatief van aard zijn (bijv. in
replicatieonderzoek, valideren van vragenlijsten, etc.). Bij exploratief onderzoek gaat het er
dus om dat je meer zal gaan begrijpen over een bepaald onderwerp en bij confirmatief
onderzoek heb je vantevoren een duidelijke hypothese.
• Het gaat hierbij altijd om het bestuderen van verbanden tussen variabelen. Maar het
soort/type variabele kan erg verschillend zijn! Denk aan agressie, welbevinden, intelligentie,
motivatie, kwaliteit van leven, persoonlijkheid, overtuigingskracht, mentale weerbaarheid,
fysieke gezondheid, etc.
• Sommige variabelen zijn direct meetbaar / te observeren (gedrag, leeftijd). Dit noemen we
manifeste variabelen. Daartegenover staan latente variabelen. Die zijn niet direct
observeerbeer, maar worden gemeten met speciaal daarvoor ontwikkelde instrumenten
(tests, toetsen, vragenlijsten, etc.)
Leerdoelen college 1
1. Het onderscheid tussen correlationeel onderzoek en experimenteel onderzoek beschrijven.
2. Het algemene doel van padanalyse uitleggen.
2
, 3. Het verschillen tussen ruwe scores, gecentreerde scores, en gestandaardiseerde scores
beschrijven
4. Directe effecten, indirecte effecten, schijneffecten, en onbekend effecten identificeren in een
verbale beschrijving van de verwachte relaties of een conceptueel model.
Padmodellen: Een eerste kennismaking
“Een padmodel is een hypothese over onderliggende causale processen die de geobserveerde
correlaties tussen twee of meerdere variabelen verklaren.”
Het zou kunnen dat je ziet dat er een samenhang is tussen ‘het
aantal Facebook vrienden’ en ‘gelukkig zijn’. Echter, is correlatie
geen causatie en zou je dus een padmodel kunnen gebruiken
om te onderzoeken of meer Facebook vrienden ervoor zorgt
dat je gelukkiger wordt. Als variabelen samenhangen is er
namelijk niet altijd sprake van een causale relatie, want er kan
ook een gemeenschappelijke oorzaak zijn. Denk hierbij aan het
voorbeeld van de correlatie tussen ijsjes en verbranden (zie
rechterafbeelding). Er is dan sprake van een schijneffect.
Je moet je bij een correlatie dus afvragen waarom deze variabelen met elkaar correleren, of er een
causale relatie is, welke andere variabelen ene mogelijke rol spelen in het causale mechanisme en of
er variabelen zijn die als gemeenschappelijke oorzaak dienen. Met andere woorden: wat is een
plausibel verklaringsmechanisme?
Je zou de relatie tussen
Facebookvrienden en gelukkig zijn
kunnen verklaren doordat mensen met
veel vrienden meer sociale steun ervaren
en dit ervoor zorgt dat ze zich gelukkiger
voelen. Sociale steun en gelukkig zijn
kunnen ook weer deels bepaald worden
door de mate van ene positief zelfbeeld
en de mate waarin iemand een reëel
beeld van zichzelf heeft. Dit is een
voorbeeld van een theorie.
Je kan je hypothesen in een paddiagram
weergeven en onderzoeken in hoeverre
dit model past bij de data.
Het doel van de padanalyse is om te verklaren waarom
variabelen correleren. Het is nuttig om te weten dat
variabelen correleren, bijvoorbeeld om risico’s te
voorspellen, of om preventieve maatregelen te nemen.
Maar interessanter is de vraag waarom de variabelen
correleren. En met name om schijneffecten van echte
effecten te onderscheiden. Dit is een van de redenen
om onderzoek naar verklaringsmechanismen te doen.
Verder is onderzoek naar verklaringsmechanismen ook
belangrijk voor de theorieontwikkeling en voor de
ontwikkeling van effectieve interventies (therapieën,
voorlichting, etc.).
3
, Bijvoorbeeld: als je weet dat introverte mensen gevoeliger zijn voor een burn-out, dan kun je extra op
hen letten. Maar als je niet weet waarom juist introverte mensen gevoeliger zijn dan wordt het
lastiger om er echt iets aan/mee te doen.
Enkele basisbegrippen
Correlationeel onderzoek versus experimenteel onderzoek
• Experimenteel onderzoek: Er is een actieve manipulatie van de onafhankelijke variabelen en
random toewijzing aan experimentele condities.
• Correlationeel onderzoek: Het bestuderen van de samenhang tussen de variabelen
verkregen uit vragenlijsten en veldobservaties. Er heeft geen manipulatie plaatsgevonden
zoals bij (quasi)-experimenteel onderzoek.
Variabelen
Variabelen zijn eigenschappen van onderzoekseenheden waarin je geïnteresseerd zijn en waarin de
onderzoekseenheden variëren. Als er geen variatie is in de variabele dan spreek je van een constante.
Let er dus goed op of een eigenschap een variabele of een constante. Of de eigenschap een variabele
of een constante is hangt van je specifieke onderzoeksgroep af. Als je onderzoeksgroep bijvoorbeeld
alleen uit meisjes bestaat, dan is geslacht in dit onderzoek geen variabele maar een constante!
Vaak worden waarden van de variabele door elkaar gehaald met de variabele zelf. Een voorbeeld
hiervan is dat ‘rijk’ en ‘arm’ twee waarden zijn van dezelfde variabele ‘inkomen’. Je dient deze dan
ook niet apart in je model op te nemen. Dezelfde verwarring zie je soms terug in de opgestelde
hypothese. Het is namelijk onjuist is om te zeggen: “Een hoge opleiding hangt samen met inkomen”.
Het is beter om één van de volgende hypothesen te hebben “opleiding hangt samen met inkomen” of
“hoog opgeleiden verdienen gemiddeld genomen meer dan laag opgeleiden”.
Basisbegrippen beschrijvende statistiek
• Gemiddelde
• Variantie: Een maat voor spreiding (altijd een positief getal)
• Standaarddeviatie: Een maat voor spreiding.
• Covariantie: Een maat voor lineaire samenhang die je niet inhoudelijk kan interpreteren.
o cov > 0 positieve samenhang
o cov < 0 negatieve samenhang
o cov = 0 geen samenhang
• Correlatie: Een gestandaardiseerde maat voor lineaire samenhang. Een correlatie kan je
inhoudelijk interpreteren.
• Gestandaardiseerde score, zoals de Z-scores met een gemiddelde van 0, en SD = 1, en ook
variantie is 1.
Hypothese
Een hypothese is een uitspraak over de veronderstelde relatie tussen twee (of meerdere) variabelen.
Het kan gaan om een causale hypothese of een correlationele hypothese:
4
Hoorcollege 1....................................................................................................................................... 2
Hoorcollege 2....................................................................................................................................... 9
Hoorcollege 3..................................................................................................................................... 19
Hoorcollege 4..................................................................................................................................... 29
Hoorcollege 5..................................................................................................................................... 40
Hoorcollege 6..................................................................................................................................... 49
Hoorcollege 7..................................................................................................................................... 57
Hoorcollege 8..................................................................................................................................... 72
Hoorcollege 9..................................................................................................................................... 89
Hoorcollege 10................................................................................................................................. 105
Hoorcollege 11................................................................................................................................. 108
1
,Hoorcollege 1
Introductie
Op het moment dat we kijken naar de wereld om ons heen, dan zien we opmerkelijke verschillen
tussen mensen in hoe zij denken, zich gedragen, omgaan met bepaalde situaties, etc. Verder zien we
ook dat sommige kenmerken en gedragingen vaker in onderlinge samenhang voorkomen dan andere
kenmerken. We willen deze verschillen verklaren en dingen leren uit deze verbanden. We vragen ons
dan dus af waarom bepaalde gedragingen samenhangen en welke onderliggende causale
psychologische processen een verklaring geven voor die verschillen/verbanden. We stellen dan een
theorie op over deze verbanden.
Zoals in de afbeelding aan de linkerkant te zien is
vormen de klinische variabelen netwerken. Hoe
dikker de lijn tussen twee variabelen, hoe sterker
de samenhang. Een voorbeeld van variabelen die
samenhangen is de persoonlijkheidstrek
openheid met nieuwsgierigheid.
Bij de cursus Toegepaste Methoden en Statistiek leer je methoden en technieken waarmee je
(causale) theorieën over psychologische processen kunt onderzoeken op basis van empirische data.
Bij empirische data gaat het dus om correlationele data die verkregen is uit bijvoorbeeld vragenlijsten
of observaties. We starten met een theorie en dit gaan
we vertalen naar een statistisch toetsbaar model voor de
onderzoeksgegevens. Deze theorie kan een lange
voorgeschiedenis hebben, maar het kan ook gaan om het
toetsen van eerste vermoedens. Verder gaan we kijken
hoe je het model kunt toepassen op onderzoeksgegevens
en hoe je vervolgens inhoudelijke conclusies kunt trekken
op basis van dit toegepaste model. Hierbij volgen de we
empirische cyclus die te vinden is aan de rechterkant.
Uitgangspunten van dit vak:
• We gaan voornamelijk uit van data verkregen uit correlationele studies:
vragenlijstonderzoek, observaties, et cetera.
• Het onderzoek kan exploratief (‘laat de data spreken’) of confirmatief van aard zijn (bijv. in
replicatieonderzoek, valideren van vragenlijsten, etc.). Bij exploratief onderzoek gaat het er
dus om dat je meer zal gaan begrijpen over een bepaald onderwerp en bij confirmatief
onderzoek heb je vantevoren een duidelijke hypothese.
• Het gaat hierbij altijd om het bestuderen van verbanden tussen variabelen. Maar het
soort/type variabele kan erg verschillend zijn! Denk aan agressie, welbevinden, intelligentie,
motivatie, kwaliteit van leven, persoonlijkheid, overtuigingskracht, mentale weerbaarheid,
fysieke gezondheid, etc.
• Sommige variabelen zijn direct meetbaar / te observeren (gedrag, leeftijd). Dit noemen we
manifeste variabelen. Daartegenover staan latente variabelen. Die zijn niet direct
observeerbeer, maar worden gemeten met speciaal daarvoor ontwikkelde instrumenten
(tests, toetsen, vragenlijsten, etc.)
Leerdoelen college 1
1. Het onderscheid tussen correlationeel onderzoek en experimenteel onderzoek beschrijven.
2. Het algemene doel van padanalyse uitleggen.
2
, 3. Het verschillen tussen ruwe scores, gecentreerde scores, en gestandaardiseerde scores
beschrijven
4. Directe effecten, indirecte effecten, schijneffecten, en onbekend effecten identificeren in een
verbale beschrijving van de verwachte relaties of een conceptueel model.
Padmodellen: Een eerste kennismaking
“Een padmodel is een hypothese over onderliggende causale processen die de geobserveerde
correlaties tussen twee of meerdere variabelen verklaren.”
Het zou kunnen dat je ziet dat er een samenhang is tussen ‘het
aantal Facebook vrienden’ en ‘gelukkig zijn’. Echter, is correlatie
geen causatie en zou je dus een padmodel kunnen gebruiken
om te onderzoeken of meer Facebook vrienden ervoor zorgt
dat je gelukkiger wordt. Als variabelen samenhangen is er
namelijk niet altijd sprake van een causale relatie, want er kan
ook een gemeenschappelijke oorzaak zijn. Denk hierbij aan het
voorbeeld van de correlatie tussen ijsjes en verbranden (zie
rechterafbeelding). Er is dan sprake van een schijneffect.
Je moet je bij een correlatie dus afvragen waarom deze variabelen met elkaar correleren, of er een
causale relatie is, welke andere variabelen ene mogelijke rol spelen in het causale mechanisme en of
er variabelen zijn die als gemeenschappelijke oorzaak dienen. Met andere woorden: wat is een
plausibel verklaringsmechanisme?
Je zou de relatie tussen
Facebookvrienden en gelukkig zijn
kunnen verklaren doordat mensen met
veel vrienden meer sociale steun ervaren
en dit ervoor zorgt dat ze zich gelukkiger
voelen. Sociale steun en gelukkig zijn
kunnen ook weer deels bepaald worden
door de mate van ene positief zelfbeeld
en de mate waarin iemand een reëel
beeld van zichzelf heeft. Dit is een
voorbeeld van een theorie.
Je kan je hypothesen in een paddiagram
weergeven en onderzoeken in hoeverre
dit model past bij de data.
Het doel van de padanalyse is om te verklaren waarom
variabelen correleren. Het is nuttig om te weten dat
variabelen correleren, bijvoorbeeld om risico’s te
voorspellen, of om preventieve maatregelen te nemen.
Maar interessanter is de vraag waarom de variabelen
correleren. En met name om schijneffecten van echte
effecten te onderscheiden. Dit is een van de redenen
om onderzoek naar verklaringsmechanismen te doen.
Verder is onderzoek naar verklaringsmechanismen ook
belangrijk voor de theorieontwikkeling en voor de
ontwikkeling van effectieve interventies (therapieën,
voorlichting, etc.).
3
, Bijvoorbeeld: als je weet dat introverte mensen gevoeliger zijn voor een burn-out, dan kun je extra op
hen letten. Maar als je niet weet waarom juist introverte mensen gevoeliger zijn dan wordt het
lastiger om er echt iets aan/mee te doen.
Enkele basisbegrippen
Correlationeel onderzoek versus experimenteel onderzoek
• Experimenteel onderzoek: Er is een actieve manipulatie van de onafhankelijke variabelen en
random toewijzing aan experimentele condities.
• Correlationeel onderzoek: Het bestuderen van de samenhang tussen de variabelen
verkregen uit vragenlijsten en veldobservaties. Er heeft geen manipulatie plaatsgevonden
zoals bij (quasi)-experimenteel onderzoek.
Variabelen
Variabelen zijn eigenschappen van onderzoekseenheden waarin je geïnteresseerd zijn en waarin de
onderzoekseenheden variëren. Als er geen variatie is in de variabele dan spreek je van een constante.
Let er dus goed op of een eigenschap een variabele of een constante. Of de eigenschap een variabele
of een constante is hangt van je specifieke onderzoeksgroep af. Als je onderzoeksgroep bijvoorbeeld
alleen uit meisjes bestaat, dan is geslacht in dit onderzoek geen variabele maar een constante!
Vaak worden waarden van de variabele door elkaar gehaald met de variabele zelf. Een voorbeeld
hiervan is dat ‘rijk’ en ‘arm’ twee waarden zijn van dezelfde variabele ‘inkomen’. Je dient deze dan
ook niet apart in je model op te nemen. Dezelfde verwarring zie je soms terug in de opgestelde
hypothese. Het is namelijk onjuist is om te zeggen: “Een hoge opleiding hangt samen met inkomen”.
Het is beter om één van de volgende hypothesen te hebben “opleiding hangt samen met inkomen” of
“hoog opgeleiden verdienen gemiddeld genomen meer dan laag opgeleiden”.
Basisbegrippen beschrijvende statistiek
• Gemiddelde
• Variantie: Een maat voor spreiding (altijd een positief getal)
• Standaarddeviatie: Een maat voor spreiding.
• Covariantie: Een maat voor lineaire samenhang die je niet inhoudelijk kan interpreteren.
o cov > 0 positieve samenhang
o cov < 0 negatieve samenhang
o cov = 0 geen samenhang
• Correlatie: Een gestandaardiseerde maat voor lineaire samenhang. Een correlatie kan je
inhoudelijk interpreteren.
• Gestandaardiseerde score, zoals de Z-scores met een gemiddelde van 0, en SD = 1, en ook
variantie is 1.
Hypothese
Een hypothese is een uitspraak over de veronderstelde relatie tussen twee (of meerdere) variabelen.
Het kan gaan om een causale hypothese of een correlationele hypothese:
4
