Statistiek ll
Belangrijke info:
- Theorie-examen (2/3) = meerkeuze → 7 theorie – 7 interpretatie – 7 toepassingen (cesuur!)
- Praktijkexamen (1/3) = computer
- Formuleblad gegeven bij examen (7 pagina’s dus weten wat waar staat)
H1: Van probleem naar analyse
Multivariate analyse = verzameling statistische technieken gericht op samenhang variabelen
Heterogene variabelen qua opzet en finaliteit
➢ Kenmerk, relatie, dependente technieken (duidelijke richting AV en OV), meetniveau, aantal
dimensies en orthogonaliteit van dimensies, ...
Keuze van techniek = afhankelijk van onderzoeksvraag → kenmerk, relatie, hoeveelheid items, ...
Notatie
Types variabelen
- Kwantitatieve variabele: interval of ratiomeetniveau
- Manifeste meting = meetbaar (vb. inkomen, leeftijd, ...)
- Rol van afhankelijke (te verklaren) en onafhankelijke variabelen (verklarend)
-
- Dichotome categorische variabele (2 categorieën): nominaal of ordinaal [kwalitatief]
- Manifeste meting (vb. geslacht, ...)
- Rol van afhankelijk en onafhankelijke variabelen
- Polytome categorische variabelen (3 of meer categorieën): nominaal of ordinaal [kwalitatief]
- Manifeste meting
- Rol van afhankelijke en onafhankelijke variabelen
- Latente variabele: interval of ratiomeetniveau
- Niet rechtstreeks meten → afleiden vanuit vragen, schalen, ... respondenten
Types samenhang
- Symmetrische samenhang 2 kenmerken → geen onderscheid tussen AV en OV (geen richting)
- Asymmetrische samenhang → OV heeft een lineair (causaal) effect op AV
- Lineair effect: eenzelfde verandering bij OV = eenzelfde verandering bij AV
- Causale interpretatie = afhankelijk van onderzoeksdesign
- Asymmetrische samenhang → geen lineair effect (graduele verandering)
-
- Interactie-effect: combinatie van 2 of meer OV’s die causaal effect hebben op AV
,Sociaalwetenschappelijke probleemstellingen
Types probleemstellingen: relaties, kenmerken en datareductie
Bivariate causale structuur: (vb. STAR-experiment)
- Willekeurige toewijzing aan experimentele condities
➢ Initieel geen significante verschillen binnen klassen
- Differentiële uitval naar achtergrondkenmerken → vertekening
➢ Nood aan multivariate analyse (zie voorbeelden)
1. Inactiviteit en overgewicht (uitzicht = WEL causaliteit)
➢ Schijnbare causaliteit: associatie met andere variabelen → niet-bivariaat verband
• Verband leeftijd/inactiviteit + verband leeftijd/BMI ≠ verband inactiviteit/BMI
➢ AV = BMI (kwantitatief) OV = inactiviteit (kwantitatief) → dependent
• Meervoudige regressie: modelvergelijkingsprocedure
2. Regionale verschillen en objectieve bestaanszekerheid (uitzicht = WEL causaliteit)
➢ Indirecte causaliteit door intermediaire variabele (se-activiteit)
• (Verband gewest/activiteit + verband activiteit/bestaan = verband gewest/bestaan
➢ AV = bestaan (kwantitatief) OV = regio (kwalitatief) → dependent
• Regressie met dummyvariabelen: T-test/F-test
3. Leeftijd en subjectieve bestaansonzekerheid (uitzicht = GEEN causaliteit)
➢ Suppressie van samenhang = opheffing negatief verband door indirect positief
• (-)Verband leeftijd/ink. + (+)verband ink./bestaan = (0)verband leeftijd/bestaan
• Suppressorvariabele = gezinsinkomen → zorgt voor opheffing verband
➢ AV = bestaan (kwalitatief) + OV = leeftijd (kwantitatief) → dependent
• Multinominaal model??
4. Beroepsstatus en subjectieve gezondheid (uitzicht = WEL causaliteit)
➢ Interactieve structuur = vergroting van effect door 2e verband
• (+)verband beroep/gezond + (+)verband leeftijd/gezond = (++) verband gezond
• Effect = gecombineerd effect
➢ AV = gezond (kwalitatief) + OV = beroep (kwalitatief) → dependent
• Regressie met dummy (producttermen) + multinominal logit modellen
5. Politiek vertrouwen en belastingen (WEL causaliteit)
➢ Convergente (causale) structuur → meerdere kwantitatieve verklarende variabele
• Causaliteit = moeilijk vast te stellen (geen experimentele omgeving)
• Vb. tevredenheid functioneren, opleidingsniveau, ...
➢ AV = vertrouwen (kwantitatief – schaal) + OV = meerdere (kwantitatieve) → dependent
• Meervoudige regressie (H8)
,6. Etnische identiteit bij minderheden (WEL causaliteit)
➢ Convergente (causale) structuur → kwalitatieve en kwantitatieve verklarende variabele
• Causaliteit = moeilijk vast te stellen (geen experimentele omgeving)
• Vb. migratieleeftijd, regio, nationaliteit, ...
➢ AV = integraties/assimilatie (kwantitatief) + OV = meerdere (beide) → dependent
• Regressie met dummyvariabelen: F-test / anova
7. Schoolloopbaan allochtone jongeren (WEL causaliteit)
➢ Convergente (causale) structuur → categorische en kwantitatieve verklarende variabelen
• Causaliteit = moeilijk vast te stellen (geen experimentele omgeving)
• Vb. migratieleeftijd, regio, nationaliteit, ...
➢ AV = zittenblijven (kwalitatief) + OV = meerdere (beide) → dependent
• Probleemrelaties onderzoeken: indirecte relaties/schijnverbanden uitsluiten
• Logistische regressie met dummyvariabelen
8. Genderverschillen in arbeidsparticipatie (WEL causaliteit)
➢ Convergente causale structuur → categorische verklarende variabelen
• Invloed geslacht en opleiding op arbeidsregime (polytoom)
➢ AV = arbeidsregime (kwalitatief) + OV = meerdere (beide) → dependent
• Multinominal logit modellen
9. Waardenoriëntaties Turkse en Marokkaanse mannen
➢ Latente structuur: 57 items over waarden en opinies omzetten → datareductie
• Manifeste variabelen omzetten naar schalen (kwantitatief)
➢ OV = meerdere kwantitatieve variabelen
• Principale component en factor analyse
, Dependente = duidelijke AV en OV niet-dependent = geen richting gekend
Oefeningen
Volgende stellingen = betrekking op keuze van multivariate analysetechniek: welke is FOUT? (examenvraag)
1. Het model multinomial logistische regressie laat toe om effecten van leeftijd (jaren) en burgerlijke staat
(nominale variabele 4 cat.) te onderzoeken op partijvoorkeur (nominale variabele 6 cat.).
➔ Dependent / Partijvoorkeur = kwalitatief / 3+ categorieën
2. Regressie met dummyvariabelen is geschikt voor de analyse van werkloosheid (dummy-variabele) naar
leeftijd (interval), opleiding (ordinaal 5 cat.), geslacht (dummy) en nationaliteit (nominaal 3 cat.).
➔ Dependent / werkloosheid = kwalitatief / 3+ categorieën
3. Het model van meervoudige regressie laat toe om te testen of er sprake is van een niet-lineair effect
van arbeidservaring (in jaren) op het bruto-inkomen (in EUR).
➔ Dependent / Bruto-inkomen = kwantitatief / kwantitatieve OV (meervoudig door niet-lineair)
4. Variantieanalyse = geschikt te testen of er significant effect uitgaat van geslacht (dummy-variabele) op
etnocentrisme (intervalvariabele) na controle voor leeftijd (in jaren).
➔ Dependent / etnocentrisme = kwantitatief / 2 variabelen
5. Principale factoranalyse is geschikt om te onderzoeken hoeveel dimensies vervat zitten in batterij van
10 Likert-items die telkens betrekking hebben op symptomen van depressie (rusteloosheid,
vermoeidheid, slapeloosheid, eenzaamheid, gebrek aan energie, verveling, leergierigheid, gevoel vat te
hebben op het leven, kunnen omgaan met tegenslag, gevoel mislukt te zijn).
➔ Niet-dependent / 3+ variabelen /
Welke multivariate analysetechniek is gepast voor deze probleemstelling: een analyse van werkloosheid
(dummy) in functie van geslacht (dummy), leeftijd, nationaliteit, opleiding en arbeidservaring.
1. (co)variantieanalyse = F-test (kwantitatieve variabelen)
2. Principale componentenanalyse met oblieke rotatie (niet-dependent)
3. Multinomial logit model (3+ categorieën)
4. Een T-test voor verschillen tussen gemiddelden (kwantitatieve variabelen)
5. Logistische regressie → werkloosheid (AV) = kwalitatieve variabele
Belangrijke info:
- Theorie-examen (2/3) = meerkeuze → 7 theorie – 7 interpretatie – 7 toepassingen (cesuur!)
- Praktijkexamen (1/3) = computer
- Formuleblad gegeven bij examen (7 pagina’s dus weten wat waar staat)
H1: Van probleem naar analyse
Multivariate analyse = verzameling statistische technieken gericht op samenhang variabelen
Heterogene variabelen qua opzet en finaliteit
➢ Kenmerk, relatie, dependente technieken (duidelijke richting AV en OV), meetniveau, aantal
dimensies en orthogonaliteit van dimensies, ...
Keuze van techniek = afhankelijk van onderzoeksvraag → kenmerk, relatie, hoeveelheid items, ...
Notatie
Types variabelen
- Kwantitatieve variabele: interval of ratiomeetniveau
- Manifeste meting = meetbaar (vb. inkomen, leeftijd, ...)
- Rol van afhankelijke (te verklaren) en onafhankelijke variabelen (verklarend)
-
- Dichotome categorische variabele (2 categorieën): nominaal of ordinaal [kwalitatief]
- Manifeste meting (vb. geslacht, ...)
- Rol van afhankelijk en onafhankelijke variabelen
- Polytome categorische variabelen (3 of meer categorieën): nominaal of ordinaal [kwalitatief]
- Manifeste meting
- Rol van afhankelijke en onafhankelijke variabelen
- Latente variabele: interval of ratiomeetniveau
- Niet rechtstreeks meten → afleiden vanuit vragen, schalen, ... respondenten
Types samenhang
- Symmetrische samenhang 2 kenmerken → geen onderscheid tussen AV en OV (geen richting)
- Asymmetrische samenhang → OV heeft een lineair (causaal) effect op AV
- Lineair effect: eenzelfde verandering bij OV = eenzelfde verandering bij AV
- Causale interpretatie = afhankelijk van onderzoeksdesign
- Asymmetrische samenhang → geen lineair effect (graduele verandering)
-
- Interactie-effect: combinatie van 2 of meer OV’s die causaal effect hebben op AV
,Sociaalwetenschappelijke probleemstellingen
Types probleemstellingen: relaties, kenmerken en datareductie
Bivariate causale structuur: (vb. STAR-experiment)
- Willekeurige toewijzing aan experimentele condities
➢ Initieel geen significante verschillen binnen klassen
- Differentiële uitval naar achtergrondkenmerken → vertekening
➢ Nood aan multivariate analyse (zie voorbeelden)
1. Inactiviteit en overgewicht (uitzicht = WEL causaliteit)
➢ Schijnbare causaliteit: associatie met andere variabelen → niet-bivariaat verband
• Verband leeftijd/inactiviteit + verband leeftijd/BMI ≠ verband inactiviteit/BMI
➢ AV = BMI (kwantitatief) OV = inactiviteit (kwantitatief) → dependent
• Meervoudige regressie: modelvergelijkingsprocedure
2. Regionale verschillen en objectieve bestaanszekerheid (uitzicht = WEL causaliteit)
➢ Indirecte causaliteit door intermediaire variabele (se-activiteit)
• (Verband gewest/activiteit + verband activiteit/bestaan = verband gewest/bestaan
➢ AV = bestaan (kwantitatief) OV = regio (kwalitatief) → dependent
• Regressie met dummyvariabelen: T-test/F-test
3. Leeftijd en subjectieve bestaansonzekerheid (uitzicht = GEEN causaliteit)
➢ Suppressie van samenhang = opheffing negatief verband door indirect positief
• (-)Verband leeftijd/ink. + (+)verband ink./bestaan = (0)verband leeftijd/bestaan
• Suppressorvariabele = gezinsinkomen → zorgt voor opheffing verband
➢ AV = bestaan (kwalitatief) + OV = leeftijd (kwantitatief) → dependent
• Multinominaal model??
4. Beroepsstatus en subjectieve gezondheid (uitzicht = WEL causaliteit)
➢ Interactieve structuur = vergroting van effect door 2e verband
• (+)verband beroep/gezond + (+)verband leeftijd/gezond = (++) verband gezond
• Effect = gecombineerd effect
➢ AV = gezond (kwalitatief) + OV = beroep (kwalitatief) → dependent
• Regressie met dummy (producttermen) + multinominal logit modellen
5. Politiek vertrouwen en belastingen (WEL causaliteit)
➢ Convergente (causale) structuur → meerdere kwantitatieve verklarende variabele
• Causaliteit = moeilijk vast te stellen (geen experimentele omgeving)
• Vb. tevredenheid functioneren, opleidingsniveau, ...
➢ AV = vertrouwen (kwantitatief – schaal) + OV = meerdere (kwantitatieve) → dependent
• Meervoudige regressie (H8)
,6. Etnische identiteit bij minderheden (WEL causaliteit)
➢ Convergente (causale) structuur → kwalitatieve en kwantitatieve verklarende variabele
• Causaliteit = moeilijk vast te stellen (geen experimentele omgeving)
• Vb. migratieleeftijd, regio, nationaliteit, ...
➢ AV = integraties/assimilatie (kwantitatief) + OV = meerdere (beide) → dependent
• Regressie met dummyvariabelen: F-test / anova
7. Schoolloopbaan allochtone jongeren (WEL causaliteit)
➢ Convergente (causale) structuur → categorische en kwantitatieve verklarende variabelen
• Causaliteit = moeilijk vast te stellen (geen experimentele omgeving)
• Vb. migratieleeftijd, regio, nationaliteit, ...
➢ AV = zittenblijven (kwalitatief) + OV = meerdere (beide) → dependent
• Probleemrelaties onderzoeken: indirecte relaties/schijnverbanden uitsluiten
• Logistische regressie met dummyvariabelen
8. Genderverschillen in arbeidsparticipatie (WEL causaliteit)
➢ Convergente causale structuur → categorische verklarende variabelen
• Invloed geslacht en opleiding op arbeidsregime (polytoom)
➢ AV = arbeidsregime (kwalitatief) + OV = meerdere (beide) → dependent
• Multinominal logit modellen
9. Waardenoriëntaties Turkse en Marokkaanse mannen
➢ Latente structuur: 57 items over waarden en opinies omzetten → datareductie
• Manifeste variabelen omzetten naar schalen (kwantitatief)
➢ OV = meerdere kwantitatieve variabelen
• Principale component en factor analyse
, Dependente = duidelijke AV en OV niet-dependent = geen richting gekend
Oefeningen
Volgende stellingen = betrekking op keuze van multivariate analysetechniek: welke is FOUT? (examenvraag)
1. Het model multinomial logistische regressie laat toe om effecten van leeftijd (jaren) en burgerlijke staat
(nominale variabele 4 cat.) te onderzoeken op partijvoorkeur (nominale variabele 6 cat.).
➔ Dependent / Partijvoorkeur = kwalitatief / 3+ categorieën
2. Regressie met dummyvariabelen is geschikt voor de analyse van werkloosheid (dummy-variabele) naar
leeftijd (interval), opleiding (ordinaal 5 cat.), geslacht (dummy) en nationaliteit (nominaal 3 cat.).
➔ Dependent / werkloosheid = kwalitatief / 3+ categorieën
3. Het model van meervoudige regressie laat toe om te testen of er sprake is van een niet-lineair effect
van arbeidservaring (in jaren) op het bruto-inkomen (in EUR).
➔ Dependent / Bruto-inkomen = kwantitatief / kwantitatieve OV (meervoudig door niet-lineair)
4. Variantieanalyse = geschikt te testen of er significant effect uitgaat van geslacht (dummy-variabele) op
etnocentrisme (intervalvariabele) na controle voor leeftijd (in jaren).
➔ Dependent / etnocentrisme = kwantitatief / 2 variabelen
5. Principale factoranalyse is geschikt om te onderzoeken hoeveel dimensies vervat zitten in batterij van
10 Likert-items die telkens betrekking hebben op symptomen van depressie (rusteloosheid,
vermoeidheid, slapeloosheid, eenzaamheid, gebrek aan energie, verveling, leergierigheid, gevoel vat te
hebben op het leven, kunnen omgaan met tegenslag, gevoel mislukt te zijn).
➔ Niet-dependent / 3+ variabelen /
Welke multivariate analysetechniek is gepast voor deze probleemstelling: een analyse van werkloosheid
(dummy) in functie van geslacht (dummy), leeftijd, nationaliteit, opleiding en arbeidservaring.
1. (co)variantieanalyse = F-test (kwantitatieve variabelen)
2. Principale componentenanalyse met oblieke rotatie (niet-dependent)
3. Multinomial logit model (3+ categorieën)
4. Een T-test voor verschillen tussen gemiddelden (kwantitatieve variabelen)
5. Logistische regressie → werkloosheid (AV) = kwalitatieve variabele
