Algemene regels Kwantitatief toets
1. Als p kleiner is dan alfa, dan wordt deze als significant gezien en mag je H0 verwerpen.
2. Noteren van p bij variantieanalyse en regressieanalyse
P < .05 Significant en tussen .05 en .01
P < .01 Significant en tussen .01 en .001
P < .001 Significant en onder de .001
P = .062 Niet significant, voluit schrijven
Week Term Wat doet het? Chapter Pagina
Week 1
1 Representativiteit Is onderzoek representatief voor de populatie, dit
49,
heeft invloed op externe validiteit H2, H19
836
1 Missing data Is de missing data random, we willen graag MCAR
Week 2
2 Betrouwbaarheidsanalyse Interne consistentie en datareductie, dit wordt
berekend met Cronbach’s alfa -> 1 dimensie
H18 778
2 Factoranalyse Interpreteerbaarheid en datareductie -> meerdere
dimensies, KMO & Bartlett
Week 3
3 Anova Verschillen groepen op score in afhankelijke
H12 520
variabele -> 1 afhank. M & 1+ onafhank. C
Week 4
4 Ancova Verschillen in groepen onder controle van
covariaat -> 1 afhank. Metrisch & 1+ onafhank. H13, 574,
Categorisch + 1 covariaat(onafhank) Metrisch H14, 608,
4 Manova Verschillen meerdere groepen -> 1+ onafhank. H17 736
Categorisch + 2+ Afhank. Metrisch
Week 5
5 Assumpties Alles moet metrisch zijn; Homoscedasticiteit,
regressieanalyse Lineariteit, Geen multicollineariteit en verdeling H6 226,
5 Regressieanalyse met Regressieanalyse uitvoeren met nominale/ordinale H9 370
dummy’s variabelen, deze moet je dummificeren.
Week 6
6 Regressieanalyse mediatie M↓
model X → Y
H11 482
6 Regressieanalyse
X →M→ Y
moderatie model
Symbool Betekenis Waar gebruik je het voor?
α Alfa Type 1 fout, over het algemeen gebruiken we α=.05
β Beta Type 2 fout
χ² Chi-kwadraat Gebruiken we voor representativiteit in dit geval
r Correlatie Om te kijken of iets een relatie heeft met iets anders
Beta Invloed Hoeveel invloed heeft een variabel regressieanalyse
ηp² Partial eta squared Geeft de effectgrote aan -> .10 is klein, .50 is groot
≠ Niet gelijk aan
< Kleiner dan
> Groter dan
1
,Representativiteit Opdracht 1
Wat is representativiteit?
Dat de populatie dezelfde kenmerken heeft als de steekproef
Dit is belangrijk om te onderzoeken, zodat je kan weten of je onderzoek generaliseerbaar is à
externe validiteit
Analysetechnieken
- Frequentietabel
- Histogram
- X² (chi-kwadraat) -> Nominaal en Ordinale variabelen
- Z- of T-toets -> Interval of Ratio variabelen
Alfa Representativiteit
- Bij representativiteit gebruiken we een alfa van .30
- Een type 1 fout (α) is dat je H0 verwerpt, terwijl H0 waar is. Hoe lager α, hoe moeilijker het is
om H0 te verwerpen.
- Een type 2 fout (β) is dat je H0 aanhoudt, terwijl H0 niet waar is. Hoe lager β, hoe makkelijker
het wordt om H0 te verwerpen.
- Doorgaans willen we een zo laag mogelijke kans op een type 1 fout, in dit geval willen we
juist H0, omdat H0 betekent dat het onderzoek representatief is.
- Het hebben van een hogere alfa sluit dus aan bij het doel waar we naar streven.
Hypothese
H0 = Verdeling in de steekproef = Verdeling in de populatie à We willen deze!
H1 = Verdeling in de steekproef ≠ Verdeling in de populatie
Stap 1 d%
1. Je gaat de verdeling, percentages, van de variabelen van je eigen onderzoek vergelijken met
de populatie -> staat in een frequentietabel.
2. Je rekent d% (verschil in percentage) uit van je eigen onderzoek
a. Bijvoorbeeld 47,6% mannen en 52,8% vrouwen -> d% = 4,8%
3. Je rekent d% uit van de populatie
a. Bijvoorbeeld 51,1% mannen en 48,9% vrouwen -> d% = 3.5%
4. Je vergelijkt de d% tussen beiden
a. Verschil tussen populatie en steekproef is 4%-2,6% = 1,3%
5. Als het verschil tussen de populatie en de steekproef kleiner is dan 5% dan kan je er vanuit
gaat dat het representatief is.
Stap 2 Chi-kwadraat
1. Benoemen van de hypotheses
a. H0 = Verdeling van geslacht in de steekproef = verdeling van geslacht in de populatie
b. H1 = Verdeling van geslacht in de steekproef ≠ verdeling van geslacht in de populatie
2. Test statistics -> statistische gegevens
2
, 3. Noteren van gegevens
a. X²(1, N=775)=3.558 , p =.059
4. Je kijkt naar p -> Deze moet groter zijn dan alfa voordat het representatief is, oftewel groter
dan .30
a. In dit geval p=.059, dit is niet groter dan .30, waardoor het wel statistisch significant
is, maar de steekproef is dus niet representatief voor de populatie.
5. Leg uit waarom je steekproef wel of niet representatief is.
a. We gebruiken alfa van .30
b. Asymp. Sig. moet groter zijn dan .30 om representatief te zijn, dan kunnen we
namelijk H0 niet verwerpen.
Stap 3 Conclusie
1. Benoem wat je in eerste instantie dacht na het berekenen van d% bij stap 1
2. Benoem wat blijkt uit de Chi-kwadraat toets
a. In dit geval zijn bijvoorbeeld vrouwen oververtegenwoordigd in de steekproef en
daarmee zijn de mannen ondervertegenwoordigd à Dit blijkt uit de frequentietabel
bij stap 1.
3. Waarop is de conclusie gebaseerd -> benoem de statistische gegevens
a. Alfa = .30
b. D%
c. X² toets
d. Hypotheses
4. Algemene regels benoemen
a. Er is sprake van representativiteit als de verdeling in de steekproef gelijk is aan de
verdeling in de populatie.
b. Verschil in d% moet kleiner zijn dan 5%
c. Alfa Chi2 groter dan .30 voor representativiteit à kan je H0 niet verwerpen.
5. Laatste korte conclusie
a. Toepassing van deze algemene regels op de bovenstaande gegevens laat zien dat de
steekproef niet representatief is op geslacht.
3
1. Als p kleiner is dan alfa, dan wordt deze als significant gezien en mag je H0 verwerpen.
2. Noteren van p bij variantieanalyse en regressieanalyse
P < .05 Significant en tussen .05 en .01
P < .01 Significant en tussen .01 en .001
P < .001 Significant en onder de .001
P = .062 Niet significant, voluit schrijven
Week Term Wat doet het? Chapter Pagina
Week 1
1 Representativiteit Is onderzoek representatief voor de populatie, dit
49,
heeft invloed op externe validiteit H2, H19
836
1 Missing data Is de missing data random, we willen graag MCAR
Week 2
2 Betrouwbaarheidsanalyse Interne consistentie en datareductie, dit wordt
berekend met Cronbach’s alfa -> 1 dimensie
H18 778
2 Factoranalyse Interpreteerbaarheid en datareductie -> meerdere
dimensies, KMO & Bartlett
Week 3
3 Anova Verschillen groepen op score in afhankelijke
H12 520
variabele -> 1 afhank. M & 1+ onafhank. C
Week 4
4 Ancova Verschillen in groepen onder controle van
covariaat -> 1 afhank. Metrisch & 1+ onafhank. H13, 574,
Categorisch + 1 covariaat(onafhank) Metrisch H14, 608,
4 Manova Verschillen meerdere groepen -> 1+ onafhank. H17 736
Categorisch + 2+ Afhank. Metrisch
Week 5
5 Assumpties Alles moet metrisch zijn; Homoscedasticiteit,
regressieanalyse Lineariteit, Geen multicollineariteit en verdeling H6 226,
5 Regressieanalyse met Regressieanalyse uitvoeren met nominale/ordinale H9 370
dummy’s variabelen, deze moet je dummificeren.
Week 6
6 Regressieanalyse mediatie M↓
model X → Y
H11 482
6 Regressieanalyse
X →M→ Y
moderatie model
Symbool Betekenis Waar gebruik je het voor?
α Alfa Type 1 fout, over het algemeen gebruiken we α=.05
β Beta Type 2 fout
χ² Chi-kwadraat Gebruiken we voor representativiteit in dit geval
r Correlatie Om te kijken of iets een relatie heeft met iets anders
Beta Invloed Hoeveel invloed heeft een variabel regressieanalyse
ηp² Partial eta squared Geeft de effectgrote aan -> .10 is klein, .50 is groot
≠ Niet gelijk aan
< Kleiner dan
> Groter dan
1
,Representativiteit Opdracht 1
Wat is representativiteit?
Dat de populatie dezelfde kenmerken heeft als de steekproef
Dit is belangrijk om te onderzoeken, zodat je kan weten of je onderzoek generaliseerbaar is à
externe validiteit
Analysetechnieken
- Frequentietabel
- Histogram
- X² (chi-kwadraat) -> Nominaal en Ordinale variabelen
- Z- of T-toets -> Interval of Ratio variabelen
Alfa Representativiteit
- Bij representativiteit gebruiken we een alfa van .30
- Een type 1 fout (α) is dat je H0 verwerpt, terwijl H0 waar is. Hoe lager α, hoe moeilijker het is
om H0 te verwerpen.
- Een type 2 fout (β) is dat je H0 aanhoudt, terwijl H0 niet waar is. Hoe lager β, hoe makkelijker
het wordt om H0 te verwerpen.
- Doorgaans willen we een zo laag mogelijke kans op een type 1 fout, in dit geval willen we
juist H0, omdat H0 betekent dat het onderzoek representatief is.
- Het hebben van een hogere alfa sluit dus aan bij het doel waar we naar streven.
Hypothese
H0 = Verdeling in de steekproef = Verdeling in de populatie à We willen deze!
H1 = Verdeling in de steekproef ≠ Verdeling in de populatie
Stap 1 d%
1. Je gaat de verdeling, percentages, van de variabelen van je eigen onderzoek vergelijken met
de populatie -> staat in een frequentietabel.
2. Je rekent d% (verschil in percentage) uit van je eigen onderzoek
a. Bijvoorbeeld 47,6% mannen en 52,8% vrouwen -> d% = 4,8%
3. Je rekent d% uit van de populatie
a. Bijvoorbeeld 51,1% mannen en 48,9% vrouwen -> d% = 3.5%
4. Je vergelijkt de d% tussen beiden
a. Verschil tussen populatie en steekproef is 4%-2,6% = 1,3%
5. Als het verschil tussen de populatie en de steekproef kleiner is dan 5% dan kan je er vanuit
gaat dat het representatief is.
Stap 2 Chi-kwadraat
1. Benoemen van de hypotheses
a. H0 = Verdeling van geslacht in de steekproef = verdeling van geslacht in de populatie
b. H1 = Verdeling van geslacht in de steekproef ≠ verdeling van geslacht in de populatie
2. Test statistics -> statistische gegevens
2
, 3. Noteren van gegevens
a. X²(1, N=775)=3.558 , p =.059
4. Je kijkt naar p -> Deze moet groter zijn dan alfa voordat het representatief is, oftewel groter
dan .30
a. In dit geval p=.059, dit is niet groter dan .30, waardoor het wel statistisch significant
is, maar de steekproef is dus niet representatief voor de populatie.
5. Leg uit waarom je steekproef wel of niet representatief is.
a. We gebruiken alfa van .30
b. Asymp. Sig. moet groter zijn dan .30 om representatief te zijn, dan kunnen we
namelijk H0 niet verwerpen.
Stap 3 Conclusie
1. Benoem wat je in eerste instantie dacht na het berekenen van d% bij stap 1
2. Benoem wat blijkt uit de Chi-kwadraat toets
a. In dit geval zijn bijvoorbeeld vrouwen oververtegenwoordigd in de steekproef en
daarmee zijn de mannen ondervertegenwoordigd à Dit blijkt uit de frequentietabel
bij stap 1.
3. Waarop is de conclusie gebaseerd -> benoem de statistische gegevens
a. Alfa = .30
b. D%
c. X² toets
d. Hypotheses
4. Algemene regels benoemen
a. Er is sprake van representativiteit als de verdeling in de steekproef gelijk is aan de
verdeling in de populatie.
b. Verschil in d% moet kleiner zijn dan 5%
c. Alfa Chi2 groter dan .30 voor representativiteit à kan je H0 niet verwerpen.
5. Laatste korte conclusie
a. Toepassing van deze algemene regels op de bovenstaande gegevens laat zien dat de
steekproef niet representatief is op geslacht.
3
