1. Van probleem naar analyse
Multivariate analysetechnieken
= is een verzamelnaam voor een groep van statistische technieken gericht op analyse van
samenhang tussen drie of meer variabelen onderling.
Deze technieken zijn verschillend naargelang de opzet en finaliteit van het onderzoek.
Enkele zaken waarmee rekening gehouden wordt:
- Analyse van probleemkenmerk of probleemrelatie (zie verder)
- Dependente versus niet-dependente technieken: in deze cursus bekijken we vooral
dependente technieken. Er is afhankelijkheid van variabelen. De latente structuur is een
niet-dependente techniek (H12)
- Meetniveau van de AV en OV (nominaal, ordinaal, interval en ratio)
o Afhankelijke variabele = te verklaren variabelen
o Onafhankelijke variabele = verklarende variabelen
- Orthogonaliteit van dimensies: ???
- Aantal AV
- (niet)-lineair karakter van de effecten
o Lineair karakter van de effecten = een effect in OV heeft eenzelfde effect in AV
o Niet-lineair karakter van de effecten = een effect in OV heeft een gradueel groter of
kleiner effect in de AV
- Additieve karakter van effecten: ???
Deze zaken leiden tot verschillende modelspecificaties/analysetechnieken.
Verder toegelicht:
De onderzoeksvraag is belangrijk bij het kiezen van een multivariate analysetechniek. Je kan een
analyse maken van een probleemkenmerk, een probleemrelatie of een veelheid van
items/uitspraken en dit noemen we synthese of datareductie:
• Probleemkenmerk = de factoren onderzoeken die de variatie van een kenmerk verklaren
o bv politiek vertrouwen, zittenblijven, …
• Probleemrelatie = we onderzoeken hier in welke mate de ene variabele in verband staat met
de andere variabele door naar de determinanten te kijken
o bv de samenhang tussen politiek vertrouwen en participatie aan de samenleving, de
samenhang tussen leeftijd en subjectieve bestaansonzekerheid, …
• Synthese/datareductie = een veelheid van items/uitspraken worden bevraagd aan de hand
van een survey (denk bijvoorbeeld aan een likert-schaal om een complex concept te meten).
Hiermee worden achterliggende opinies/attitudes gemeten
o Bv werknemersengagement gemeten adhv een 8-punt likertschaal
,Er zijn twee soorten variabelen: manifest en latent.
• Manifeste variabelen = rechtstreeks op te meten variabelen zoals leeftijd, geslacht van
de respondent. Deze variabele kan elk meetniveau hebben, maar wanneer genoteerd als
een enkel blokje dan heb je sowieso met een kwantitatieve variabele te maken, interval- of
rationiveau.
o Dichotome variabele = wanneer een manifeste variabele opgemeten wordt in
een categorische variabele (nominaal of ordinaal) met twee categorieën. bv geslacht
van de respondent (zowel AV als OV)
o Polytome variabele = wanneer een manifeste variabele opgemeten wordt in
een categorische variabele (nominaal of ordinaal) met drie of meer categorieën. bv
gewest/woonplaats van de respondent (zowel AV als OV)
• Latente variabelen = niet-rechtstreeks op te meten variabelen zoals het IQ van de
respondent (hiervoor moet je meerdere items meten om de uiteindelijke schaal van het IQ
te weten). Deze variabele heeft een interval- of ratiomeetniveau.
Er zijn twee soorten samenhang: symmetrisch en asymmetrische samenhang
• Symmetrische samenhang = er wordt geen onderscheid gemaakt tussen
afhankelijke en onafhankelijke variabelen
• Asymmetrische samenhang = waarbij de onafhankelijke variabele een lineair
(causaal) effect uitoefent op een afhankelijke variabele. Bij een lineair effect heeft eenzelfde
verandering in de OV steeds eenzelfde verandering in de AV tot gevolg (causaal effect =
oorzakelijkheid. De opzet van onderzoek is belangrijk om te bepalen of je ene causale
analyse mag maken)
o Een asymmetrische samenhang waarbij de OV niet-lineair effect uitoefent op
de AV. Bij een niet-lineair effect wordt verandering in afhankelijke variabele ten
gevolge van eenzelfde verandering in OV gradueel groter of kleiner
o Interactie-effect: een asymmetrische samenhang waarbij de combinatie van
twee of meer OV een causaal effect uitoefent op de AV.
Fasen in Sociaal-wetenschappelijk Onderzoek (Swanborg, 2002):
Even om te kaderen dat het al belangrijk is om bij de probleemstelling
rekening te houden met manier waarop data verzameld kan worden.
Sociaalwetenschappelijke probleemstellingen
A. Inactiviteit en overgewicht
Uit gezondheidsenquête blijkt dat overgewicht (BMI>27) vaker voorkomt bij
mensen die niet beroepsactief zijn dan bij werkenden. Is er sprake van een
causale relatie tussen beroepsactiviteit en overgewicht?
De bivariate causale structuur: het effect van beroepsactiviteit op overgewicht (samenhang
tussen twee kenmerken)
Onderzoek wijst ook uit dat het BMI door allerlei redenen toeneemt met de leeftijd. +
werkzaamheid ligt lager in oudere leeftijdsgroepen.
, Neen, causaliteit kan niet worden afgeleid uit deze bivariate causale structuur omdat de
relatie tussen inactiviteit en overgewicht mogelijk louter veroorzaakt wordt door associatie
van beide kenmerken met leeftijd: ouderen werken minder vaak en hebben hoger BMI,
terwijl jongeren vaker beroepsactief zijn en gekenmerkt worden door een lager BMI, maar
beide kenmerken zijn verder mogelijk niet geassocieerd. Er is dus wel sprake van een
correlatie, maar niet van causaliteit.
Hebben we te maken met schijnbare causaliteit?
Ja, want de samenhang verdwijnt tussen werken en overgewicht na controle voor de
variabele leeftijd
B. Regionale verschillen in objectieve bestaanszekerheid
Onderzoek geeft aan dat de objectieve bestaanszekerheid 3 keer frequenter voorkomt in WL
dan VL. Ook zijn gezinshoofden in WL vaker inactief/werkloos dan in VL.
Is er een causaal effect van regio op armoede of kunnen regionale verschillen verklaard
worden door regionale variatie in sociaal-economische activiteit van gezinshoofd?
Indirecte causaliteit format:
Causaliteit tussen regio en objectieve bestaansonzekerheid verdwijnt na controle voor
sociaal-economische activiteit gezinshoofd.
In de causale relatie van regio naar objectieve bestaanszekerheid vormt de socio-
economische activiteit een intermediaire of tussenliggende variabele, waardoor sprake is
van indirecte causaliteit. Variabelen geven het effect door aan andere variabelen
C. Leeftijd en subjectieve bestaansonzekerheid
Uit een enquête blijkt dat er nauwelijks sprake is van samenhang tussen leeftijd van het
gezinshoofd en subjectieve bestaansonzekerheid. Nochtans beschikken gepensioneerden
over een lager gezinsinkomen en een lagere levensstandaard dan personen op
beroepsactieve leeftijd...
Effecten heffen elkaar op
De suppressie van een samenhang:
, = Het zwakke bivariate verband tussen leeftijd en subjectieve bestaansonzekerheid is het
gevolg van twee tegengestelde effecten die elkaar opheffen: ouderen hebben een lager
inkomen dan gezinshoofden jonger dan 65 jaar; bij eenzelfde inkomen zijn ouderen minder
vaak subjectief bestaansonzeker dan gezinshoofden jonger dan 65 jaar.
In het verband tussen subjectieve bestaansonzekerheid en leeftijd is inkomen een
suppressor variabele: het negatieve verband tussen beide variabelen komt pas aan het licht
na controle voor gezinsinkomen
D. Beroepsstatus en subjectieve gezondheid
Onderzoek toont aan dat BE wordt gekenmerkt door uitgesproken socio-economische
gradiënt in subjectieve gezondheid en mortaliteit. Gradiënt in subjectieve gezondheid naar
beroepsklasse varieert sterk ifv leeftijd: gradiënt is beperkt in leeftijdscategorie 18-29 jaar en
wordt groter naar oudere leeftijdsgroepen.
De interactieve structuur:
Effecten van leeftijd en beroepsklasse op subjectieve gezondheid kunnen niet zonder meer
worden opgeteld: effect van beroepsklasse wordt sterker naarmate leeftijd toeneemt: er is
interactie tussen de effecten van leeftijd en beroepsklasse.
E. Politiek vertrouwen
Politiek vertrouwen vormt de basisvoorwaarde voor functioneren van democratie en
politieke bedrijf. In welke mate wordt politieke vertrouwen beïnvloedt door factoren als
leeftijd, opleidingsniveau en de publieke opinie over het functioneren van
overheidsinstellingen?
De convergente causale structuur:
Multivariate analysetechnieken
= is een verzamelnaam voor een groep van statistische technieken gericht op analyse van
samenhang tussen drie of meer variabelen onderling.
Deze technieken zijn verschillend naargelang de opzet en finaliteit van het onderzoek.
Enkele zaken waarmee rekening gehouden wordt:
- Analyse van probleemkenmerk of probleemrelatie (zie verder)
- Dependente versus niet-dependente technieken: in deze cursus bekijken we vooral
dependente technieken. Er is afhankelijkheid van variabelen. De latente structuur is een
niet-dependente techniek (H12)
- Meetniveau van de AV en OV (nominaal, ordinaal, interval en ratio)
o Afhankelijke variabele = te verklaren variabelen
o Onafhankelijke variabele = verklarende variabelen
- Orthogonaliteit van dimensies: ???
- Aantal AV
- (niet)-lineair karakter van de effecten
o Lineair karakter van de effecten = een effect in OV heeft eenzelfde effect in AV
o Niet-lineair karakter van de effecten = een effect in OV heeft een gradueel groter of
kleiner effect in de AV
- Additieve karakter van effecten: ???
Deze zaken leiden tot verschillende modelspecificaties/analysetechnieken.
Verder toegelicht:
De onderzoeksvraag is belangrijk bij het kiezen van een multivariate analysetechniek. Je kan een
analyse maken van een probleemkenmerk, een probleemrelatie of een veelheid van
items/uitspraken en dit noemen we synthese of datareductie:
• Probleemkenmerk = de factoren onderzoeken die de variatie van een kenmerk verklaren
o bv politiek vertrouwen, zittenblijven, …
• Probleemrelatie = we onderzoeken hier in welke mate de ene variabele in verband staat met
de andere variabele door naar de determinanten te kijken
o bv de samenhang tussen politiek vertrouwen en participatie aan de samenleving, de
samenhang tussen leeftijd en subjectieve bestaansonzekerheid, …
• Synthese/datareductie = een veelheid van items/uitspraken worden bevraagd aan de hand
van een survey (denk bijvoorbeeld aan een likert-schaal om een complex concept te meten).
Hiermee worden achterliggende opinies/attitudes gemeten
o Bv werknemersengagement gemeten adhv een 8-punt likertschaal
,Er zijn twee soorten variabelen: manifest en latent.
• Manifeste variabelen = rechtstreeks op te meten variabelen zoals leeftijd, geslacht van
de respondent. Deze variabele kan elk meetniveau hebben, maar wanneer genoteerd als
een enkel blokje dan heb je sowieso met een kwantitatieve variabele te maken, interval- of
rationiveau.
o Dichotome variabele = wanneer een manifeste variabele opgemeten wordt in
een categorische variabele (nominaal of ordinaal) met twee categorieën. bv geslacht
van de respondent (zowel AV als OV)
o Polytome variabele = wanneer een manifeste variabele opgemeten wordt in
een categorische variabele (nominaal of ordinaal) met drie of meer categorieën. bv
gewest/woonplaats van de respondent (zowel AV als OV)
• Latente variabelen = niet-rechtstreeks op te meten variabelen zoals het IQ van de
respondent (hiervoor moet je meerdere items meten om de uiteindelijke schaal van het IQ
te weten). Deze variabele heeft een interval- of ratiomeetniveau.
Er zijn twee soorten samenhang: symmetrisch en asymmetrische samenhang
• Symmetrische samenhang = er wordt geen onderscheid gemaakt tussen
afhankelijke en onafhankelijke variabelen
• Asymmetrische samenhang = waarbij de onafhankelijke variabele een lineair
(causaal) effect uitoefent op een afhankelijke variabele. Bij een lineair effect heeft eenzelfde
verandering in de OV steeds eenzelfde verandering in de AV tot gevolg (causaal effect =
oorzakelijkheid. De opzet van onderzoek is belangrijk om te bepalen of je ene causale
analyse mag maken)
o Een asymmetrische samenhang waarbij de OV niet-lineair effect uitoefent op
de AV. Bij een niet-lineair effect wordt verandering in afhankelijke variabele ten
gevolge van eenzelfde verandering in OV gradueel groter of kleiner
o Interactie-effect: een asymmetrische samenhang waarbij de combinatie van
twee of meer OV een causaal effect uitoefent op de AV.
Fasen in Sociaal-wetenschappelijk Onderzoek (Swanborg, 2002):
Even om te kaderen dat het al belangrijk is om bij de probleemstelling
rekening te houden met manier waarop data verzameld kan worden.
Sociaalwetenschappelijke probleemstellingen
A. Inactiviteit en overgewicht
Uit gezondheidsenquête blijkt dat overgewicht (BMI>27) vaker voorkomt bij
mensen die niet beroepsactief zijn dan bij werkenden. Is er sprake van een
causale relatie tussen beroepsactiviteit en overgewicht?
De bivariate causale structuur: het effect van beroepsactiviteit op overgewicht (samenhang
tussen twee kenmerken)
Onderzoek wijst ook uit dat het BMI door allerlei redenen toeneemt met de leeftijd. +
werkzaamheid ligt lager in oudere leeftijdsgroepen.
, Neen, causaliteit kan niet worden afgeleid uit deze bivariate causale structuur omdat de
relatie tussen inactiviteit en overgewicht mogelijk louter veroorzaakt wordt door associatie
van beide kenmerken met leeftijd: ouderen werken minder vaak en hebben hoger BMI,
terwijl jongeren vaker beroepsactief zijn en gekenmerkt worden door een lager BMI, maar
beide kenmerken zijn verder mogelijk niet geassocieerd. Er is dus wel sprake van een
correlatie, maar niet van causaliteit.
Hebben we te maken met schijnbare causaliteit?
Ja, want de samenhang verdwijnt tussen werken en overgewicht na controle voor de
variabele leeftijd
B. Regionale verschillen in objectieve bestaanszekerheid
Onderzoek geeft aan dat de objectieve bestaanszekerheid 3 keer frequenter voorkomt in WL
dan VL. Ook zijn gezinshoofden in WL vaker inactief/werkloos dan in VL.
Is er een causaal effect van regio op armoede of kunnen regionale verschillen verklaard
worden door regionale variatie in sociaal-economische activiteit van gezinshoofd?
Indirecte causaliteit format:
Causaliteit tussen regio en objectieve bestaansonzekerheid verdwijnt na controle voor
sociaal-economische activiteit gezinshoofd.
In de causale relatie van regio naar objectieve bestaanszekerheid vormt de socio-
economische activiteit een intermediaire of tussenliggende variabele, waardoor sprake is
van indirecte causaliteit. Variabelen geven het effect door aan andere variabelen
C. Leeftijd en subjectieve bestaansonzekerheid
Uit een enquête blijkt dat er nauwelijks sprake is van samenhang tussen leeftijd van het
gezinshoofd en subjectieve bestaansonzekerheid. Nochtans beschikken gepensioneerden
over een lager gezinsinkomen en een lagere levensstandaard dan personen op
beroepsactieve leeftijd...
Effecten heffen elkaar op
De suppressie van een samenhang:
, = Het zwakke bivariate verband tussen leeftijd en subjectieve bestaansonzekerheid is het
gevolg van twee tegengestelde effecten die elkaar opheffen: ouderen hebben een lager
inkomen dan gezinshoofden jonger dan 65 jaar; bij eenzelfde inkomen zijn ouderen minder
vaak subjectief bestaansonzeker dan gezinshoofden jonger dan 65 jaar.
In het verband tussen subjectieve bestaansonzekerheid en leeftijd is inkomen een
suppressor variabele: het negatieve verband tussen beide variabelen komt pas aan het licht
na controle voor gezinsinkomen
D. Beroepsstatus en subjectieve gezondheid
Onderzoek toont aan dat BE wordt gekenmerkt door uitgesproken socio-economische
gradiënt in subjectieve gezondheid en mortaliteit. Gradiënt in subjectieve gezondheid naar
beroepsklasse varieert sterk ifv leeftijd: gradiënt is beperkt in leeftijdscategorie 18-29 jaar en
wordt groter naar oudere leeftijdsgroepen.
De interactieve structuur:
Effecten van leeftijd en beroepsklasse op subjectieve gezondheid kunnen niet zonder meer
worden opgeteld: effect van beroepsklasse wordt sterker naarmate leeftijd toeneemt: er is
interactie tussen de effecten van leeftijd en beroepsklasse.
E. Politiek vertrouwen
Politiek vertrouwen vormt de basisvoorwaarde voor functioneren van democratie en
politieke bedrijf. In welke mate wordt politieke vertrouwen beïnvloedt door factoren als
leeftijd, opleidingsniveau en de publieke opinie over het functioneren van
overheidsinstellingen?
De convergente causale structuur:
