Samenvatting - Toegepaste data analyse en rapportage - hoorcolleges (B001638A)

TOEGEPASTE DATA-ANALYSE HOORCOLLEGES
HOOFDSTUK 2: HET ABC VAN STATISTIEK
INLEIDING
Corona & Welzijn (C&W) studie

 Grootschalige veranderingen:
o Werkloosheid
o Eenzaamheid
o Ziekte
 Onderzoeksinteresse:
o Hoeveel procent van Belgen had in het begin van de coronapandemie te kampen met depressieve
gevoelens?
o Lag dat percentage een jaar later hoger of lager?
 Doelgroep: ouder dan 18j, woonachtig te België, de Nederlandse taal machtig.
 Bijna 4000 personen vulden tussen 3 en 17 april 2020 de eerste vragenlijst online in.
 Een deel van de antwoorden van die respondenten zijn het eerste databestand waarop dit handboek is
gebaseerd.
 Van 2 tot 16 april 2021 werd een tweede keer de vragenlijst online gepost, dit keer namen ongeveer 512
mensen deel.
 De antwoorden van deze respondenten zijn het tweede databestand van dit handboek.
 Specifiek is gekeken naar
o 1) mentaal welzijn:
o 2) stress over corona:
o 3) relatiestress en partnergeweld:
o 4) ouderschapsstress:
o 5) werk- en studiestress:
o 6) financiële stress:
 VOORBEELD ‘financiële stress’
o Item1: Met mijn/ons huidig inkomen is het moeilijk om veel meer te veroorloven dan de
basisbenodigdheden.
o Item2: Ik heb het gevoel dat mijn/ons huidig inkomen toelaat een levensstandaard te behouden die ik
wens.
o Item 3: Met mijn/ons huidig inkomen is het moeilijk om rond te komen (dit wil zeggen ‘de eindjes aan
elkaar te knopen’.
o Antwoordopties: van (1) niet akkoord tot (5) Akkoord

Onderzoeksvragen beantwoorden

1) Gegevens of kenmerken verzamelen over de onderzoekspopulatie = waarden verzamelen van variabelen
2) De juiste descriptieve of inferentiële analysetechniek(en) kiezen
3) Statistische analyse(s) uitvoeren op de verzamelde gegevens




1

,Drie bepalende factoren

 Drie bepalende factoren om de juiste descriptieve of inferentiële analysetechniek te bepalen
1) Aantal variabelen in de onderzoeksvraag
o Vb. Welke leeftijdsgroep ervaarde het meest depressieve gevoelens tijdens de coronaperiode?
 2 variabelen: leeftijdsgroep en depressieve gevoelens
2) Meetniveau van elke variabele
o Vb. Welke leeftijdsgroep ervaarde het meest depressieve gevoelens tijdens de coronaperiode?
 Leeftijdsgroep: ordinale variabele
 Depressieve gevoelens: metrische variabele
3) Rol van elke variabele in de onderzoeksvraag
o Vb. Welke leeftijdsgroep ervaarde het meest depressieve gevoelens tijdens de coronaperiode?
 Leeftijd: onafhankelijke variabele
 Depressieve gevoelens: afhankelijke variabele

Meetniveau van variabelen
Onderzoekseenheden & variabelen

 Onderzoekseenheden
o Respondenten
 Bv. Variabele ‘gender’ en ‘gewicht’
o Producten of diensten zoals socialemedia-apps
 Bv. Variabele ‘aantal actieve gebruikers’
o Tijdsperiodes of ruimtes zoals gevangenissen
 Bv. Variabele ‘aantal m2 celruimte per gedetineerde’

Variabelen: belang van operationalisatie

 Operationaliseren = Hoe elk kenmerk meten?
o Bv. Leeftijd gemeten via geboortejaar (1998)
 leeftijd (22 jaar)
 leeftijdscategorie (1 = 18 – 25 jaar)
 Pollock (2005, p7). Van concept naar variabele!
o “Een concept is een mentale constructie dat verschijnselen in de echte wereld voorstelt. [...] De
uitdaging bestaat erin concepten om te zetten in concrete, meetbare termen"
 Operationaliseren = meetbaar maken
o De waarden die een variabele kan aannemen, bepaalt het meetniveau van de variabele en het
informatiegehalte

Meetniveau van variabelen

 De antwoorden op een vraag worden omgezet in een getal zodat die statistisch kunnen verwerkt worden.
 Bv. Ik ben: (0) man (1) vrouw (2) ander
 Vier meetniveaus geordend van weinig naar meer informatief
o Nominaal
Categorische variabelen
o Ordinaal
o Interval Metrische (of continue) variabelen
o Ratio
 Hoe lager, hoe beperkter de mogelijkheden om de gegevens statistisch te bewerken




2

,Categorische variabelen

Nominale variabelen
 Getalwaarde
o = louter benoeming, geen functie of betekenis
o = arbitrair
 Gelijkwaardige categorieën: de waarden van de nominale kenmerken kunnen niet in logische
volgorde worden gezet
o Bv. Chinees restaurant
o Geen rangschikking mogelijk – je kan ze omwisselen
 Klassen zijn discreet: er komen geen tussenliggende waarden voor
o Bv. Geslacht: Waarde 1.5 is niet mogelijk
 Nominale variabelen met twee categorieën = binaire variabele = dichotome variabele
o Bv. Type klacht

Ordinale variabelen
 Getalwaarde met bepaalde logische of natuurlijke rangorde (categorieën)
 Ordinale variabelen laten niet toe om een uitspraak te doen over ‘hoeveel meer of beter’
 Geen gelijke intervallen tussen de categorieën




 Niet-gelijkwaardige categorieën
 Vb. inkomens




Categorische variabelen = (meestal) discrete variabelen

 Mogelijke waarden = beperkt en liggen vooraf vast
 Tussenliggende waarden niet mogelijk (hebben geen betekenis)
o Bv. Eindstand in hotdogwedstrijd:
 1 = Meeste hotdogs gegeten
 2 = Meeste hotdogs gegeten op één kandidaat na
 3 = Meeste hotdogs gegeten op twee kandidaten na



  plaats 6.3 onmogelijk, enkel op plaats (of in categorie) 6 of 7  enkele gehele plaats
mogelijk
 Kunnen ook continu zijn (vb. haarkleur: zwart, blond – tenzij je alle tinten gaat opnemen)
o Komt niet vaak voor




3

,Metrische variabelen

 Zoals ordinale variabelen: logische volgorde (rangorde):
o Bv. Lichaamslengte (n = 4) : 159.66 cm < 165.34 cm < 170.11 cm < 176.88 cm
 MAAR metrische variabelen:
o 1) Extra informatie: vaste meeteenheid
 veel preciezer
 Bv. Lengte : 170.11 cm < 176.88 cm (ordinaal), maar je kan hier exact berekenen
hoeveel groter, nl. 6.77 cm
o 2) Tussenliggende waarden mogelijk: continue variabele (continuüm aan mogelijke scores)
 Bv. je hebt enkel 170.11 en 176.88 gemeten
  tussenliggende waarde 174.45 is ook mogelijk!

Intervalvariabelen
 Verschil tussen waarden is betekenisvol
 Oneindig veel mogelijke tussenliggende waarden
o Bv. Jaartal (2022 – 1998 = 24)
 Geen absoluut nulpunt: Het kenmerk nul heeft niet de betekenis van niet-zijn of niet bestaan. De nul bestaat
enkel bij conventie.
 Verhoudingen tussen de waarden van een intervalvariabele niet zinvol!
o Vb. Jaartal (In het jaar 2000 is de aarde niet 2 keer zo oud als in het jaar 1000)
o Vb. temperatuur

Ratiovariabelen

 Verschil tussen waarden betekenisvol (rangorde)
 Oneindig veel mogelijke tussenliggende waarden
 Verhoudingen tussen de waarden zinvol
o Bv. Percentage alcohol in bloed (3 promille is 3 keer zo veel als 1 promille)
 Wel absoluut nulpunt: verschil tussen zijn en niet zijn
o Bv. Gewicht
o Bv. Salaris
 MAAR in onderzoekspraktijk is onderscheid interval vs. ratio amper relevant (ook niet in SPSS)!!
 DUS GROTE VERSCHIL TUSSEN INTERVAL EN RATIO:
o Intervalwaarden kunnen negatief zijn, ratiowaarden niet

Abstracte kenmerken concreet maken: enkelvoudige vragen

 Enkelvoudige vragen die één concept meten
o bv. werktevredenheid




 Nadelen van een enkelvoudige vraag:
o 1) Het concept is vaak te heterogeen om slechts door één vraag te dekken.
 Kan niet meetbaar gemaakt worden a.d.h.v. 1 vraag
o 2) Toevalsinvloeden spelen een rol.
 Eén vraag valt niet altijd op tussen de resem vragen in een enquête: afgeleid zijn, slecht begrip,
emotionele stemming, …
 Grote meetfouten mogelijk




4

,Abstracte kenmerken concreet maken: meervoudige vragen

 Meervoudige vragen (meetschaal) laten toe om respondenten achteraf beter te onderscheiden.
 Via meetschalen zoals de Likertschaal een abstract concept meten:
o Minstens 3 concrete ordinale schaalitems, die eenzelfde abstract kenmerk zo goed mogelijk
vertegenwoordigen
o Elk ordinaal schaalitem: beantwoord o.b.v. geordende antwoordopties (= puntenschaal):
 bv. 1 = Niet akkoord, 2 = Eerder niet akkoord, 3 = Eerder wel akkoord, 4 = Wel akkoord
o De waarden van de schaal zijn niet meer discreet, maar metrisch!!
 bv. De score varieert van 0 tot 10, met tussenliggende waarden




 Elk item apart is van ordinale waarde MAAR vanaf je ze allemaal samen bekijkt is het van metrisch niveau 
van ordinaal niveau naar metrisch niveau (uitzondering want enkel mogelijk bij schalen)

Hiërarchie van meetniveaus en belang van de juiste vraagstelling

 Duidelijke hiërarchie tussen de meetniveaus:
o Hoe hoger gerangschikt, hoe meer bewerkingen of analyses (mogelijkheden) een bepaald meetniveau
toelaat :
o Metrisch > ordinaal > nominaal
 MAAR elk meetniveau is altijd even nuttig/waardevol:
o Bv. Pijnniveau na behandeling
 Pijn metrisch meten > pijn nominaal meten (‘0 = Nee’, ‘1 = Ja’)
 Maar daarnaast ook nominale variabele geslacht meten = extra informatie: pijnniveau
vergelijken tussen twee doelgroepen.
 Metrische variabelen achteraf categorisch maken = altijd mogelijk MAAR omgekeerd niet!
o Vraagstelling in survey belangrijk: hoger meetniveau = meer informatie
 Bv. Leeftijd:
 eerst metrisch gemeten (bv. 19 jaar)
 = achteraf toewijzen aan een bredere maar minder informatierijke categorie steeds
mogelijk (bv. 18 – 24 jaar)
 Bv. Leeftijd:
 initieel ordinaal gemeten (bv. 18 – 24 jaar)
 = onmogelijk om nadien te achterhalen wat iemands exacte leeftijd was, je blijft vast
op het ordinale niveau
 Likertschalen: toch achteraf van ordinaal naar metrisch
o Bv. Likertschaal over angst, met drie items op een 7-puntensschaal
‘1 = Helemaal oneens’, ‘2 = Oneens’, ‘3 = Eerder oneens’, ‘4 = Noch eens, noch oneens’, ‘5 = Eerder
eens’, ‘6 = Eens’ of ‘7 = Helemaal eens’
o Resulteert in drie ordinale variabelen
o Samenvoegbaar tot één schaalvariabele (gemiddelde of som van alle antwoorden)
 Discrete antwoordcategorieën veranderen in een score voor het abstracte concept (Bv. een
respondent antwoordt 5, 6 en 5 op drie items = een gemiddelde score van 5.33 voor angst of
een somscore van 16 voor angst)
o Deze gecombineerde scores liggen op een breder continuüm dan voorheen: de schaalvariabele wordt
als metrisch beschouwd
o  Elk item apart is van ordinale waarde MAAR vanaf je ze allemaal samenvoegt naar een
schaalvariabele, is het van metrisch niveau  van ordinaal niveau naar metrisch niveau (uitzondering
want enkel mogelijk bij schalen)


5

,Hiërarchie van meetniveaus: gemiddelde score

1) Rekenkundig gemiddelde

 = alle items worden even belangrijk geacht
 Het gemiddelde is gevoelig voor uitschieters
o Bv. een schaal met vier items (van 1 tot 7)
o (1 + 1 + 7 + 7)/4 = 4
o (2 + 2 + 6 + 6)/4 = 4
o (4 + 4 + 4 + 4)/4 = 4
 Het gemiddelde berekenen van een schaal zegt niets over de waarde van een schaal
 Range van gemiddelde ALTIJD duidelijk maken (vb. 1 – 7)
o Voorbeeld: Beide antwoorden hebben eenzelfde gemiddelde maar een andere range (minimum en
maximum score




Hiërarchie van meetniveaus: somscore

2) Somscore

 = alle items worden even belangrijk geacht
 Alles optellen
 De somscore is gevoelig voor uitschieters
o Bv. een schaal met vier items (van 1 tot 7)
o 1 + 1 + 7 + 7 = 16
o 2 + 2 + 6 + 6 = 16
o 4 + 4 + 4 + 4 = 16
 De somscore berekenen van een schaal zegt niets over de waarde van een schaal
 Range van somscore ALTIJD duidelijk maken (4 – 28)
 Hoe hoger de score – hoe meer het kenmerk aanwezig is
MAAR
 Hoe meer items – hoe hoger de score
  Vaak gebruikt om betrouwbaarheid na te gaan

OEFENING

Bereken het gemiddelde en de somscore van onderstaande schaal (0 = nooit, 1 = weinig, 2 = soms, 3 = vaak, 4 = altijd)

 Gemiddelde
o Behaald gemiddelde: 1,6
o Max gemiddelde: 4
 Som
o Behaalde som: 8
o Max som: 20




6

,Rol van variabelen in onderzoeksvraag
Afhankelijke variabele

 Afhankelijke variabele (Y) = variabele waar hele onderzoeksvraag rond draait
o Eindpunt van de analyse (daarom ook = uitkomstvariabele)
 ‘Afhankelijk’ van omgeving: afhankelijke variabelen (AV’s) veranderen door invloed van andere variabelen
o De verandering in Y : meest interessant voor onderzoekers
 Bv. “Gebruiken jongeren meer drugs dan ouderen?”
o AV = Druggebruik, want:
 Leeftijd niet beïnvloedbaar
 Druggebruik als enige beïnvloedbaar

Onafhankelijke variabele

 Onafhankelijke variabele (X) = variabele die invloed uitoefent op afhankelijke variabele
o Beginpunt van je analyse (daarom ook = predictor of determinant)
 ‘Onafhankelijk’ van omgeving: veronderstelling dat onafhankelijke variabelen (OV’s) niet beïnvloed worden
maar juist een effect of verandering veroorzaken bij andere variabelen
o MAAR causaliteit (oorzaak – gevolg) moeilijk te bewijzen
 Bv. “Gebruiken jongeren meer drugs dan ouderen?”
o OV = Leeftijd



Beïnvloedende variabele

 Beïnvloedende variabele = variabele die relatie tussen OV en AV mogelijks beïnvloedt

1) Controlevariabelen
 Meenemen in analyse om relatie tussen de OV en AV beter te isoleren
o Vraag: Hoeveel controlevariabelen opnemen?
o Controle variabelen nodig want anders vertekend beeld MAAR niet te veel opnemen anders maak je
de analyse onnodig complex
 Controleren of de invloed van X op Y wel degelijk van X komt, of is er een derde variabele (controlevariabele)
 Bv. Eerder onderzoek: mannen gebruiken meer drugs dan vrouwen
o Geslacht als controlevariabele in je analyse
o Foute conclusie voorkomen: leeftijd beïnvloedt druggebruik, maar effect komt eigenlijk van geslacht




2) Interfererende variabelen
 Meegenomen om relatie tussen de OV en AV beter te verklaren (= mediator) of om te weten wanneer de
relatie sterker of zwakker is (= moderator)
o Bv. Mediator: Leeftijd à Druggebruik
 Indirect effect
 Werkt in op variabele
 Bv. Groepsdruk
o Bv. Moderator: Groepsdruk à Druggebruik
 Statistische interactie (werkt in op relatie)
 Bv. Normbesef: het effect tussen groepsdruk en
druggebruik wordt sterker/zwakker



7

,Mediërende variabele
 = indirect effect
 Vb. De relatie tussen ouderschapsstress en probleemgedrag wordt gemedieerd door open ouder kind
communicatie




 De derde variabele is de mediërende variabele:
o X: Onafhankelijke variabele
o Y: Afhankelijke variabele
o Z: Mediërende variabele
 1) X moet gerelateerd zijn aan Y
o  bv. als er geen verband is tussen stress en probleemgedrag, valt er niets te onderzoeken
 2) Z moet gerelateerd zijn aan X en Y
o bv. je verwacht dat stress een invloed heeft op hoe ouders met hun kinderen praten
o bv. je verwacht dat hoe ouders met hun kind praten een invloed heeft op hun gedrag
 3) De initiële relatie tussen X en Y verzwakt door de invloed van Z


Modererende variabele

 De derde variabele is de modererende variabele:
o X: Onafhankelijke variabele
o Y: Afhankelijke variabele
o Z: Modererende variabele
 De relatie tussen X en Y is niet constant, maar hangt af van Z
o Bv. geslacht (z)
 Man: zien van reclame (x)  verhoogde interesse in bier (y)
 Vrouw: zien van reclame (x)  verlaagde interesse in bier (y)
 Moderatie = interactie-effect

3) Storende variabelen
 Sterke samenhang met OV en AV, waardoor het lijkt alsof er een sterke relatie bestaat tussen OV en AV, terwijl
dat niet zo is
 Veroorzaken schijnverband tussen OV en AV
 Storende variabelen meenemen in analyse om het netto verband te bekijken
 Grote overlap met controlevariabelen
 Bv. Sterk verband tussen aantal kerstliedjes op de radio en CO2- uitstoot
o Temperatuur = storende variabele
o Hoe kouder, hoe meer kerstliedjes
EN
o hoe kouder, hoe meer CO2 –uitstoot
MAAR NIET
o hoe meer kerstliedjes, hoe meer CO2 –uitstoot!




8

,INFERENTIËLE OF INDUCTIEVE STATISTIEK
 Typische les waarover theorie vragen komen op het examen
Verschil beschrijvende en inductieve statistiek

 Uitspraak: “35% van de volwassen onderzoekseenheden in de steekproef is ooit minstens 1x slachtoffer
geworden van pestgedrag”
o Beschrijvende statistiek
o We beschrijven wat we meten in de steekpreof
 Uitspraak: “Op basis van de steekproefgegevens besluiten we dat in Vlaanderen het percentage volwassenen
dat ooit minstens 1x slachtoffer is geworden van pestgedrag tussen 25% en 40% ligt”
o Inductieve statistiek
o Steekproef gebruiken om uitspraken te doen over de volledige populatie (conclusies of schattingen)

Representativiteit van de steekproef

Uitspraken doen over een populatie: moeilijk om gegevens van hele populatie te verzamelen

 Personen:
o Middelen zijn beperkt: geld en tijd
o Niet altijd identificeerbaar, bereikbaar en bereid
 Ook bij andere onderzoekseenheden
o Bv. gemiddeld CO2-gehalte in België
 Oplossing
o 1. Steekproef nemen en gegevens meten
o 2. Schatting maken van onbekende populatieparameter
 Voorwaarde voor inductieve statistiek : Representativiteit
o De steekproef moet een zo goed mogelijk afspiegeling zijn van de populatie
 Aselecte steekproef:
 elke eenheid heeft een even grote kans om gekozen te worden

Samenvattend

 Populatiegegevens niet steeds beschikbaar
→ werken met steekproeven
 Inferentiële statistiek gebruiken we om resultaten op basis van steekproeven te veralgemenen naar de
populatie
 Steekproef moet representatief zijn = de steekproef moet een zo goed mogelijke afspiegeling zijn van de
populatie  eenheden random selecteren (aselecte steekproeven / toeval steekproeven)




 Opletten met terminologie
o Steekproefkenmerken  latijnse letters
o Parameters uit populatie  griekse letters




9

, Inductieve/inferentiële statistiek

 Schatten en Toetsen
 Statistisch schatten:
o Betrouwbaarheidsintervallen (intervalschatting):
 De steekproefgrootheid is een schatting van de populatieparameter
 Betrouwbaarheidsinterval = schatting ± foutenmarge


 Statistisch toetsen of hypothesen testen:
o Significantietoets (puntschatting):
 Toetsen of een bewering over de populatie waaruit de steekproef komt aannemelijk is op basis
van de steekproef in kwestie  altijd werken vanuit een veronderstelling
 Hoe goed komen de data en de hypothese met elkaar overeen?

Het belang van de normale verdeling

 Empirische verdelingen en theoretische verdelingen
o Empirisch: verdeling van de gemeten waarden
 Grafiek
o Theoretisch: xxx
 Maten van centraliteit en spreiding: samenvatting van verdeling in 1 cijfer
 Vaak kan ook vorm van verdeling samengevat worden via
‘sjabloonverdeling’: ideaaltypische (geïdealiseerde) beschrijving van een
verdeling a.d.h.v. een wiskundig model

Dichtheidskromme

 = kansdichtheidsfunctie
 Oppervlakte onder kromme = proporties (of relatieve percentages) van het aantal eenheden
 Volledige oppervlakte onder de kromme = 100 % van de eenheden
 Beschreven door wiskundige functie
o => dichtheidskromme (oppervlakte = frequentie)
o => kenmerken berekenbaar
 Frequent gebruikt: normaalverdeling

Vorm van dichtheidskromme

 Voor elke variabele en elke steekproef: uniek
 MAAR benadert bij metrische variabelen vaak de normale verdeling
o Kenmerken: klokvormig, ééntoppig en symmetrisch rond 𝑋̅
 bv. gewicht, lengte, bloeddruk, IQ
 Hoe verder weg van 𝑋̅ in het midden:
o Hoe minder respondenten
o Hoe minder een waarde voorkomt (en dus hoe ‘extremer’)




10