Onderzoekstraining 1
Onderzoekstraining 1 1
Module 1: Onderdelen statistisch onderzoek 2
1.1 De keuze voor statische methode 2
1.2 Data visualisatie 4
1.3 Locatiemaatstaven en de vorm van een verdeling 6
Locatiemaatstaven en de voordelen 6
Spreidingsmaatstaven en de voordelen 7
1.4 Bedrijfskundig en empirisch onderzoek 7
1.5 Modellen 8
Module 2: Populatie en steekproef, beschrijvende analyse en schatten 11
2.1 Populatie, parameter, steekproef, statistic 11
2.2 Inferentiële statistiek 13
2.3 Inferentiële analyse: schatten 14
Module 3: hypothesen toetsen 17
3.1 Toetsen 17
3.2 Toetsen: 7 stappenschema (Neyman-Pearson toetsprocedure) 18
3.3 Fisher’s p-waarde methode van toetsen 18
Module 4 19
4.1 Analyse samenhangen: overzicht methoden 19
4.2 Onafhankelijke/afhankelijke steekproeven 22
4.3 Werkwijze onderzoek paarsgewijze samenhangen 23
4.4 Causaliteit en statistische samenhang 24
4.5 Kansverdelingen en kansdichtheid 25
5: Begrippenlijst a-z, inclusief (paginanummer) 28
1
,Module 1: Onderdelen statistisch onderzoek
1.1 De keuze voor statische methode
→ komt tot stand op basis van de volgende criteria:
1. Onderzoeksontwerp: hoe is de data verzameld?
a. Tijdreeks: data verzameld over een bepaalde tijd (bv omzet per maand)
b. Cross-sectie: Data verzameld op 1 moment (bv. enquête op een dag)
c. Panel: Data verzameld bij dezelfde groep mensen over tijd
2. Steekproefontwerp: Hoe zijn de deelnemers of data geselecteerd? Zie hoofdstuk 2
voor uitleg begrippen.
a. Aselect
b. Gestratificeerd
c. Cluster
d. Systematisch
3. Informatie-inhoud variabelen (meetniveaus): Wat voor soort data heb je?
a. Nominaal: categorieën zonder volgorde → kwalitatief meetniveau
b. Ordinaal: categorieën met volgorde → kwalitatief meetniveau
c. Interval: getallen zonder absoluut nulpunt (bv. temperatuur in graden celcius)
→ kwantitatief meetniveau
d. Ratio: getallen met absoluut nulpunt (bv. gewicht in kilo’s) → kwantitatief
meetniveau
4. Complexiteitsanalyse: Hoeveel variabelen wil je tegelijk analyseren?
a. Univariaat: 1 variabele (bv. gemiddelde leeftijd)
b. Bivariaat: 2 variabele (bv. verband tussen leeftijd en inkomen)
c. Multivariaat: Meerdere variabelen tegelijk
5. Overige: Praktische zaken zoals hoe de resultaten gecommuniceerd worden,
politieke gevoeligheid, of hoeveel tijd en middelen er beschikbaar zijn.
Meetniveaus (kwalitatief en kwantitatief; nom, ord, int, rat)
Tussen de meetniveaus heeft men de opties om te degeneren en te opwaarden om zo aan
bepaalde eisen van de onderzoekstechnieken te voldoen
Degenereren:
Variabelen behandelen als gemeten op lager meetniveau (vrijwel altijd mogelijk)
→ Stel je hebt inkomensgegevens (kwantitatief), maar je gebruikt ze alleen om mensen in
groepen in te delen (laag inkomen, hoog inkomen). Je maakt het simpeler en behandelt het
alsof het kwalitatief is.
2
,Opwaarderen:
Variabelen behandelen als gemeten op hoger meetniveau, maar dit is nooit zomaar
toegestaan.
→ Je kunt niet een variabele zoals "kleur" (rood, blauw) behandelen alsof je ermee kunt
rekenen.
→ Uitzondering: Bij dummyvariabelen, waarbij een variabele alleen de waarden 0 of 1 heeft
(bijvoorbeeld: wel of niet getrouwd). Hiermee kun je rekenen, dus het is toegestaan om deze
als kwantitatief te behandelen.
Kengetallen:
Samenvattende maatstaven die aspecten van verdelingen van waarneming uitkomsten
getalsmatig weergeven. De 3 volgende samenvattende maatstaven zorgen hiervoor:
1. Gemiddelde (locatie maatstaf) en standaarddeviatie (spreidingsmaatstaf) → worden
gebruikt voor het beschrijven van intervallen ratio gegevens, maar niet voor
kwalitatieve gegevens. Dit vanwege de vereiste afstand interpretatie van de
waarneming uitkomsten.
2. Mediaan (middelste) (locatie maatstaf) en interkwartielafstand (spreidingsmaatstaf)
→ gebruikt voor het beschrijven van ordinale gegevens, maar niet voor nominale
gegevens. Dit vanwege de vereiste volgorde-interpretatie
3. Modus (meest voorkomende) (locatie maatstaf) → voor nominale gegevens,
aangezien er geen eisen zijn ten aanzien van afstand of volgorde
= zeggen of iets hetzelfde is
< > of iets groter of kleiner is
x : + - dit kan je doen met de data
(optellen etc.)
10 kg is 2x zo zwaar als 5 kg.
de pijlen: naar welk niveau (nom,
ord, int, rat..) je kan degeneren en
opwaarderen
3
, 1.2 Data visualisatie
Kwalitatieve gegevens:
1. Staafdiagram (bar chart)
Toont hoeveel keer een categorie voorkomt (frequenties)
Bij de beoordeling van staafdiagrammen wordt gelet op: locatie en variatie
(bijvoorbeeld de modus en onderlinge verschillen)
2. Cirkeldiagram (pie chart)
Laat zien welk percentage elke categorie vormt van het totaal
3. Frequentietabel
Tabel met aantallen per categorie
Kwantitatieve gegevens:
1. Histogram (lijkt op een staafdiagram, maar met meetbare gegevens op de
horizontale as: bv lengtes)
Voorbeeld: verdeling van leeftijden in een klas
Bij de beoordeling van een histogram wordt gelet op vorm, locatie (zwaartepunt),
spreiding (variatie) en uitbijters (zijn er veel waarden die afwijken van de rest?)
2. (3D) Scatter plot
Toont de samenhang tussen 2 of meer variabelen
Voorbeeld: lengte tegenover gewicht
4
Onderzoekstraining 1 1
Module 1: Onderdelen statistisch onderzoek 2
1.1 De keuze voor statische methode 2
1.2 Data visualisatie 4
1.3 Locatiemaatstaven en de vorm van een verdeling 6
Locatiemaatstaven en de voordelen 6
Spreidingsmaatstaven en de voordelen 7
1.4 Bedrijfskundig en empirisch onderzoek 7
1.5 Modellen 8
Module 2: Populatie en steekproef, beschrijvende analyse en schatten 11
2.1 Populatie, parameter, steekproef, statistic 11
2.2 Inferentiële statistiek 13
2.3 Inferentiële analyse: schatten 14
Module 3: hypothesen toetsen 17
3.1 Toetsen 17
3.2 Toetsen: 7 stappenschema (Neyman-Pearson toetsprocedure) 18
3.3 Fisher’s p-waarde methode van toetsen 18
Module 4 19
4.1 Analyse samenhangen: overzicht methoden 19
4.2 Onafhankelijke/afhankelijke steekproeven 22
4.3 Werkwijze onderzoek paarsgewijze samenhangen 23
4.4 Causaliteit en statistische samenhang 24
4.5 Kansverdelingen en kansdichtheid 25
5: Begrippenlijst a-z, inclusief (paginanummer) 28
1
,Module 1: Onderdelen statistisch onderzoek
1.1 De keuze voor statische methode
→ komt tot stand op basis van de volgende criteria:
1. Onderzoeksontwerp: hoe is de data verzameld?
a. Tijdreeks: data verzameld over een bepaalde tijd (bv omzet per maand)
b. Cross-sectie: Data verzameld op 1 moment (bv. enquête op een dag)
c. Panel: Data verzameld bij dezelfde groep mensen over tijd
2. Steekproefontwerp: Hoe zijn de deelnemers of data geselecteerd? Zie hoofdstuk 2
voor uitleg begrippen.
a. Aselect
b. Gestratificeerd
c. Cluster
d. Systematisch
3. Informatie-inhoud variabelen (meetniveaus): Wat voor soort data heb je?
a. Nominaal: categorieën zonder volgorde → kwalitatief meetniveau
b. Ordinaal: categorieën met volgorde → kwalitatief meetniveau
c. Interval: getallen zonder absoluut nulpunt (bv. temperatuur in graden celcius)
→ kwantitatief meetniveau
d. Ratio: getallen met absoluut nulpunt (bv. gewicht in kilo’s) → kwantitatief
meetniveau
4. Complexiteitsanalyse: Hoeveel variabelen wil je tegelijk analyseren?
a. Univariaat: 1 variabele (bv. gemiddelde leeftijd)
b. Bivariaat: 2 variabele (bv. verband tussen leeftijd en inkomen)
c. Multivariaat: Meerdere variabelen tegelijk
5. Overige: Praktische zaken zoals hoe de resultaten gecommuniceerd worden,
politieke gevoeligheid, of hoeveel tijd en middelen er beschikbaar zijn.
Meetniveaus (kwalitatief en kwantitatief; nom, ord, int, rat)
Tussen de meetniveaus heeft men de opties om te degeneren en te opwaarden om zo aan
bepaalde eisen van de onderzoekstechnieken te voldoen
Degenereren:
Variabelen behandelen als gemeten op lager meetniveau (vrijwel altijd mogelijk)
→ Stel je hebt inkomensgegevens (kwantitatief), maar je gebruikt ze alleen om mensen in
groepen in te delen (laag inkomen, hoog inkomen). Je maakt het simpeler en behandelt het
alsof het kwalitatief is.
2
,Opwaarderen:
Variabelen behandelen als gemeten op hoger meetniveau, maar dit is nooit zomaar
toegestaan.
→ Je kunt niet een variabele zoals "kleur" (rood, blauw) behandelen alsof je ermee kunt
rekenen.
→ Uitzondering: Bij dummyvariabelen, waarbij een variabele alleen de waarden 0 of 1 heeft
(bijvoorbeeld: wel of niet getrouwd). Hiermee kun je rekenen, dus het is toegestaan om deze
als kwantitatief te behandelen.
Kengetallen:
Samenvattende maatstaven die aspecten van verdelingen van waarneming uitkomsten
getalsmatig weergeven. De 3 volgende samenvattende maatstaven zorgen hiervoor:
1. Gemiddelde (locatie maatstaf) en standaarddeviatie (spreidingsmaatstaf) → worden
gebruikt voor het beschrijven van intervallen ratio gegevens, maar niet voor
kwalitatieve gegevens. Dit vanwege de vereiste afstand interpretatie van de
waarneming uitkomsten.
2. Mediaan (middelste) (locatie maatstaf) en interkwartielafstand (spreidingsmaatstaf)
→ gebruikt voor het beschrijven van ordinale gegevens, maar niet voor nominale
gegevens. Dit vanwege de vereiste volgorde-interpretatie
3. Modus (meest voorkomende) (locatie maatstaf) → voor nominale gegevens,
aangezien er geen eisen zijn ten aanzien van afstand of volgorde
= zeggen of iets hetzelfde is
< > of iets groter of kleiner is
x : + - dit kan je doen met de data
(optellen etc.)
10 kg is 2x zo zwaar als 5 kg.
de pijlen: naar welk niveau (nom,
ord, int, rat..) je kan degeneren en
opwaarderen
3
, 1.2 Data visualisatie
Kwalitatieve gegevens:
1. Staafdiagram (bar chart)
Toont hoeveel keer een categorie voorkomt (frequenties)
Bij de beoordeling van staafdiagrammen wordt gelet op: locatie en variatie
(bijvoorbeeld de modus en onderlinge verschillen)
2. Cirkeldiagram (pie chart)
Laat zien welk percentage elke categorie vormt van het totaal
3. Frequentietabel
Tabel met aantallen per categorie
Kwantitatieve gegevens:
1. Histogram (lijkt op een staafdiagram, maar met meetbare gegevens op de
horizontale as: bv lengtes)
Voorbeeld: verdeling van leeftijden in een klas
Bij de beoordeling van een histogram wordt gelet op vorm, locatie (zwaartepunt),
spreiding (variatie) en uitbijters (zijn er veel waarden die afwijken van de rest?)
2. (3D) Scatter plot
Toont de samenhang tussen 2 of meer variabelen
Voorbeeld: lengte tegenover gewicht
4
