Samenvatting GAO LEERSTOFOVERZICHT VOLLEDIG INGEVULD (GESLAAGD)!!!

LEERSTOFOVERZICHT GAO VOLLEDIG INGEVULD
GESLOTEN BOEK



Datakwaliteit Types missing data • MCAR: missing completely at random: vergeten te vragen, kwijt, weet niet, no bias want random
• MAR: missing at random: hangt af van respondent
• NI: non ignorable missing data: invullen hangt af van variabele
Procesherkenning Mensen willen meewerken, maar ze beantwoorden niet alle vragen, dus gaten in de data (hoe kunnen
we dat oplossen en welke soort data ontbreekt?).
Goede & minder goede 1) Listwise deletion = Een case wordt weggegooid bij minstens 1 ontbrekende waarde, dus bij
oplossingen berekening van correlatiematrix nog 5 cases (rijen) over. Werkt enkel bij MCAR maar gooit veel
info weg
2) Pairwise deletion = Per paar variabelen gebruiken wat er is (x1&x2: 9 cases, x1 en x3: 6 cases, x1
en x5: 5). Werkt bij MCAR en MAR maar kan instabiliteit geven: N per paar is niet constant
3) EM = Zelden gebruikt, om bv correlatiematrices te berekenen om dan verder te gaan, maar in
SPSS ook als onderliggend model voor imputatie (vervanging) van ontbrekende waarden.
4) Imputatie = Vervangen wat je niet hebt door eens schatter (gemiddelde van al de rest). Is ad hoc
in software ingebouwd
Weging: principes Stramien voor ogen, maar in praktijk niet geval (dus representativiteit in gedrang) → bv. je wil helft
mannen, helft vrouwen maar je hebt 2/3 vrouwen

Oplossing voor niet-representativiteit: weging
→ Enkel voor populatiebeeld <-> biased conclusies, niet representatief,
fouten voor beleid/studie
→ Gevolgen van disproportie:
1. Conclusies op total sample niveau biased
2. Niet representatief
3. Bij beleidsacties of commerciele studies fouten



LEERSTOFOVERZICHT GAO INGEVULD 1

, →Hoe corrigeren met weging?
Weten wat populatieproporties zijn. Eventueel toetsen van bias naar significantie.
Chi2 toets als controle Chi2 aanpassingstoets (moet er wel gecorrigeerd worden, bij twijfel)
tot weging → Analyze → Non parametric → chi square

Vb: chi-square = 3.2 = ((14-10)2/10) + ((6-10)2/10)
p = .074àsignificant, zelfs bij kleine sample
Populatie 50/50 – sample 70/30àM zijn oververtegenwoordigdàdempen (50/70) & vrouwen
ondervertegenwoordigdàboosten (50/30)
Variabele ‘weging’ bijmaken in syntax
Heb je nog controle voor later
if GESL=0 WEGING=0.71.
if GESL=1 WEGING=1.67.
Graphics Interpreteren van Histogram:
histogram, boxplots, 1. Click Graphs → Legacy Dialogs → Histogram
scatters, faces & case 2. Drag variable you want to plot as a histogram from the left into the Variable text box
profile plots 3. Select “Display normal curve” (recommended)

Boxplot:
1. Analyze → Descriptive stats → Explore
2. In “plots”: Boxplots: Factor levels together

Scatterplot




LEERSTOFOVERZICHT GAO INGEVULD 2

, Profile plot
1) Analyze → General Linear model → Univariate
2) Gegevens invoeren
3) In “plots” ook gegevens invoeren (= profile plot)
Outlier identificatie Voorspelde waarde min de echte waarde = de schattingsfout, indien
extreme waarde dan mogelijkerwijs een outlier gevonden.
Normaliteit
controleren met
parameters, graphs en
toetsing




LEERSTOFOVERZICHT GAO INGEVULD 3

, Hypothese- Verschil
toetsen steekproevenverdeling
vs populatieverdeling




Fouten van 1ste en 2de
soort




LEERSTOFOVERZICHT GAO INGEVULD 4