FMETHODOLOGIE DEEL 3:
KWANTITATIEVE LUIK
INTRODUCTIE KWANTITATIEF LUIK
Obv verzamelde data antwoorden formuleren op de onderzoeksvragen
CODEREN EN DATA-ENTRY IN SPSS
DE CONSTRUCTIE VAN VARIABELEN
Vóór dataverzameling van concepten naar (enquête)variabelen: operationaliseren
Na dataverzameling van antwoorden op een vraag naar variabelen
o soms: variabelen = antwoorden (codes) op enquêtevragen
o soms: variabelen via hercoderen van enquêtevragen
o soms: enquêtevragen samennemen tot schalen om abstracte concepten (vb. anomie,
onveiligheid…) te meten = schaalconstructie
Hercoderen: bv vragen naar geboortedatum, maar in onderzoek wil je eigenlijk liever met leeftijd werken
HET CODEREN AAN DE HAND VAN SCHALEN
Van vragenlijst via codeboek naar databestand
o bijkomende illustraties:
Veiligheidsmonitor: vragenlijst met module buurtproblemen, mijdgedrag, risico-
inschatting, politiefunctioneren……
SCV survey: overzicht vragen en codeboek
ESS: ‘main questionnaire’ en ‘data protocol’
JOP-monitor: technisch verslag
…
illustratie: mijdgedrag in de VM (v57 t.e.m. v60)
V57 VRAAG 024.a.- Gebeurt het dat u BEPAALDE PLEKKEN IN UW GEMEENTE MIJDT OMDAT U HET NIET
VEILIG VINDT? (in 1997: "Hoe dikwijls gebeurt het dat u ...")
1 altijd
2 vaak
3 soms
1
, 4 zelden
5 nooit
6 niet van toepassing
7 weet niet
8 geen antwoord
• volgende stap: data-entry in SPSS
Basistabblad data view
Variable view: tabblad meer info voor elke variabele
2
,Rijen –> variabelen
Label = bredere omschrijving, uitgebreider zien wat ermee bedoeld wordt
Values = codes, niet altijd enkel cijfers, soms ook ‘soms’, ‘vaak’,…
Missing = antwoordmogelijkheden die niet mee opgenomen worden omdat ze inhoudelijk niet echt relevant
zijn
Output interpreteren en adhv dat OV beantwoorden is opleiding voor nodig
• volgende stap: data-cleaning en analyse…
Opkuisen van data, data cleaning
Foutjes door bv te snel te willen zijn
Niet alle fouten per se eruit halen
Ipv 3 1 ingegeven kan je niet als fout eruit halen, valide antwoorden
Onmogelijke antwoorden kan je er wel uit halen
Coderen: bijkomende punten en samenvattende regels
o overzichtelijke vragenlijst (genummerd)
o duidelijk en consequent codeboek (‘veldcoderen’ uitsluiten), gedetailleerde vragenlijst, niet het
geval dan best meer info toevoegen codeboek
o afspraken voor ‘weet niet’ (7, 77,…), ‘geen antwoord’ (8, 88,…), ‘niet van toepassing’ (9, 99,…): zie
bv. codeboek SCV survey
o afspraken voor filtervragen
o afspraken voor onduidelijke antwoorden
o afspraken verwerking meerdere antwoordmogelijkheden
o …
Veldcoderen uitsluiten: als onderzoeker op het moment dat er zich een probleem stelt een antwoord daarop
zoekt
Vragenlijsten aan het ingeven, je ziet probleem opduiken
Stuk van standaardisatie gaat verloren
data-entry
o SPSS format opmaken
o input met twee (sneller en meer ogen om op fouten toe te zien)
o voordeel van websurvey (bv. Qualtrics) of CAS/TI
data-cleaning
o check: frequentietabellen
o check filtervragen
Het coderen: illustratie ISRD-3
3
, o Volgende les
INLEIDING MULTIVARIATE ANALYSE
INLEIDING MULTIVARIATE ANALYSE
Waarom methodologie?
o methodologie en statistiek als ‘toolkit’ voor sociale wetenschapper
o onderzoek opzetten, uitvoeren en analyseren (en ‘evalueren’)
o methodologie deel 2: opzetten, uitvoeren
o methodologie deel 3: analyseren, concluderen
Rol van statistiek?
o beschrijvende statistiek: in beeld brengen van steekproef…
o inferentiële statistiek
modelleren van onzekerheid
‘hoe waarschijnlijk is een resultaat onder een bepaalde veronderstelling van de
werkelijkheid’
statistiek als wetenschap van de probabiliteit
Antwoorden gebaseerd op kwanti analyses
Rol van statistiek? Een voorbeeld…
o OV: Verschilt het onveiligheidsgevoel tussen mannen en vrouwen?
o conceptualisering, operationalisering, steekproeftrekking, dataverzameling…
o analyse: onveiligheidsgevoel vrouwen > onveiligheidsgevoel mannen (steekproef!)
o ‘hoe groot is de kans dat vrouwen zich onveiliger voelen dan mannen (steekproef), wanneer we
veronderstellen dat geslacht en onveiligheidsgevoelens niet samenhangen (nulhypothese)’
H0: onveiligheidsgevoel vrouwen = onveiligheidsgevoel mannen
Ha: onveiligheidsgevoel vrouwen ≠ onveiligheidsgevoel mannen
Toevallig of kan je het veralgemenen naar de populatie
Analyse in het criminologische domein
o bedreigingen voor validiteit en betrouwbaarheid
o probleem van a-selecte, representatieve steekproeven
~ verborgen populaties, geen steekproefkader
~ nonrespons, bedreigende vragen, sociale wenselijkheid
~ ….
4
KWANTITATIEVE LUIK
INTRODUCTIE KWANTITATIEF LUIK
Obv verzamelde data antwoorden formuleren op de onderzoeksvragen
CODEREN EN DATA-ENTRY IN SPSS
DE CONSTRUCTIE VAN VARIABELEN
Vóór dataverzameling van concepten naar (enquête)variabelen: operationaliseren
Na dataverzameling van antwoorden op een vraag naar variabelen
o soms: variabelen = antwoorden (codes) op enquêtevragen
o soms: variabelen via hercoderen van enquêtevragen
o soms: enquêtevragen samennemen tot schalen om abstracte concepten (vb. anomie,
onveiligheid…) te meten = schaalconstructie
Hercoderen: bv vragen naar geboortedatum, maar in onderzoek wil je eigenlijk liever met leeftijd werken
HET CODEREN AAN DE HAND VAN SCHALEN
Van vragenlijst via codeboek naar databestand
o bijkomende illustraties:
Veiligheidsmonitor: vragenlijst met module buurtproblemen, mijdgedrag, risico-
inschatting, politiefunctioneren……
SCV survey: overzicht vragen en codeboek
ESS: ‘main questionnaire’ en ‘data protocol’
JOP-monitor: technisch verslag
…
illustratie: mijdgedrag in de VM (v57 t.e.m. v60)
V57 VRAAG 024.a.- Gebeurt het dat u BEPAALDE PLEKKEN IN UW GEMEENTE MIJDT OMDAT U HET NIET
VEILIG VINDT? (in 1997: "Hoe dikwijls gebeurt het dat u ...")
1 altijd
2 vaak
3 soms
1
, 4 zelden
5 nooit
6 niet van toepassing
7 weet niet
8 geen antwoord
• volgende stap: data-entry in SPSS
Basistabblad data view
Variable view: tabblad meer info voor elke variabele
2
,Rijen –> variabelen
Label = bredere omschrijving, uitgebreider zien wat ermee bedoeld wordt
Values = codes, niet altijd enkel cijfers, soms ook ‘soms’, ‘vaak’,…
Missing = antwoordmogelijkheden die niet mee opgenomen worden omdat ze inhoudelijk niet echt relevant
zijn
Output interpreteren en adhv dat OV beantwoorden is opleiding voor nodig
• volgende stap: data-cleaning en analyse…
Opkuisen van data, data cleaning
Foutjes door bv te snel te willen zijn
Niet alle fouten per se eruit halen
Ipv 3 1 ingegeven kan je niet als fout eruit halen, valide antwoorden
Onmogelijke antwoorden kan je er wel uit halen
Coderen: bijkomende punten en samenvattende regels
o overzichtelijke vragenlijst (genummerd)
o duidelijk en consequent codeboek (‘veldcoderen’ uitsluiten), gedetailleerde vragenlijst, niet het
geval dan best meer info toevoegen codeboek
o afspraken voor ‘weet niet’ (7, 77,…), ‘geen antwoord’ (8, 88,…), ‘niet van toepassing’ (9, 99,…): zie
bv. codeboek SCV survey
o afspraken voor filtervragen
o afspraken voor onduidelijke antwoorden
o afspraken verwerking meerdere antwoordmogelijkheden
o …
Veldcoderen uitsluiten: als onderzoeker op het moment dat er zich een probleem stelt een antwoord daarop
zoekt
Vragenlijsten aan het ingeven, je ziet probleem opduiken
Stuk van standaardisatie gaat verloren
data-entry
o SPSS format opmaken
o input met twee (sneller en meer ogen om op fouten toe te zien)
o voordeel van websurvey (bv. Qualtrics) of CAS/TI
data-cleaning
o check: frequentietabellen
o check filtervragen
Het coderen: illustratie ISRD-3
3
, o Volgende les
INLEIDING MULTIVARIATE ANALYSE
INLEIDING MULTIVARIATE ANALYSE
Waarom methodologie?
o methodologie en statistiek als ‘toolkit’ voor sociale wetenschapper
o onderzoek opzetten, uitvoeren en analyseren (en ‘evalueren’)
o methodologie deel 2: opzetten, uitvoeren
o methodologie deel 3: analyseren, concluderen
Rol van statistiek?
o beschrijvende statistiek: in beeld brengen van steekproef…
o inferentiële statistiek
modelleren van onzekerheid
‘hoe waarschijnlijk is een resultaat onder een bepaalde veronderstelling van de
werkelijkheid’
statistiek als wetenschap van de probabiliteit
Antwoorden gebaseerd op kwanti analyses
Rol van statistiek? Een voorbeeld…
o OV: Verschilt het onveiligheidsgevoel tussen mannen en vrouwen?
o conceptualisering, operationalisering, steekproeftrekking, dataverzameling…
o analyse: onveiligheidsgevoel vrouwen > onveiligheidsgevoel mannen (steekproef!)
o ‘hoe groot is de kans dat vrouwen zich onveiliger voelen dan mannen (steekproef), wanneer we
veronderstellen dat geslacht en onveiligheidsgevoelens niet samenhangen (nulhypothese)’
H0: onveiligheidsgevoel vrouwen = onveiligheidsgevoel mannen
Ha: onveiligheidsgevoel vrouwen ≠ onveiligheidsgevoel mannen
Toevallig of kan je het veralgemenen naar de populatie
Analyse in het criminologische domein
o bedreigingen voor validiteit en betrouwbaarheid
o probleem van a-selecte, representatieve steekproeven
~ verborgen populaties, geen steekproefkader
~ nonrespons, bedreigende vragen, sociale wenselijkheid
~ ….
4
