Samenvatting voor het SPSS-examen
Theoretische achtergrond (enkel wat nodig is voor SPSS)
Onderzoeksvraag, probleemstelling en hypothesen
Elk kwantitatief onderzoek vertrekt van een onderzoeks- of beleidsvraag. Deze wordt
vertaald naar een duidelijke probleemstelling waarin een afhankelijke variabele wordt
verklaard door één of meerdere onafhankelijke variabelen. Vanuit de probleemstelling
worden toetsbare hypothesen geformuleerd.
Een hypothese is een concrete, empirisch toetsbare uitspraak over het verband tussen
variabelen, vaak met een verwachte richting. Bij hypothesetoetsing onderscheiden we de
nulhypothese (geen effect of geen verschil) en de alternatieve hypothese (wel een effect of
verschil). Statistische toetsen worden uitgevoerd met een vooraf vastgelegd
significantieniveau, meestal α = 0,05. Een resultaat is statistisch significant wanneer de p-
waarde kleiner of gelijk is aan α.
Variabelen en meetniveaus
Het meetniveau van variabelen bepaalt welke statistische technieken kunnen worden
toegepast: - Nominaal: categorieën zonder ordening. - Ordinaal: categorieën met ordening,
maar zonder gelijke afstanden. - Interval: metrisch, gelijke afstanden, geen absoluut
nulpunt. - Ratio: metrisch, gelijke afstanden, absoluut nulpunt.
In de praktijk onderscheiden we vooral categorische variabelen (nominaal en ordinaal) en
metrische variabelen (interval en ratio). Een verkeerde keuze van analysetechniek op basis
van meetniveau maakt de volledige analyse ongeldig.
Betrouwbaarheid en validiteit
Betrouwbaarheid verwijst naar de consistentie van een meting: bij herhaling onder dezelfde
omstandigheden levert een betrouwbaar instrument gelijkaardige resultaten op. Validiteit
verwijst naar de mate waarin een instrument meet wat het beoogt te meten.
Belangrijke vormen van validiteit zijn interne validiteit, externe validiteit, face validity,
inhoudsvaliditeit, criteriumvaliditeit en constructvaliditeit. Betrouwbaarheid en validiteit
zijn complementair: een meting kan betrouwbaar maar niet valide zijn, maar nooit valide
zonder betrouwbaar te zijn.
, Schaalconstructie en vragenlijsten
Schaalconstructie betreft het ontwikkelen van meetinstrumenten voor latente concepten
via meerdere items. Meerdere items leveren doorgaans betrouwbaardere metingen op dan
één enkel item.
Bij Likertschalen zijn belangrijke aandachtspunten: het aantal antwoordcategorieën
(meestal 5 tot 7), het al dan niet voorzien van een neutrale middencategorie, duidelijke en
consistente labeling van antwoordopties, en heldere formulering van items. Negatief
geformuleerde items moeten correct worden omgecodeerd.
Steekproeftrekking en dataverzameling
Toevalssteekproeven maken generalisatie mogelijk. Belangrijke vormen zijn de
enkelvoudige toevalssteekproef, systematische steekproef, gestratificeerde steekproef en
clustersteekproef.
Dataverzameling kan gebeuren via experimenten, surveys of observaties. Experimenten
bieden hoge interne validiteit, surveys vaak hogere externe validiteit. De gekozen methode
bepaalt in welke mate causale uitspraken verantwoord zijn.
Data voorbereiden in SPSS
Missing values
Ontbrekende antwoorden moeten correct als missing values worden gedefinieerd voordat
analyses worden uitgevoerd. Dit voorkomt vertekening van resultaten.
Variabelen hercoderen
Veelvoorkomende bewerkingen zijn het dichotomiseren van variabelen, het samenvoegen
van categorieën en het omkeren van schaalitems. Her coderingen moeten inhoudelijk
verantwoord zijn.
Nieuwe variabelen berekenen
Samengestelde variabelen worden berekend via gemiddelden of somschalen van meerdere
items. Dit gebeurt enkel wanneer de schaal voldoende betrouwbaar is.
Dummy-variabelen
Categorische variabelen worden in regressieanalyses opgenomen via dummy-codering.
Het aantal dummy’s is gelijk aan het aantal categorieën min één. Interpretatie gebeurt
steeds ten opzichte van de referentiecategorie.
Theoretische achtergrond (enkel wat nodig is voor SPSS)
Onderzoeksvraag, probleemstelling en hypothesen
Elk kwantitatief onderzoek vertrekt van een onderzoeks- of beleidsvraag. Deze wordt
vertaald naar een duidelijke probleemstelling waarin een afhankelijke variabele wordt
verklaard door één of meerdere onafhankelijke variabelen. Vanuit de probleemstelling
worden toetsbare hypothesen geformuleerd.
Een hypothese is een concrete, empirisch toetsbare uitspraak over het verband tussen
variabelen, vaak met een verwachte richting. Bij hypothesetoetsing onderscheiden we de
nulhypothese (geen effect of geen verschil) en de alternatieve hypothese (wel een effect of
verschil). Statistische toetsen worden uitgevoerd met een vooraf vastgelegd
significantieniveau, meestal α = 0,05. Een resultaat is statistisch significant wanneer de p-
waarde kleiner of gelijk is aan α.
Variabelen en meetniveaus
Het meetniveau van variabelen bepaalt welke statistische technieken kunnen worden
toegepast: - Nominaal: categorieën zonder ordening. - Ordinaal: categorieën met ordening,
maar zonder gelijke afstanden. - Interval: metrisch, gelijke afstanden, geen absoluut
nulpunt. - Ratio: metrisch, gelijke afstanden, absoluut nulpunt.
In de praktijk onderscheiden we vooral categorische variabelen (nominaal en ordinaal) en
metrische variabelen (interval en ratio). Een verkeerde keuze van analysetechniek op basis
van meetniveau maakt de volledige analyse ongeldig.
Betrouwbaarheid en validiteit
Betrouwbaarheid verwijst naar de consistentie van een meting: bij herhaling onder dezelfde
omstandigheden levert een betrouwbaar instrument gelijkaardige resultaten op. Validiteit
verwijst naar de mate waarin een instrument meet wat het beoogt te meten.
Belangrijke vormen van validiteit zijn interne validiteit, externe validiteit, face validity,
inhoudsvaliditeit, criteriumvaliditeit en constructvaliditeit. Betrouwbaarheid en validiteit
zijn complementair: een meting kan betrouwbaar maar niet valide zijn, maar nooit valide
zonder betrouwbaar te zijn.
, Schaalconstructie en vragenlijsten
Schaalconstructie betreft het ontwikkelen van meetinstrumenten voor latente concepten
via meerdere items. Meerdere items leveren doorgaans betrouwbaardere metingen op dan
één enkel item.
Bij Likertschalen zijn belangrijke aandachtspunten: het aantal antwoordcategorieën
(meestal 5 tot 7), het al dan niet voorzien van een neutrale middencategorie, duidelijke en
consistente labeling van antwoordopties, en heldere formulering van items. Negatief
geformuleerde items moeten correct worden omgecodeerd.
Steekproeftrekking en dataverzameling
Toevalssteekproeven maken generalisatie mogelijk. Belangrijke vormen zijn de
enkelvoudige toevalssteekproef, systematische steekproef, gestratificeerde steekproef en
clustersteekproef.
Dataverzameling kan gebeuren via experimenten, surveys of observaties. Experimenten
bieden hoge interne validiteit, surveys vaak hogere externe validiteit. De gekozen methode
bepaalt in welke mate causale uitspraken verantwoord zijn.
Data voorbereiden in SPSS
Missing values
Ontbrekende antwoorden moeten correct als missing values worden gedefinieerd voordat
analyses worden uitgevoerd. Dit voorkomt vertekening van resultaten.
Variabelen hercoderen
Veelvoorkomende bewerkingen zijn het dichotomiseren van variabelen, het samenvoegen
van categorieën en het omkeren van schaalitems. Her coderingen moeten inhoudelijk
verantwoord zijn.
Nieuwe variabelen berekenen
Samengestelde variabelen worden berekend via gemiddelden of somschalen van meerdere
items. Dit gebeurt enkel wanneer de schaal voldoende betrouwbaar is.
Dummy-variabelen
Categorische variabelen worden in regressieanalyses opgenomen via dummy-codering.
Het aantal dummy’s is gelijk aan het aantal categorieën min één. Interpretatie gebeurt
steeds ten opzichte van de referentiecategorie.
