Statistiek
Les 1: 25/09/2024
Praktisch
Boek is een belangrijke aanvulling
!Tussentijdse toets -> 3 december!
Hoofdstuk 1: Over statistiek, statistieken en mathemafobia
Belang van statistiek
1. Levens redden
Florence Nightingale: roosvoorstelling waarom stierven mensen in de
oorlog -> merkte op dat er veel mensen stierven door gebrek aan hygiëne
-> hierdoor kon men hier iets aandoen en stierven er minder mensen.
Florence Nightingale David: model maken waar de mensen tijdens ww2 het
meest geraakt werden -> hierdoor konden ze deze plaatsen vermijden en
stierven er ook minder mensen.
Aantonen dat roken en de blootstelling aan radon longkanker kan
veroorzaken
2. Maatschappelijke problemen vaststellen
Bv: Genderkloof, betaalbaarheid woningmarkt,…
3. Machthebbers controleren
Bv: corruptie in kaart brengen, effecten Brexit, fraudeurs opsporen
4. World Data Forum
Belang van goede statistiekbureaus (zoals Statbel)
Wat is statistiek
Historische context= “van de staat” -> politiek sociale wetenschap
Statistiek is de wetenschap van het verzamelen, organiseren, presenteren,
analyseren en interpreteren van gegevens of data volgens een numerieke
logica.
Nut voor een sociale wetenschapper
Door statistiek kan men een eigen onderzoek uitvoeren
Bestaand onderzoek begrijpen/beoordelen
1. Weten we wat we beweren te meten?
2. Hoe zijn de cijfers verzameld?
3. Hoe zijn de cijfers geanalyseerd?
4. Hoe zijn de cijfers gepresenteerd?
Kennis statistiek is onontbeerlijk. (= onmisbaar)
,Problemen bij dataverzameling
Bv: Amerikaans seksleven: populatie en steekproef nodig
Populatie vs steekproef
o Populatie N: de groep waarover het onderzoek een uitspraak wil
doen.
-> Bv: ‘de Amerikaanse mannen’ (60 miljoen mensen)
o Steekproef n (sample): Een selectie uit de totale populatie, waarop
je het onderzoek uitvoert.
-> Bv: 5.300 Amerikaanse mannen die geïnterviewd werden
o Populatie-onderzoek (bv: volkstelling of census) is duur en dikwijls
vertekend (biased).
Op basis van het voorbeeld van het Amerikaanse seksleven.
Kritiek= je kan geen betrouwbaar onderzoek doen op basis van een
steekproef die 5300 mensen bevat als de populatie 60 miljoen mensen
bevat.
Kan wel op basis van steekproef, maar er zijn wel eisen over wie er in de
steekproef zit. Je kan niet zomaar iedereen random kiezen. Meestal wordt
er dus gebruik gemaakt van een steekproef en soms van een populatie, als
deze klein is. Bv: alle UA sociale wetenschappen studenten.
Soorten steekproeven
o Literary Digest-schandaal (convenience steekproef): voorspelling
maken over de verkiezingen tussen Landon >< Roosevelt. Er werd
gebruik gemaakt van een enorm grote steekproef (= straw poll) en
men voorspelde dat Landon ging winnen, maar men zat er dit naast.
-> probleem
1. 10 miljoen gecontacteerde personen -> niet representatief want
ze gebruikte automobielen registers om mensen te contacteren.
Dit zijn vooral rijke mensen en die stemmen eerder op de
republikeinen.
SELECTIEBIAS= mensen die onderzocht werden zijn niet neutraal.
2. NON-RESPONSBIAS= maar ¼ heeft effectief meegedaan aan het
onderzoek, de afvallers zijn meestal niet geïnteresseerd in de
politiek of degene die gaan werken. Hierdoor stemmen enkel de
extremen en gepensioneerde en daardoor krijg je een vertekende
uitslag.
o George Gallup: QUOTASTEEKPROEF= je neemt uit elke groep in de
bevolking een even grote groep.
-> maar
1. Naarmate de tijd verstrijkt zat Gallup er toch naast
2. Representativiteit is dus belangrijker dan steekproefgrootte!
Maar als een steekproef random is, dus geen miniatuurversie van
de bevolking, is een grote n beter dan een kleine n.
De ideale steekproef is de ENKELVOUDIGE ASELECTE STEEKPROEF = EAS ( de
willekeurige steekproef).
, Iedereen van de populatie heeft evenveel kans om in de steekproef terecht
te kopen, aangezien er willekeurig mensen worden geselecteerd. (= de
onschuldige kinderhand)
De enkelvoudige steekproef heeft 2 varianten:
1. Clustersteekproef (tweetrapssteekproef): het gebeurd nog steeds
willekeurig, maar nog steeds op 2 niveaus dus bv: eerst selecteer je een
willekeurige gemeente en dan selecteer je uit die gemeente
willekeurige mensen.
2. Gestratificeerde steekproef (voorkennis gebruiken)
De slechte steekproef: CONVENIENCE STEEKPROEF
Probleem van selectiebias. Bv: in whatsapp groepje je vrienden gebruiken
als steekproef.
De lelijke steekproef: QUOTASTEEKPROEF
Suggereert een wetenschap te zijn, maar is het niet.
Beter dan de convenience steekproef, maar slechter dan de enkelvoudige
aselecte steekproef.
1. Selectiebias: vertekening in wie hij benaderde.
o Convenience sample: Homobars, universiteiten, gevangenissen, via-
via,…
2. Non-responsbias: vertekening in wie uiteindelijk deelnam
o Wie wil over zo’n delicaat onderwerp praten?
3. Responsbias: vertekening in de antwoorden van deelnemers
o Bv: sociale wenselijkheid? Suggestieve vraagstelling? Liegen?
Dus je kan beter minder mensen selecteren (en hen enorm motiveren en
overtuigen -> grote respons), dan veel mensen te selecteren die niet meedoen
(last van non-responsbias).
, Les 2: 2/10/2024
Hoofdstuk 2: Data statistisch onder de loep genomen
Datamatrix
Onderzoekselementen of cases= datgene waar we iets over willen zeggen
-> altijd in de rij ( )
-> in de kolommen= de variabelen (->) = kenmerken van de
onderzoekselementen
-> in de matrix= de meetwaren of observaties =waarde van een
onderzoekselement op een variabele
Onderzoekselementen
Aggregatieniveau
=onderzoekselementen kunnen zich op verschillende niveaus situeren
Micro= individuen bv: bv’s, burgers, studenten
Meso= bv: beroepsgroepen, organisaties, scholen
Macro= bv: gemeenten, landen
Ecologische meetfout (‘ecological fallacy’)= op basis van gegevens op macro
(of meso)-niveau uitspraken doen over het micro-niveau.
o Bevinding: ‘in regio’s met meer immigranten ligt ongeletterdheid
lager’
o Foute conclusie: ‘immigranten zijn vaker geletterd dan de
autochtone bevolking’
-> immigranten komen vaker aan in steden waar geletterdheid hoog
ligt
-> Er kunnen andere variabelen een rol spelen, dus daarom geen conclusies doen
over een ander aggregatieniveau.
Bv: met het ziekenhuis -> je zou ziekenhuis a nemen want er zijn meer
overlevenden. Als je deze tabel zou onderdelen op basis van klachten, merk je
dat er in ziekenhuis b meer overlevenden zijn. Op basis van deze grafiek zou je
dus ziekenhuis b kiezen.
->Rekening houden met een andere variabele geeft dus een andere uitkomst.
-> ziekenhuis b heeft meer patiënten met ernstige klachten, natuurlijk sterven er
daar dan meer mensen maar het ziekenhuis is misschien wel beter aangezien ze
er misschien in gespecialiseerd zijn.
-> Paradox van Simpson= ecologische meetfout
Variabelen
Les 1: 25/09/2024
Praktisch
Boek is een belangrijke aanvulling
!Tussentijdse toets -> 3 december!
Hoofdstuk 1: Over statistiek, statistieken en mathemafobia
Belang van statistiek
1. Levens redden
Florence Nightingale: roosvoorstelling waarom stierven mensen in de
oorlog -> merkte op dat er veel mensen stierven door gebrek aan hygiëne
-> hierdoor kon men hier iets aandoen en stierven er minder mensen.
Florence Nightingale David: model maken waar de mensen tijdens ww2 het
meest geraakt werden -> hierdoor konden ze deze plaatsen vermijden en
stierven er ook minder mensen.
Aantonen dat roken en de blootstelling aan radon longkanker kan
veroorzaken
2. Maatschappelijke problemen vaststellen
Bv: Genderkloof, betaalbaarheid woningmarkt,…
3. Machthebbers controleren
Bv: corruptie in kaart brengen, effecten Brexit, fraudeurs opsporen
4. World Data Forum
Belang van goede statistiekbureaus (zoals Statbel)
Wat is statistiek
Historische context= “van de staat” -> politiek sociale wetenschap
Statistiek is de wetenschap van het verzamelen, organiseren, presenteren,
analyseren en interpreteren van gegevens of data volgens een numerieke
logica.
Nut voor een sociale wetenschapper
Door statistiek kan men een eigen onderzoek uitvoeren
Bestaand onderzoek begrijpen/beoordelen
1. Weten we wat we beweren te meten?
2. Hoe zijn de cijfers verzameld?
3. Hoe zijn de cijfers geanalyseerd?
4. Hoe zijn de cijfers gepresenteerd?
Kennis statistiek is onontbeerlijk. (= onmisbaar)
,Problemen bij dataverzameling
Bv: Amerikaans seksleven: populatie en steekproef nodig
Populatie vs steekproef
o Populatie N: de groep waarover het onderzoek een uitspraak wil
doen.
-> Bv: ‘de Amerikaanse mannen’ (60 miljoen mensen)
o Steekproef n (sample): Een selectie uit de totale populatie, waarop
je het onderzoek uitvoert.
-> Bv: 5.300 Amerikaanse mannen die geïnterviewd werden
o Populatie-onderzoek (bv: volkstelling of census) is duur en dikwijls
vertekend (biased).
Op basis van het voorbeeld van het Amerikaanse seksleven.
Kritiek= je kan geen betrouwbaar onderzoek doen op basis van een
steekproef die 5300 mensen bevat als de populatie 60 miljoen mensen
bevat.
Kan wel op basis van steekproef, maar er zijn wel eisen over wie er in de
steekproef zit. Je kan niet zomaar iedereen random kiezen. Meestal wordt
er dus gebruik gemaakt van een steekproef en soms van een populatie, als
deze klein is. Bv: alle UA sociale wetenschappen studenten.
Soorten steekproeven
o Literary Digest-schandaal (convenience steekproef): voorspelling
maken over de verkiezingen tussen Landon >< Roosevelt. Er werd
gebruik gemaakt van een enorm grote steekproef (= straw poll) en
men voorspelde dat Landon ging winnen, maar men zat er dit naast.
-> probleem
1. 10 miljoen gecontacteerde personen -> niet representatief want
ze gebruikte automobielen registers om mensen te contacteren.
Dit zijn vooral rijke mensen en die stemmen eerder op de
republikeinen.
SELECTIEBIAS= mensen die onderzocht werden zijn niet neutraal.
2. NON-RESPONSBIAS= maar ¼ heeft effectief meegedaan aan het
onderzoek, de afvallers zijn meestal niet geïnteresseerd in de
politiek of degene die gaan werken. Hierdoor stemmen enkel de
extremen en gepensioneerde en daardoor krijg je een vertekende
uitslag.
o George Gallup: QUOTASTEEKPROEF= je neemt uit elke groep in de
bevolking een even grote groep.
-> maar
1. Naarmate de tijd verstrijkt zat Gallup er toch naast
2. Representativiteit is dus belangrijker dan steekproefgrootte!
Maar als een steekproef random is, dus geen miniatuurversie van
de bevolking, is een grote n beter dan een kleine n.
De ideale steekproef is de ENKELVOUDIGE ASELECTE STEEKPROEF = EAS ( de
willekeurige steekproef).
, Iedereen van de populatie heeft evenveel kans om in de steekproef terecht
te kopen, aangezien er willekeurig mensen worden geselecteerd. (= de
onschuldige kinderhand)
De enkelvoudige steekproef heeft 2 varianten:
1. Clustersteekproef (tweetrapssteekproef): het gebeurd nog steeds
willekeurig, maar nog steeds op 2 niveaus dus bv: eerst selecteer je een
willekeurige gemeente en dan selecteer je uit die gemeente
willekeurige mensen.
2. Gestratificeerde steekproef (voorkennis gebruiken)
De slechte steekproef: CONVENIENCE STEEKPROEF
Probleem van selectiebias. Bv: in whatsapp groepje je vrienden gebruiken
als steekproef.
De lelijke steekproef: QUOTASTEEKPROEF
Suggereert een wetenschap te zijn, maar is het niet.
Beter dan de convenience steekproef, maar slechter dan de enkelvoudige
aselecte steekproef.
1. Selectiebias: vertekening in wie hij benaderde.
o Convenience sample: Homobars, universiteiten, gevangenissen, via-
via,…
2. Non-responsbias: vertekening in wie uiteindelijk deelnam
o Wie wil over zo’n delicaat onderwerp praten?
3. Responsbias: vertekening in de antwoorden van deelnemers
o Bv: sociale wenselijkheid? Suggestieve vraagstelling? Liegen?
Dus je kan beter minder mensen selecteren (en hen enorm motiveren en
overtuigen -> grote respons), dan veel mensen te selecteren die niet meedoen
(last van non-responsbias).
, Les 2: 2/10/2024
Hoofdstuk 2: Data statistisch onder de loep genomen
Datamatrix
Onderzoekselementen of cases= datgene waar we iets over willen zeggen
-> altijd in de rij ( )
-> in de kolommen= de variabelen (->) = kenmerken van de
onderzoekselementen
-> in de matrix= de meetwaren of observaties =waarde van een
onderzoekselement op een variabele
Onderzoekselementen
Aggregatieniveau
=onderzoekselementen kunnen zich op verschillende niveaus situeren
Micro= individuen bv: bv’s, burgers, studenten
Meso= bv: beroepsgroepen, organisaties, scholen
Macro= bv: gemeenten, landen
Ecologische meetfout (‘ecological fallacy’)= op basis van gegevens op macro
(of meso)-niveau uitspraken doen over het micro-niveau.
o Bevinding: ‘in regio’s met meer immigranten ligt ongeletterdheid
lager’
o Foute conclusie: ‘immigranten zijn vaker geletterd dan de
autochtone bevolking’
-> immigranten komen vaker aan in steden waar geletterdheid hoog
ligt
-> Er kunnen andere variabelen een rol spelen, dus daarom geen conclusies doen
over een ander aggregatieniveau.
Bv: met het ziekenhuis -> je zou ziekenhuis a nemen want er zijn meer
overlevenden. Als je deze tabel zou onderdelen op basis van klachten, merk je
dat er in ziekenhuis b meer overlevenden zijn. Op basis van deze grafiek zou je
dus ziekenhuis b kiezen.
->Rekening houden met een andere variabele geeft dus een andere uitkomst.
-> ziekenhuis b heeft meer patiënten met ernstige klachten, natuurlijk sterven er
daar dan meer mensen maar het ziekenhuis is misschien wel beter aangezien ze
er misschien in gespecialiseerd zijn.
-> Paradox van Simpson= ecologische meetfout
Variabelen
