GAO: TO REMEMBER
Inhoudsopgave
Gesloten boek vragen:................................................................................................................................... 1
Open boek-vragen:........................................................................................................................................ 6
Symbolen & formules:................................................................................................................................. 10
TO REMEMBER:........................................................................................................................................... 11
EXTRA.......................................................................................................................................................... 19
Interpretatie output SEM Model Fits.................................................................................................................19
Samenhang tussen 2 variabelen........................................................................................................................21
Gesloten boek vragen:
Kunnen we op basis van 1 NEEN, niet met 100 procent zekerheid (wel er dichtbij
steekproef waar we het komen) (kansvariabelen, kunnen verschillen door
gemiddelde meten (x streep) toeval)
exact het echte
populatiegemiddelde (μ =
onbekende populatiegemiddelde)
kennen?
Zal een steekproef op maandag NEEN, maar wel proberen juiste conclusies te trekken
11u exact hetzelfde beeld geven op basis van die ene steekproef
als op een ander moment?
Wat als we 1000 steekproeven Zal heel erg dicht bij echte gemiddelde liggen
nemen en daarvan het
supergemiddelde berekenen?
Is een grote steekproef beter dan JA, onzekerheid wordt gereduceerd door factor N
een kleine?
Zijn x en P zuivere schatters voor JA,
μ en π? Aantal: aantal keer bepaalde respons (X) (aantal =
kansvariabele)
Fractie: aantal keer bepaalde respons in
verhouding tot het aantal waarnemingen = X/N
Rekening houden met het feit dat het aantal de
kansvariabele is. Als je het aantal deelt door N heb je
uw fractie of percentage
Een kruistabel analyse met - Verwachte frequenties mogen nooit kleiner zijn
Pearson chi kwadraat werkt enkel dan 1
1
TO REMEMBER: GAO
,indien een dubbele voorwaarde - Maximum 20% van verwachte frequenties mogen
voldaan is (randvoorwaarden). waarden hebben tussen 1 en 5
Welke zijn deze?
Een kruistabel analyse is een 3 1) Randvoorwaarden checken
stappen verhaal? 2) Significantie checken: < 0.05 H0
verwerpen
3) Indien significant: interpreteren met Adjusted
Standard Residuals
Welke 2 redenenen zijn er om - Kleine steekproef, metrisch en geen normaliteit
voor een niet-parametrisch - Ordinale data
alternatief te kiezen?
Tot waar zeggen we dat een likert Vanaf 9 ankerpunten of meer mag je de ordinale
schaal 100% ordinaal is? variabele beschouwen als pseudometrisch
Welke 2 soorten metingen 1) Onafhankelijke groepen/ steekproeven, between
hebben we? subjects
2) Afhankelijke groepen, within subjects (herhaalde
metingen, gevoeligere technieken)
Waarom geen 3 Mann Whitney Fouten-accumulatie: bij elke toets maken we een fout
toetsen bij 3 onafhankelijke van de eerste of tweede soort. We willen een
groepen? omnibustoets die onder 5% blijft
= proberen werken met 1 niveau fout (max 5
procent). Anders verschillende soorten fouten (1ste
en 2e soort) door elkaar, en bepaalde fouten gaan
sommeren boven 5 procent
Kruskall Wallis test gebruiken
Mag je een Kruskall Wallis JA, gemaakt om meerdere groepen te vergelijken. Kan
gebruiken i.p.v. een Mann ook gebruikt worden om 2 groepen te vergelijken.
Whitney?
Er zijn 2 stappen noodzakelijk in 1) Levene’s test: gelijkheid van spreidingen, is er
een onafhankelijke groepen T- sprake van homoscedasticiteit?
test. Welke zijn deze? 2) T-test: gelijkheid van gemiddelden, beide
gemiddelden zijn gelijk aan elkaar?
Waarom wordt de z-benadering Deze wordt niet gebruikt omdat we de
nooit toegepast en zit ook niet in populatiespreiding (sigma) niet kennen. Deze wordt
software? tevens niet gebruikt omdat de t-oplossing zeer snel
convergeert naar een z normale verdeling.
Wat rapporteer je bij een t-test? - Twee keer het aantal (N)
- Twee gemiddelden
- Twee spreidingen
- De waargenomen t-waarde
- De vrijheidsgraden
- Het significantieniveau
Is een erg grote steekproef NEE,
relevant in de context van Meer data is beter, BI wordt smaller,
kostenefficiëntie? aanvaardingsintervallen worden
smaller .
Standaardafwijking van gemiddelde = standaarderror
2
TO REMEMBER: GAO
, (S/wortel N)
Fout wordt kleiner als N stijgt maar gaat over wortel N
(veel gedempter) .
Waarom kan je niet op basis van Op basis van tekening kan je niet beslissen of groepen
een line plot in One-Way ANOVA echt verschillen je moet toetsen maar wat gebeurt
weten of groepen echt er dan, met welke 2 extra zaken hou je rekening? 3
verschillen? zaken die p-waarde/significantieniveau beïnvloeden :
- Verschil tussen gemiddelden (te zien in grafiek)
- Spreiding in groepen (niet te zien in
tekening/grafiek) (box wisker op mean plot zetten)
- Grootte van de groepen (niet te zien in groepen)
Hoe meer spreiding, hoe groter alpha (hoe meer
onzekerheid, hoe groter kans op fout van eerste
soort). Hoe groter de groepen, hoe kleiner alpha
Als we wegen voor geslacht en ik UIT, want als je hem laat aanstaan, dan werk je met
wil enkel analyseren op dames, aantal vrouwen meer/minder dan degene die je
zet ik dan weging aan of uit? geobserveerd hebt (niet eerlijk want correctie
doorgevoerd)
Anders kloppen ook standard errors ook niet meer,
onzekerheden en spreidingen worden beïnvloed (dus
BI is ook fout). Gemiddelde gaat niet veranderen
Weging gaat meer of minder vrouwen opleveren,
de bedoeling van enkel op vrouwen te analyseren is
100 procent eerlijk op de waargenomen N werken.
Waarom wordt de krachtige Je krijgt bv. 5 resultaten: parameters + se. Hoe ga je
MULTIPELE missing data dat combineren om een juiste inschatting te kunnen
imputatie uiterst maken van de juiste se?
zelden toegepast? Oplossing kan zijn: multiple group structural equation
modeling je maakt 1 gelaagd model en eist dat de
parameters niet variëren over de groepen.
Waarom maakt een survey- - Complexe concepten (bv. attitudes) kan je niet
onderzoek vaak gebruik van capteren met 1 vraag
schalen? - Betrouwbaarheid aantoonbaar op niveau brengen
(hoe betrouwbaar is die info, wat is de meetfout
op die info?)
- Geldigheid / validiteit is zonder voorwerp indien
geen betrouwbaarheid (‘reliability’) (zonder
betrouwbaarheid ook geen validiteit, dus eerst
betrouwbaarheid aan hand van
schaalontwikkeling)
- Efficienter analyseren: i.p.v. 10 items appart
analyseren -> 1 schaalwaarde analyseren die het
onderliggend concept meet
Hoe wordt een goede Via dubbele criteria:
clusteroplossing geëvalueerd? - Groepen moeten intern zo gelijkaardig, zo
homogeen mogelijk zijn
- Groepen moeten extern zo heterogeen/
3
TO REMEMBER: GAO
Inhoudsopgave
Gesloten boek vragen:................................................................................................................................... 1
Open boek-vragen:........................................................................................................................................ 6
Symbolen & formules:................................................................................................................................. 10
TO REMEMBER:........................................................................................................................................... 11
EXTRA.......................................................................................................................................................... 19
Interpretatie output SEM Model Fits.................................................................................................................19
Samenhang tussen 2 variabelen........................................................................................................................21
Gesloten boek vragen:
Kunnen we op basis van 1 NEEN, niet met 100 procent zekerheid (wel er dichtbij
steekproef waar we het komen) (kansvariabelen, kunnen verschillen door
gemiddelde meten (x streep) toeval)
exact het echte
populatiegemiddelde (μ =
onbekende populatiegemiddelde)
kennen?
Zal een steekproef op maandag NEEN, maar wel proberen juiste conclusies te trekken
11u exact hetzelfde beeld geven op basis van die ene steekproef
als op een ander moment?
Wat als we 1000 steekproeven Zal heel erg dicht bij echte gemiddelde liggen
nemen en daarvan het
supergemiddelde berekenen?
Is een grote steekproef beter dan JA, onzekerheid wordt gereduceerd door factor N
een kleine?
Zijn x en P zuivere schatters voor JA,
μ en π? Aantal: aantal keer bepaalde respons (X) (aantal =
kansvariabele)
Fractie: aantal keer bepaalde respons in
verhouding tot het aantal waarnemingen = X/N
Rekening houden met het feit dat het aantal de
kansvariabele is. Als je het aantal deelt door N heb je
uw fractie of percentage
Een kruistabel analyse met - Verwachte frequenties mogen nooit kleiner zijn
Pearson chi kwadraat werkt enkel dan 1
1
TO REMEMBER: GAO
,indien een dubbele voorwaarde - Maximum 20% van verwachte frequenties mogen
voldaan is (randvoorwaarden). waarden hebben tussen 1 en 5
Welke zijn deze?
Een kruistabel analyse is een 3 1) Randvoorwaarden checken
stappen verhaal? 2) Significantie checken: < 0.05 H0
verwerpen
3) Indien significant: interpreteren met Adjusted
Standard Residuals
Welke 2 redenenen zijn er om - Kleine steekproef, metrisch en geen normaliteit
voor een niet-parametrisch - Ordinale data
alternatief te kiezen?
Tot waar zeggen we dat een likert Vanaf 9 ankerpunten of meer mag je de ordinale
schaal 100% ordinaal is? variabele beschouwen als pseudometrisch
Welke 2 soorten metingen 1) Onafhankelijke groepen/ steekproeven, between
hebben we? subjects
2) Afhankelijke groepen, within subjects (herhaalde
metingen, gevoeligere technieken)
Waarom geen 3 Mann Whitney Fouten-accumulatie: bij elke toets maken we een fout
toetsen bij 3 onafhankelijke van de eerste of tweede soort. We willen een
groepen? omnibustoets die onder 5% blijft
= proberen werken met 1 niveau fout (max 5
procent). Anders verschillende soorten fouten (1ste
en 2e soort) door elkaar, en bepaalde fouten gaan
sommeren boven 5 procent
Kruskall Wallis test gebruiken
Mag je een Kruskall Wallis JA, gemaakt om meerdere groepen te vergelijken. Kan
gebruiken i.p.v. een Mann ook gebruikt worden om 2 groepen te vergelijken.
Whitney?
Er zijn 2 stappen noodzakelijk in 1) Levene’s test: gelijkheid van spreidingen, is er
een onafhankelijke groepen T- sprake van homoscedasticiteit?
test. Welke zijn deze? 2) T-test: gelijkheid van gemiddelden, beide
gemiddelden zijn gelijk aan elkaar?
Waarom wordt de z-benadering Deze wordt niet gebruikt omdat we de
nooit toegepast en zit ook niet in populatiespreiding (sigma) niet kennen. Deze wordt
software? tevens niet gebruikt omdat de t-oplossing zeer snel
convergeert naar een z normale verdeling.
Wat rapporteer je bij een t-test? - Twee keer het aantal (N)
- Twee gemiddelden
- Twee spreidingen
- De waargenomen t-waarde
- De vrijheidsgraden
- Het significantieniveau
Is een erg grote steekproef NEE,
relevant in de context van Meer data is beter, BI wordt smaller,
kostenefficiëntie? aanvaardingsintervallen worden
smaller .
Standaardafwijking van gemiddelde = standaarderror
2
TO REMEMBER: GAO
, (S/wortel N)
Fout wordt kleiner als N stijgt maar gaat over wortel N
(veel gedempter) .
Waarom kan je niet op basis van Op basis van tekening kan je niet beslissen of groepen
een line plot in One-Way ANOVA echt verschillen je moet toetsen maar wat gebeurt
weten of groepen echt er dan, met welke 2 extra zaken hou je rekening? 3
verschillen? zaken die p-waarde/significantieniveau beïnvloeden :
- Verschil tussen gemiddelden (te zien in grafiek)
- Spreiding in groepen (niet te zien in
tekening/grafiek) (box wisker op mean plot zetten)
- Grootte van de groepen (niet te zien in groepen)
Hoe meer spreiding, hoe groter alpha (hoe meer
onzekerheid, hoe groter kans op fout van eerste
soort). Hoe groter de groepen, hoe kleiner alpha
Als we wegen voor geslacht en ik UIT, want als je hem laat aanstaan, dan werk je met
wil enkel analyseren op dames, aantal vrouwen meer/minder dan degene die je
zet ik dan weging aan of uit? geobserveerd hebt (niet eerlijk want correctie
doorgevoerd)
Anders kloppen ook standard errors ook niet meer,
onzekerheden en spreidingen worden beïnvloed (dus
BI is ook fout). Gemiddelde gaat niet veranderen
Weging gaat meer of minder vrouwen opleveren,
de bedoeling van enkel op vrouwen te analyseren is
100 procent eerlijk op de waargenomen N werken.
Waarom wordt de krachtige Je krijgt bv. 5 resultaten: parameters + se. Hoe ga je
MULTIPELE missing data dat combineren om een juiste inschatting te kunnen
imputatie uiterst maken van de juiste se?
zelden toegepast? Oplossing kan zijn: multiple group structural equation
modeling je maakt 1 gelaagd model en eist dat de
parameters niet variëren over de groepen.
Waarom maakt een survey- - Complexe concepten (bv. attitudes) kan je niet
onderzoek vaak gebruik van capteren met 1 vraag
schalen? - Betrouwbaarheid aantoonbaar op niveau brengen
(hoe betrouwbaar is die info, wat is de meetfout
op die info?)
- Geldigheid / validiteit is zonder voorwerp indien
geen betrouwbaarheid (‘reliability’) (zonder
betrouwbaarheid ook geen validiteit, dus eerst
betrouwbaarheid aan hand van
schaalontwikkeling)
- Efficienter analyseren: i.p.v. 10 items appart
analyseren -> 1 schaalwaarde analyseren die het
onderliggend concept meet
Hoe wordt een goede Via dubbele criteria:
clusteroplossing geëvalueerd? - Groepen moeten intern zo gelijkaardig, zo
homogeen mogelijk zijn
- Groepen moeten extern zo heterogeen/
3
TO REMEMBER: GAO
