Kwantitatieve onderzoeksmethoden
HC1
Dataverzameling
Beslissingen en argumentatie
Stephen Toulmins argumentatiemodel
- Conclusie
o Keuze/besluit/opvatting
- Gegevens
o Informatie, i.e. statistische resultaten,
type onderzoeksvraag, meetniveaus,
resultaten uit eerder onderzoek
- Rechtvaardiging
o Regels, principes
We trekken een bepaalde conclusie. Dat baseer je op een aantal gegevens.
- RQ → research question → correlaties
- Meetniveas → nominaal (naam geven aan iets), ordinaal (bepaalde rangorde, hoog-laag),
interval (temperaturen, intervallen steeds gelijk: 10-15; 15-20), ratio (natuurlijk nulpunt)
o Bij interval variabelen horen Pearson correlaties
o Nominaal & ordinaal → categorisch
o Interval & ratio → metrisch
- Onderzoeksresultaten
- Rechtvaardiging → hypotheses: nul- en alternatieve hypothese.
o Als kans onder alpha ligt, nulhypothese verwerpen → p < α = H0 verwerpen
Kwaliteit onderzoek: drie aspecten
- Validiteit
o De mate waarin de gemeten kenmerken daadwerkelijk de kenmerken zijn van de
onderzochte objecten (systematische of random error). Meet je wat je wil weten?
- Betrouwbaarheid
o De mate waarin de metingen van de kenmerken dezelfde resultaten oplevert als het
onderzoek onder dezelfde omstandigheden zou worden herhaald.
- Bruikbaarheid
o De mate waarin de onderzoeksresultaten goed aansluiten bij het probleem van de
opdrachtgever, ofwel die daadwerkelijk kunnen bijdragen aan de oplossing van een
praktijkprobleem.
1
,Empirische cyclus (Vennix, 2016)
Onderzoek begint vaak met vragen/probleem en daar is al het een of ander over bekend
(literatuurstudie). Op basis van die twee maak je een conceptueel model (samenhang). Op basis van
conceptueel model ga je data verzamelen/waarnemingen verrichten. Op basis van die gegevens ga je
analyses doen (SPSS). Na de analyse trek je conclusie en die trek je terug, met feedbackloop, op
probleemstelling: hoe kan je het probleem oplossen.
Kwantitatieve data
- Onderzoekstrategieën:
o Survey: veel gegevens, veel onderzoekseenheden; explorerend/beschrijvend
o Experiment: effect verklaren
- Dataverzameling
o Vragenlijsten: set van vragen die voorlegt aan groep van respondenten
(mondeling/schriftelijk/internet)
o Observaties: open gesloten
o Inhoudsanalyse: gebruikmaken van bestaande documenten
- Data
o Primair: specifiek voor het onderzoek zelf
o Secundair: data eerder verzameld voor een ander doel
Vragenlijst
Vraagtypen:
- Open/gesloten vragen
- Single/multiple respons → een/meerdere antwoorden geven
- Dichotome vragen → wel of niet als antwoord → 0 of 1
- Schaal items (bijv. Likert) → bijv. agree strongly, agree, disagree, disagree strongly
Formulering vragen (niet aan voldoen = niet valide)
- Gebruik gewone woorden
- Gebruik eenduidige woorden
- Vermijd impliciete veronderstellingen
- Vermijd generalisaties en schattingen
- Gebruik positieve en negatieve stellingen
2
,Steekproeven
Begrippen Bijvoorbeeld:
- Populatie - Alle studenten in Nederland
- Operationele populatie - Alle studenten in Nijmegen en Utrecht
- Steekproefkader - Studentenadministraties
- Steekproef - 600 getrokken studenten
- Gerealiseerde steekproef - 500 overgebleven (100 reageren niet = non response)
Technieken
- Op toevalsbasis (= aselect) → representativiteit mag worden verondersteld;
kanssteekproeven.
- Niet op toevalsbasis → representativiteit mag niet worden verondersteld; niet-
kanssteekproeven.
Ethische aspecten
- Toestemming (informed consent)
- Vertrouwelijkheid en privacy
- En zaken veranderen → bijv. vroeger man of vrouw, nu meer genders
Representativiteit
Toets op representativiteit (1)
- Representativiteit: mate waarin de steekproef op relevante kenmerken een goede
afspiegeling vormt van de populatie
- Representativiteitstoets voor één variabele
o Aantal klanten bij drie winkels (ontleend aan De Vocht, 2006)
- Op basis van externe gegevens over populatie (bv. CBS, administratie) bepaal je Fe, de
verwachte frequentie
- Theoretische verwachting: gelijkmatige (uniforme) verdeling
▪ Uniforme verdeling = verwachten dat bij elke groep evenveel zitten
3
, Toets op representativiteit (2)
- Fo is geobserveerde freqentie
- Fe is verwachte frequentie; uniform; overal gelijke aantallen
- H0: Verdeling in steekproef = verdeling in populatie
- H1: Verdeling in steekproef ≠ verdeling in populatie
- Toets met een α van .30 (alleen bij deze toets!)
- χ2 (2, N = 80) = 0.77; p = .68
o 2 = DF = vrijheidsgraden = groepen – 1
- Statistische conclusie: (α = .30) p > α, H0 niet verwerpen
- Inhoudelijke conclusie: steekproef is representatief voor
populatie
Categorische variabelen → chi-kwadraat
Output SPSS
- Aansturing
- Menu Analyze → Non-Parametric Tests → Legacy Dialogs → Chi-Square
Waarom α van .30 bij representativiteit?
- Relatie tussen soorten statistische fouten type I fout (α) en type II fout (β): indien α ↑ dan β
↓ (en v.v.)
- H0: verdeling steekproef = verdeling populatie
- H1: verdeling steekproef ≠ verdeling populatie (minimaal één groep wijkt af)
- Niet te snel besluiten tot representativiteit: vermijden van type II fout belangrijker dan van
type I fout
- Daarom α verhogen om lagere β te krijgen
4
HC1
Dataverzameling
Beslissingen en argumentatie
Stephen Toulmins argumentatiemodel
- Conclusie
o Keuze/besluit/opvatting
- Gegevens
o Informatie, i.e. statistische resultaten,
type onderzoeksvraag, meetniveaus,
resultaten uit eerder onderzoek
- Rechtvaardiging
o Regels, principes
We trekken een bepaalde conclusie. Dat baseer je op een aantal gegevens.
- RQ → research question → correlaties
- Meetniveas → nominaal (naam geven aan iets), ordinaal (bepaalde rangorde, hoog-laag),
interval (temperaturen, intervallen steeds gelijk: 10-15; 15-20), ratio (natuurlijk nulpunt)
o Bij interval variabelen horen Pearson correlaties
o Nominaal & ordinaal → categorisch
o Interval & ratio → metrisch
- Onderzoeksresultaten
- Rechtvaardiging → hypotheses: nul- en alternatieve hypothese.
o Als kans onder alpha ligt, nulhypothese verwerpen → p < α = H0 verwerpen
Kwaliteit onderzoek: drie aspecten
- Validiteit
o De mate waarin de gemeten kenmerken daadwerkelijk de kenmerken zijn van de
onderzochte objecten (systematische of random error). Meet je wat je wil weten?
- Betrouwbaarheid
o De mate waarin de metingen van de kenmerken dezelfde resultaten oplevert als het
onderzoek onder dezelfde omstandigheden zou worden herhaald.
- Bruikbaarheid
o De mate waarin de onderzoeksresultaten goed aansluiten bij het probleem van de
opdrachtgever, ofwel die daadwerkelijk kunnen bijdragen aan de oplossing van een
praktijkprobleem.
1
,Empirische cyclus (Vennix, 2016)
Onderzoek begint vaak met vragen/probleem en daar is al het een of ander over bekend
(literatuurstudie). Op basis van die twee maak je een conceptueel model (samenhang). Op basis van
conceptueel model ga je data verzamelen/waarnemingen verrichten. Op basis van die gegevens ga je
analyses doen (SPSS). Na de analyse trek je conclusie en die trek je terug, met feedbackloop, op
probleemstelling: hoe kan je het probleem oplossen.
Kwantitatieve data
- Onderzoekstrategieën:
o Survey: veel gegevens, veel onderzoekseenheden; explorerend/beschrijvend
o Experiment: effect verklaren
- Dataverzameling
o Vragenlijsten: set van vragen die voorlegt aan groep van respondenten
(mondeling/schriftelijk/internet)
o Observaties: open gesloten
o Inhoudsanalyse: gebruikmaken van bestaande documenten
- Data
o Primair: specifiek voor het onderzoek zelf
o Secundair: data eerder verzameld voor een ander doel
Vragenlijst
Vraagtypen:
- Open/gesloten vragen
- Single/multiple respons → een/meerdere antwoorden geven
- Dichotome vragen → wel of niet als antwoord → 0 of 1
- Schaal items (bijv. Likert) → bijv. agree strongly, agree, disagree, disagree strongly
Formulering vragen (niet aan voldoen = niet valide)
- Gebruik gewone woorden
- Gebruik eenduidige woorden
- Vermijd impliciete veronderstellingen
- Vermijd generalisaties en schattingen
- Gebruik positieve en negatieve stellingen
2
,Steekproeven
Begrippen Bijvoorbeeld:
- Populatie - Alle studenten in Nederland
- Operationele populatie - Alle studenten in Nijmegen en Utrecht
- Steekproefkader - Studentenadministraties
- Steekproef - 600 getrokken studenten
- Gerealiseerde steekproef - 500 overgebleven (100 reageren niet = non response)
Technieken
- Op toevalsbasis (= aselect) → representativiteit mag worden verondersteld;
kanssteekproeven.
- Niet op toevalsbasis → representativiteit mag niet worden verondersteld; niet-
kanssteekproeven.
Ethische aspecten
- Toestemming (informed consent)
- Vertrouwelijkheid en privacy
- En zaken veranderen → bijv. vroeger man of vrouw, nu meer genders
Representativiteit
Toets op representativiteit (1)
- Representativiteit: mate waarin de steekproef op relevante kenmerken een goede
afspiegeling vormt van de populatie
- Representativiteitstoets voor één variabele
o Aantal klanten bij drie winkels (ontleend aan De Vocht, 2006)
- Op basis van externe gegevens over populatie (bv. CBS, administratie) bepaal je Fe, de
verwachte frequentie
- Theoretische verwachting: gelijkmatige (uniforme) verdeling
▪ Uniforme verdeling = verwachten dat bij elke groep evenveel zitten
3
, Toets op representativiteit (2)
- Fo is geobserveerde freqentie
- Fe is verwachte frequentie; uniform; overal gelijke aantallen
- H0: Verdeling in steekproef = verdeling in populatie
- H1: Verdeling in steekproef ≠ verdeling in populatie
- Toets met een α van .30 (alleen bij deze toets!)
- χ2 (2, N = 80) = 0.77; p = .68
o 2 = DF = vrijheidsgraden = groepen – 1
- Statistische conclusie: (α = .30) p > α, H0 niet verwerpen
- Inhoudelijke conclusie: steekproef is representatief voor
populatie
Categorische variabelen → chi-kwadraat
Output SPSS
- Aansturing
- Menu Analyze → Non-Parametric Tests → Legacy Dialogs → Chi-Square
Waarom α van .30 bij representativiteit?
- Relatie tussen soorten statistische fouten type I fout (α) en type II fout (β): indien α ↑ dan β
↓ (en v.v.)
- H0: verdeling steekproef = verdeling populatie
- H1: verdeling steekproef ≠ verdeling populatie (minimaal één groep wijkt af)
- Niet te snel besluiten tot representativiteit: vermijden van type II fout belangrijker dan van
type I fout
- Daarom α verhogen om lagere β te krijgen
4
