Kwantitatieve onderzoeksmethoden
HC1: inleiding tot kwantitatief onderzoek
Kwantitatief vs. kwalitatief onderzoek:
Kwalitatief onderzoek:
Doel: diepgaand inzicht verkrijgen in een fenomeen, situatie of proces
Vaak: probleem begrijpen
Niet of nauwelijks numerieke data
Onderzoek vaak op kleinere schaal
o Bv. observeren van fenomeen en koppelen aan theorie
o Bv. interview om bedrijfsproces in kaart te brengen
Kwantitatief onderzoek:
Numerieke data verzamelen en analyseren
Cijfermatig inzicht bieden, generaliseren
Geeft veelal antwoord op vragen die in termen van hoeveelheid kunnen
worden uitgedrukt
o Bv. Wat is het gemiddelde …?
o Bv. In welke mate … ?
o Bv. Wat is de evolutie in klanttevredenheid t.o.v. vorig jaar?
Men maakt hier vaak gebruik van grafieken, tabellen, cijfers en statistieken
Toegepast vs. fundamenteel onderzoek:
Toegepast (of praktijkgericht) onderzoek:
Focus op vraag of probleem vanuit management of beleid
Doel: oplossen van probleem of beantwoorden vraag
Uitgevoerd bedrijven, organisaties en universiteiten
Fundamenteel onderzoek:
Focus op wetenschappelijke theorieën
Doel: vergroten kennis (maatschappelijk en algemeen belang)
Voornamelijk aan universiteiten
Wat zijn kwantitatieve data?
De term statistiek kan verwijzen naar numerieke informatie, zoals gemiddelden,
medianen, percentages, maxima, …
Data zijn gegevens die worden verzameld, geanalyseerd, samengevat en
geïnterpreteerd
Alle data verzameld in een bepaalde studie noemen we de dataset van die
studie
Je kan deze data zelf verzamelen
Je kan reeds bestaande data gebruiken
,Elementen zijn de entiteiten waarover data worden verzameld Bv. inwoners van
een bepaalde stad/gemeente
Een variabele is
een gemeten
kenmerk van een
element Bv.
inkomen, leeftijd,
geslacht
De set van
waarden van
variabelen
bekomen voor 1 element is een observatie
Data classificaties:
Data kunnen op verschillende manieren geclassificeerd worden:
1. Meetschaal (hoe ze worden gemeten en/of voorgesteld worden)
2. Type data (categorisch vs kwantitatief (of numeriek))
3. Tijdshorizon waarbinnen de data gemeten wordt (bv. cross-sectioneel vs
tijdreeks)
Meetschalen:
Data worden steeds verzameld in de vorm van meetschalen:
Nominale schaal (vaak categorisch)
Ordinale schaal (vaak categorisch)
Interval schaal (vaak numeriek)
Ratio schaal (vaak numeriek)
Soort meetschaal bepaalt de hoeveelheid informatie die de data bevat en de
meest gepaste statistische methoden om de data te analyseren.
Onderscheiden meetschalen:
Nominale schaal:
Doel: benoemen/onderscheid maken
Data zijn labels/namen gebruikt om een
kenmerk van een element te identificeren
Numeriek of niet numeriek
Bv. UH heeft data over de opleiding die elke
student volgt (niet numeriek)
Voorbeelden: Geboorteplaats, geslacht, etniciteit, automerken,
geloofsovertuiging, hobby’s, …
,Ordinale schaal:
Doel: ordenen/volgorde in waarden
Idem nominale data, en bijkomend is er een
betekenisvolle ordening
Numeriek of niet numeriek
Bv. Studenten worden bevraagd of ze
tevreden zijn met hoorcollege (niet
numeriek) (van zeer tevreden naar zeer ontevreden)
Voorbeelden: Top tien bestsellers (boeken), Taalvaardigheid (laag, gemiddeld,
hoog), Likert-schalen (vragenlijst met helemaal eens, eens, neutraal, …), …
Interval schaal:
Doel: vaste afstanden tussen getallen
Idem ordinale schaal, en bijkomend is
er een gelijke afstand tussen de
eenheden op de schaal
Numeriek
Arbitrair nulpunt
Voorbeelden: temperatuur, kalenderjaren,
tijdstip van de dag, IQ-scores, …
Ratio schaal:
Doel: intervallen met betekenisvolle
verhoudingen
Idem interval schaal, en bijkomend zijn
er betekenisvolle verhoudingen
Numeriek
Vast en betekenisvol nulpunt
Voorbeelden: prijzen, loon, bbp, bedrijfswinst, aantal werknemers
Type data:
Categorische vs. kwantitatieve data:
Data kunnen verder geclassificeerd worden als “categorische” of “kwantitatieve”
data. Ook deze classificatie bepaalt mee welke de gepaste statistische
technieken zijn. Er zijn meer statistische technieken voor kwantitatieve data.
Categorische data:
Labels/namen identificeren een kenmerken van elk element
Wordt ook “kwalitatieve” data genoemd
Gebruiken doorgaans nominale (automerk en kleur) of ordinale
(klantentevredenheid) schaal
Kan numeriek of non-numeriek zijn
Beperkt aantal statistische methoden
beschikbaar
, Bv. Aangeven hoeveel observaties in elke categorie
Kwantitatieve data:
Geven een indicatie van
“hoeveelheid”
Altijd numeriek
Rekenkundige bewerkingen zijn
mogelijk Optellen,
vermenigvuldigen, enz.
Tijdshorizon:
De tijdshorizon die gebruikt werd bij de dataverzameling bepaalt ook sterk welke
statistische methoden gepast zijn.
Cross-sectioneel: Men kan alle data op 1 tijdstip verzamelen bv. aantal
gevaccineerden in Limburg op 5/12/2006
Tijdreeksdata of longitudinaal onderzoek: Of men kan de data op
verschillende tijdstippen doorheen de tijd verzamelen. Grafieken van
tijdreeksen helpen (1) te begrijpen wat er in het verleden is
gebeurd, (2) trends te identificeren, (3) toekomstige
tijdreeksen te voorspellen
o Pooled croos-sectionele data: Data van verschillende
elementen, op meerdere tijdstippen. De elementen op
de verschillende tijdstippen zijn verschillend.
o Panel data: dat van dezelfde elementen, op meerdere
tijdstippen
Bronnen van data:
De data voor je onderzoek kan je op verschillende manieren bekomen:
Bestaande data gebruiken = secundaire data
o Data wordt niet actief verzameld door de onderzoeker zelf, maar
werd reeds door iemand anders verzameld
o Veelal ‘desk research’ (alle data die je nodig hebt ga je online
vinden)
o Bv. publiek toegankelijke databases (o.a. nbb, eurostat, statbel,
enz.)
o Bv. data van bedrijven/overheidsinstellingen (o.a. ziekenhuisdata,
boekhoudgegevens bedrijf, verkoopcijfers, enz.)
Data zelf verzamelen = primaire data
o Als onderzoeker de data zelf verzameld speciaal voor het onderzoek
o Data is op dat moment uniek (d.w.z. nooit eerder verzameld of
gebruikt in onderzoek)
o Primaire data kunnen zowel gebruikt worden in fundamenteel
onderzoek als in toegepast onderzoek
HC1: inleiding tot kwantitatief onderzoek
Kwantitatief vs. kwalitatief onderzoek:
Kwalitatief onderzoek:
Doel: diepgaand inzicht verkrijgen in een fenomeen, situatie of proces
Vaak: probleem begrijpen
Niet of nauwelijks numerieke data
Onderzoek vaak op kleinere schaal
o Bv. observeren van fenomeen en koppelen aan theorie
o Bv. interview om bedrijfsproces in kaart te brengen
Kwantitatief onderzoek:
Numerieke data verzamelen en analyseren
Cijfermatig inzicht bieden, generaliseren
Geeft veelal antwoord op vragen die in termen van hoeveelheid kunnen
worden uitgedrukt
o Bv. Wat is het gemiddelde …?
o Bv. In welke mate … ?
o Bv. Wat is de evolutie in klanttevredenheid t.o.v. vorig jaar?
Men maakt hier vaak gebruik van grafieken, tabellen, cijfers en statistieken
Toegepast vs. fundamenteel onderzoek:
Toegepast (of praktijkgericht) onderzoek:
Focus op vraag of probleem vanuit management of beleid
Doel: oplossen van probleem of beantwoorden vraag
Uitgevoerd bedrijven, organisaties en universiteiten
Fundamenteel onderzoek:
Focus op wetenschappelijke theorieën
Doel: vergroten kennis (maatschappelijk en algemeen belang)
Voornamelijk aan universiteiten
Wat zijn kwantitatieve data?
De term statistiek kan verwijzen naar numerieke informatie, zoals gemiddelden,
medianen, percentages, maxima, …
Data zijn gegevens die worden verzameld, geanalyseerd, samengevat en
geïnterpreteerd
Alle data verzameld in een bepaalde studie noemen we de dataset van die
studie
Je kan deze data zelf verzamelen
Je kan reeds bestaande data gebruiken
,Elementen zijn de entiteiten waarover data worden verzameld Bv. inwoners van
een bepaalde stad/gemeente
Een variabele is
een gemeten
kenmerk van een
element Bv.
inkomen, leeftijd,
geslacht
De set van
waarden van
variabelen
bekomen voor 1 element is een observatie
Data classificaties:
Data kunnen op verschillende manieren geclassificeerd worden:
1. Meetschaal (hoe ze worden gemeten en/of voorgesteld worden)
2. Type data (categorisch vs kwantitatief (of numeriek))
3. Tijdshorizon waarbinnen de data gemeten wordt (bv. cross-sectioneel vs
tijdreeks)
Meetschalen:
Data worden steeds verzameld in de vorm van meetschalen:
Nominale schaal (vaak categorisch)
Ordinale schaal (vaak categorisch)
Interval schaal (vaak numeriek)
Ratio schaal (vaak numeriek)
Soort meetschaal bepaalt de hoeveelheid informatie die de data bevat en de
meest gepaste statistische methoden om de data te analyseren.
Onderscheiden meetschalen:
Nominale schaal:
Doel: benoemen/onderscheid maken
Data zijn labels/namen gebruikt om een
kenmerk van een element te identificeren
Numeriek of niet numeriek
Bv. UH heeft data over de opleiding die elke
student volgt (niet numeriek)
Voorbeelden: Geboorteplaats, geslacht, etniciteit, automerken,
geloofsovertuiging, hobby’s, …
,Ordinale schaal:
Doel: ordenen/volgorde in waarden
Idem nominale data, en bijkomend is er een
betekenisvolle ordening
Numeriek of niet numeriek
Bv. Studenten worden bevraagd of ze
tevreden zijn met hoorcollege (niet
numeriek) (van zeer tevreden naar zeer ontevreden)
Voorbeelden: Top tien bestsellers (boeken), Taalvaardigheid (laag, gemiddeld,
hoog), Likert-schalen (vragenlijst met helemaal eens, eens, neutraal, …), …
Interval schaal:
Doel: vaste afstanden tussen getallen
Idem ordinale schaal, en bijkomend is
er een gelijke afstand tussen de
eenheden op de schaal
Numeriek
Arbitrair nulpunt
Voorbeelden: temperatuur, kalenderjaren,
tijdstip van de dag, IQ-scores, …
Ratio schaal:
Doel: intervallen met betekenisvolle
verhoudingen
Idem interval schaal, en bijkomend zijn
er betekenisvolle verhoudingen
Numeriek
Vast en betekenisvol nulpunt
Voorbeelden: prijzen, loon, bbp, bedrijfswinst, aantal werknemers
Type data:
Categorische vs. kwantitatieve data:
Data kunnen verder geclassificeerd worden als “categorische” of “kwantitatieve”
data. Ook deze classificatie bepaalt mee welke de gepaste statistische
technieken zijn. Er zijn meer statistische technieken voor kwantitatieve data.
Categorische data:
Labels/namen identificeren een kenmerken van elk element
Wordt ook “kwalitatieve” data genoemd
Gebruiken doorgaans nominale (automerk en kleur) of ordinale
(klantentevredenheid) schaal
Kan numeriek of non-numeriek zijn
Beperkt aantal statistische methoden
beschikbaar
, Bv. Aangeven hoeveel observaties in elke categorie
Kwantitatieve data:
Geven een indicatie van
“hoeveelheid”
Altijd numeriek
Rekenkundige bewerkingen zijn
mogelijk Optellen,
vermenigvuldigen, enz.
Tijdshorizon:
De tijdshorizon die gebruikt werd bij de dataverzameling bepaalt ook sterk welke
statistische methoden gepast zijn.
Cross-sectioneel: Men kan alle data op 1 tijdstip verzamelen bv. aantal
gevaccineerden in Limburg op 5/12/2006
Tijdreeksdata of longitudinaal onderzoek: Of men kan de data op
verschillende tijdstippen doorheen de tijd verzamelen. Grafieken van
tijdreeksen helpen (1) te begrijpen wat er in het verleden is
gebeurd, (2) trends te identificeren, (3) toekomstige
tijdreeksen te voorspellen
o Pooled croos-sectionele data: Data van verschillende
elementen, op meerdere tijdstippen. De elementen op
de verschillende tijdstippen zijn verschillend.
o Panel data: dat van dezelfde elementen, op meerdere
tijdstippen
Bronnen van data:
De data voor je onderzoek kan je op verschillende manieren bekomen:
Bestaande data gebruiken = secundaire data
o Data wordt niet actief verzameld door de onderzoeker zelf, maar
werd reeds door iemand anders verzameld
o Veelal ‘desk research’ (alle data die je nodig hebt ga je online
vinden)
o Bv. publiek toegankelijke databases (o.a. nbb, eurostat, statbel,
enz.)
o Bv. data van bedrijven/overheidsinstellingen (o.a. ziekenhuisdata,
boekhoudgegevens bedrijf, verkoopcijfers, enz.)
Data zelf verzamelen = primaire data
o Als onderzoeker de data zelf verzameld speciaal voor het onderzoek
o Data is op dat moment uniek (d.w.z. nooit eerder verzameld of
gebruikt in onderzoek)
o Primaire data kunnen zowel gebruikt worden in fundamenteel
onderzoek als in toegepast onderzoek
