Toegepaste data-analyse & rapportage – Dr. Ann De Buck
EXAMEN:
• 3,5 uur tijd!
• 40 MC vragen
o 10 kennisvragen (theorie)
o 15 SPSS output vragen
o 15 vragen die opgesloten worden obv databestanden (zelf toets
uitvoeren)
• SPSS op PC doen & invullen MC op papier → niet eigen PC meenemen
• ZRM mee
• STAP 6: niet zelf kunnen geven → kan wel gevraagd worden ‘rapporteer je de
median bij een non-parametrische toets?’ (ja)
Les 1: Data analyse H1- H2-H6-H7
- Integrale pp na de les online (met oplossing)
- Herhaling statistiek 1e jaar!
- Formules dienen NIET gekend te worden!
- Definities wel + betekenis + toepassing
ZIE PP voor volledige les!
3 bepalende factoren om de juiste descriptieve of inferentiële analysetechniek te
bepalen:
1) Aantal variabelen in OZ vrag
2) Meetniveau
3) Rol van elke variabele in OZ vraag
→ Afhankelijke variabele (Y): te verklaren variabele --> verandert
Bv. Gebruiken jongeren meer drugs dan ouderen? --> AV = druggebruik
→ Onafhankelijk variabele (X): verklarende variabele --> niet beïnvloed wordt
maar een effect veroorzaakt bij andere variabelen
Bv. Gebruiken jongeren meer drugs dan ouderen? --> OAV = leeftijd
Beïnvloedende variabele = variabele die relatie tussen OV en AV mogelijks beïnvloedt
1) Controle variabele: controle of de invloed van X op Y wel degelijk van X komt
Bv. Bij leeftijd --> druggebruik => geslacht als controlevariabele
2) Interfererende variabelen:
- Mediator: relatie tussen 2 andere variabelen verklaart OV & AV (OV -> M ->
AV) & de initiële relatie tussen X & Y verzwakt door invloed M
1
, - Moderator: verandert het effect dat een variabele X heeft op Y afhankelijk
van de waarde van de moderatorvariabele Z = interactie-effect
(zie dia 41 foto)
3) Storende variabelen: veroorzaken schijnverband tussen OV & AV
- (= soort controle variabele)
- Bv. Sterk verband tussen aantal kerstliedjes & CO2 --> storende variabele =
temperatuur: hoe kouder hoe meer liedjes & hoe kouder hoe meer CO2
MAAR NIET hoe meer liedjes hoe meer CO2
=> Temperatuur invloed op beide!
Operationalisatie = hoe elk kenmerk meten?
→ Bv. Leeftijd: via geboortejaar, via leeftijd, via leeftijdscategorie
→ De waarden die een variabele kan aannemen bepaalt het meetniveau &
informatiegehalte!
4 meetniveaus: (van weinig informatief naar meer)
Categorisch = discrete variabelen
→ Tussenliggende variabelen niet mogelijk & mogelijke waarden beperkt en op
voorhand vast
→ Uitz: kunnen wel continu zijn! 1,1 – 1,2 bv. Haartinten
• Nominaal: geen rangorde
o Arbitrair: loutere benoeming, geen cijfer (UITZ: krijgen een random cijfer)
o Gelijkwaardige categorieën: niet in logische volgorde of omgewisseld
worden
o Discreet: geen halfjes mogelijk (bv. 1,5)
o Met 2 categorieën = binaire variabele
o Bv. Geslacht: (1) Man, (2) Vrouw, (3) Ander
• Ordinaal: rangorde (meer/minder)
o Logische/ natuurlijke rangorde
o Geen gelijke verschillen tussen intervallen --> niet-gelijkwaardige
categorieën
o Geen uitspraken doen over ‘hoeveel meer’
o Bv. Diploma lager onderwijs, diploma secundair, diploma hoger
Metrisch:
→ Zoals ordinaal: logische volgorde
2
, → Vaste meeteenheid (bv. Cm) --> laat vgl toe
→ Tussenliggende waarden mogelijk: continue variabelen
• Interval: gelijk afstand & 0 niet absolute nulpunt
o Verschil tussen waarden betekenisvol & oneindig veel tussenliggende
waarden
o Kenmerk 0 heeft niet de betekenis van ‘niet bestaan’
o Verhoudingen niet zinvol
o Bv. 2022 & 1998 --> 24j ertussen
• Ratio: nulpunt is 0 & geen negatieve waarden
o Verschil tussen waarden betekenisvol & oneindig veel tussenliggende
waarden
o Verhouding wel zinvol: bv. 3 promille is 3 keer zo veel als 1 promille
o Wel absoluut nulpunt: verschil tussen ‘zijn’ en ‘niet zijn’
=> in praktijk onderscheid tussen interval & ratio amper relevant!
=> hoe lager (bv. Nominaal), hoe beperkter de mogelijkheden om de gegevens
statistisch te bewerken.
=> hogere meting kan je altijd herleiden naar een lager niveau, maar niet
omgekeerd! (ratio -> nominaal) (nominaal -> ratio)
Enkelvoudige & meervoudige vragen:
Enkelvoudige vragen = die 1 item meten (bv. Werktevredenheid)
→ Nadeel: te heterogeen & toevalsinvloeden
Meervoudige vragen (meetschaal) = minstens 3 concrete ordinale schaalitems die
eenzelfde abstract kenmerk vertegenwoordigen
→ Likertschaal
→ Ordinaal schaalitem beantwoord obv geordende antwoordopties (=
puntenschaal)
→ Bv. 1 = niet akkoord, 2 = eerder niet akkoord, 3 = eerder wel akkoord en dan daar
3 vragen bij =>samenvoegen tot 1 schaalvariabele (bv. Gemiddelde) = metrisch!
!! => schaalvariabelen = UITZ op ‘je kan niet van een lager meetniveau naar een hoger
gaan’
Gemiddelde:
• Gevoelig voor uitschieters & zegt niets over de waarde van een schaal! (= niet-
resistente maat)
• Range altijd duidelijk maken (= min & max) -> 4 *7
3
, • Bv. Schaal met 4 items (van 1 tot 7): (1 + 1 + 7 + 7)/4 = 4
Somscore:
• Gevoelig voor uitschieters & zegt niets over de waarde van een schaal!
• Range altijd duidelijk maken (= min & max)
• Bv. Schaal met 4 items (van 1 tot 7): 1 + 1 + 7 + 7 = 16
Beschrijvende/ descriptieve statistiek = samenvattende of synthetische wijze
weergeven van kenmerken uit de onderzoekspopulatie.
Inferentiële/ inductieve statistiek = veralgemenen vd steekproef naar de
onderzoekspopulatie
Frequentietabellen:
= overzicht van frequenties van elke waarde (hoe vaak een waarde voorkomt)
• Absolute frequentie: aantal keer dat een bepaalde score voorkomt
• Relatieve frequentie: percentages (absolute frequentie / totaal absoluut *100)
• Cumulatieve frequentie: percentage van een bepaalde uitkomst + alle
uitkomsten met een kleinere waarde (bijtellen)
Grafische voorstellingen: (niet zo belangrijk)
• Taartdiagram: nominaal/ordinaal
o % -> relatieve verhoudingen
• Staafdiagram: nominaal/ordinaal
o Visualiseren frequenties
o Vorm van een verdeling weer
o Geen info over de spreiding/variabiliteit binnen elke categorie
o Gevoelig voor uitschieters
• Histogram: metrisch
• Boxplot: metrisch
o Interkwartielafstand (middenste 50%)
o Geen info over frequenties
• Scatterplot: metrisch
Numerieke maten:
2 types: Populatieparameters & Steekproefgrootheden (berkenbaar)
➢ Spreken over populatiegemiddelde of steekproefgemiddelde
4
EXAMEN:
• 3,5 uur tijd!
• 40 MC vragen
o 10 kennisvragen (theorie)
o 15 SPSS output vragen
o 15 vragen die opgesloten worden obv databestanden (zelf toets
uitvoeren)
• SPSS op PC doen & invullen MC op papier → niet eigen PC meenemen
• ZRM mee
• STAP 6: niet zelf kunnen geven → kan wel gevraagd worden ‘rapporteer je de
median bij een non-parametrische toets?’ (ja)
Les 1: Data analyse H1- H2-H6-H7
- Integrale pp na de les online (met oplossing)
- Herhaling statistiek 1e jaar!
- Formules dienen NIET gekend te worden!
- Definities wel + betekenis + toepassing
ZIE PP voor volledige les!
3 bepalende factoren om de juiste descriptieve of inferentiële analysetechniek te
bepalen:
1) Aantal variabelen in OZ vrag
2) Meetniveau
3) Rol van elke variabele in OZ vraag
→ Afhankelijke variabele (Y): te verklaren variabele --> verandert
Bv. Gebruiken jongeren meer drugs dan ouderen? --> AV = druggebruik
→ Onafhankelijk variabele (X): verklarende variabele --> niet beïnvloed wordt
maar een effect veroorzaakt bij andere variabelen
Bv. Gebruiken jongeren meer drugs dan ouderen? --> OAV = leeftijd
Beïnvloedende variabele = variabele die relatie tussen OV en AV mogelijks beïnvloedt
1) Controle variabele: controle of de invloed van X op Y wel degelijk van X komt
Bv. Bij leeftijd --> druggebruik => geslacht als controlevariabele
2) Interfererende variabelen:
- Mediator: relatie tussen 2 andere variabelen verklaart OV & AV (OV -> M ->
AV) & de initiële relatie tussen X & Y verzwakt door invloed M
1
, - Moderator: verandert het effect dat een variabele X heeft op Y afhankelijk
van de waarde van de moderatorvariabele Z = interactie-effect
(zie dia 41 foto)
3) Storende variabelen: veroorzaken schijnverband tussen OV & AV
- (= soort controle variabele)
- Bv. Sterk verband tussen aantal kerstliedjes & CO2 --> storende variabele =
temperatuur: hoe kouder hoe meer liedjes & hoe kouder hoe meer CO2
MAAR NIET hoe meer liedjes hoe meer CO2
=> Temperatuur invloed op beide!
Operationalisatie = hoe elk kenmerk meten?
→ Bv. Leeftijd: via geboortejaar, via leeftijd, via leeftijdscategorie
→ De waarden die een variabele kan aannemen bepaalt het meetniveau &
informatiegehalte!
4 meetniveaus: (van weinig informatief naar meer)
Categorisch = discrete variabelen
→ Tussenliggende variabelen niet mogelijk & mogelijke waarden beperkt en op
voorhand vast
→ Uitz: kunnen wel continu zijn! 1,1 – 1,2 bv. Haartinten
• Nominaal: geen rangorde
o Arbitrair: loutere benoeming, geen cijfer (UITZ: krijgen een random cijfer)
o Gelijkwaardige categorieën: niet in logische volgorde of omgewisseld
worden
o Discreet: geen halfjes mogelijk (bv. 1,5)
o Met 2 categorieën = binaire variabele
o Bv. Geslacht: (1) Man, (2) Vrouw, (3) Ander
• Ordinaal: rangorde (meer/minder)
o Logische/ natuurlijke rangorde
o Geen gelijke verschillen tussen intervallen --> niet-gelijkwaardige
categorieën
o Geen uitspraken doen over ‘hoeveel meer’
o Bv. Diploma lager onderwijs, diploma secundair, diploma hoger
Metrisch:
→ Zoals ordinaal: logische volgorde
2
, → Vaste meeteenheid (bv. Cm) --> laat vgl toe
→ Tussenliggende waarden mogelijk: continue variabelen
• Interval: gelijk afstand & 0 niet absolute nulpunt
o Verschil tussen waarden betekenisvol & oneindig veel tussenliggende
waarden
o Kenmerk 0 heeft niet de betekenis van ‘niet bestaan’
o Verhoudingen niet zinvol
o Bv. 2022 & 1998 --> 24j ertussen
• Ratio: nulpunt is 0 & geen negatieve waarden
o Verschil tussen waarden betekenisvol & oneindig veel tussenliggende
waarden
o Verhouding wel zinvol: bv. 3 promille is 3 keer zo veel als 1 promille
o Wel absoluut nulpunt: verschil tussen ‘zijn’ en ‘niet zijn’
=> in praktijk onderscheid tussen interval & ratio amper relevant!
=> hoe lager (bv. Nominaal), hoe beperkter de mogelijkheden om de gegevens
statistisch te bewerken.
=> hogere meting kan je altijd herleiden naar een lager niveau, maar niet
omgekeerd! (ratio -> nominaal) (nominaal -> ratio)
Enkelvoudige & meervoudige vragen:
Enkelvoudige vragen = die 1 item meten (bv. Werktevredenheid)
→ Nadeel: te heterogeen & toevalsinvloeden
Meervoudige vragen (meetschaal) = minstens 3 concrete ordinale schaalitems die
eenzelfde abstract kenmerk vertegenwoordigen
→ Likertschaal
→ Ordinaal schaalitem beantwoord obv geordende antwoordopties (=
puntenschaal)
→ Bv. 1 = niet akkoord, 2 = eerder niet akkoord, 3 = eerder wel akkoord en dan daar
3 vragen bij =>samenvoegen tot 1 schaalvariabele (bv. Gemiddelde) = metrisch!
!! => schaalvariabelen = UITZ op ‘je kan niet van een lager meetniveau naar een hoger
gaan’
Gemiddelde:
• Gevoelig voor uitschieters & zegt niets over de waarde van een schaal! (= niet-
resistente maat)
• Range altijd duidelijk maken (= min & max) -> 4 *7
3
, • Bv. Schaal met 4 items (van 1 tot 7): (1 + 1 + 7 + 7)/4 = 4
Somscore:
• Gevoelig voor uitschieters & zegt niets over de waarde van een schaal!
• Range altijd duidelijk maken (= min & max)
• Bv. Schaal met 4 items (van 1 tot 7): 1 + 1 + 7 + 7 = 16
Beschrijvende/ descriptieve statistiek = samenvattende of synthetische wijze
weergeven van kenmerken uit de onderzoekspopulatie.
Inferentiële/ inductieve statistiek = veralgemenen vd steekproef naar de
onderzoekspopulatie
Frequentietabellen:
= overzicht van frequenties van elke waarde (hoe vaak een waarde voorkomt)
• Absolute frequentie: aantal keer dat een bepaalde score voorkomt
• Relatieve frequentie: percentages (absolute frequentie / totaal absoluut *100)
• Cumulatieve frequentie: percentage van een bepaalde uitkomst + alle
uitkomsten met een kleinere waarde (bijtellen)
Grafische voorstellingen: (niet zo belangrijk)
• Taartdiagram: nominaal/ordinaal
o % -> relatieve verhoudingen
• Staafdiagram: nominaal/ordinaal
o Visualiseren frequenties
o Vorm van een verdeling weer
o Geen info over de spreiding/variabiliteit binnen elke categorie
o Gevoelig voor uitschieters
• Histogram: metrisch
• Boxplot: metrisch
o Interkwartielafstand (middenste 50%)
o Geen info over frequenties
• Scatterplot: metrisch
Numerieke maten:
2 types: Populatieparameters & Steekproefgrootheden (berkenbaar)
➢ Spreken over populatiegemiddelde of steekproefgemiddelde
4
