AP Hogeschool
Professionele Bachelor Toegepaste Psychologie
STATISTIEK 2
Academiejaar 2023-2024
Gebaseerd op het boek ‘Inductieve statistiek voor de
gedragswetenschappen’
Door Vanhoomissen, T., Valkeneers, G.
Samenvatting door Sara Vanderwegen
Vanderwegen
1
Samenvatting SVDW
, Statistiek 2:
Hoofdstuk 1: Inductieve statistiek in onderzoek
1.1 Wat is de bedoeling van statistiek?
Wat is het nut van inductieve statistiek in gedragswetenschappelijk onderzoek?
Hiervoor moeten we kijken naar de empirische cyclus
Statistiek is louter een hulpmiddel bij empirisch onderzoek (geen doel op zich)
Doel: gefungeerde uitspraken doen over de wetmatigheden (zoals menselijk gedrag)
waarnaar we onderzoek verrichten
- De statistiek biedt ons de nodige regels om consequent en verantwoord conclusies te
trekken over wetmatigheden in menselijk gedrag, gebaseerd op kansberekening
(maar met een bepaalde mate van onzekerheid)
1.2 De empirische cyclus
De empirische cyclus = verschillende fasen waaruit
wetenschappelijk onderzoek bestaat
1. Vraagstelling of probleemstelling waarop het
onderzoek een antwoord wil geven
o Deze moet ondubbelzinnig geformuleerd
worden
2. De variabelen uit de vraagstelling operationaliseren
of meetbaar maken
o We moeten beslissen op welke manier we een specifieke score zullen
toekennen aan een bepaalde persoon voor elke bestudeerde variabele
3. Steekproef samenstellen
o Aselecte steekproef = alle leden van de bestuurde populatie hebben een even
grote kans om in de steekproef terecht te komen
o Niet-aselecte steekproef = niet iedereen heeft evenveel kans
4. Gegevens verzamelen
o Dit doen we precies zoals we onszelf hebben voorgeschreven in de
operationalisatiefase
5. Beschrijvende statistiek
o We zullen de verzamelde gegevens op verschillende manieren beschrijven;
centrummaten, spreidingsmaten, frequentietabellen, grafieken
o Maar deze beschrijvingen geven ons nog geen informatie over verbanden
tussen variabelen of verschillen tussen groepen
6. Inductieve statistiek
o We gaan nagaan of de verschillen en verbanden uit onze data betekenisvol
genoeg zijn om te veronderstellen dat ze zich ook in bredere populatie op
dezelfde manier voordoen
7. O.b.v. de analyses kunnen we een aantal conclusies trekken
o Zo kunnen we een duidelijk antwoord geven op de vraagstelling die we in fase
1 geformuleerd hebben
o Voldoet het antwoord niet of genereert het antwoord een nieuwe vraag, dan
begint de cyclus opnieuw
2
Samenvatting SVDW
,1.3 Het probleem van de inductieve statistiek
- Onderzoek meestal in steekproeven
o Steekproef geen perfecte afspiegeling van populatie
welke garantie hebben we dar onze conclusies ook geldig zijn voor
de rest van de populatie?
o Foutieve variatie mogelijk alsook toevallige meetfouten
We zijn dus nooit 100% zeker van conclusies, statistiek berust daarom op kansberekening
- Inschatten hoe zeker we zijn van onze conclusies
o en dus hoe groot onze onzekerheid is
- Wanneer zijn zulke uitspraken geoorloofd? significantie!!
1.4 Statistische significantie
- Op basis van steekproeven geen zekerheden
- Zijn de verschillen tussen de resultaten wel betekenisvol?
=> zijn ze statistisch significant?
o Is het verschil in scores eerder klein (en dus te wijten aan toevalligheden)
o Of is het groot genoeg, en kunnen we dus spreken van een statistisch
significant verschil?
Het beslissen of een verschil/verband al dan niet significant is, is de basis van
hypothesetoetsing (H3)
- Hypothesetoetsing:
o Statistische significantie helpt ons om onze hypothesen te toetsen. Het helpt
ons inschatten wanneer een waargenomen verband/verschil groot
genoeg/betekenisvol is
1.5 Kansberekening
Kansberekening is een hulpmiddel bij hypothesetoetsing
1) Vertrekpunt: “er is geen verschil” (nulhypothese)
o vb.: muziek heeft geen invloed op intelligentie
2) Vertrekkende vanuit deze veronderstelling (1) vragen we ons
af hoe groot de kans is om de vastgestelde verschillen
tussen beide groepen te observeren
o We berekenen dus de kans dat de verschillen enkel te wijten zijn aan
toevallige variabiliteit die nu eenmaal altijd aanwezig is
3) Als deze kans groot is:
o We kunnen concluderen at we eigenlijk geen uitzonderlijke observatie
hebben gedaan
o We concluderen dat de waarschijnlijkheid te wijten is aan toeval en mogen de
nulhypothese aanvaarden
4) Als deze kans klein is:
o We kunnen argumenteren dat het eerder onwaarschijnlijk is om onze
gevonden verschillen te observeren
o In dit geval spreken de vaststelling de nulhypothese wel tegen en mogen we
deze verwerpen, waardoor de alternatieve hypothese (=er is wél een
verband) mag geaccepteerd worden
3 Hoe moeten we die kans berekenen?
o SVDW
Samenvatting Op basis van kansverdeling (vb. standaardnormale verdeling)
o Met behulp van verschillende hypothesetoetsen
Wat is dan een “grote” en een “kleine” kans?
, 1.6 (Hypothese) Toetsing
Toetsingssituatie zijn heel uiteenlopen, bijgevolg zijn er ook uiteenlopende toetsen.
1.7 Misbruik van statistiek
Statistiek is slechts een hulpmiddel bij onderzoek. Randvoorwaarden zijn net zo belangrijk:
- Juiste methodologie (selectie van juiste toets)
- Correct onderzoeksopzet (goede representatieve steekproef)
- Correcte formulering in rapport (vermelding van significanties, effectgroottes, etc.)
- Correcte vermelding variabelen (duidelijk onderscheid maken tussen OV en AV)
statistiek wordt vaak misbruikt en misbegrepen!
Enkele voorbeelden:
- Onduidelijke steekproef: vb. “95% van de Belgen is tevreden over Activia”
- Gebrek aan context: vb.: “duracell-baterijen gaan tot 5x langer mee” -> dan wat?
- Interne validiteit: laat het onderzoeksopzet toe om causale conclusies te trekken?
1.8 Interne validiteit
- Valkuil: ongeoorloofde causale conclusie maken
- Interne validiteit = mate waarin we met een onderzoeksontwerp causale conclusies
kunnen trekken over effect van OV op AV
- 3 voorwaarden:
o Effect van OV op AV in voorspelde richting
o Oorzaak moet in tijd voorafgaan aan gevolg
o Geen andere verklaringen voor gevonden verband
- Om alternatieve verklaringen uit te sluiten: experimenteel onderzoek
o Kinderen randomiseren in een experimentele groep en een controle groep
o Controleren op storende variabelen
conclusie: een goede methodologie is dus nodig om juiste conclusies te trekken. Statistiek
alleen is onvoldoende
1.9 Externe validiteit
- Valkuil: ongeoorloofde generalisatie van onderzoeksresultaten
- Externe validiteit = mate waarin resultaten van het onderzoek kunnen
gegeneraliseerd worden over:
o Situaties (lijkt de onderzoekssituaties genoeg op de “dagelijkse” situatie?)
o Methoden (wordt hetzelfde resultaat gevonden met een andere methode?
o Tijd (zelfde resultaten in een andere periode?)
o Populaties (zelfde resultaten in andere populaties?)
- Statistische generalisatie is nog iets anders!
o Kunnen we generaliseren vanuit de steekproef naar de populatie waaruit de
steekproef werd getrokken?
1.10 Samenvattend
- Toetsende/inductieve statistiek volgt op beschrijvende statistiek in empirische cyclus
- Bedoeling is om op basis van verzamelde data een onderbouwde beslissing te nemen
over een geobserveerd verband/verschil
o Dat we over deze beslissing nooit 100% zeker zijn is nier erg, zo lang we maar de
mate van onzekerheid kennen
4 - Om die mate van onzekerheid te bepalen, hebben we kansberekeningen nodig
Samenvatting
o SVDW
Op basis daarvan kunnen we de significantie van de geobserveerde data berekenen
- Statistiek is geen wetenschap op zich en statistische conclusies zijn pas waardevol als ook
aan de randvoorwaarden voldoen is en statistiek niet misbruikt wordt
Professionele Bachelor Toegepaste Psychologie
STATISTIEK 2
Academiejaar 2023-2024
Gebaseerd op het boek ‘Inductieve statistiek voor de
gedragswetenschappen’
Door Vanhoomissen, T., Valkeneers, G.
Samenvatting door Sara Vanderwegen
Vanderwegen
1
Samenvatting SVDW
, Statistiek 2:
Hoofdstuk 1: Inductieve statistiek in onderzoek
1.1 Wat is de bedoeling van statistiek?
Wat is het nut van inductieve statistiek in gedragswetenschappelijk onderzoek?
Hiervoor moeten we kijken naar de empirische cyclus
Statistiek is louter een hulpmiddel bij empirisch onderzoek (geen doel op zich)
Doel: gefungeerde uitspraken doen over de wetmatigheden (zoals menselijk gedrag)
waarnaar we onderzoek verrichten
- De statistiek biedt ons de nodige regels om consequent en verantwoord conclusies te
trekken over wetmatigheden in menselijk gedrag, gebaseerd op kansberekening
(maar met een bepaalde mate van onzekerheid)
1.2 De empirische cyclus
De empirische cyclus = verschillende fasen waaruit
wetenschappelijk onderzoek bestaat
1. Vraagstelling of probleemstelling waarop het
onderzoek een antwoord wil geven
o Deze moet ondubbelzinnig geformuleerd
worden
2. De variabelen uit de vraagstelling operationaliseren
of meetbaar maken
o We moeten beslissen op welke manier we een specifieke score zullen
toekennen aan een bepaalde persoon voor elke bestudeerde variabele
3. Steekproef samenstellen
o Aselecte steekproef = alle leden van de bestuurde populatie hebben een even
grote kans om in de steekproef terecht te komen
o Niet-aselecte steekproef = niet iedereen heeft evenveel kans
4. Gegevens verzamelen
o Dit doen we precies zoals we onszelf hebben voorgeschreven in de
operationalisatiefase
5. Beschrijvende statistiek
o We zullen de verzamelde gegevens op verschillende manieren beschrijven;
centrummaten, spreidingsmaten, frequentietabellen, grafieken
o Maar deze beschrijvingen geven ons nog geen informatie over verbanden
tussen variabelen of verschillen tussen groepen
6. Inductieve statistiek
o We gaan nagaan of de verschillen en verbanden uit onze data betekenisvol
genoeg zijn om te veronderstellen dat ze zich ook in bredere populatie op
dezelfde manier voordoen
7. O.b.v. de analyses kunnen we een aantal conclusies trekken
o Zo kunnen we een duidelijk antwoord geven op de vraagstelling die we in fase
1 geformuleerd hebben
o Voldoet het antwoord niet of genereert het antwoord een nieuwe vraag, dan
begint de cyclus opnieuw
2
Samenvatting SVDW
,1.3 Het probleem van de inductieve statistiek
- Onderzoek meestal in steekproeven
o Steekproef geen perfecte afspiegeling van populatie
welke garantie hebben we dar onze conclusies ook geldig zijn voor
de rest van de populatie?
o Foutieve variatie mogelijk alsook toevallige meetfouten
We zijn dus nooit 100% zeker van conclusies, statistiek berust daarom op kansberekening
- Inschatten hoe zeker we zijn van onze conclusies
o en dus hoe groot onze onzekerheid is
- Wanneer zijn zulke uitspraken geoorloofd? significantie!!
1.4 Statistische significantie
- Op basis van steekproeven geen zekerheden
- Zijn de verschillen tussen de resultaten wel betekenisvol?
=> zijn ze statistisch significant?
o Is het verschil in scores eerder klein (en dus te wijten aan toevalligheden)
o Of is het groot genoeg, en kunnen we dus spreken van een statistisch
significant verschil?
Het beslissen of een verschil/verband al dan niet significant is, is de basis van
hypothesetoetsing (H3)
- Hypothesetoetsing:
o Statistische significantie helpt ons om onze hypothesen te toetsen. Het helpt
ons inschatten wanneer een waargenomen verband/verschil groot
genoeg/betekenisvol is
1.5 Kansberekening
Kansberekening is een hulpmiddel bij hypothesetoetsing
1) Vertrekpunt: “er is geen verschil” (nulhypothese)
o vb.: muziek heeft geen invloed op intelligentie
2) Vertrekkende vanuit deze veronderstelling (1) vragen we ons
af hoe groot de kans is om de vastgestelde verschillen
tussen beide groepen te observeren
o We berekenen dus de kans dat de verschillen enkel te wijten zijn aan
toevallige variabiliteit die nu eenmaal altijd aanwezig is
3) Als deze kans groot is:
o We kunnen concluderen at we eigenlijk geen uitzonderlijke observatie
hebben gedaan
o We concluderen dat de waarschijnlijkheid te wijten is aan toeval en mogen de
nulhypothese aanvaarden
4) Als deze kans klein is:
o We kunnen argumenteren dat het eerder onwaarschijnlijk is om onze
gevonden verschillen te observeren
o In dit geval spreken de vaststelling de nulhypothese wel tegen en mogen we
deze verwerpen, waardoor de alternatieve hypothese (=er is wél een
verband) mag geaccepteerd worden
3 Hoe moeten we die kans berekenen?
o SVDW
Samenvatting Op basis van kansverdeling (vb. standaardnormale verdeling)
o Met behulp van verschillende hypothesetoetsen
Wat is dan een “grote” en een “kleine” kans?
, 1.6 (Hypothese) Toetsing
Toetsingssituatie zijn heel uiteenlopen, bijgevolg zijn er ook uiteenlopende toetsen.
1.7 Misbruik van statistiek
Statistiek is slechts een hulpmiddel bij onderzoek. Randvoorwaarden zijn net zo belangrijk:
- Juiste methodologie (selectie van juiste toets)
- Correct onderzoeksopzet (goede representatieve steekproef)
- Correcte formulering in rapport (vermelding van significanties, effectgroottes, etc.)
- Correcte vermelding variabelen (duidelijk onderscheid maken tussen OV en AV)
statistiek wordt vaak misbruikt en misbegrepen!
Enkele voorbeelden:
- Onduidelijke steekproef: vb. “95% van de Belgen is tevreden over Activia”
- Gebrek aan context: vb.: “duracell-baterijen gaan tot 5x langer mee” -> dan wat?
- Interne validiteit: laat het onderzoeksopzet toe om causale conclusies te trekken?
1.8 Interne validiteit
- Valkuil: ongeoorloofde causale conclusie maken
- Interne validiteit = mate waarin we met een onderzoeksontwerp causale conclusies
kunnen trekken over effect van OV op AV
- 3 voorwaarden:
o Effect van OV op AV in voorspelde richting
o Oorzaak moet in tijd voorafgaan aan gevolg
o Geen andere verklaringen voor gevonden verband
- Om alternatieve verklaringen uit te sluiten: experimenteel onderzoek
o Kinderen randomiseren in een experimentele groep en een controle groep
o Controleren op storende variabelen
conclusie: een goede methodologie is dus nodig om juiste conclusies te trekken. Statistiek
alleen is onvoldoende
1.9 Externe validiteit
- Valkuil: ongeoorloofde generalisatie van onderzoeksresultaten
- Externe validiteit = mate waarin resultaten van het onderzoek kunnen
gegeneraliseerd worden over:
o Situaties (lijkt de onderzoekssituaties genoeg op de “dagelijkse” situatie?)
o Methoden (wordt hetzelfde resultaat gevonden met een andere methode?
o Tijd (zelfde resultaten in een andere periode?)
o Populaties (zelfde resultaten in andere populaties?)
- Statistische generalisatie is nog iets anders!
o Kunnen we generaliseren vanuit de steekproef naar de populatie waaruit de
steekproef werd getrokken?
1.10 Samenvattend
- Toetsende/inductieve statistiek volgt op beschrijvende statistiek in empirische cyclus
- Bedoeling is om op basis van verzamelde data een onderbouwde beslissing te nemen
over een geobserveerd verband/verschil
o Dat we over deze beslissing nooit 100% zeker zijn is nier erg, zo lang we maar de
mate van onzekerheid kennen
4 - Om die mate van onzekerheid te bepalen, hebben we kansberekeningen nodig
Samenvatting
o SVDW
Op basis daarvan kunnen we de significantie van de geobserveerde data berekenen
- Statistiek is geen wetenschap op zich en statistische conclusies zijn pas waardevol als ook
aan de randvoorwaarden voldoen is en statistiek niet misbruikt wordt
