5.2) BESCHRIJVEN VAN AFZONDERLIJKE VARIABELEN
ALLEEN 5.2.1) FREQUENTIETABELLEN 5.1) VOORBEREIDING VAN DE DATA-ANALYSE
voor je met cijfers te werk gaat → voorbereidingen treffen
frequentietabel: geeft overzicht van hoe vaak elke waarde van een variabale voorkomt
enquêtes in cijfers omzetten = coderingsproces
→ codeboek nodig
onderdelen van frequentietabel: waarom? betekenis vd cijfercode achterhalen
ve
1) absolutie frequentie (f)
m m ulatie
cu
= het aantal respondenten met een bepaalde waarde
e r m ag je ken? meetniveau vd variabelen bepalen
e ui
wann ntie gebr
2) relatieve frequentie (%) e
frequ en in deze fase kunnen systematische fouten gemaakt worden door de onderzoeken
= het percentage respondenten met een bepaalde waarde E L v a r iabel len
W ale be → gevolgen voor de validiteit
→ relatieve frequentie = absolute frequentie/totaal aantal respondenten ordin che varia
is
→ bij kleine steekproeven gebruikt met vaak alleen de absolute frequentie metr len en
I E T e v e riabe de waard
N na l je 5.1.1) codering van blanco enquêtes
3) absolute cumulatieve frequentie nomi ? omdat er een als onderzoeker heb je een blanco enquête nodig met de codes
= het totaal aantal respondenten tot en met een bepaalde waarde arom als
→ wa t optellen aat waarom? alle antwoorden vd respondenten moeten in cijfers kunnen worden uitgedrukt
H5
kun t
4) relatieve cumulatieve frequentie o r d e in s man: code 1
rang vrouw: code 2
= het percentage respondenten tot en met een bepaalde waarde
DATA-ANALYSE IN
andere: code 3
waarom zijn die codes nuttig?
KWANTITATIEF antwoorden komen later in een tabel
= databank = databestand = datamatrix om
ONDERZOEK
5.1.3) een datamatrix opstellen efficiënt te kunnen registreren en analyseren.
eenmaal de codes zijn bepaald, kan de uiteindelijke omzetten van de enquête naar datamatrix
beginnen
→ bestaat uitsluitend uit cijfers BEHALVE wanneer respondenten de mogelijkheid ‘andere’
kunnen invullen
→ 0 betekend dat je het niet hebt aangeduid omdat je er bv niet bijhoort (sportclub,..)
controle is belangrijk! = datacleaning
fouten eruit halen
gegevens volledig
ontbrekende waarden ook aangeven ‘missing values’ met een code 5.1.2) een codeboek opstellen
user missings values: de respondent vulde de vraag niet in → 9/99/999 gebeurt na de codering
system missing values: de vraag was niet van toepassing voor de respondent → 8/88/888 een codeboek vormt een legende: het geeft weer hoe men de
codes moet lezen
adhv het codeboek kunnen andere onderzoekers de
5.1.4) variabelen en hun meetniveaus gegevens terug ‘ontcijferen’
voor dat je data analyseert, moet je weten welk meetniveau een variabale heeft. dat bepaalt welke
statistische analyses je mag gebruiken
nominaal (man/vrouw) interval (0°C)
geen rangorde wel een rangorde
geen nulpunt geen nulpunt
geen meeteenheid wel een meeteenheid
ordinaal (geen, lager onderwijs, secundair onderwijs) ratio (leeftijd)
wel een rangorde wel een rangorde
geen nulpunt wel een nulpunt
geen meeteenheid wel een meeteenheid
ALLEEN 5.2.1) FREQUENTIETABELLEN 5.1) VOORBEREIDING VAN DE DATA-ANALYSE
voor je met cijfers te werk gaat → voorbereidingen treffen
frequentietabel: geeft overzicht van hoe vaak elke waarde van een variabale voorkomt
enquêtes in cijfers omzetten = coderingsproces
→ codeboek nodig
onderdelen van frequentietabel: waarom? betekenis vd cijfercode achterhalen
ve
1) absolutie frequentie (f)
m m ulatie
cu
= het aantal respondenten met een bepaalde waarde
e r m ag je ken? meetniveau vd variabelen bepalen
e ui
wann ntie gebr
2) relatieve frequentie (%) e
frequ en in deze fase kunnen systematische fouten gemaakt worden door de onderzoeken
= het percentage respondenten met een bepaalde waarde E L v a r iabel len
W ale be → gevolgen voor de validiteit
→ relatieve frequentie = absolute frequentie/totaal aantal respondenten ordin che varia
is
→ bij kleine steekproeven gebruikt met vaak alleen de absolute frequentie metr len en
I E T e v e riabe de waard
N na l je 5.1.1) codering van blanco enquêtes
3) absolute cumulatieve frequentie nomi ? omdat er een als onderzoeker heb je een blanco enquête nodig met de codes
= het totaal aantal respondenten tot en met een bepaalde waarde arom als
→ wa t optellen aat waarom? alle antwoorden vd respondenten moeten in cijfers kunnen worden uitgedrukt
H5
kun t
4) relatieve cumulatieve frequentie o r d e in s man: code 1
rang vrouw: code 2
= het percentage respondenten tot en met een bepaalde waarde
DATA-ANALYSE IN
andere: code 3
waarom zijn die codes nuttig?
KWANTITATIEF antwoorden komen later in een tabel
= databank = databestand = datamatrix om
ONDERZOEK
5.1.3) een datamatrix opstellen efficiënt te kunnen registreren en analyseren.
eenmaal de codes zijn bepaald, kan de uiteindelijke omzetten van de enquête naar datamatrix
beginnen
→ bestaat uitsluitend uit cijfers BEHALVE wanneer respondenten de mogelijkheid ‘andere’
kunnen invullen
→ 0 betekend dat je het niet hebt aangeduid omdat je er bv niet bijhoort (sportclub,..)
controle is belangrijk! = datacleaning
fouten eruit halen
gegevens volledig
ontbrekende waarden ook aangeven ‘missing values’ met een code 5.1.2) een codeboek opstellen
user missings values: de respondent vulde de vraag niet in → 9/99/999 gebeurt na de codering
system missing values: de vraag was niet van toepassing voor de respondent → 8/88/888 een codeboek vormt een legende: het geeft weer hoe men de
codes moet lezen
adhv het codeboek kunnen andere onderzoekers de
5.1.4) variabelen en hun meetniveaus gegevens terug ‘ontcijferen’
voor dat je data analyseert, moet je weten welk meetniveau een variabale heeft. dat bepaalt welke
statistische analyses je mag gebruiken
nominaal (man/vrouw) interval (0°C)
geen rangorde wel een rangorde
geen nulpunt geen nulpunt
geen meeteenheid wel een meeteenheid
ordinaal (geen, lager onderwijs, secundair onderwijs) ratio (leeftijd)
wel een rangorde wel een rangorde
geen nulpunt wel een nulpunt
geen meeteenheid wel een meeteenheid
