BEGRIPPEN UITLEG
H1
PROBLEEMKENMERK Vraag naar factoren die kenmerk verklaren
PROBLEEMRELATIE Kan verschil verklaard orden door regionale variatie in socio-economische positie
van gezinshoofd
DATAREDUCTIE
MANIFESTE VARIABELE Rechtstreeks opgemeten vb. man of vrouw
LATENTE VARIABELE Niet rechtstreeks opgemeten bij respondenten
SYMMETRISCHE SAMENHANG Er wordt geen onderscheid gemaakt tussen te verklaren (afhankelijke) en
verklarende (onafhankelijke) variabel.
CAUSAAL EFFECT Vooral voor de volgende jaren
LINEAIR EFFECT Eenzelfde verandering in de onafhankelijke variabele heeft steeds eenzelfde
verandering in de afhankelijke variabele als gevolg
ADDITITVITEIT
NIER-LINEAIR EFFECT Een verandering in afhankelijke variabele ten gevolge van eenzelfde verandering in
onafhankelijke variabel wordt gradueel groter of kleiner.
INTERACTIE-EFFECT Asymmetrische samenhang waarbij de combinatie van twee of meer
onafhankelijke variabelen een causaal effect uitoefent op de afhankelijke variabele
BIVARIATE CAUSALE STRUCTUUR Er blijkt een verband te zijn oorzaak gevolg
SCHIJNBARE CAUSALITEIT Lijkt eerste causale structuur te zijn, maar derde factor speelt ook een rol
INDIRECTE CAUSALITEIT Er is een intermediaire of tussenliggende variabele, die geen gemeenschappelijke
oorzaak heeft (dit is wel zo bij schijnbare causaliteit)
SUPRESSIE VAN SAMENHANG Zwakker bivariaat verband als gevolg van 2 tegengestelde effecten die elkaar
opheffen.
INTERACTIEVE STRUCTUUR 2 variabelen hebben effect op de onafhankelijke variabele, MAAR ook op elkaar
CONVERGENTE CAUSALE 1 onafhankelijke variabele hangt direct af van meerdere afhankelijke variabelen ie
STRUCTUUR op elkaar geen effect hebben.
MULTICOLLINEARITIEIT Multicollineariteit is een statistisch fenomeen waarin twee of meer verklarende
variabelen in een regressiemodel sterk gecorreleerd zijn, wat wil zeggen dat
minstens een van hen op basis van het model voorspeld kan worden.
MEERVOUDIGE REGRESSIE Een uitbreiding van de enkelvoudige regressie waarbij twee of meer verklarende
variabelen worden gebruikt om de afhankelijke variabele (Y) te voorspellen of
verklaren.
DUMMY-REGRESSIE 2 groepen 0 of 1
Van een nominale variabele een intervalvariabele maken
T-TEST Een t-toets is een parametrische statistische toets die onder andere gebruikt kan
worden om na te gaan of het (populatie-)gemiddelde van een normaal verdeelde
grootheid afwijkt van een bepaalde waarde, dan wel of er een verschil is tussen de
gemiddelden van twee groepen in de populatie.
F-TEST De F-toets wordt in de statistiek gebruikt om twee varianties met elkaar te
vergelijken. Als je die op elkaar deelt, krijg je een ratio-score die altijd positief is.
Het moge duidelijk zijn dat als de varianties van beide groepen even groot zijn, dat
dan de uitkomst 1 is.
LOGISTISCHE REGRESSIE Met logistische regressie kan je een dichotome uitkomstvariabele (dood versus
leven, wel of geen klachten, etc.) relateren aan één of meerdere predictoren. Het
basis idee achter logistische regressie is dat je de uitkomstvariabele zodanig
transformeert dat er een soort lineaire regressie mogelijk is
Nominaal, 2 categorieën
MULTINMIAL LOGIT MODEL Nominaal, 3 categorieën
PRINCIPALE Zie hoofdstuk 12
COMPONENTENANALYSE
PRINCIPLE FACTORANALYSE Zie hoofdstuk 12
,H2
EQUIVALENTIEKLASSE Deelverzameling van de populatie P die alle elementen groepeert die voor het
bestudeerde kenmerk als equivalent (gelijkwaardig) kunnen worden beschouwd.
MEETSCHAAL Toekennen van een eigen waarde aan elke equivalentieklasse van het
ongeschaalde kenmerk. (De verzameling X der waarden wordt de meetschaal van
de variabelen genoemd: een variabele is een afbeelding van een bevolking P in een
verzameling X van waarden. )
MEETNIVEAU
KWALITATIEVE WAARDEN
KWANTITATIEVE WAARDEN Dit wordt
MODALITEITEN Kwalificeerde waarde doorgaans sociale wetenschappen gebruikt
ORDENBAARHEID De variabele of meetschaal X is ordenbaar wanneer, voor elk paar elementen x 1 en
x2 Î X, kan besluiten:
x1 > x2 (“groter dan”)
x1 < x2 (“kleiner dan”)
bv. opleidingsniveau, leeftijd, lengte, inkomen zijn ordenbaar
bv. woonplaats is niet ordenbaar
Merk op !!: De ordenbaarheid van de waarden weerspiegelt een bestaande
ordening tussen de equivalentieklassen van het bestudeerde kenmerk.
MEETEENHEID Zelfde verschillen tussen de waarden van X weerspiegelen zelfde verschillen in de
intensiteit van het bestudeerde kenmerk. Slechts van toepassing op kwantitatieve
variabelen.
bv. temperatuur in °Celsius (°C) of °Fahrenheit (°F)
Merk op !!:
De gekozen meeteenheid kan arbitrair zijn (bv. °C of °F)
De aanwezigheid van een 0 heeft geen bijzondere betekenis. Ratios of
verhoudingen zijn betekenisloos:
Bv. 10 °C = 50 °F
20 °C = 68 °F
ratio 20/10 ¹ ratio 68/50
ABSOLUUT NULPUNT Een absoluut nulpunt is een waarde (0) die de afwezigheid van het bestudeerde
kenmerk weergeeft.
bv. lengte: absoluut nulpunt (i.e. geen lengte)
bv. °Kelvin: absoluut nulpunt (i.e. afwezigheid van Brownse beweging)
Merk op !! :
Negatieve waarden komen niet voor in geval absoluut nulpunt bestaat
Ratios of verhoudingen zijn bepaald
Bv. 1000 BEF = 24,79 EUR
2000 BEF = 49,58 EUR
ratio 2000/1000 = ratio 49,58/24,79
H3
ABSOLUTE FREQUENTIE = F l̇ = het aantal keer dat een bepaalde waarde x iwerd waargenomen
RELATIEVE FREQUENTIE Absolute frequentie delen door steekproefomvang n
ABSOLUTE CUMULATIEVE Optellen
FREQUENTIE
RELATIEVE CUMULATIEVE Optellen
FREQUENTIE
VARIATIEBREEDTE OF RANG V Het verschil tussen de grootste en kleinste waargenomen waarde
KLASSLENGTE Variatiebreedte/ aantal klasse (als klasse gelijke lengte hebben)
, WAARNEMINGSKLASSE
EXACTE KLASSE
KLASSENMIDDEN o bepalen van exacte klassengrenzen
discrete variabelen: elke discrete waarde wordt vervangen door
het overeenkomstige continue interval:
bv. 23 wordt vervangen door het continue interval [22,5;23,5[
24 wordt vervangen door het continue interval [23,5;24,5[
continue variabelen: exacte klasse komt overeen met
waarnemingsklasse
o klassemidden wordt berekend als gemiddelde van exacte
klassegrenzen (zowel bij discrete als continue variabelen)
H4
PARAMETER VAN LIGGING laten toe de verdeling op de abscis of X-as te situeren
moet steeds tussen de kleinste en de grootste waargenomen waarde
liggen (met één van de waarden overeenkomen in het geval van nominale
variabelen)
de keuze voor een parameter (bv. modus, gemiddelde, mediaan,…) om
een verdeling te beschrijven is afhankelijk van het meetniveau (!) van de
beschouwde verdeling
Laten toe om efficiënt groepen te vergelijken; bv. kijken vrouwen
gemiddeld meer televisie dan mannen, verschilt gemiddeld kijkgedrag naar
opleidingsniveau,…
CENTRUMMATEN Nominaal = modus
Ordinaal = mediaan
Interval = rekenkundig gemiddelde
Ratio = rekenkundig, meetkundig en harmonisch gemiddelde
MODUS EN MODALE KLASSE Model klasse is de klasse met de hoogste frequentie
Modus = klassenmidden van modale klasse
KWANTIEL q-kwantiel is de waarde van een variabele die de waarnemingen in 2 delen scheidt,
zodat een proportie q van de waarnemingen een waarde kleiner of gelijk aan het
q-kwantiel heeft en een proportie (1-q) van de waarnemingen een waarde groter
of gelijk aan het q-kwantiel heeft.
MEDIAAN Waarde van de variabele die toelaat de waarnemingen in twee gelijke delen op te
delen zodat er evenveel waarnemingen kleiner dan of gelijk zijn aan de mediaan
als er groter dan of gelijk aan zijn.
REKENKUNDIG GEMIDDELDE De som van alle waarnemingen gedeeld door het effectief
MEETKUNDIG GEMIDDELDE Voor strikt positieve waarden
HARMONISCH GEMIDDELDE Inverse van het rekenkundige gemiddelde berekend op de inverse van de
waarnemingen
MOMENTEN
GEWONE MOMENTEN Rond de oorsprong c=0
CENTRALE MOMENTEN Rond het rekenkundige gemiddelde c= x
SPREIDING Verschillen die worden vastgesteld tussen waarnemingen
- Spreidingsmaten = geven weer in welke mate eenheden geconcentreerd
liggen rond de centrummaat, dan wel gespreid liggen over de hele range
van een variabele
H1
PROBLEEMKENMERK Vraag naar factoren die kenmerk verklaren
PROBLEEMRELATIE Kan verschil verklaard orden door regionale variatie in socio-economische positie
van gezinshoofd
DATAREDUCTIE
MANIFESTE VARIABELE Rechtstreeks opgemeten vb. man of vrouw
LATENTE VARIABELE Niet rechtstreeks opgemeten bij respondenten
SYMMETRISCHE SAMENHANG Er wordt geen onderscheid gemaakt tussen te verklaren (afhankelijke) en
verklarende (onafhankelijke) variabel.
CAUSAAL EFFECT Vooral voor de volgende jaren
LINEAIR EFFECT Eenzelfde verandering in de onafhankelijke variabele heeft steeds eenzelfde
verandering in de afhankelijke variabele als gevolg
ADDITITVITEIT
NIER-LINEAIR EFFECT Een verandering in afhankelijke variabele ten gevolge van eenzelfde verandering in
onafhankelijke variabel wordt gradueel groter of kleiner.
INTERACTIE-EFFECT Asymmetrische samenhang waarbij de combinatie van twee of meer
onafhankelijke variabelen een causaal effect uitoefent op de afhankelijke variabele
BIVARIATE CAUSALE STRUCTUUR Er blijkt een verband te zijn oorzaak gevolg
SCHIJNBARE CAUSALITEIT Lijkt eerste causale structuur te zijn, maar derde factor speelt ook een rol
INDIRECTE CAUSALITEIT Er is een intermediaire of tussenliggende variabele, die geen gemeenschappelijke
oorzaak heeft (dit is wel zo bij schijnbare causaliteit)
SUPRESSIE VAN SAMENHANG Zwakker bivariaat verband als gevolg van 2 tegengestelde effecten die elkaar
opheffen.
INTERACTIEVE STRUCTUUR 2 variabelen hebben effect op de onafhankelijke variabele, MAAR ook op elkaar
CONVERGENTE CAUSALE 1 onafhankelijke variabele hangt direct af van meerdere afhankelijke variabelen ie
STRUCTUUR op elkaar geen effect hebben.
MULTICOLLINEARITIEIT Multicollineariteit is een statistisch fenomeen waarin twee of meer verklarende
variabelen in een regressiemodel sterk gecorreleerd zijn, wat wil zeggen dat
minstens een van hen op basis van het model voorspeld kan worden.
MEERVOUDIGE REGRESSIE Een uitbreiding van de enkelvoudige regressie waarbij twee of meer verklarende
variabelen worden gebruikt om de afhankelijke variabele (Y) te voorspellen of
verklaren.
DUMMY-REGRESSIE 2 groepen 0 of 1
Van een nominale variabele een intervalvariabele maken
T-TEST Een t-toets is een parametrische statistische toets die onder andere gebruikt kan
worden om na te gaan of het (populatie-)gemiddelde van een normaal verdeelde
grootheid afwijkt van een bepaalde waarde, dan wel of er een verschil is tussen de
gemiddelden van twee groepen in de populatie.
F-TEST De F-toets wordt in de statistiek gebruikt om twee varianties met elkaar te
vergelijken. Als je die op elkaar deelt, krijg je een ratio-score die altijd positief is.
Het moge duidelijk zijn dat als de varianties van beide groepen even groot zijn, dat
dan de uitkomst 1 is.
LOGISTISCHE REGRESSIE Met logistische regressie kan je een dichotome uitkomstvariabele (dood versus
leven, wel of geen klachten, etc.) relateren aan één of meerdere predictoren. Het
basis idee achter logistische regressie is dat je de uitkomstvariabele zodanig
transformeert dat er een soort lineaire regressie mogelijk is
Nominaal, 2 categorieën
MULTINMIAL LOGIT MODEL Nominaal, 3 categorieën
PRINCIPALE Zie hoofdstuk 12
COMPONENTENANALYSE
PRINCIPLE FACTORANALYSE Zie hoofdstuk 12
,H2
EQUIVALENTIEKLASSE Deelverzameling van de populatie P die alle elementen groepeert die voor het
bestudeerde kenmerk als equivalent (gelijkwaardig) kunnen worden beschouwd.
MEETSCHAAL Toekennen van een eigen waarde aan elke equivalentieklasse van het
ongeschaalde kenmerk. (De verzameling X der waarden wordt de meetschaal van
de variabelen genoemd: een variabele is een afbeelding van een bevolking P in een
verzameling X van waarden. )
MEETNIVEAU
KWALITATIEVE WAARDEN
KWANTITATIEVE WAARDEN Dit wordt
MODALITEITEN Kwalificeerde waarde doorgaans sociale wetenschappen gebruikt
ORDENBAARHEID De variabele of meetschaal X is ordenbaar wanneer, voor elk paar elementen x 1 en
x2 Î X, kan besluiten:
x1 > x2 (“groter dan”)
x1 < x2 (“kleiner dan”)
bv. opleidingsniveau, leeftijd, lengte, inkomen zijn ordenbaar
bv. woonplaats is niet ordenbaar
Merk op !!: De ordenbaarheid van de waarden weerspiegelt een bestaande
ordening tussen de equivalentieklassen van het bestudeerde kenmerk.
MEETEENHEID Zelfde verschillen tussen de waarden van X weerspiegelen zelfde verschillen in de
intensiteit van het bestudeerde kenmerk. Slechts van toepassing op kwantitatieve
variabelen.
bv. temperatuur in °Celsius (°C) of °Fahrenheit (°F)
Merk op !!:
De gekozen meeteenheid kan arbitrair zijn (bv. °C of °F)
De aanwezigheid van een 0 heeft geen bijzondere betekenis. Ratios of
verhoudingen zijn betekenisloos:
Bv. 10 °C = 50 °F
20 °C = 68 °F
ratio 20/10 ¹ ratio 68/50
ABSOLUUT NULPUNT Een absoluut nulpunt is een waarde (0) die de afwezigheid van het bestudeerde
kenmerk weergeeft.
bv. lengte: absoluut nulpunt (i.e. geen lengte)
bv. °Kelvin: absoluut nulpunt (i.e. afwezigheid van Brownse beweging)
Merk op !! :
Negatieve waarden komen niet voor in geval absoluut nulpunt bestaat
Ratios of verhoudingen zijn bepaald
Bv. 1000 BEF = 24,79 EUR
2000 BEF = 49,58 EUR
ratio 2000/1000 = ratio 49,58/24,79
H3
ABSOLUTE FREQUENTIE = F l̇ = het aantal keer dat een bepaalde waarde x iwerd waargenomen
RELATIEVE FREQUENTIE Absolute frequentie delen door steekproefomvang n
ABSOLUTE CUMULATIEVE Optellen
FREQUENTIE
RELATIEVE CUMULATIEVE Optellen
FREQUENTIE
VARIATIEBREEDTE OF RANG V Het verschil tussen de grootste en kleinste waargenomen waarde
KLASSLENGTE Variatiebreedte/ aantal klasse (als klasse gelijke lengte hebben)
, WAARNEMINGSKLASSE
EXACTE KLASSE
KLASSENMIDDEN o bepalen van exacte klassengrenzen
discrete variabelen: elke discrete waarde wordt vervangen door
het overeenkomstige continue interval:
bv. 23 wordt vervangen door het continue interval [22,5;23,5[
24 wordt vervangen door het continue interval [23,5;24,5[
continue variabelen: exacte klasse komt overeen met
waarnemingsklasse
o klassemidden wordt berekend als gemiddelde van exacte
klassegrenzen (zowel bij discrete als continue variabelen)
H4
PARAMETER VAN LIGGING laten toe de verdeling op de abscis of X-as te situeren
moet steeds tussen de kleinste en de grootste waargenomen waarde
liggen (met één van de waarden overeenkomen in het geval van nominale
variabelen)
de keuze voor een parameter (bv. modus, gemiddelde, mediaan,…) om
een verdeling te beschrijven is afhankelijk van het meetniveau (!) van de
beschouwde verdeling
Laten toe om efficiënt groepen te vergelijken; bv. kijken vrouwen
gemiddeld meer televisie dan mannen, verschilt gemiddeld kijkgedrag naar
opleidingsniveau,…
CENTRUMMATEN Nominaal = modus
Ordinaal = mediaan
Interval = rekenkundig gemiddelde
Ratio = rekenkundig, meetkundig en harmonisch gemiddelde
MODUS EN MODALE KLASSE Model klasse is de klasse met de hoogste frequentie
Modus = klassenmidden van modale klasse
KWANTIEL q-kwantiel is de waarde van een variabele die de waarnemingen in 2 delen scheidt,
zodat een proportie q van de waarnemingen een waarde kleiner of gelijk aan het
q-kwantiel heeft en een proportie (1-q) van de waarnemingen een waarde groter
of gelijk aan het q-kwantiel heeft.
MEDIAAN Waarde van de variabele die toelaat de waarnemingen in twee gelijke delen op te
delen zodat er evenveel waarnemingen kleiner dan of gelijk zijn aan de mediaan
als er groter dan of gelijk aan zijn.
REKENKUNDIG GEMIDDELDE De som van alle waarnemingen gedeeld door het effectief
MEETKUNDIG GEMIDDELDE Voor strikt positieve waarden
HARMONISCH GEMIDDELDE Inverse van het rekenkundige gemiddelde berekend op de inverse van de
waarnemingen
MOMENTEN
GEWONE MOMENTEN Rond de oorsprong c=0
CENTRALE MOMENTEN Rond het rekenkundige gemiddelde c= x
SPREIDING Verschillen die worden vastgesteld tussen waarnemingen
- Spreidingsmaten = geven weer in welke mate eenheden geconcentreerd
liggen rond de centrummaat, dan wel gespreid liggen over de hele range
van een variabele
