Onderzoeksmethoden en
dataverwerking deel 2: theorie
Hoofdstuk 1. Data Analyse: Power
Power: is the probability that we will correctly reject the nul hypothesis.
Correctly small P-value: large amount of POWER.
• Power analyse om te zien hoe groot het verschil moet zijn om correctly reject the nulhypothesis.
Je kan:
§ Definiëren wat statistische inferentie is (herhaal Ch.23 – OM deel 1)
§ Het belang van power en powerberekeningen in onderzoek uitleggen
§ Definiëren wat Type I en Type II fouten zijn (herhaal Ch.23 – OM deel 1)
§ Definiëren wat statistische power is (herhaal Ch.23 – OM deel 1)
§ de begrippen central distribution, non-central distribution en non-centrality parameter
binnen statistische power correct plaatsen
§ Het verschil duiden tussen een a priori en een post hoc power analyse (herhaal Ch.23 –
OM deel 1)
§ De verschillende determinanten van statistische power benoemen en hun invloed op
elkaar nagaan Power op deze manier gaan kunnen verhogen!
Leerstof
• Ch12 + Ch13: helemaal
1. Statistische Inferentie
= een besluitvormingsproces: onbekende populatiekenmerken te schatten op basis van
steekproefgegevens
Dit proces vereist dat we bepaalde veronderstellingen maken over hoe goed een steekproef de
grotere populatie vertegenwoordigt.
• Deze aannames zijn gebaseerd op twee belangrijke concepten van statistisch redeneren:
probability and sampling error.
In dit voorbeeld de geboortes van
baby’s (komt uit het boek).
We gaan proberen een fenomeen te
vertellen over een totale populatie, we
hebben geen toegang tot de volledige
populatie dus we nemen een deeltje
(sampling) daarvan.
1
, 2. Power Analyse
We doen een POWER Analyse bij een statistische significantie-toetsing aka null-
hypothesis significance testing (NHST).
• H0: geen effect
• HA: wel een effect (= meestal de theorie)
De NHST gaf een significant De NHST gaf een niet-significant resultaat
resultaat H0 kon niet verworpen worden ):
H0 kan verworpen worden 😊 P > 0.05
?: er is geen effect in de werkelijkheid
😊 : mijn studie heeft meer ?: de studie had te weinig vermogen om het
potentie om gepubliceerd te verschil dat in de werkelijkheid aanwezig is te
worden (+ publication bias) deteceteren
😊 : een reviewer zal waarschijnlijk 😊 : reviewers vragen om een post-hoc power
niet vragen naar POWER analyse
H0 er bestaan maar 2 dingen, of terwijl is het
waar of terwijl is het vals.
Deze afbeelding stelt te werkelijkheid voor.
Deze nulhypothese is waar, we werken rond
de distributie die rond de waarde nul is = geen
correlatie, geen verschil.
Een verschil kan worden aangegeven in
verschillende richtingen: rechts en links.
We gaan hierin afbakenen van kritische zones:
• langs 2 zijden (2 zijdige toets) en
regels afbakkenen en zien of dat ze
ertussen liggen (nulhypothese
verwerpen) liggen ze er niet tussen
(nul-hypothese niet verwerpen).
2
,Voorbeeld
Blauwe: nulhypothese is waar.
We gaan een vergelijking doen
met 2 groepen.
Bv. meisjes en jongens.
Oranje curve: wanneer in
werkelijk de nulhypothese fout
zou zijn. Als ik het onderzoek
verschillende keren blijf
uitvoeren, is er een verschil van
de nulhypothese te zien met de
werkelijke data.
- Soms een groot verschil
- Soms een klein verschil
- Soms per toeval geen verschil
= sampling distributions
Non-centrality parameter (NCP): maat om te zeggen hoe ver de distributies van elkaar af
liggen.
We voeren het onderzoek maar 1 keer uit, waar wij het besluit kunnen vormen a.d.h.v. een t-
toets.
• Hoever zitten we daarin juist
3
, Illustratie
Blauwe curve: nulhypothese is waar
Oranje curve: vergelijkingsgroep (verwerping van nulhypothese
TYPE I fout
1. Bij elke toetsing is er een kritische waarde opgesteld: waardes
waarin de gevonden getoetsten statistical value moet gaan nakijken.
2. Type I fout: groene opvlakte onder de blauwe curve VOORBIJ de
kritische waarde – aangeven dat er een verschil is, terwijl die er niet
aanwezig is in de werkelijkheid TYPE II fout
3. Type II fout: zone onder de oranje oppervlakte voorbij de kritische
waarde – in de werkelijkheid is er wel een verschil maar de T-waard,
kleiner dan kritische T-waarde = besluit: nulhypothese niet kunnen
verwerpen, terwijl er in werkelijkheid wel een verschil aanwezig is
(spijtige situatie).
4. POWER: zone onder de oranje curve VOORBIJ de kritische T-
waarde, terecht zeggen dat je de nulhypothese mag verwerpen. POWER
Samenvatting van illustratie hierboven:
4
dataverwerking deel 2: theorie
Hoofdstuk 1. Data Analyse: Power
Power: is the probability that we will correctly reject the nul hypothesis.
Correctly small P-value: large amount of POWER.
• Power analyse om te zien hoe groot het verschil moet zijn om correctly reject the nulhypothesis.
Je kan:
§ Definiëren wat statistische inferentie is (herhaal Ch.23 – OM deel 1)
§ Het belang van power en powerberekeningen in onderzoek uitleggen
§ Definiëren wat Type I en Type II fouten zijn (herhaal Ch.23 – OM deel 1)
§ Definiëren wat statistische power is (herhaal Ch.23 – OM deel 1)
§ de begrippen central distribution, non-central distribution en non-centrality parameter
binnen statistische power correct plaatsen
§ Het verschil duiden tussen een a priori en een post hoc power analyse (herhaal Ch.23 –
OM deel 1)
§ De verschillende determinanten van statistische power benoemen en hun invloed op
elkaar nagaan Power op deze manier gaan kunnen verhogen!
Leerstof
• Ch12 + Ch13: helemaal
1. Statistische Inferentie
= een besluitvormingsproces: onbekende populatiekenmerken te schatten op basis van
steekproefgegevens
Dit proces vereist dat we bepaalde veronderstellingen maken over hoe goed een steekproef de
grotere populatie vertegenwoordigt.
• Deze aannames zijn gebaseerd op twee belangrijke concepten van statistisch redeneren:
probability and sampling error.
In dit voorbeeld de geboortes van
baby’s (komt uit het boek).
We gaan proberen een fenomeen te
vertellen over een totale populatie, we
hebben geen toegang tot de volledige
populatie dus we nemen een deeltje
(sampling) daarvan.
1
, 2. Power Analyse
We doen een POWER Analyse bij een statistische significantie-toetsing aka null-
hypothesis significance testing (NHST).
• H0: geen effect
• HA: wel een effect (= meestal de theorie)
De NHST gaf een significant De NHST gaf een niet-significant resultaat
resultaat H0 kon niet verworpen worden ):
H0 kan verworpen worden 😊 P > 0.05
?: er is geen effect in de werkelijkheid
😊 : mijn studie heeft meer ?: de studie had te weinig vermogen om het
potentie om gepubliceerd te verschil dat in de werkelijkheid aanwezig is te
worden (+ publication bias) deteceteren
😊 : een reviewer zal waarschijnlijk 😊 : reviewers vragen om een post-hoc power
niet vragen naar POWER analyse
H0 er bestaan maar 2 dingen, of terwijl is het
waar of terwijl is het vals.
Deze afbeelding stelt te werkelijkheid voor.
Deze nulhypothese is waar, we werken rond
de distributie die rond de waarde nul is = geen
correlatie, geen verschil.
Een verschil kan worden aangegeven in
verschillende richtingen: rechts en links.
We gaan hierin afbakenen van kritische zones:
• langs 2 zijden (2 zijdige toets) en
regels afbakkenen en zien of dat ze
ertussen liggen (nulhypothese
verwerpen) liggen ze er niet tussen
(nul-hypothese niet verwerpen).
2
,Voorbeeld
Blauwe: nulhypothese is waar.
We gaan een vergelijking doen
met 2 groepen.
Bv. meisjes en jongens.
Oranje curve: wanneer in
werkelijk de nulhypothese fout
zou zijn. Als ik het onderzoek
verschillende keren blijf
uitvoeren, is er een verschil van
de nulhypothese te zien met de
werkelijke data.
- Soms een groot verschil
- Soms een klein verschil
- Soms per toeval geen verschil
= sampling distributions
Non-centrality parameter (NCP): maat om te zeggen hoe ver de distributies van elkaar af
liggen.
We voeren het onderzoek maar 1 keer uit, waar wij het besluit kunnen vormen a.d.h.v. een t-
toets.
• Hoever zitten we daarin juist
3
, Illustratie
Blauwe curve: nulhypothese is waar
Oranje curve: vergelijkingsgroep (verwerping van nulhypothese
TYPE I fout
1. Bij elke toetsing is er een kritische waarde opgesteld: waardes
waarin de gevonden getoetsten statistical value moet gaan nakijken.
2. Type I fout: groene opvlakte onder de blauwe curve VOORBIJ de
kritische waarde – aangeven dat er een verschil is, terwijl die er niet
aanwezig is in de werkelijkheid TYPE II fout
3. Type II fout: zone onder de oranje oppervlakte voorbij de kritische
waarde – in de werkelijkheid is er wel een verschil maar de T-waard,
kleiner dan kritische T-waarde = besluit: nulhypothese niet kunnen
verwerpen, terwijl er in werkelijkheid wel een verschil aanwezig is
(spijtige situatie).
4. POWER: zone onder de oranje curve VOORBIJ de kritische T-
waarde, terecht zeggen dat je de nulhypothese mag verwerpen. POWER
Samenvatting van illustratie hierboven:
4
