Technieken voor causale
analyse MTO-C
Hoorcolleges en werkcolleges
2017
,Herhaling basisbegrippen in de statistiek
Gemiddelde: som van alle waarden / het aantal observaties
Deviatie: de afstand tot het gemiddelde
Sum of squared deviations (SS): de som van het kwadraat van elke deviatie. De SS geeft aan hoe ver
de waarden in de steekproef af liggen van het gemiddelde van die steekproef. Als je de SS deelt door
n-1 zegt de uitkomst iets over de spreiding van de data in de steekproef. De SS kan alleen 0 zijn als
alle waarden gelijk aan elkaar en hij kan nooit negatief zijn, aangezien we alle deviaties kwadrateren
Variantie (s²): mate van spreiding van een reeks waarden SS / (n – 1)
Standaarddeviatie (s): mate van spreiding van een variabele √(s²)
Een steekproefverdeling van het gemiddelde (sampling distribution) is een verdeling van de
gemiddeldes van meerdere steekproeven. De steekproefverdeling van het gemiddelde is normaal
verdeeld. Dit geldt zelfs bij een lage N en niet-normale populatieverdeling. De gemiddelde van de
steekproefverdeling is gelijk aan het gemiddelde van de populatie van individuele waarden.
De standaardfout (standard error of the mean, SEm) is de standaardafwijking van de
steekproefverdeling. Hij wordt berekend met behulp van de formule σx̄ = s / √(N)
Naarmate de standaarddeviatie toeneemt zal de standaardfout ook toenemen. Wanneer de N
toeneemt zal de standaardfout afnemen.
Een nulhypothese is een hypothese waarbij je stelt dat een parameter een specifieke waarde heeft.
Een alternatieve hypothese is een hypothese waarbij je stelt dat de parameter een reeks van
waarden kan hebben. Beide hypothesen zijn afhankelijk
van de onderzoeksvraag.
Bij het beoordelen van de nulhypothese zijn er twee
opties: je verwerpt hem of je verwerpt hem niet.
Echter, de mogelijkheid bestaat dat je hem ten
onrechte wel of niet verwerpt (zie afbeelding).
Het alpha-niveau, oftewel het significantieniveau is het risico dat we willen nemen om een Type 1
fout te maken. Over het algemeen wordt een alpha van 0,05 als acceptabel gezien.
De power is de kans dat je H₀ verwerpt, terwijl H₀ inderdaad niet waar is. Een type II fout kan je
berekenen door 1 – power (β) te doen. Om de juiste N te berekenen bij het plannen van een studie
heb je de alpha en de effectgrootte nodig.
Een p-waarde is de kans op een waarde van Z of extremer, gegeven dat H₀ waar is. Wanneer P < 0,05
betekent het dat de kans op de waarde die we hebben gevonden in de steekproef kleiner is dan 0,05.
Een p-waarde zegt alleen iets over hoe extreem de waarde is die we hebben gevonden in de
steekproef, gegeven dat H₀ waar is. Het feit dat we dat we aannemen dat H₀ waar is betekent niet
dat we kansuitspraken kunnen doen over H₀.
2
, HC1
Centrale vraag in deze cursus:
Waarom is er varia(n)tie in de afhankelijke variabele(n) van een onderzoek?
Er bestaan vier verschillende technieken die antwoord kunnen geven op deze vraag. Deze technieken
verschillen op drie fronten:
• Het meetniveau van de afhankelijke variabele die je ermee kunt analyseren
• Het meetniveau van onafhankelijke variabelen die je kunt opnemen ter verklaring
• De complexiteit van verbanden (theorie) die je ermee kunt onderzoeken
Voorbeelden: complexiteit van verbanden per techniek:
1) One-way Between-Subjects Analysis of Variance (variantieanalyse): er is een klein aantal
onafhankelijke variabelen en de afhankelijke variabele is kwantitatief.
Team waarin iemand werkt (X) Organizational commitment (Y)
2) Bivariate en Multipele Regressie-Analyse: er kan elk aantal onafhankelijke variabelen zijn en de
afhankelijke variabele is kwantitatief.
Bivariate regressieanalyse:
Team waarin iemand werkt (X1) Organizational commitment (Y)
Multipele regressieanalyse:
Geslacht (X3)
Salaris (X2) Organizational commitment (Y)
Team waarin iemand werkt (X1)
3
, 3) Padanalyse: er kan elk aantal onafhankelijke variabelen zijn en de afhankelijke variabele is
kwantitatief. In tegenstelling tot de bivariate en Multipele Regressie-Analyse wordt er hierbij alleen
gebruik gemaakt van de multipele regressieanalyse.
4) Logistische Regressie-Analyse: er kan elk aantal onafhankelijke variabelen zijn en de afhankelijke
variabele is kwalitatief (nominaal).
Bivariate regressieanalyse:
Team waarin iemand werkt (X1) Kans om al dan niet werkloos te worden (Y)
Multipele regressieanalyse:
Geslacht (X3)
Tenure (X2) Kans om al dan niet werkloos te worden (Y)
Team waarin iemand werkt (X1)
Analysis of Variance (ANOVA): Warner, Hoofdstuk 6
Stel je past een one-Way Between-Subjects Analysis of Variance toe bij de relatie uit het voorbeeld:
Team waarin iemand werkt (X) Organizational commitment (Y)
De inhoudelijke hypothese dei getrokken kan worden: de mate van organizational commitment (Y) is
afhankelijk van het team waarin iemand werkt (X). Nu vraag je je af, als de hypothese juist is, wat zou
je dan moeten vinden met betrekking tot gemiddelde commitment tussen de teams?
Voorbeeld: stel we hebben data verzameld met meting van organizational commitment bij drie
teams. Er zijn hier twee mogelijke scenario’s die kunnen ontstaan:
Bij welk van beide data-scenario zou je eerder concluderen dat er een verband bestaat tussen het
team waarin men werkt en organizational commitment? Waarschijnlijk zeg je scenario 2, omdat de
data veel dichter bij elkaar ligt, wat erop kan duiden dat het team van invloed is op de commitment.
Het idee achter de variantieanalyse is het volgende: indien er twee of meer groepen zijn, kunnen we
dan een uitspraak doen over mogelijke (significante) verschillen tussen de gemiddelden van de
groepen?
Fundamenteel principe: ANOVA analyseert de verhouding van de twee componenten van totale
varia(n)tie in de data. Deze componenten zijn:
• Tussengroepvariantie: informatie over variantie in gemiddelde score tussen groepen
• Binnengroepvariantie: informatie over variantie van scores binnen groepen
4
analyse MTO-C
Hoorcolleges en werkcolleges
2017
,Herhaling basisbegrippen in de statistiek
Gemiddelde: som van alle waarden / het aantal observaties
Deviatie: de afstand tot het gemiddelde
Sum of squared deviations (SS): de som van het kwadraat van elke deviatie. De SS geeft aan hoe ver
de waarden in de steekproef af liggen van het gemiddelde van die steekproef. Als je de SS deelt door
n-1 zegt de uitkomst iets over de spreiding van de data in de steekproef. De SS kan alleen 0 zijn als
alle waarden gelijk aan elkaar en hij kan nooit negatief zijn, aangezien we alle deviaties kwadrateren
Variantie (s²): mate van spreiding van een reeks waarden SS / (n – 1)
Standaarddeviatie (s): mate van spreiding van een variabele √(s²)
Een steekproefverdeling van het gemiddelde (sampling distribution) is een verdeling van de
gemiddeldes van meerdere steekproeven. De steekproefverdeling van het gemiddelde is normaal
verdeeld. Dit geldt zelfs bij een lage N en niet-normale populatieverdeling. De gemiddelde van de
steekproefverdeling is gelijk aan het gemiddelde van de populatie van individuele waarden.
De standaardfout (standard error of the mean, SEm) is de standaardafwijking van de
steekproefverdeling. Hij wordt berekend met behulp van de formule σx̄ = s / √(N)
Naarmate de standaarddeviatie toeneemt zal de standaardfout ook toenemen. Wanneer de N
toeneemt zal de standaardfout afnemen.
Een nulhypothese is een hypothese waarbij je stelt dat een parameter een specifieke waarde heeft.
Een alternatieve hypothese is een hypothese waarbij je stelt dat de parameter een reeks van
waarden kan hebben. Beide hypothesen zijn afhankelijk
van de onderzoeksvraag.
Bij het beoordelen van de nulhypothese zijn er twee
opties: je verwerpt hem of je verwerpt hem niet.
Echter, de mogelijkheid bestaat dat je hem ten
onrechte wel of niet verwerpt (zie afbeelding).
Het alpha-niveau, oftewel het significantieniveau is het risico dat we willen nemen om een Type 1
fout te maken. Over het algemeen wordt een alpha van 0,05 als acceptabel gezien.
De power is de kans dat je H₀ verwerpt, terwijl H₀ inderdaad niet waar is. Een type II fout kan je
berekenen door 1 – power (β) te doen. Om de juiste N te berekenen bij het plannen van een studie
heb je de alpha en de effectgrootte nodig.
Een p-waarde is de kans op een waarde van Z of extremer, gegeven dat H₀ waar is. Wanneer P < 0,05
betekent het dat de kans op de waarde die we hebben gevonden in de steekproef kleiner is dan 0,05.
Een p-waarde zegt alleen iets over hoe extreem de waarde is die we hebben gevonden in de
steekproef, gegeven dat H₀ waar is. Het feit dat we dat we aannemen dat H₀ waar is betekent niet
dat we kansuitspraken kunnen doen over H₀.
2
, HC1
Centrale vraag in deze cursus:
Waarom is er varia(n)tie in de afhankelijke variabele(n) van een onderzoek?
Er bestaan vier verschillende technieken die antwoord kunnen geven op deze vraag. Deze technieken
verschillen op drie fronten:
• Het meetniveau van de afhankelijke variabele die je ermee kunt analyseren
• Het meetniveau van onafhankelijke variabelen die je kunt opnemen ter verklaring
• De complexiteit van verbanden (theorie) die je ermee kunt onderzoeken
Voorbeelden: complexiteit van verbanden per techniek:
1) One-way Between-Subjects Analysis of Variance (variantieanalyse): er is een klein aantal
onafhankelijke variabelen en de afhankelijke variabele is kwantitatief.
Team waarin iemand werkt (X) Organizational commitment (Y)
2) Bivariate en Multipele Regressie-Analyse: er kan elk aantal onafhankelijke variabelen zijn en de
afhankelijke variabele is kwantitatief.
Bivariate regressieanalyse:
Team waarin iemand werkt (X1) Organizational commitment (Y)
Multipele regressieanalyse:
Geslacht (X3)
Salaris (X2) Organizational commitment (Y)
Team waarin iemand werkt (X1)
3
, 3) Padanalyse: er kan elk aantal onafhankelijke variabelen zijn en de afhankelijke variabele is
kwantitatief. In tegenstelling tot de bivariate en Multipele Regressie-Analyse wordt er hierbij alleen
gebruik gemaakt van de multipele regressieanalyse.
4) Logistische Regressie-Analyse: er kan elk aantal onafhankelijke variabelen zijn en de afhankelijke
variabele is kwalitatief (nominaal).
Bivariate regressieanalyse:
Team waarin iemand werkt (X1) Kans om al dan niet werkloos te worden (Y)
Multipele regressieanalyse:
Geslacht (X3)
Tenure (X2) Kans om al dan niet werkloos te worden (Y)
Team waarin iemand werkt (X1)
Analysis of Variance (ANOVA): Warner, Hoofdstuk 6
Stel je past een one-Way Between-Subjects Analysis of Variance toe bij de relatie uit het voorbeeld:
Team waarin iemand werkt (X) Organizational commitment (Y)
De inhoudelijke hypothese dei getrokken kan worden: de mate van organizational commitment (Y) is
afhankelijk van het team waarin iemand werkt (X). Nu vraag je je af, als de hypothese juist is, wat zou
je dan moeten vinden met betrekking tot gemiddelde commitment tussen de teams?
Voorbeeld: stel we hebben data verzameld met meting van organizational commitment bij drie
teams. Er zijn hier twee mogelijke scenario’s die kunnen ontstaan:
Bij welk van beide data-scenario zou je eerder concluderen dat er een verband bestaat tussen het
team waarin men werkt en organizational commitment? Waarschijnlijk zeg je scenario 2, omdat de
data veel dichter bij elkaar ligt, wat erop kan duiden dat het team van invloed is op de commitment.
Het idee achter de variantieanalyse is het volgende: indien er twee of meer groepen zijn, kunnen we
dan een uitspraak doen over mogelijke (significante) verschillen tussen de gemiddelden van de
groepen?
Fundamenteel principe: ANOVA analyseert de verhouding van de twee componenten van totale
varia(n)tie in de data. Deze componenten zijn:
• Tussengroepvariantie: informatie over variantie in gemiddelde score tussen groepen
• Binnengroepvariantie: informatie over variantie van scores binnen groepen
4
