Deel 2: kwantitatieve data-
analyse
Inleiding: soorten statistiek
Beschrijvende statistiek
= deductieve statistiek
- Deductie = van iets algemeen naar iets specifiek
- Baseren op de data die we gekregen hebben van de steekproef
Doel: data- of gegevensreductie op steekproef Niveau
Hoe: presenteren van gegevens op een overzichtelijke, inzichtelijke manier
- Tabellen, figuren en grafieken
- Percentages of gemiddelden
Het weergeven van het verband tussen twee (of meer) kenmerken --> correlatie
- Bijvoorbeeld: lengte en gewicht
- Bijvoorbeeld: seksuele activiteit en partijvoorkeur
Toetsende statistiek
= inductieve of interferentiële statistiek
Doel: generaliseren van de verzamelende informatie naar een groter geheel (steekproef --> populatie)
Hoe: kansberekening
- Hoe groot is de kans dat onze conclusies over een bepaalde populatie op grond van een
steekproef onjuist zijn
Bijvoorbeeld: hoe zou de Vlaamse bevolking reageren op de aanstelling van een vrouw als minister-
president van de Vlaamse regering
Beschrijvende statistiek Toetsende statistiek
Louter uitspraken over de steekproef Analyses van de steekproef om uitspraken over
de populatie te doen
Bijvoorbeeld: 74% van de ondervraagde D.w.z. Kansberekening: kans bepalen dat het
personen vindt een vrouw niet even bekwaam als toeval speelde in die steekproef en dat we ons
een man om vergissen als we besluiten dat 74% van de hele
minister-president te zijn, waarvan x aantal populatie het niet eens is met de voorgelegde
mannen, en y aantal vrouwen, woonachtig te, … stelling (= kans op toeval bepalen).
,H1: Voorbereiding op de kwantitatieve data-analyse
Eenheden en variabelen
Eenheden = de basisobjecten (personen, bedrijven, auto’s) waarover je een uitspraak wil doen
- Bijvoorbeeld: intelligentie, aantal werknemers, remafstand
Variabele = zaken die kunnen veranderen tussen of binnen personen
Bij een onderzoek meten we voor elke eenheid de waarde van elke variabele die belangrijk is voor
onze onderzoeksvraag
- Onderzoekseenheid --> variabele --> waarde op die variabele
Soorten variabelen naargelang de waarde erop
Categorische of kwalitatieve variabele
- Kan niet in een getal worden uitgedrukt, het betreft categorieën
o Bijvoorbeeld: geslacht, bloedgroep
Numerieke of kwantitatieve variabelen
- Drukken een hoeveelheid uit en worden verkregen door tellen, meten, wegen, …
o Bijvoorbeeld: leeftijd, gewicht, aantal personen dat dagelijks een kruispunt oversteekt
▪ Continue variabelen: alle mogelijke waarden tussen bepaalde grenzen (ook
komma getallen en breuken)
▪ Discrete variabelen: alleen hele waarden
Opgelet! Sommige variabelen kunnen op verschillende geoperationaliseerd worden en daardoor een
ander soort variabele worden
- Bijvoorbeeld: gewicht: slank – dik (categorisch)
- Bijvoorbeeld: gewicht: 64 kg (numeriek)
Soorten variabelen naargelang het meetniveau
Het meetniveau wordt bepaald door de soort waarde en dus ook van de operationalisatie
- Het meetniveau is richtgevend voor het soort analyses
o Het geeft aan welke analyses je met die variabelen kunt doen
▪ Bijvoorbeeld: geslacht uitdrukken als man = 1, vrouw= 2
Nominaal: klassen (er zit geen logische volgorde tussen de verschillende waarden)
- Bijvoorbeeld: land waarin je woont, bloedgroep
Ordinaal: verschillende waarden wel kunnen ordenen
- Bijvoorbeeld: klasse van mensen met geen verstandelijke beperking, klasse met wel
verstandelijke beperking
o Bijvoorbeeld: de kleuren op de skipiste
Interval: verschillen tussen de verschillende waarden allemaal hetzelfde
, - Bijvoorbeeld: graden Celsius (0 graden Celsius is wel een temperatuur)
o Kom je in de praktijk niet zo vaak tegen
Ratio: er is een vast nul punt
- Een gewicht van 0 is geen gewicht, Een lengte van 0 is geen lengte
Meetniveau Classificatie Ordening Vaste Absoluut nulpunt
meeteenheid
Nominaal Ja Neen Neen Neen
Ordinaal Ja Ja Neen Neen
Interval Ja Ja Ja Neen
Ratio Ja Ja Ja Ja
Likertschaal en hun meetniveau (ordinaal niveau)
Om moeilijk kwantificeerbare gegevens toch te kunnen meten en behandelen op een voldoende hoog
meetniveau
- Bijvoorbeeld: de liefde voor statistiek
Uitspraken die gradueel van elkaar verschillen en waaraan een getalwaarde wordt gekoppeld
Datamatrix
Stap 1: data invoeren
- De ruwe gegevens worden in een datamatrix geplaatst om ermee aan de slag te kunnen
o Rijen: eenheden
o Kolommen: kenmerken of variabelen
- Geef numerieke codes aan de antwoordmogelijkheden per variabele
- Ontbrekende gegevens: cel leeglaten
o Multiple response item
▪ Dat is een multiple choice-vraag waarop meerdere antwoorden mogen gegeven
worden
Stap 2: data- preparatie
- Controleer je datafile op fout ingetikte gegevens (onmogelijke waarden)
- Keer eventuele reversed items om
o Score 1 --> 4
o Score 2 --> 3
o Score 3 --> 2
o Score 4 --> 1
- Maak schaalscores aan
- Voorbeelditems van een schaal
o Ik hou van statistiek
o Als ik denk aan statistiek, dan begin ik te walgen (reversed item)
o Ik ben dol op statistiek
o Ik krijg nachtmerries van statistiek (reversed item)
analyse
Inleiding: soorten statistiek
Beschrijvende statistiek
= deductieve statistiek
- Deductie = van iets algemeen naar iets specifiek
- Baseren op de data die we gekregen hebben van de steekproef
Doel: data- of gegevensreductie op steekproef Niveau
Hoe: presenteren van gegevens op een overzichtelijke, inzichtelijke manier
- Tabellen, figuren en grafieken
- Percentages of gemiddelden
Het weergeven van het verband tussen twee (of meer) kenmerken --> correlatie
- Bijvoorbeeld: lengte en gewicht
- Bijvoorbeeld: seksuele activiteit en partijvoorkeur
Toetsende statistiek
= inductieve of interferentiële statistiek
Doel: generaliseren van de verzamelende informatie naar een groter geheel (steekproef --> populatie)
Hoe: kansberekening
- Hoe groot is de kans dat onze conclusies over een bepaalde populatie op grond van een
steekproef onjuist zijn
Bijvoorbeeld: hoe zou de Vlaamse bevolking reageren op de aanstelling van een vrouw als minister-
president van de Vlaamse regering
Beschrijvende statistiek Toetsende statistiek
Louter uitspraken over de steekproef Analyses van de steekproef om uitspraken over
de populatie te doen
Bijvoorbeeld: 74% van de ondervraagde D.w.z. Kansberekening: kans bepalen dat het
personen vindt een vrouw niet even bekwaam als toeval speelde in die steekproef en dat we ons
een man om vergissen als we besluiten dat 74% van de hele
minister-president te zijn, waarvan x aantal populatie het niet eens is met de voorgelegde
mannen, en y aantal vrouwen, woonachtig te, … stelling (= kans op toeval bepalen).
,H1: Voorbereiding op de kwantitatieve data-analyse
Eenheden en variabelen
Eenheden = de basisobjecten (personen, bedrijven, auto’s) waarover je een uitspraak wil doen
- Bijvoorbeeld: intelligentie, aantal werknemers, remafstand
Variabele = zaken die kunnen veranderen tussen of binnen personen
Bij een onderzoek meten we voor elke eenheid de waarde van elke variabele die belangrijk is voor
onze onderzoeksvraag
- Onderzoekseenheid --> variabele --> waarde op die variabele
Soorten variabelen naargelang de waarde erop
Categorische of kwalitatieve variabele
- Kan niet in een getal worden uitgedrukt, het betreft categorieën
o Bijvoorbeeld: geslacht, bloedgroep
Numerieke of kwantitatieve variabelen
- Drukken een hoeveelheid uit en worden verkregen door tellen, meten, wegen, …
o Bijvoorbeeld: leeftijd, gewicht, aantal personen dat dagelijks een kruispunt oversteekt
▪ Continue variabelen: alle mogelijke waarden tussen bepaalde grenzen (ook
komma getallen en breuken)
▪ Discrete variabelen: alleen hele waarden
Opgelet! Sommige variabelen kunnen op verschillende geoperationaliseerd worden en daardoor een
ander soort variabele worden
- Bijvoorbeeld: gewicht: slank – dik (categorisch)
- Bijvoorbeeld: gewicht: 64 kg (numeriek)
Soorten variabelen naargelang het meetniveau
Het meetniveau wordt bepaald door de soort waarde en dus ook van de operationalisatie
- Het meetniveau is richtgevend voor het soort analyses
o Het geeft aan welke analyses je met die variabelen kunt doen
▪ Bijvoorbeeld: geslacht uitdrukken als man = 1, vrouw= 2
Nominaal: klassen (er zit geen logische volgorde tussen de verschillende waarden)
- Bijvoorbeeld: land waarin je woont, bloedgroep
Ordinaal: verschillende waarden wel kunnen ordenen
- Bijvoorbeeld: klasse van mensen met geen verstandelijke beperking, klasse met wel
verstandelijke beperking
o Bijvoorbeeld: de kleuren op de skipiste
Interval: verschillen tussen de verschillende waarden allemaal hetzelfde
, - Bijvoorbeeld: graden Celsius (0 graden Celsius is wel een temperatuur)
o Kom je in de praktijk niet zo vaak tegen
Ratio: er is een vast nul punt
- Een gewicht van 0 is geen gewicht, Een lengte van 0 is geen lengte
Meetniveau Classificatie Ordening Vaste Absoluut nulpunt
meeteenheid
Nominaal Ja Neen Neen Neen
Ordinaal Ja Ja Neen Neen
Interval Ja Ja Ja Neen
Ratio Ja Ja Ja Ja
Likertschaal en hun meetniveau (ordinaal niveau)
Om moeilijk kwantificeerbare gegevens toch te kunnen meten en behandelen op een voldoende hoog
meetniveau
- Bijvoorbeeld: de liefde voor statistiek
Uitspraken die gradueel van elkaar verschillen en waaraan een getalwaarde wordt gekoppeld
Datamatrix
Stap 1: data invoeren
- De ruwe gegevens worden in een datamatrix geplaatst om ermee aan de slag te kunnen
o Rijen: eenheden
o Kolommen: kenmerken of variabelen
- Geef numerieke codes aan de antwoordmogelijkheden per variabele
- Ontbrekende gegevens: cel leeglaten
o Multiple response item
▪ Dat is een multiple choice-vraag waarop meerdere antwoorden mogen gegeven
worden
Stap 2: data- preparatie
- Controleer je datafile op fout ingetikte gegevens (onmogelijke waarden)
- Keer eventuele reversed items om
o Score 1 --> 4
o Score 2 --> 3
o Score 3 --> 2
o Score 4 --> 1
- Maak schaalscores aan
- Voorbeelditems van een schaal
o Ik hou van statistiek
o Als ik denk aan statistiek, dan begin ik te walgen (reversed item)
o Ik ben dol op statistiek
o Ik krijg nachtmerries van statistiek (reversed item)
