HC1: Het idee achter statistiek
- Units of analysis = datgene waarover je info verzamelt
o Kunnen individuen, bedrijven landen zijn, meestal individuen
- Variabelen = gemeten kenmerken van een unit of analysis
o De vragen in je vragenlijst worden variabelen
- Values = de scores van een unit of analysis op een variabele
o Man/vrouw, leeftijd in jaren
- Onafhankelijke variabele = vermoedelijke oorzaak (x)
o Heeft invloed op iets anders
- Afhankelijke variabele = vermoedelijk gevolg (y)
o Wordt beïnvloed door iets anders
- Per analyse vaak 2 afhankelijke, maar mogelijk meerdere onafhankelijke variabelen
o De theorie en de hoofdvraag zijn bepalend voor wat de (on)afhankelijke variabele
is
- Meetniveaus:
o Categoriaal: er zijn verschillende groepen in je meting (unit of analysis zit in maar
1 van deze groepen)
Binair: 2 groepen (vaak ja/nee)
Nominaal: > 2 groepen (meerdere antwoordopties)
Ordinaal: er zit een orde in antwoordopties (de een is hoger dan de
anderen)
o Continu
Interval: Verschillen op de schaal zijn betekenisvol
Ratio: er is een betekenisvol nulpunt
- Handigst als afhankelijke variabele scale is
- In SPSS: als 7+ variabelen dan scale, anders ordinal
,- Centrummaten:
o Mediaan: middelste score (n+1)/2
o Modus: score die het vaakst voor komt
o Gemiddelde: y=
∑ yi
n
- Spreidingsmaten:
o Range
o Standaarddeviatie: de gemiddelde afwijking tot het gemiddelde
Geeft spreiding van de data weer
Geeft een maat voor de error/afwijking in de data
Laat dus zien hoe representatief de data over het gemiddelde is
,HC2: Het idee achter statistiek 2
HYPOTHESEN TOETSEN
- Een vaag idee omzetten in iets dat je kan toetsen moet:
o Precies zijn
o Toetsbaar zijn met data
o Potentieel falsifieerbaar (goed of fout) zijn
H0 = er is geen effect
H1 = er is wel een effect
> Met statistiek toets je hoe groot de kans van H1 is
2 TYPEN HYPOTHESEN
Hypothese = idee over de populatie dat je gaat toetsen d.m.v. een steekproef om zo iets te
kunnen zeggen over de populatie
1) Verschil tussen twee of meer groepen
Vb: Gamma studenten zijn extraverter dan alfa- en bèta-studenten
2) Overeenkomsten tussen twee variabelen => krachtiger en veelzijdiger
Vb: Roken hangt samen met meer gezondheidsklachten
- Eenzijdige hypothese: je hebt een vermoeden op de richting van je verband
o Vb: Roken hangt samen met meer gezondheidsproblemen
- Tweezijdige hypothese: je hebt nog geen vermoeden over de richting van je verband
o Vb: Mannen en vrouwen verschillen wat betreft hun mening over abortus
- Significantie = hoe groot is de kans dat je een verschil vindt terwijl dat er in werkelijkheid
niet is (= p-waarde of significantie-waarde)
o Dus: hoe groot is de kans dat de H0 waar is
- Deze kans hangt af van:
o Grootte van het gevonden effect
o Aantal respondenten
o Standaarddeviatie
, - Als p-waarde < .05 dan significant
FREQUENTIETABELLEN
- Skew: symmetrie van grafiek
- Kurtosis = spitsheid/platheid van een grafiek
- Bell curve (= normaal verdeling)
- Units of analysis = datgene waarover je info verzamelt
o Kunnen individuen, bedrijven landen zijn, meestal individuen
- Variabelen = gemeten kenmerken van een unit of analysis
o De vragen in je vragenlijst worden variabelen
- Values = de scores van een unit of analysis op een variabele
o Man/vrouw, leeftijd in jaren
- Onafhankelijke variabele = vermoedelijke oorzaak (x)
o Heeft invloed op iets anders
- Afhankelijke variabele = vermoedelijk gevolg (y)
o Wordt beïnvloed door iets anders
- Per analyse vaak 2 afhankelijke, maar mogelijk meerdere onafhankelijke variabelen
o De theorie en de hoofdvraag zijn bepalend voor wat de (on)afhankelijke variabele
is
- Meetniveaus:
o Categoriaal: er zijn verschillende groepen in je meting (unit of analysis zit in maar
1 van deze groepen)
Binair: 2 groepen (vaak ja/nee)
Nominaal: > 2 groepen (meerdere antwoordopties)
Ordinaal: er zit een orde in antwoordopties (de een is hoger dan de
anderen)
o Continu
Interval: Verschillen op de schaal zijn betekenisvol
Ratio: er is een betekenisvol nulpunt
- Handigst als afhankelijke variabele scale is
- In SPSS: als 7+ variabelen dan scale, anders ordinal
,- Centrummaten:
o Mediaan: middelste score (n+1)/2
o Modus: score die het vaakst voor komt
o Gemiddelde: y=
∑ yi
n
- Spreidingsmaten:
o Range
o Standaarddeviatie: de gemiddelde afwijking tot het gemiddelde
Geeft spreiding van de data weer
Geeft een maat voor de error/afwijking in de data
Laat dus zien hoe representatief de data over het gemiddelde is
,HC2: Het idee achter statistiek 2
HYPOTHESEN TOETSEN
- Een vaag idee omzetten in iets dat je kan toetsen moet:
o Precies zijn
o Toetsbaar zijn met data
o Potentieel falsifieerbaar (goed of fout) zijn
H0 = er is geen effect
H1 = er is wel een effect
> Met statistiek toets je hoe groot de kans van H1 is
2 TYPEN HYPOTHESEN
Hypothese = idee over de populatie dat je gaat toetsen d.m.v. een steekproef om zo iets te
kunnen zeggen over de populatie
1) Verschil tussen twee of meer groepen
Vb: Gamma studenten zijn extraverter dan alfa- en bèta-studenten
2) Overeenkomsten tussen twee variabelen => krachtiger en veelzijdiger
Vb: Roken hangt samen met meer gezondheidsklachten
- Eenzijdige hypothese: je hebt een vermoeden op de richting van je verband
o Vb: Roken hangt samen met meer gezondheidsproblemen
- Tweezijdige hypothese: je hebt nog geen vermoeden over de richting van je verband
o Vb: Mannen en vrouwen verschillen wat betreft hun mening over abortus
- Significantie = hoe groot is de kans dat je een verschil vindt terwijl dat er in werkelijkheid
niet is (= p-waarde of significantie-waarde)
o Dus: hoe groot is de kans dat de H0 waar is
- Deze kans hangt af van:
o Grootte van het gevonden effect
o Aantal respondenten
o Standaarddeviatie
, - Als p-waarde < .05 dan significant
FREQUENTIETABELLEN
- Skew: symmetrie van grafiek
- Kurtosis = spitsheid/platheid van een grafiek
- Bell curve (= normaal verdeling)
