Onderzoeksmethodologie in de revalidatiewetenschappen
Prof. Dr. Eva D'hondt en Prof. Dr. David Bekwee
HOOFDSTUK 2 : SAMPLING
Sampling = steekproeftrekking
1. Populatie VS steekproef
– Doel van elk onderzoek : iets te weten komen over populatie.
– Populatie : mensen, plaatsen, organisaties, objecten, dieren, dagen..
– Populatie bepalen waaruit steekproef moet getrokken worden
→ Inclusiecriteria (een criterium die je moet hebben om te mogen deelenemen) en exclusiecriteria (kenmerken die
ze niet mogen hebben) bepalen.
– Doelpopulatie is niet gelijk aan bereikbare populatie
– Populatie parameter schatten op basis van steekproef karakteristieken
2. Grootte van de steekproef
Hoe groter, hoe representatiever
– Bedoeling om resultaten van steekproef te veralgemenen naar populatie
– Steekproef dient representatief te zijn voor populatie (anders heb je te maken met een 'biased sample')
– Hoe representatiever en groter de steekproef, hoe beter de steekproef een schatter is van de populatie parameter
→ representativiteit belangrijker dan steekproefgrootte !
→ Absolute steekproefgrootte is belangrijk, niet het percentage van de totale populatie.
Het is niet omdat de populatie groot is, dat de steekproef ook groot moet zijn !
– Steekproefgrootte berekenen op basis van power analyses :
→ Hoe groot moet de steekproef minmaal zijn om met voldoende zekerheid (bewijskracht of power) iets te
kunnen aantonen?
– Waarop is dergelijke power analyse gebaseerd?
– Bij keuze steekproefgrootte, volgende zaken afwegen :
1. Grootte van effect / verschil dat je wil aantonen / verwacht (effect size, standard deviation)
Hoe groot je het verschil verwacht → niet te veel pp nodig
2. Gewenste precisie (alpha signifcantie niveau)
Hoe sterk wil je iets aantonen, hoe strenger hoe meer
3. Nauwkeurigheid van metingen (labo-onderzoek minder PP nodig dan veldonderzoek)
Hoe nauwkeuriger, hoe minder personen
4. Analyses voor de totale groep of voor verschillende subgroepen
Vb : verschil tussen man en vrouw in je onderzoek → # PA = per subgroep dus niet totale groep
5. Rekening houden met mogeljke drop-out : oversampling
Beter te veel mensen bevragen
6. (Kosten en beschikbare tijd)
, 3. Sampling strategieën
Verschillende methoden om steekproef te trekken (=sampling)
• Simple random sampling → AT RANDOM
– Iedereen heeft evenveel kans om geselecteerd te worden
– Eens een persoon geselecteerd, kan hij/zij niet meer uitgesloten worden
– Systematic (random) sampling :
Obv lijst : 1e persoon at random en dan telkens k-de persoon
– Voordeel : alle statistische technieken mogelijk, meest ideaal
– Nadeel : praktisch soms heel moeilijk uit te voeren, want er is een populatielijst nodig !
• Gestratifceerde random sampling → AT RANDOM
– Eerst populatie in strata of subgroepen verdelen (vb : studentenVUB volgens studierichting)
– Binnen elke subgroep simple random sampling
– Best proportionele groepen
– Voordelen :
– Voldoende vertegenwoordiging van essentiële subgroepen (meer kans op representativiteit dan simple
random sapling)
– Voldoende willekeurig (random)
– Nadelen :
– Populatielijst (met details over subgroepen nodig)
– Soms onvoldoende info om subgroepen te kunne maken
– Soms geen info over grootte subgroepen
• Cluster (random) sampling → AT RANDOM
– Random selectie van een aantal clusters (ipv personen)
– Random selectie van personen binnen een cluster of alle personen binnen een cluster selecteren (vb : scholen,
bedrijven, ziekenhuizen.. als clusters)
– Voordelen :
– Gebundelde dataverzameling (praktisch)
– Geen populatielijst nodig, enkel lijst van clusters
– Ook random selectie binnen clusters mogelijk
– Nadelen :
– Minder variatie binnen 1 cluster, minder goede schatting van populatie parameters
– Kans op geringere representativiteit
– Beter groot # kleine clusters, dan klein # grote clusters
Voorbeeld : als je alle lln in Vlaanderen onderscheid → moeilijk lijst van alle lln → lijst van alle scholen !
Gestratifceerde cluster (random) sampling : data maken op basis van kenmerken van cluster.
Prof. Dr. Eva D'hondt en Prof. Dr. David Bekwee
HOOFDSTUK 2 : SAMPLING
Sampling = steekproeftrekking
1. Populatie VS steekproef
– Doel van elk onderzoek : iets te weten komen over populatie.
– Populatie : mensen, plaatsen, organisaties, objecten, dieren, dagen..
– Populatie bepalen waaruit steekproef moet getrokken worden
→ Inclusiecriteria (een criterium die je moet hebben om te mogen deelenemen) en exclusiecriteria (kenmerken die
ze niet mogen hebben) bepalen.
– Doelpopulatie is niet gelijk aan bereikbare populatie
– Populatie parameter schatten op basis van steekproef karakteristieken
2. Grootte van de steekproef
Hoe groter, hoe representatiever
– Bedoeling om resultaten van steekproef te veralgemenen naar populatie
– Steekproef dient representatief te zijn voor populatie (anders heb je te maken met een 'biased sample')
– Hoe representatiever en groter de steekproef, hoe beter de steekproef een schatter is van de populatie parameter
→ representativiteit belangrijker dan steekproefgrootte !
→ Absolute steekproefgrootte is belangrijk, niet het percentage van de totale populatie.
Het is niet omdat de populatie groot is, dat de steekproef ook groot moet zijn !
– Steekproefgrootte berekenen op basis van power analyses :
→ Hoe groot moet de steekproef minmaal zijn om met voldoende zekerheid (bewijskracht of power) iets te
kunnen aantonen?
– Waarop is dergelijke power analyse gebaseerd?
– Bij keuze steekproefgrootte, volgende zaken afwegen :
1. Grootte van effect / verschil dat je wil aantonen / verwacht (effect size, standard deviation)
Hoe groot je het verschil verwacht → niet te veel pp nodig
2. Gewenste precisie (alpha signifcantie niveau)
Hoe sterk wil je iets aantonen, hoe strenger hoe meer
3. Nauwkeurigheid van metingen (labo-onderzoek minder PP nodig dan veldonderzoek)
Hoe nauwkeuriger, hoe minder personen
4. Analyses voor de totale groep of voor verschillende subgroepen
Vb : verschil tussen man en vrouw in je onderzoek → # PA = per subgroep dus niet totale groep
5. Rekening houden met mogeljke drop-out : oversampling
Beter te veel mensen bevragen
6. (Kosten en beschikbare tijd)
, 3. Sampling strategieën
Verschillende methoden om steekproef te trekken (=sampling)
• Simple random sampling → AT RANDOM
– Iedereen heeft evenveel kans om geselecteerd te worden
– Eens een persoon geselecteerd, kan hij/zij niet meer uitgesloten worden
– Systematic (random) sampling :
Obv lijst : 1e persoon at random en dan telkens k-de persoon
– Voordeel : alle statistische technieken mogelijk, meest ideaal
– Nadeel : praktisch soms heel moeilijk uit te voeren, want er is een populatielijst nodig !
• Gestratifceerde random sampling → AT RANDOM
– Eerst populatie in strata of subgroepen verdelen (vb : studentenVUB volgens studierichting)
– Binnen elke subgroep simple random sampling
– Best proportionele groepen
– Voordelen :
– Voldoende vertegenwoordiging van essentiële subgroepen (meer kans op representativiteit dan simple
random sapling)
– Voldoende willekeurig (random)
– Nadelen :
– Populatielijst (met details over subgroepen nodig)
– Soms onvoldoende info om subgroepen te kunne maken
– Soms geen info over grootte subgroepen
• Cluster (random) sampling → AT RANDOM
– Random selectie van een aantal clusters (ipv personen)
– Random selectie van personen binnen een cluster of alle personen binnen een cluster selecteren (vb : scholen,
bedrijven, ziekenhuizen.. als clusters)
– Voordelen :
– Gebundelde dataverzameling (praktisch)
– Geen populatielijst nodig, enkel lijst van clusters
– Ook random selectie binnen clusters mogelijk
– Nadelen :
– Minder variatie binnen 1 cluster, minder goede schatting van populatie parameters
– Kans op geringere representativiteit
– Beter groot # kleine clusters, dan klein # grote clusters
Voorbeeld : als je alle lln in Vlaanderen onderscheid → moeilijk lijst van alle lln → lijst van alle scholen !
Gestratifceerde cluster (random) sampling : data maken op basis van kenmerken van cluster.
