Samenvatting Kwantitatieve Onderzoeksmethodologie (MAN-BRPA247)

Hoorcollege 1 – Gegevensverzameling
Meetniveaus:
 Categorisch:
 Dichotoom: variabele met twee opties (e.g. ja of nee)
 Nominaal: de variabele bestaat uit verschillende waarden waar geen verschil zit
tussen beide. Er zijn dus verschillende categorieën aan te duiden, maar er zijn geen
verschillen tussen deze categorieën (e.g. geslacht, provincie waar je woont).
 Ordinaal: de variabele bestaat uit verschillende waarden waar wel verschil zit tussen
beide. Er zijn verschillende categorieën aan te duiden, waar verschillen zitten tussen
beide, maar niet goed aan te duiden (e.g. inkomensgroepen, goud/zilver/brons).
 Metrisch:
 Interval: de variabele bestaat verschillende waarden waar wel verschil zit tussen de
waarden. Het verschil tussen de waarden is duidelijk aan te geven. Zonder nulpunt.
(e.g. temperatuur, IQ).
 Ratio: de variabele bestaat uit verschillende waarden waar wel verschil zit tussen de
waarden. Het verschil is duidelijk aan te geven en er is een nulpunt (e.g. percentages,
gewicht in kilo’s).

Stephen Toulmins argumentatiemodel:
 Conclusie: keuze/besluit/opvatting.
 Gegevens: informatie, i.e. statistische resultaten, type onderzoeksvraag, meetniveaus,
resultaten uit eerder onderzoek.
 Rechtvaardiging: regels, principes.




Kwaliteit onderzoek: drie aspecten
 Validiteit: de mate waarin de gemeten kenmerken daadwerkelijk de kenmerken zijn van de
onderzochte objecten (systematische of random error).
 Betrouwbaarheid: de mate waarin de metingen van de kenmerken dezelfde resultaten
oplevert als het onderzoek onder dezelfde omstandigheden zou worden herhaald.
 Bruikbaarheid: de mate waarin de onderzoeksresultaten goed aansluiten bij het probleem
van de opdrachtgever, ofwel die daadwerkelijk kunnen bijdragen aan de oplossing van een
praktijkprobleem.

Kwantitatieve data
 Onderzoeksstrategieën:
o Survey.
o Experiment.
 Dataverzameling:
o Vragenlijsten.
o Observaties.
o Inhoudsanalyse.
 Data:
o Primair: specifiek voor het onderzoek zelf.
o Secundair: verzameld voor een ander doel.

,Vraagtypen:
 Open / gesloten vragen.
 Single/multiple respons.
 Dichotome vragen (Ja/Nee).
 Schaal items (bijvoorbeeld Likertschaal).




Vragenlijst: formulering van de vragen:
 Gebruik gewone woorden.
 Gebruik eenduidige woorden.
 Vermijd impliciete veronderstellingen.
 Vermijd generalisaties en schattingen.
 Gebruik positieve en negatieve stellingen.
Steekproeven;
 begrippen:
 Populatie – e.g. alle studenten in NL.
 Operationele populatie – e.g. alle studenten in Nijmegen en Utrecht.
 Steefproefkader – e.g. studentenadministraties.
 Steekproef – e.g. 600 getrokken studenten.
 Gerealiseerde steekproef – e.g. 500 overgebleven van deze studenten.
 Technieken:
 Op toevalsbasis (aselect) – representativiteit mag worden verondersteld;
kanssteekproeven.
 Niet op toevalsbasis – representativiteit mag niet worden verondersteld; niet-
kanssteekproeven.

Toets op representativiteit:
 Representativiteit: mate waarin de steekproef op relevante kenmerken een goede
afspiegeling vormt van de populatie.




Chi-kwadraat toets (X2)

,Niet te snel besluiten dat de steekproef onterecht goedgekeurd wordt.
Data cleaning / data preparatie
 Checken of alle gegevens in de datamatrix kloppen.
 Codes – opstellen van codes voor de data.
 Rountings – kijken of er routes in de data zitten en deze zo opstellen; zoals antwoord
op de vraag 2 is dit antwoord nee ga door naar vraag 20 (zoals foto hierbeneden).
 Response set – checken of mensen op de automatische piloot antwoorden en dus
‘verkeerde’ antwoorden hebben gegeven, dus zomaar iets ingevuld waar je niks aan
hebt.
 Missing data analyse
 Bv. studie naar de invloed van de corporate strategy op de reputatie van het bedrijf
waarbij van “all fortune 500 bedrijven” blijven er 178 over, 64% ontbreekt.




Missing data  ontbreken dus scores op variabelen. Problemen:
 Aantal respondenten bij analyses (power).
 Type respondenten bij analyses (validiteit).

, Stappen bij missing data:
1. Type missing data vaststellen;
2. Omvang van de missing data vaststellen;
3. Nagaan of de missing data random zijn;
4. Substitutiemethode kiezen en uitvoeren

Stap 1: type missing data vaststellen:
 Negeerbaar:
o Non-respons / steekproef.
o Routings.
o Censored (gecontroleerd) data / ontwerp.
 Niet negeerbaar:
o Geen antwoorden.
o Missing categorieën.
 Oorzaken niet negeerbare missings
 Vraagstelling
 Interviewer
 Routings
 Invoer

Stap 2: Omvang van de missing data vaststellen:
 Hoeveel respondenten blijven erover voor de analyse van de data?
 Criterium:
o Indien percentage missing data <10%, dan mag het genegeerd worden.
o Mits missing data ‘Missing Completely at Random’ zijn.
o Blijf kritisch.
Stap 3: Nagaan of de missing data random zijn
 Missing completely at random = MCAR
o De ontbrekende score patronen komen volledig door toeval tot stond.
 Missing at random = MAR
o De kans dat de waarde van een variabele ontbreekt, is deels afhankelijk van andere
geobserveerde data, maar is niet afhankelijk van een van de andere waarden die
ontbrekend zijn.
 Indicaties:
o Specifieke vragen.
o Specifieke combinaties van vragen.
o Specifieke onderdelen vragenlijst.
o Specifieke groepen.