Basis van Onderzoeksmethoden & Statistiek - Experimenteel

Samenvatting BOS


Basis onderzoeksmethoden & statistiek (BOS)
EXPERIMENTEEL
Docent: Marieke den Otter

Hoorcollege 1
Even terug…
- In correlationele deel: samenhang ≠ causaliteit (dus het een is niet per sé het gevolg van het
ander)
- Maar… vaak zijn onderzoekers wel geïnteresseerd in causale verbanden:
 Begrijpen hoe de (sociale) werkelijkheid in elkaar zit
Effect van motivatie op leerprestaties
Effect van SES op toegang tot gezondheidszorg
 Beϊnvloeden van de werkelijkheid
Effect van inquiry-based learning op studiemotivatie van universitaire studenten
Effectiviteit van interventie voor het verbeteren van gezondheidsvaardigheden bij
bewoners van Overvecht

Voorwaarden causaliteit
Covariance: Er moet een relatie zijn tussen de oorzaak en het gevolg
Temporal precedence: De oorzaak moet in de tijd voorafgaan aan het gevolg
Internal validity: Alternatieve verklaringen voor de gevonden relatie moeten zijn uitgesloten

Causaliteit
- Beste manier om te kunnen voldoen aan de drie voorwaarden is middels een
gerandomiseerd experiment, onderzoeksopzet waarbij:
 door randomisatie de groepen worden ingedeeld
 de onderzoeker één variabele manipuleert (varieert)
 de onderzoeker het effect daarvan op een andere variabele meet
- Door randomisatie hebben we de grootste kans dat groepen vergelijkbaar zijn

Doel van randomisatie (=willekeurige toewijzing)
- Door gebruik te maken van randomisatie hebben we de grootste kans dat in de groepen:
 de gemiddelde scores en spreiding in scores
 op alle variabelen, zowel gemeten als ongemeten
 bij aanvang vergelijkbaar zijn




Voorbeeld: Kinderen met rekenproblemen doen mee aan een experiment.
- De ene groep krijgt een specifieke instructiemethode: Directe Instructie (experimentele
groep)
- De andere groep krijgt geen specifieke instructie (controlegroep)
Is er effect van een specifieke rekeninstructie in vergelijking met een controlegroep op de
rekenprestaties van kinderen met rekenproblemen?

1

, Samenvatting BOS


- Afhankelijke variabele is de gemeten variabele (uitkomstvariabele)  Rekenprestaties
- Onafhankelijke variabele is de gemanipuleerde variabele  Instructie (Directe instructie of
controle)
Bij regressie: X en Y variabelen zijn vaak omwisselbaar, maar bij experimenteel kan dit niet.

Experimentele onderzoeksvraag
Een onderzoeksvraag van een experimenteel onderzoek kun je herkennen aan de volgende
elementen: PICO
- Population = de groep mensen die de onderzoeker wil onderzoeken
- Intervention = de variabele die je manipuleert (onafhankelijke variabele)
- Comparison = de niveaus van de gemanipuleerde variabele (= de groepen die vergeleken
worden)
- Outcome = gemeten variabele (afhankelijke variabele)

Stappen in Null Hypothesis Significance Testing
Stap 1: toetskeuze, hypotheses bepalen en significantieniveau kiezen
Stap 2: assumpties controleren
Stap 3: toetsingsgrootheid en p-waarde bepalen
Stap 4: conclusie trekken over H0
Stap 5: inhoudelijke conclusie en effectgrootte bepalen

Stap 1 – Toetskeuze, hypothesen en 
Om een verschil tussen een experimentele en controlegroep te analyseren, gebruiken we de t-toets
voor onafhankelijke groepen
- Hypothesen:



-  =.05

Stap 3 - Beschrijvende statistieken




 In de steekproef hebben de kinderen in de Directe Instructie groep een hoger gemiddelde dan de
kinderen in de Controlegroep
 Eénzijdige toets, dus we moeten hier de richting controleren
 Significant verschil?

Steekproevenverdeling van t
 Steekproevenverdeling is gebaseerd op de nulhypothese
 Hoe dichterbij 0, hoe waarschijnlijker dat de nulhypothese klopt
 Hoe verder weg van 0, hoe waarschijnlijker dat de alternatieve hypothese klopt


Ook bij t hebben we verschillende steekproevenverdelingen
- Worden niet direct bepaald door n
- Maar worden bepaald door het aantal vrijheidsgraden (=degrees of freedom (df))

2

, Samenvatting BOS


- Bij de t –toets voor onafhankelijke groepen df = n1-1 + n2-1
- Hoe groter n, hoe groter df, hoe minder spreiding in de steekproevenverdeling

Toetsingsgrootheid t
- Bij de t-toets is de toetsingsgrootheid de t-waarde




- Standard error = standaardfout = spreiding in de steekproevenverdeling
- Wanneer we waarden van t vinden dicht bij 0, vinden we H0 het meest waarschijnlijk
- Wanneer we waarden van t vinden ver weg van 0, vinden we H1 het meest waarschijnlijk
- Om te bepalen wat ‘dicht bij 0’ en ‘ver weg van 0’ is, gebruiken we weer de p-waarde en het
significantieniveau

JASP: gratis open-source programma vergelijkbaar met SPSS

Stap 3 – toetsingsgrootheid en p-waarde




 H0 hypothese verwerpen (stap 4)

Stap 5 - Inhoudelijke conclusie
Hebben kinderen in de directe instructiegroep een hogere gemiddelde rekenscore dan kinderen in de
controlegroep?
 Ja, kinderen in de directe instructiegroep hebben een significant hogere gemiddelde
rekenscore dan kinderen in de controlegroep

Even terug naar H0 verwerpen…
- We hebben nu H0 verworpen, maar betekent dit dat H1 waar is?
- H0 verwerpen betekent dat we de alternatieve hypothese het meest waarschijnlijk vinden
- We hebben vertrouwen in onze NHST toetsprocedure, maar het kan wel dat we een fout
hebben gemaakt

Fouten
- Nulhypothese verwerpen, terwijl we dat niet zouden moeten doen
- Nulhypothese niet verwerpen, terwijl
we dat eigenlijk hadden moeten doen




3