Het best verkochte boek ooit (met deze titel)- Sanne Blauw
Voorwoord en inleiding
Cijfers zijn belangrijk, maar nooit objectief. Dat begint al met het meten, wat meet je en hoe
doe je dat is een subjectieve beslissing. Ze zijn dus sterk verbonden met de onderzoeker.
Cijfers draaien niet alleen om statistiek, maar dus ook om psychologie. Mensen worden
beïnvloed door cijfers.
Hoofdstuk 2
In 1994 publiceerden politicoloog Murray en psycholoog Herrnstein The Bell Curve, waarin
ze stelden dat zwarte Amerikanen gemiddeld een lager IQ hadden dan witte Amerikanen en
opperden dat vrouwen met een lage intelligentie moesten worden ontmoedigd om zich voort
te planten. Intelligentie cijfers werden gebruikt om verregaande sterilisatie wetten te
rechtvaardigen. Echter was de geënquêteerde groep was niet representatief, sommige
spraken amper Engels of konden niet lezen en schrijven. Ook was er grote tijdsdruk.
Verder was de conclusie een gemiddelde, dit zegt weinig over het individu. Dan nog de
vraag wat definieert men als ‘zwart’ en ‘wit’? Uitschieters in metingen hebben grote invloed
op het gemiddelde.
De vijf subjectieve keuzes
1. De intelligentietest is een abstract concept bedacht door mensen. Een concept dat
men is gaan meten.
2. Er wordt gemeten wat de maker belangrijk vindt.
3. Je telt alleen met meetbare dingen. Dingen die niet meetbaar zijn laat je dus
achterwege. Met als gevolg dat een IQ-test indirect meet wat intelligentie is. Het
resultaat is dus een proxy, een benadering.
4. Wat je meet wordt uiteindelijk één getal. Dit betekend dat we altijd iets weglaten. Ook
speelt veroudering van resultaten vaak een rol aangezien alles zo snel veranderd.
5. Wat je meet is wat je erin wilt zien. Er is een hoop dat cijfers niet zeggen.
Standaardiseren, verzamelen en analyseren zijn de belangrijke ontwikkelingen voor het
veelgebruikte gebruik van cijfers. We meten niet alleen wat we belangrijk vinden, maar dit
werkt ook andersom: wat we meten wordt belangrijk.
, Hoofdstuk 4
Liegen met statistiek
Darell Huff schrijft over een klassieke fout: het door elkaar halen van correlatie en causaliteit.
De vergissing dat, omdat er een verband bestaat tussen twee dingen, het een het ander ook
automatisch versterkt.
Drie soorten kul causaliteit
1. Als je maar lang genoeg zoekt, kom je altijd wel een verband tegen. Ook Publication
bias speelt hierin een rol, veel studies met nulresultaten blijven in de la liggen,
waardoor de wetenschappelijke literatuur een vertekend beeld geeft.
P-waarde: meet of het resultaat door toeval kon zijn ontstaan. Ronald Fisher zorgde
ervoor dat in de 20e eeuw de p-waarde dé methode werd om te meten of een
verband significant is.
Men focuste zich volledig op de p-waarde. Voor wetenschappelijke tijdschriften gold
publish or perish. Daarom ging met opzoek naar p-waarden die maar laag genoeg
waren, p-hacking.
Lange tijd was er in veel sociale wetenschappen een monomane focus op de
p-waarde. Wetenschappelijke tijdschriften publiceerden het liefst alleen significante
resultaten en voor veel onderzoekers geldt publish or perish- je moet genoeg
publiceren, anders lig je eruit. Daarom gingen ze verwoed op zoek naar p-waarden
die maar laag genoeg waren. Dit wordt p-hacking genoemd.
2. Er ontbreekt een factor die zowel oorzaak als gevolg beïnvloedt.
3. Er is sprake van een omgekeerd verband. Oorzaak en gevolg zijn niet altijd even
duidelijk.
Voorwoord en inleiding
Cijfers zijn belangrijk, maar nooit objectief. Dat begint al met het meten, wat meet je en hoe
doe je dat is een subjectieve beslissing. Ze zijn dus sterk verbonden met de onderzoeker.
Cijfers draaien niet alleen om statistiek, maar dus ook om psychologie. Mensen worden
beïnvloed door cijfers.
Hoofdstuk 2
In 1994 publiceerden politicoloog Murray en psycholoog Herrnstein The Bell Curve, waarin
ze stelden dat zwarte Amerikanen gemiddeld een lager IQ hadden dan witte Amerikanen en
opperden dat vrouwen met een lage intelligentie moesten worden ontmoedigd om zich voort
te planten. Intelligentie cijfers werden gebruikt om verregaande sterilisatie wetten te
rechtvaardigen. Echter was de geënquêteerde groep was niet representatief, sommige
spraken amper Engels of konden niet lezen en schrijven. Ook was er grote tijdsdruk.
Verder was de conclusie een gemiddelde, dit zegt weinig over het individu. Dan nog de
vraag wat definieert men als ‘zwart’ en ‘wit’? Uitschieters in metingen hebben grote invloed
op het gemiddelde.
De vijf subjectieve keuzes
1. De intelligentietest is een abstract concept bedacht door mensen. Een concept dat
men is gaan meten.
2. Er wordt gemeten wat de maker belangrijk vindt.
3. Je telt alleen met meetbare dingen. Dingen die niet meetbaar zijn laat je dus
achterwege. Met als gevolg dat een IQ-test indirect meet wat intelligentie is. Het
resultaat is dus een proxy, een benadering.
4. Wat je meet wordt uiteindelijk één getal. Dit betekend dat we altijd iets weglaten. Ook
speelt veroudering van resultaten vaak een rol aangezien alles zo snel veranderd.
5. Wat je meet is wat je erin wilt zien. Er is een hoop dat cijfers niet zeggen.
Standaardiseren, verzamelen en analyseren zijn de belangrijke ontwikkelingen voor het
veelgebruikte gebruik van cijfers. We meten niet alleen wat we belangrijk vinden, maar dit
werkt ook andersom: wat we meten wordt belangrijk.
, Hoofdstuk 4
Liegen met statistiek
Darell Huff schrijft over een klassieke fout: het door elkaar halen van correlatie en causaliteit.
De vergissing dat, omdat er een verband bestaat tussen twee dingen, het een het ander ook
automatisch versterkt.
Drie soorten kul causaliteit
1. Als je maar lang genoeg zoekt, kom je altijd wel een verband tegen. Ook Publication
bias speelt hierin een rol, veel studies met nulresultaten blijven in de la liggen,
waardoor de wetenschappelijke literatuur een vertekend beeld geeft.
P-waarde: meet of het resultaat door toeval kon zijn ontstaan. Ronald Fisher zorgde
ervoor dat in de 20e eeuw de p-waarde dé methode werd om te meten of een
verband significant is.
Men focuste zich volledig op de p-waarde. Voor wetenschappelijke tijdschriften gold
publish or perish. Daarom ging met opzoek naar p-waarden die maar laag genoeg
waren, p-hacking.
Lange tijd was er in veel sociale wetenschappen een monomane focus op de
p-waarde. Wetenschappelijke tijdschriften publiceerden het liefst alleen significante
resultaten en voor veel onderzoekers geldt publish or perish- je moet genoeg
publiceren, anders lig je eruit. Daarom gingen ze verwoed op zoek naar p-waarden
die maar laag genoeg waren. Dit wordt p-hacking genoemd.
2. Er ontbreekt een factor die zowel oorzaak als gevolg beïnvloedt.
3. Er is sprake van een omgekeerd verband. Oorzaak en gevolg zijn niet altijd even
duidelijk.
