Aantekeningen VOS
Overzicht meetniveaus
Kwalitatieve opdracht: Hoorcollege 1, 13-11-23
Kenmerken kwalitatief onderzoek:
1. Interpretatief: De betekenisgeving vanuit het perspectief van de respondenten staat
centraal en onderzoeker interpreert deze betekenissen
2. Naturalistisch: De onderzoeker is geinteresseerd in de natuurlijke omgeving van de
respondent ( niet bestuderen in een laboratorium setting)
3. Reflexief: De onderzoeker reflecteert bewust op hoe bepaalde veronderstellingen,
keuzes en de onderzoeker het onderzoek beïnvloedt
Coderen:
1. Attribute codes: vaak achtergrond of demografische informatie van de respondent
2. Index codes: Labelen grotere stukken tekst en geven brede/algemene onderwerpen
aan
3. Analytic codes: Beschrijven de betekenis van specifieke stukken tekst
- Deel komt uit literatuur
- Deel vloeit voort uit de verzamelde gegevens
Wordt gedaan in drie stappen, open, axiaal en selectief coderen -> terug kijken op
blackboard
Wat we precies moeten doen voor de opdracht staat in het KO-werkboek.
,Aantekeningen werkgroep 1
Axiaal coderen: ontdekken van thema’s binnen de al bestaande codes?
Kwantitatief, Hoorcollege 3: regressie
Basis uitleg regressie
Simpele vorm van regressie, lineaire regressie gaat over 1 voorspeller en 1 uitkomst.
Hiermee wordt gekeken hoe je de spreiding kan verklaren.
Bij multipele regressie doe je dit ook maar dan met meerdere voorspellers.
Uitleg van Scribbr:
Regressieanalyse wordt gebruikt om het effect te bepalen van een (of meerdere)
verklarende variabele(n), zoals lengte of leeftijd, op een afhankelijke variabele zoals
gewicht.
Je kunt regressieanalyse gebruiken om:
1. Samenhang tussen twee variabelen te bepalen (leeftijd en waarde van een auto)
2. Verandering van de afhankelijke variabele te voorspellen (waarde van een auto
naarmate deze ouder wordt)
3. Toekomstige waarde te voorspellen (waarde van een zes jaar oude auto)
Soms is het nodig om eerst kwalitatief onderzoek te doen voorafgaand aan kwantitatief
onderzoek zodat er duidelijk is welke factoren daadwerkelijk invloed hebben op het
onderwerp dat onderzocht moet worden. Het gaat dan om het selecteren van relevante
thema’s.
Padmodel multipele regressie
- 1 afhankele variabele (Y)
- 1 of meerdere onafhankelijke variabelen (minimaal
interval, Bij een intervalniveau is de volgorde ook van
belang en er is een gelijk verschil tussen de metingen.
Een voorbeeld hiervan is onze jaartelling,) Als X
veranderd wat gebeurt er dan met Y
- 1 of meerdere onafhankelijke variabalen (dichotoom,
met 2 mogelijkheden Voorbeeld: Je kunt met
ja of met nee antwoorden op deze dichotome
vraag.)
- E is de meetfout, aangezien je Y probeert te
voorspellen op basis van de Xjes zal dit nooit
exact goed zijn, je kan geen model maken wat
perfect op iedereen past, dit is de meetfout. Je
hebt de Etjes nodig wanneer je je
geobserveerde waarden in je model toepast.
,Doelen analyse:
- Beschrijven; lineaire relaties tussen variabelen, kan je iets voorspellen?
(regressiemodel)
- Toetsen; hypothesen over relaties, is iets relevant? (significantie)
- Kwantificeren; van relaties, hoe groot is een effect? (effectgrootte)
- Kwalificeren; van relaties (klein, middelmatig, groot)
- Beoordelen relavantie; relaties, wanneer is een effect groot genoeg om belangrijk te
zijn? (subjectief)
- Voorspellen; van iemands waarde met regressiemodel (puntschatting en
intervalschatting)
!waarschuwing! -> doe op basis van statistische samenhang geen uitspraken over
causaliteit
Vergelijking Y voor geobserveerde variabele Y
uitkomst (Y) = model (X) + voorspellingsfout (E)
Bij het voorspellen van de waarde van Y negeren we/sluiten we de voorspellingsfout uit.
Regressie vergelijking:
Y= B0 + B1X1 + … + B6X6 + E
- B0= de waarde van Y wanneer de xjes allemaal de waarde nul hebben.
- De verdere B’s staan voor het effect dat een verandering van de X heeft op de Y, als
X1 een stapje verder is wat is dan het effect daarvan op de Y
overzicht:
- Y= afhankelijke variabele (dependent)
- X= onafhankelijke variabele (predictors)
- B0= intercept (constant), ook wel a
- B1, etc= regressiecoëfficiënt (slope)
- E= voorspellingsfout (error of residual)
, Voorbeeld met stappenplan:
1. Je gaat eerst kijken naar een histogram, je wilt zien of er spreiding is, als er geen
verschil in zit hoef je namelijk niks te verklaren Daarna ook de normaal verdeling, dit
is om je aannames te toetsen (?)
2. Vervolgens kijk je naar een spreidingsdiagram, je kijkt naar de ytjes met 1 voorspeller,
je kijkt of er een associatie bij zit dit kan positief, negatief of neutraal kunnen zijn. je
moet hierbij weten wat de intercept is(B0) dit is de snijpunt met de y as. De
regressiecoëfficiënt(B1) is dan 1 stapje verder met de x. De verandering in
Ŷ(voorspelde waarde) bij toename van één eenheid in X is de b1waarde.
Bij de spreidingsdiagram wil je de best passende lijn invullen, dit is de lijn waarbij de
voorspellingsfout zo klein mogelijk is. De voorspellingsfout is E(j)= Y(j) - Ŷ(j)
De voorspellingsfout is dus de afstand tussen de geobserveerde waarde en de
voorspelde waarde. Hoe kleiner de meetfout hoe nauwkeuriger de voorspelling.
Positieve e: Boven de lijn, onderschatting door model
Negatieve e: Onder de lijn: overschatting door model
Kleinste kwadraten criterium:
3. Goodness-of-fit (R²): Mate waarin een gevonden verdeling in de steekproef
redelijkerwijs kan passen binnen een mogelijke (theoretische) populatieverdeling.
(een getal tussen de 0 en 1 dat de mate aanduidt waarin een statistisch model in staat
is een bepaalde uitkomst te voorspellen.)
Hierbij vergelijk je de ratio van het lineaire regressiemodel(regressielijn) met het
basisregressiemodel(basislijn).
Het basismodel is wat je zou hebben zonder dat je voorspellers hebt maar alleen de
uitkomst. Hiervoor pak je het gemiddelde van de groep dit is de B0.
SSt = alle residuen in het kwadraat en dan bij elkaar opgeteld
Overzicht meetniveaus
Kwalitatieve opdracht: Hoorcollege 1, 13-11-23
Kenmerken kwalitatief onderzoek:
1. Interpretatief: De betekenisgeving vanuit het perspectief van de respondenten staat
centraal en onderzoeker interpreert deze betekenissen
2. Naturalistisch: De onderzoeker is geinteresseerd in de natuurlijke omgeving van de
respondent ( niet bestuderen in een laboratorium setting)
3. Reflexief: De onderzoeker reflecteert bewust op hoe bepaalde veronderstellingen,
keuzes en de onderzoeker het onderzoek beïnvloedt
Coderen:
1. Attribute codes: vaak achtergrond of demografische informatie van de respondent
2. Index codes: Labelen grotere stukken tekst en geven brede/algemene onderwerpen
aan
3. Analytic codes: Beschrijven de betekenis van specifieke stukken tekst
- Deel komt uit literatuur
- Deel vloeit voort uit de verzamelde gegevens
Wordt gedaan in drie stappen, open, axiaal en selectief coderen -> terug kijken op
blackboard
Wat we precies moeten doen voor de opdracht staat in het KO-werkboek.
,Aantekeningen werkgroep 1
Axiaal coderen: ontdekken van thema’s binnen de al bestaande codes?
Kwantitatief, Hoorcollege 3: regressie
Basis uitleg regressie
Simpele vorm van regressie, lineaire regressie gaat over 1 voorspeller en 1 uitkomst.
Hiermee wordt gekeken hoe je de spreiding kan verklaren.
Bij multipele regressie doe je dit ook maar dan met meerdere voorspellers.
Uitleg van Scribbr:
Regressieanalyse wordt gebruikt om het effect te bepalen van een (of meerdere)
verklarende variabele(n), zoals lengte of leeftijd, op een afhankelijke variabele zoals
gewicht.
Je kunt regressieanalyse gebruiken om:
1. Samenhang tussen twee variabelen te bepalen (leeftijd en waarde van een auto)
2. Verandering van de afhankelijke variabele te voorspellen (waarde van een auto
naarmate deze ouder wordt)
3. Toekomstige waarde te voorspellen (waarde van een zes jaar oude auto)
Soms is het nodig om eerst kwalitatief onderzoek te doen voorafgaand aan kwantitatief
onderzoek zodat er duidelijk is welke factoren daadwerkelijk invloed hebben op het
onderwerp dat onderzocht moet worden. Het gaat dan om het selecteren van relevante
thema’s.
Padmodel multipele regressie
- 1 afhankele variabele (Y)
- 1 of meerdere onafhankelijke variabelen (minimaal
interval, Bij een intervalniveau is de volgorde ook van
belang en er is een gelijk verschil tussen de metingen.
Een voorbeeld hiervan is onze jaartelling,) Als X
veranderd wat gebeurt er dan met Y
- 1 of meerdere onafhankelijke variabalen (dichotoom,
met 2 mogelijkheden Voorbeeld: Je kunt met
ja of met nee antwoorden op deze dichotome
vraag.)
- E is de meetfout, aangezien je Y probeert te
voorspellen op basis van de Xjes zal dit nooit
exact goed zijn, je kan geen model maken wat
perfect op iedereen past, dit is de meetfout. Je
hebt de Etjes nodig wanneer je je
geobserveerde waarden in je model toepast.
,Doelen analyse:
- Beschrijven; lineaire relaties tussen variabelen, kan je iets voorspellen?
(regressiemodel)
- Toetsen; hypothesen over relaties, is iets relevant? (significantie)
- Kwantificeren; van relaties, hoe groot is een effect? (effectgrootte)
- Kwalificeren; van relaties (klein, middelmatig, groot)
- Beoordelen relavantie; relaties, wanneer is een effect groot genoeg om belangrijk te
zijn? (subjectief)
- Voorspellen; van iemands waarde met regressiemodel (puntschatting en
intervalschatting)
!waarschuwing! -> doe op basis van statistische samenhang geen uitspraken over
causaliteit
Vergelijking Y voor geobserveerde variabele Y
uitkomst (Y) = model (X) + voorspellingsfout (E)
Bij het voorspellen van de waarde van Y negeren we/sluiten we de voorspellingsfout uit.
Regressie vergelijking:
Y= B0 + B1X1 + … + B6X6 + E
- B0= de waarde van Y wanneer de xjes allemaal de waarde nul hebben.
- De verdere B’s staan voor het effect dat een verandering van de X heeft op de Y, als
X1 een stapje verder is wat is dan het effect daarvan op de Y
overzicht:
- Y= afhankelijke variabele (dependent)
- X= onafhankelijke variabele (predictors)
- B0= intercept (constant), ook wel a
- B1, etc= regressiecoëfficiënt (slope)
- E= voorspellingsfout (error of residual)
, Voorbeeld met stappenplan:
1. Je gaat eerst kijken naar een histogram, je wilt zien of er spreiding is, als er geen
verschil in zit hoef je namelijk niks te verklaren Daarna ook de normaal verdeling, dit
is om je aannames te toetsen (?)
2. Vervolgens kijk je naar een spreidingsdiagram, je kijkt naar de ytjes met 1 voorspeller,
je kijkt of er een associatie bij zit dit kan positief, negatief of neutraal kunnen zijn. je
moet hierbij weten wat de intercept is(B0) dit is de snijpunt met de y as. De
regressiecoëfficiënt(B1) is dan 1 stapje verder met de x. De verandering in
Ŷ(voorspelde waarde) bij toename van één eenheid in X is de b1waarde.
Bij de spreidingsdiagram wil je de best passende lijn invullen, dit is de lijn waarbij de
voorspellingsfout zo klein mogelijk is. De voorspellingsfout is E(j)= Y(j) - Ŷ(j)
De voorspellingsfout is dus de afstand tussen de geobserveerde waarde en de
voorspelde waarde. Hoe kleiner de meetfout hoe nauwkeuriger de voorspelling.
Positieve e: Boven de lijn, onderschatting door model
Negatieve e: Onder de lijn: overschatting door model
Kleinste kwadraten criterium:
3. Goodness-of-fit (R²): Mate waarin een gevonden verdeling in de steekproef
redelijkerwijs kan passen binnen een mogelijke (theoretische) populatieverdeling.
(een getal tussen de 0 en 1 dat de mate aanduidt waarin een statistisch model in staat
is een bepaalde uitkomst te voorspellen.)
Hierbij vergelijk je de ratio van het lineaire regressiemodel(regressielijn) met het
basisregressiemodel(basislijn).
Het basismodel is wat je zou hebben zonder dat je voorspellers hebt maar alleen de
uitkomst. Hiervoor pak je het gemiddelde van de groep dit is de B0.
SSt = alle residuen in het kwadraat en dan bij elkaar opgeteld
