Correlationeel onderzoek
Kenmerken correlationeel onderzoek
Gaat over de relatie tussen twee eigenschappen:
o VB: hangt lengte van verblijf in een AZC samen met de kans op een
verblijfsvergunning?
Belangrijke kenmerken:
o Meestal deductief
o Rol van literatuuronderzoek is heel groot
o Hypotheses opstellen
o Eerst alle data verzamelen, daarna analyseren
Onderzoeksvraag PAC
Population: de groep die je wil onderzoeken
Association: verband/relatie; de onderzoeker geeft aan welke relatie verwacht wordt en hoe deze
eruit ziet
VB: hoe langer vluchtelingkinderen in een AZC wonen, hoe kleiner de kans op een verblijfsvergunning
Constructs: theoretische begrippen; de kenmerken die de onderzoeker vil gaan meten en waartussen
een verband wordt verwacht
VB: lengte verblijf AZC + kans op verblijfsvergunning
We gebruiken statistische gegevens, maar ook plaatjes om de relaties inzichtelijk te maken
Samenhang kan positief (stijgend) of negatief (dalend) zijn
Correlationeel onderzoek kan nooit een causaal verband vaststellen
Soorten claims
Onderzoekers kunnen met hun onderzoek drie soorten claims doen:
1. Frequency claims: zegt iets over de frequentie van één meetbare variabele in een groep
2. Association claims: zegt iets over de relatie tussen twee variabelen. Kan positief, negatief of
nul zijn. Als je weet dat twee variabelen aan elkaar gerelateerd zijn, dan kun je de ene
gebruiken om de andere te voorspellen (dus NIET om een causaal verband aan te tonen!)
dit is waar correlationeel onderzoek over gaat
3. Causale claims: stelt dat de ene variabele veranderingen bij een andere veroorzaakt. Een
causaal verband kan alléén aangetoond worden via een experimentele studie.
Steekproef en populatie
Populatie: de complete groep mensen waarover onderzoekers informatie willen krijgen
Steekproef: een kleine groep mensen die deel is van de gehele populatie. Op basis daarvan wordt
een uitspraak over de gehele populatie gedaan. Daarom is het belangrijk dat de steekproef
representatief is: de kenmerken uit de populatie - bijvoorbeeld verdeling van leeftijd en
opleidingsniveau – komen terug in de steekproef.
In statistiek krijgen populatie en steekproef andere symbolen. Populatie krijgt Griekse letters:
μ =populatie gemiddelde
σ = populatie standaarddeviatie
Steekproef krijgt Romeinse letters:
M = steekproef gemiddelde
s = steekproef standaarddeviatie
Wat betreft steekproef en populatie zijn er twee soorten statistiek:
Beschrijvende statistiek: populatie en steekproef zijn hetzelfde (je hebt dus alle informatie)
, Inferentiële statistiek: steekproef is kleiner dan de populatie (je doet o.b.v. steekproef uitspraken
over de hele populatie)
Aselecte steekproef: Ten opzichte van selecte steekproeven geeft aselecte selectie een grotere kans
dat de steekproef representatief is voor de hele populatie. Dat is positief voor de externe validiteit.
Er zijn verschillende manieren om een aselecte steekproef uit te voeren:
1. enkelvoudig: random respondenten uitnodigen o.b.v. een lijst van elementen in de
populatie.
2. gestratificeerd: populatie opdelen in subpopulaties (strata) en daar random elementen uit
selecteren. Dit gebruik je wanneer je weet dat er verschillen zijn tussen de subpopulaites. Er
zijn twee manieren om een gestratificeerde steekproef uit te voeren
o op basis van de verhoudingen in de populatie (bijv. 40% man, 60% vrouw); of
o oversampling: je laat hele kleine strata relatief vaak terugkomen in je steekproef, om een
gedetailleerd beeld van die subpopulatie te kunnen vormen
3. systematisch: je selecteert een random startpunt en daarna selecteer je steeds met een vast
interval. Dit gebruik je als volgorde van invloed kan zijn.
4. clustersteekproef: je maakt gebruik van verschillende clusters binnen je populatie (bijv.
scholen) waarbinnen je mensen selecteert om deel te nemen aan je onderzoek. Dit heeft
vooral praktische voordelen.
5. getrapt: je voert eerst een clustersteekproef uit. Binnen elk cluster wordt vervolgens weer
een willekeurige sample getrokken. (multistage sampling)
Validiteit en betrouwbaarhdeid
Om de kwaliteit van bovengenoemde claims te onderzoeken moet je kijken naar de validiteit van de
claims.
1. Bij frequency claims kijk je naar de begripsvaliditeit (in hoeverre meet je wat je wil meten?),
de externe validiteit (in hoeverre is de claim toepasbaar op een grotere populatie?) en de
statistische validiteit (mate van fouten in de inschatting van percentages)
2. Bij association claims kijk je naar de begrips- externe en statistische validiteit. Bij de
statistische validiteit kijk je in dit geval niet alleen naar de foutmarge, maar beoordeel je ook
of de relatie tussen de twee variabelen wel of niet significant is.
3. Bij causale claims kijk je eerst of het een experimenteel onderzoek betreft. Dat is immers de
enige manier om zo’n claim te kunnen doen. Vervolgens beoordeel je de kwaliteit van dat
experiment.
Betrouwbaarheid: de mate waarin identieke metingen hetzelfde resultaat geven.
o Wordt ook wel consistentie of precisie genoemd.
o Maat voor hoe dicht de gemeten waarden bij elkaar liggen
Betrouwbaarheid meten:
1. Test-hertest betrouwbaarheid: Beoordeelt of het meetinstrument consequente scores
geeft wanneer onderzoekers het meerdere keren gebruiken
Kenmerken correlationeel onderzoek
Gaat over de relatie tussen twee eigenschappen:
o VB: hangt lengte van verblijf in een AZC samen met de kans op een
verblijfsvergunning?
Belangrijke kenmerken:
o Meestal deductief
o Rol van literatuuronderzoek is heel groot
o Hypotheses opstellen
o Eerst alle data verzamelen, daarna analyseren
Onderzoeksvraag PAC
Population: de groep die je wil onderzoeken
Association: verband/relatie; de onderzoeker geeft aan welke relatie verwacht wordt en hoe deze
eruit ziet
VB: hoe langer vluchtelingkinderen in een AZC wonen, hoe kleiner de kans op een verblijfsvergunning
Constructs: theoretische begrippen; de kenmerken die de onderzoeker vil gaan meten en waartussen
een verband wordt verwacht
VB: lengte verblijf AZC + kans op verblijfsvergunning
We gebruiken statistische gegevens, maar ook plaatjes om de relaties inzichtelijk te maken
Samenhang kan positief (stijgend) of negatief (dalend) zijn
Correlationeel onderzoek kan nooit een causaal verband vaststellen
Soorten claims
Onderzoekers kunnen met hun onderzoek drie soorten claims doen:
1. Frequency claims: zegt iets over de frequentie van één meetbare variabele in een groep
2. Association claims: zegt iets over de relatie tussen twee variabelen. Kan positief, negatief of
nul zijn. Als je weet dat twee variabelen aan elkaar gerelateerd zijn, dan kun je de ene
gebruiken om de andere te voorspellen (dus NIET om een causaal verband aan te tonen!)
dit is waar correlationeel onderzoek over gaat
3. Causale claims: stelt dat de ene variabele veranderingen bij een andere veroorzaakt. Een
causaal verband kan alléén aangetoond worden via een experimentele studie.
Steekproef en populatie
Populatie: de complete groep mensen waarover onderzoekers informatie willen krijgen
Steekproef: een kleine groep mensen die deel is van de gehele populatie. Op basis daarvan wordt
een uitspraak over de gehele populatie gedaan. Daarom is het belangrijk dat de steekproef
representatief is: de kenmerken uit de populatie - bijvoorbeeld verdeling van leeftijd en
opleidingsniveau – komen terug in de steekproef.
In statistiek krijgen populatie en steekproef andere symbolen. Populatie krijgt Griekse letters:
μ =populatie gemiddelde
σ = populatie standaarddeviatie
Steekproef krijgt Romeinse letters:
M = steekproef gemiddelde
s = steekproef standaarddeviatie
Wat betreft steekproef en populatie zijn er twee soorten statistiek:
Beschrijvende statistiek: populatie en steekproef zijn hetzelfde (je hebt dus alle informatie)
, Inferentiële statistiek: steekproef is kleiner dan de populatie (je doet o.b.v. steekproef uitspraken
over de hele populatie)
Aselecte steekproef: Ten opzichte van selecte steekproeven geeft aselecte selectie een grotere kans
dat de steekproef representatief is voor de hele populatie. Dat is positief voor de externe validiteit.
Er zijn verschillende manieren om een aselecte steekproef uit te voeren:
1. enkelvoudig: random respondenten uitnodigen o.b.v. een lijst van elementen in de
populatie.
2. gestratificeerd: populatie opdelen in subpopulaties (strata) en daar random elementen uit
selecteren. Dit gebruik je wanneer je weet dat er verschillen zijn tussen de subpopulaites. Er
zijn twee manieren om een gestratificeerde steekproef uit te voeren
o op basis van de verhoudingen in de populatie (bijv. 40% man, 60% vrouw); of
o oversampling: je laat hele kleine strata relatief vaak terugkomen in je steekproef, om een
gedetailleerd beeld van die subpopulatie te kunnen vormen
3. systematisch: je selecteert een random startpunt en daarna selecteer je steeds met een vast
interval. Dit gebruik je als volgorde van invloed kan zijn.
4. clustersteekproef: je maakt gebruik van verschillende clusters binnen je populatie (bijv.
scholen) waarbinnen je mensen selecteert om deel te nemen aan je onderzoek. Dit heeft
vooral praktische voordelen.
5. getrapt: je voert eerst een clustersteekproef uit. Binnen elk cluster wordt vervolgens weer
een willekeurige sample getrokken. (multistage sampling)
Validiteit en betrouwbaarhdeid
Om de kwaliteit van bovengenoemde claims te onderzoeken moet je kijken naar de validiteit van de
claims.
1. Bij frequency claims kijk je naar de begripsvaliditeit (in hoeverre meet je wat je wil meten?),
de externe validiteit (in hoeverre is de claim toepasbaar op een grotere populatie?) en de
statistische validiteit (mate van fouten in de inschatting van percentages)
2. Bij association claims kijk je naar de begrips- externe en statistische validiteit. Bij de
statistische validiteit kijk je in dit geval niet alleen naar de foutmarge, maar beoordeel je ook
of de relatie tussen de twee variabelen wel of niet significant is.
3. Bij causale claims kijk je eerst of het een experimenteel onderzoek betreft. Dat is immers de
enige manier om zo’n claim te kunnen doen. Vervolgens beoordeel je de kwaliteit van dat
experiment.
Betrouwbaarheid: de mate waarin identieke metingen hetzelfde resultaat geven.
o Wordt ook wel consistentie of precisie genoemd.
o Maat voor hoe dicht de gemeten waarden bij elkaar liggen
Betrouwbaarheid meten:
1. Test-hertest betrouwbaarheid: Beoordeelt of het meetinstrument consequente scores
geeft wanneer onderzoekers het meerdere keren gebruiken
