ALLE HOORCOLLEGES METEN EN DIAGNOSTIEK 2.
Voor het tentamen van Meten en Diagnostiek 1 heb ik een 7,8 gehaald aan de hand van mijn aantekeningen. Om deze reden heb ik ook een uitgebreide samenvatting van Meten en Diagnostiek 2 gemaakt. De aantekeningen bevatten voorbeelden, afbeeldingen en grafie...
Meten en Diagnostiek 2
Hoorcollege 1
Meten in de psychologie → Het volgens regels toekennen van symbolen aan individuen zodat de symbolen
de psychologische eigenschap van het individu weergeeft.
Ik ga graag naar feestjes – Ja = 1, Nee = 0
Hierbij geef je dus een symbool aan iemand z’n score. Dit gaat aan de hand van een testprocedure.
Dit kan bijvoorbeeld een zelfrapportage vragenlijst zijn of een intelligentietest. Een test kan echter ook een
taak zijn (test met munten van Piaget).
Psychometrie → De wetenschap van de eigenschappen van psychologische tests. Meten wat deze moeten
meten (validiteit)? Wat is de kwaliteit van de testen?
Er bestaat een verschil in meting. Zo kan je bijvoorbeeld gewicht meten (iets niet-psychologisch) of
extraversie meten (iets psychologisch).
Aan beide metingen zit een procedure en een uitkomst
• Gewicht meten
o Procedure = Staan op een weegschaal.
o Uitkomst = Gewicht in Kg.
• Extraversie meten
o Procedure = Items beantwoorden en hier symbolen aan toekennen (Ja = 1, Nee = 0)
o Uitkomst = 0/1 score op de items en totaal score op de test.
Tussen deze twee uitkomsten zit dus een verschil. Bij het gewicht krijg je namelijk al de uitkomst waar je
naar op zoek was (namelijk het exacte gewicht), maar bij het meten van extraversie krijg je enkel een
totaalscore. Wat zegt deze totaalscore vervolgens?
Extraversie is namelijk een psychologische variabele en daardoor niet direct observeerbaar. Dit heet ook
wel een latente variabele of latente trekken (= niet observeerbaar).
In de psychologie heb je enkel de latenten en de meting van het observeerbaar gedrag (dus bijvoorbeeld de
totaalscore van een test). Hier wil je tussen linken.
Voor deze link heb je nodig:
• Psychologische theorie
• Causaliteit
• Statistiek
• Een grafische weergave (geeft in een pad diagram de relatie tussen observeerbare variabelen en de
latente psychologische variabelen).
De latente variabele is de variabele waar je een uitspraak over wil doen,
bijvoorbeeld depressie of angst.
De items zijn de dingen die je hebt geobserveerd, bijvoorbeeld
vragenlijsten. Dit hoeft niet persé zelfrapportage te zijn.
De error is de meetfout/ het residu. Bij het meten van bijvoorbeeld lengte,
kan er altijd een millimeter verschil in zitten. Bij psychologische metingen
is dit altijd meer. Het kan zijn dat er sprake is van een response bias,
omdat mensen een ander antwoord kunnen geven. Deze staat ook in een
cirkel, omdat dit ook niet observeerbaar is.
,De pijl geeft de richting van de causaliteit aan. De items zijn causaal afhankelijk van de latente variabele.
Theorie
Beginnen met theorie, omdat wanneer je iets wil onderzoeken, heb je als eerst een theorie nodig.
Om een theorie te kunnen vormen is het belangrijk om na te gaan wat belangrijke kenmerken van een
bepaalde stoornis zijn. Hierop kan je een stuk makkelijker je theorie op aanpassen.
Je psychologische theorie is ook het startpunt van een vragenlijst. Wanneer je bijvoorbeeld hebt nagegaan
wat de belangrijke kenmerken van ADHD zijn, kan je hier items op verzinnen.
Statistiek
In de psychometrie is statistiek nodig. Psychometrische analyses gaan altijd om analyses van individuele
verschillen in hun responses.
De individuele verschillen wil je uitwerken. Je bent bijvoorbeeld op zoek naar iemand die extravert is.
Wanneer je onder tien mensen een vragenlijst over extraversie laat invullen, kan je uiteindelijk degene
kiezen die het meest extravert is. Hiervoor gebruik je statistiek. Je moet namelijk de resultaten interpreteren.
Dit doe je bijvoorbeeld aan de hand van de variantie/ spreiding.
- Wanneer je het verschil tussen mannen en vrouwen wil weten, kijk je naar het gemiddelde.
- Wanneer je iets wil weten over een bepaalde kans op een antwoord, kijk je naar de probability.
Statistiek wordt ook gebruikt, omdat er een link moet worden gemaakt tussen de latente en geobserveerde
variabelen. Dit kan via een statistisch model:
• Lineaire regressie → y is continu verdeeld. Bijvoorbeeld een antwoordschaal van 1 tot 5.
• Logistische regressie → y is binair of dichotoom. Hierbij was er een antwoordschaal van 0 of 1.
Net werd er gesproken over de persoonsverschillen aan de
hand van één variabele. Dit kan ook worden gedaan aan de
hand van meerdere variabelen. Hiervoor gebruik je de
Pearson product moment Correlatiecoëfficiënt. Deze geeft
de lineaire samenhang van twee variabelen aan.
Wanneer de lijn omhoog loopt, zal er een positieve relatie
zijn tussen de variabelen. Hierbij waren de variabelen:
‘ik vind statistiek leuk’ en ‘ik vind statistiek makkelijk’.
Hiertussen is een positieve correlatie. Iemand die statistiek
leuk vindt, vindt het vaker ook makkelijk.
Een correlatie vertelt echter niet alles over je data. Het geeft
namelijk niet het gemiddelde of de standaarddeviatie.
Ook is een correlatie geen causatie. Het hoeft namelijk niet altijd te betekenen dat het ene tot het andere
leidt.
= Correlatie matrix.
Wanneer de items met elkaar correleren, betekent dit dat de validiteit
aanwezig is. Ook zorgt dit ervoor dat mensen consistent antwoorden op
de vragenlijst. Deze vragenlijst meet namelijk een bepaald construct.
Wanneer de items correleren, meet deze vragenlijst dus ook
daadwerkelijk het construct.
Theorie + Statistiek
Hoe zijn de relevantie psychologische variabelen verdeeld? Wat is het meetniveau hiervan?
Jouw theorie vertelt voor een groot gedeelte hoe jouw variabelen eruit zien.
,Meetniveaus:
• Identiteit → Je neemt een depressievragenlijst af en je deelt uiteindelijk iemand in, in de categorie
‘major depression’ of ‘Normaal’. Je onderscheid dus mensen van elkaar in twee categorieën.
• Rangorde → Hierbij wordt er onderscheid gemaakt tussen bijvoorbeeld drie
categorieën op het gebied van één dimensie (bijvoorbeeld dus depressie). Bij rangorde
is er sprake van een categorie die hoger staat dan de ander.
Rang ordening impliceert transitiviteit (0 < 1, 1 < 2, dus weten we 0 < 2).
• Kwantiteit → Uitgedrukt in meeteenheden die algemeen geaccepteerd zijn. Denk
bijvoorbeeld aan lengte:
o Identiteit = Gigantisme vs. Normaal (Diagnosis)
o Rangorde = Lang vs. Normaal vs. Kort (Visuele inspectie)
o Kwantiteit = Lengte uitgedrukt in centimeters (Cm).
• Nulpunt → Dit nulpunt kan absoluut of relatief nul zijn:
o Absolute 0 → Afwezigheid van de eigenschap, bijvoorbeeld de trein
heeft 0 meters afgelegd.
o Relatieve 0 → Toekenning van een nul aan een arbitraire waarde,
bijvoorbeeld temperatuur in Celsius of Fahrenheit, want een nul betekent hier niet de
afwezigheid van temperatuur.
Nominaal, ordinaal, interval en ratio
Nominale schaal → Dit kan bijvoorbeeld zijn ‘homo – hetero – anders’ of ‘republikeins, democratisch,
onafhankelijk’ of ‘geïnfecteerd – niet geïnfecteerd’. Dit is dus de eigenschap van identiteit.
De cijfers/ symbolen dienen om categorische informatie weer te geven. Deze zijn dus niet te interpreteren.
= De verdeling van de nominale schaal.
Ordinale schaal → De toegewezen symbolen geven een rangorde weer. Dit is dus langs één dimensie.
Intervalschaal → Biedt een rangorde van objecten, waarbij verschillen in schaalwaarden verschillen in
hoeveelheid tot uitdrukking brengen. Hierbij kan je wel onderscheid
maken tussen eenheden, bijvoorbeeld ‘Baby A verschilt 1 eenheid
van baby B’ of ‘Baby A verschilt 3 eenheden van baby D’.
De nulwaarde is willekeurig (relatief).
Ratio schaal → Hierbij is er sprake van een absoluut nulpunt. Voorbeelden hiervan zijn lengte in
centimeter, gewicht in kg, tijd in seconden, temperatuur in Kelvin. In de psychologie komt er bijna nooit 0
voor. In reactietijden zou er wel nul kunnen worden gehaald.
Het wordt ratio genoemd, omdat je het kan omrekenen. Wanneer je de schaal verandert, verandert de ratio
niet.
,Hoorcollege 2
Lineaire regressie
Lineaire regressie → Het kunnen schatten van een lineair verband tussen twee
variabelen. Dit gaat altijd om variabele x en y.
Deze rode lijn geeft ons regressiemodel.
Wanneer deze lijn niet lineair is, kan je hier geen lineaire regressie op
toepassen. Je kan wel een analyse uitvoeren.
Y = afhankelijke variabele
X = onafhankelijke variabele
Formule: y = b0 + b1 * x + e
B0 = Intercept, de verwachte score van x wanneer y 0 is.
B1 = Regressiecoëfficiënt en geeft de richting en sterkte van je lijn aan. Dit geeft dus de relatie tussen x en y
aan. Is deze positief of negatief. Wanneer de lijn omhoog loopt, is deze positief. “De verandering van y als x
met 1 toeneemt’.
e = error term. Met je model wil je voorspellen. Dit kan niet voor iedereen perfect. De afstand tussen de
voorspelling en iemands daadwerkelijke score → de voorspellingsfout. Voor iedereen is deze anders.
Sommige mensen zullen dichtbij de rode lijn liggen. Sommigen verder weg van de rode lijn.
We maken onderscheid tussen variabelen en parameters.
Variabelen → Random, verschillen van persoon tot persoon (x, y, e).
Parameters → Fixed, liggen voor iedereen vast. Zijn hetzelfde voor de hele steekproef. Drukken
bijvoorbeeld relatie x en y uit (b0 en b1).
Let op voor verschillende notaties:
i = de persoonsindex. i = 1, 2, 3, …. N)
pred = de voorspelde score op y.
Voorspelde waarde y = conditioneel gemiddelde y
Conditioneel gemiddelde → Gemiddelde score op een variabele,
gegeven de score op een andere variabele. Bijvoorbeeld wanneer je weet x = 2 en hiermee kan je de
gemiddelde score van y berekenen.
Verdelingsaannames Y:
• Y is normaal verdeeld voor alle waardes van x. Dus niet zozeer alleen op zichzelf.
Notatie: 𝑦 𝑔𝑒𝑔𝑒𝑣𝑒𝑛 𝑥 ~ 𝑁(𝑏0 + 𝑏1 ∗ 𝑥, 𝜎e)
Hier staat → Normaal verdeeld met gemiddelde M en standaarddeviatie s.
• 𝝈e is voor alle waardes van x hetzelfde → De spreiding in scores van y is hetzelfde voor alle
waarden van x.
We willen hierbij ook iets kunnen
zeggen over de significantie
y gegeven x = y conditioneel op x
,Om iets te kunnen zeggen over de significantie moet je een hypothese opstellen. Dit doe je aan de hand van
de nulhypothese:
Hiervoor kijk je naar het significantieniveau in de
• Nulhypothese → H0: b1 = 0 tabel. Hierboven is het significantieniveau .000
• Alternatieve hypothese → Ha: b1 > 0
Met kwantitatieve variabelen, kan je een t-toets of een regressie uitvoeren.
Een significantie is vaak niet genoeg. Je wilt vaak ook de sterkte weten van deze significantie. Dit kan aan
de hand van R2 → Hoeveel variatie in y verklaard wordt door x.
Formule: b12 * variantie x + variantie e.
o B12 * variantie x = variantie van y wat verklaard wordt door x.
o Variantie e = variantie van wat niet verklaard wordt door x
o b12 * variantie x + variantie e. = totale variantie
Formule R2 = b12 * var(x)/ (b12*var(x) + var(e))
Lineaire regressie en psychologisch meten
Wanneer je extraversie wil meten, wordt jouw onafhankelijke variabele (x)
extraversie. De afhankelijke variabele (y) wordt een bepaald item van een vragenlijst.
In het voorbeeld hiernaast, is de latente variabele jouw x (de onafhankelijke
variabele). De items zijn jouw verschillende y variabelen (afhankelijk). Omdat je
meerdere afhankelijke variabelen hebt, heb je ook meerdere regressiecoëfficiënten (de
b’s).
Dit schema zou je dus ook als een lineaire regressie kunnen aanzien.
Interpreteren testscores
Om scores goed te kunnen interpreteren, wil je een score vergelijken met een norm, bijvoorbeeld Is kind 1
relatief lang tot de normale populatie? Een score op zichzelf zegt niet zoveel namelijk. Je kan hier pas echt
een uitspraak over doen, wanneer je deze score vergelijkt met de populatie.
Het probleem met psychologische variabelen is dat we vaak niet werken met variabelen met makkelijke
meeteenheden. Gewicht is namelijk makkelijk te meten met de meeteenheid kg.
Als je extraversie meet, welke meeteenheid gebruik je hier? → Normdata is meestal afwezig.
Universele meeteenheden ontbreken in de psychometrie.
Meten van gewicht is niet anders dan het meten van psychologische variabele, behalve:
• Meetprocedure met een sterke theoretische onderbouwing.
• Meetfout kan zeer klein zijn.
• Meetschaal is een ratio
• De meeteenheid is algemeen geaccepteerd.
Bij psychologische variabelen kunnen we niet kijken naar de absolute score. Wanneer iemand een
extraversie score heeft van 5 of een score van 8, wat betekent dit? Wanneer iemand een gewicht van 65
heeft, kan je hier wel meteen een absoluut beeld van krijgen.
Wel kan je naar relatieve scores kijken. Dit is de score ten opzichte van iemand anders, bijvoorbeeld aan de
hand van een normale verdeling (normscores).
Z-score → De score uitgedrukt in het aantal standaarddeviaties van het gemiddelde af.
Formule: z = (score – gemiddelde) / sd
, Een z-score kan je ook omzetten naar een andere verdeling, bijvoorbeeld t-score of de percentielscore.
Formule t-score = Z-score * s + M
Formule percentielscore (empirisch) = N(alles scores < score) / totale N
Stel iemand heeft een score van 4. Wat betekent dit? Hiervoor kan je een frequentieverdeling maken.
Ook is een verdeling hierbij nodig. Zo kan je interpreteren of deze score hoog, laag of gemiddeld is.
Berekenen aan de hand van z-score:
Score = 4
Gemiddelde = 2.704, SD = 1.552
Z-score = (score – gemiddelde) / sd
(4 – 2.704) / 1.552 = .835 → de score ligt dus .835 sd van het gemiddelde af.
T-score = z-score * s + M
.835 * 10 + 50 = 58.35 → De score ligt bijna 10 punten boven het gemiddelde
N(score < 4) = 29 + 90 + 110 + 137 = 366
Normscores
Totale score = 500
Percentielscore
df = N(alle scores < geobserveerde score) / totale N
366/500 = .732 → 73.2% scoort lager dan Maria
Theoretische percentielscore → Bereken je wanneer je niet de
verdeling van de scores hebt. De verdeling van deze scores is
normaal. We weten hoe groot de proporties zijn en welke z-score
hierbij hoort (dit geldt andersom ook zo). Wanneer je bijvoorbeeld weet wanneer de z-score 0 is, weet je dat
die persoon in het midden van de verdeling ligt. 50% van de mensen liggen dus boven of onder haar.
Wanneer de persoon een z-score van -2 heeft, scoort 2.5% lager dan zij en 97.5% hoger.
De theoretische en empirische percentielscores zijn niet gelijk, omdat de verdeling van de theoretische
percentielen normaal verdeeld zijn. De empirische percentielscores zijn niet normaal verdeeld.
Genormaliseerde z-scores → Gebruik je wanneer je gegevens hebt en weet dat het construct in de
populatie redelijk normaal is verdeeld, maar in jouw verdeling niet. Dit kan bijvoorbeeld het geval met IQ
zijn. In de populatie is IQ normaal verdeeld (M= 100, SD= 15). Het kan zijn dat in jouw steekproef veel
mensen zitten met een hoger IQ of een lager IQ.
Hiervoor zijn meerdere stappen:
1. Bereken de empirische percentielscore. Dit is bijvoorbeeld .732.
2. Zoek de z-score behorende bij .732 in de standaard normale verdeling.
3. Wat is dan de z-waarde geassocieerd met kans 73.2% of lager (<.732)? z = 0.619
4. De genormaliseerde z-score is dus 0.619.
Schematisch overzicht:
Voor het verzamelen van normscores is het belangrijk dat je
een grote, representatieve steekproef van het liefst 5000
mensen. Ook heb je aparte normen nodig voor groepen,
bijvoorbeeld voor verschillende leeftijden. Iemand van 18
kan je bijvoorbeeld lastig vergelijken met iemand van 80.
= conditionele normen
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller lolageuzinge. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.03. You're not tied to anything after your purchase.
