Duidelijke aantekeningen waarbij alle college voorbeelden met plaatjes verder zijn uitgewerkt.
Ik heb zelf het vak gehaald met een 8,8 dus alle benodigde informatie staat er zeker in!
- 40% van je cijfer wordt bepaald door een onderzoeksproject met groep van maximaal 6
personen, inleveren maximaal 1 december.
- 60% van je cijfer, open vragen, dicht boek tentamen.
In pp staan aantal filmpjes over inductive research
Residuals= verschil tussen predicted value en de daadwerkelijke observatie
- Inductief (kwalitatief): bottum-up→ begint met empirische observaties en je gaat proberen om
trends, patronen theorieën eromheen te ontraffelen
- Deductief(kwantitatief): Top-up→ je begint met bepaalde theorieën van literatuur en je probeert
die te operationaliseren naar concepten en die die concepten wil je omzetten naar variabelen.
Theorie gedreven onderzoek.
Hoe vergaar je kwantitatieve data zodra je je theoretische framework hebt→ je verzameld die data
om de theorieën die je gebruikt te bevestigen.
Onderzoeksfenomeen→ hetgeen wat je wil onderzoeken, een theoretisch concept en deze moet
worden geoperationaliseerd, het moet onderzoekbaar worden→ je kan alleen nummers onderzoeken
- Je kan wel textuele output gebruiken, maar die moet je dan eerst zo coderen dat het cijfers zijn
- Variable→ Een bepaald ‘characteristic’ van een fenomeen→ Je moet characteristieken hebben
die je kan meten→ je moet uitkomen op nummers
• als je een flesje wilt onderzoeken bijvoorbeeld→ variabele wordt dan de size of the
bottle→ meten via volume van het flesje in mililiters.
Research fenomeen→ je wil bv een bepaald fenomeen uitleggen
- Afhankelijke variabele/Response variabele(fenomeen dat je wil onderzoeken)→ onafhankelijke
variabele gebruik je om het te onderzoeken, zijn independent variables/exploratory variables
• Motivatie van studenten tijdens het eerste college meten→ hoe operationaliseren we
dat→ hoe maken we het meetbaar
• schaal van 1 tot 10 is lastig want niet iedereen ziet bepaalde cijfers hetzelfde. Het kan wel
via schaal, dus bijvoorbeeld iemand geeft een 7.5→ Dan heb je andere onafhankelijke
variabele nodig die uit kunnen leggen waardoor iemand een bepaalde motivatie heeft
- Die andere onafhankelijke variabele moet een karakterestiek zijn van degene die worden
onderzocht, dus de studenten in dit geval→ bijvoorbeeld door de manier van lesgeven.
- In statestiek wil je variabelen die meetbaar zijn→ je wil manifest variabelen, die kunnen in
nummers worden gestopt→ Het nummer heeft niet altijd een logische betekenis, small medium
en large verschillen heel erg per cultuur/land waarin je bent
• je moet het dus kwalificeren→ het is een ordinale meetwijze want je hebt wel een
rangschikking maar het verschil tussen de verschillende grotes is niet altijd hetzelfde.
• Bij ordinale variabelen kan je geen gemiddelde berekenen.
,- Meetniveau bepaald informatie die je genereerd
• Nominaal→ er zit geen rangschikking in, enige info is ja of nee meestal, dat er
nummers aan verbonden zitten is niet logisch, kwalitatief, geslacht, vaak met
procenten aangegeven welke groep het vaakst voorkomt. Cirkeldigram, barchart.
• Ordinaal→ wel rangschikking maar stappen ertussen niet perse evengroot, je kan dus
ook geen gemiddelde berekenen
• Interval, metrisch→ stappen tussen de dingen zijn evengroot→ je kan een
gemiddelde berekenen, geen 0 punt
• Ratio, metrisch→ het nummer betekend iets, stappen tussen de dingen zijn
evengroot en heeft een effectief 0 punt→ lengte kan niet negatief zijn.
- Perfecte data→ direct meetbaar, quantitatief
Interval/ratio is kwantitatief (metric variabele)
Latent variabeles→ concepten die niet direct meetbaar zijn→ bv globalisering→ kan je niet direct
operationaliseren
- Je hebt hulp variabelen nodig die iets zeggen over globalisering.
- Transacties over grenzen heen ofz.
Ordinaal en nominale variabele geven minder informatie dan interval/ratio
- Elk ding waar je data over genereerd/verkrijgt is een observatie→ bijvoorbeeld dat iemand
25 jaar is.
Metrische afhankelijke variabelen(interval en ratio)→ Lineare regressie gebruiken (OLS)
Lineare regressie analyse
- We willen bv huizenprijzen voorspellen→ metric scale variabele→ we willen een model bouwen
met andere karakteristieken die gerelateerd zijn aan de huizenprijzen die ons helpen om de
huizenprijzen te verklaren.
- Die vraag is: wat zou invloed kunnen hebben op het verkoop van huizen
• De grote
• Hoe oud die is
• Locatie
- De kwaliteit van je model wordt bepaald door hoe goed de explanatory/onafhankelijke variabelen
zijn die je gebruikt
- Deze cursus→ we proberen altijd een model te bouwen die een bepaalde uitkomst voorspeld→
de uitkomsten kunnen wel verschillende karakteristieken hebben, hier is het een metrische
variabele/continuous variabele
- Volgende week→ choice variabele→ mobiliteitskeuze bv, 2 of meer
,- Afhankelijk van de karakteristics van je data kies je een geschikt model vinden we het een goed
model
De stappen die we nemen zijn altijd hetzelfde:
Stap 1→ welk model is handig om de afhankelijke variabele te voorspellen→, hoe meer het
voorspelt van de uitkomst, hoe beter het model is.
Stap 2→ We gaan assumpties checken→ als we tevreden zijn met de assumpties van het model
gaan we het model gebruiken.
Stap 3→ is het een goed model? →, hoe meer het voorspelt van de uitkomst, hoe beter het
model is.
We gaan naar de onafhankelijke variabelen kijken→ hebben deze individuele onafhankelijke
variabelen een betekenisvolle toevoeging aan de model voorspellingen
Lineare regressie analyse: het model
- Afhankelijke variabele→ prijzen van huizen→ die willen we verklaren
- We gaan de huizenprijzen voorspellen→ niet met maar 1 onafhankelijke variabelen, maar met
zoveel mogelijk→ om zo het zogoed mogelijk te kunnen voorspellen
• E= verwachting van de uitkomst
• Yi= zegt hoeveel observaties meeworden genomen, niet een maar meestal allemaal.
Als er in de data base van 1 onafhankelijke variabele 2000 observaties zitten
betekend die i dus 2000
• i = zegt dat het wel individuele observaties zijn, al die observaties zijn een combinatie
van waardes→ een bepaalde huizenprijs correspondeerd naar een set observaties→
grote, leeftijd etc
▪ Met deze set van observaties proberen we wiskundig een gemiddeld effect
van grote op de huizenprijs te schatten.
• X = de onafhankelijke variabelen
• B= In statestiek gebruiken we Beta’s voor regressie coefficienten→ dit is de
gemiddelde coefficient gegeven de combinatie van waardes van de onafhankelijke en
afhankelijke variabelen
• Error term/residual→ Bij de combinatie van variabelen→ we gaan proberen om een
gemiddeld effect te vinden, maar gemiddeldes sluiten nooit perfect aan op alles
• Error term geeft model de ruimte om af te wijken van het gemiddelde effect
, Als de grote van een huis toeneemt met 1 vierkante meten→ wat is dan het effect op de
prijs van dat huis→ B is dat effect
De uiteindelijke metingen liggen meestal rond die lijn en niet perse er echt op. Dit model is dus een
gemiddelde van alle data die de afhankelijke variabele zo goed mogelijk voorspelt.
Alpha→ de intercept→ constante waarde
- Als een huis 0 vierkante meter is, dan heb je nogsteeds een bepaalde waarde→ bv grondwaarde.
Verschil tussen de lijn van het model/ de estimate en de daadwerkelijke observatie→ errorterm
- Hoe kleiner de errorterm→ hoe beter
- Als we alle residuals bij elkaar op tellen→ dan is die waarde 0 als je een goede lijn hebt getrokken
- De som van de gekwadrateerde r’en→ die moet zo klein mogelijk zijn
Model-fit→ hoe goed je model op je data past→ hoe groter de r square hoe beter.
R² geeft aan welk percentage van de variatie in de afhankelijke variabele kan worden verklaard door
de onafhankelijke variabele.
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 miriamheins. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $8.57. You're not tied to anything after your purchase.