100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
Previously searched by you
Samenvatting Totaaloverzicht - Kwantitatieve Onderzoeksmethodologie (MAN-BRPA247): achtergrondkennis, stappenplannen en SPSS output op een rij.$6.45
Add to cart
Samenvatting van de stof van het vak "Kwantitatieve Onderzoeksmethodologie". De volgende onderwerpen komen aan bod: Representativiteitstoets, Missing value analyse, betrouwbaarheidsanalyse, factoranalyse, ANOVA, ANOVA tweeweg, ANCOVA, MANOVA, Regressie analyse, interactiemodel (moderator) & mediati...
,Representativiteitstoets
Achtergrondkennis
Fo = observed frequency
Fe = expected frequency
Chi2 = (Fo-Fe)2/Fe
We werken hier met een alfa van 0,30! omdat we meer gefocussed zijn op het vermijden van een type
II fout (H0 accepteren die falls is) dan een type I fout (H0 verwerpen die true is). Je wilt niet te snel
zeggen dat een steekproef representatief is, terwijl die dat niet is.
Stappen
1. Hypothesen opstellen
H0 = verdeling in steekproef = verdeling in populatie
Ha = verdeling in steekproef ≠ verdeling in populatie
2. Hypothesen testen/significante waarden aflezen
P-waarde > gekozen alfa → dan H0 accepteren: steekproef is representatief voor populatie
P-waarde < gekozen alfa → dan H0 verwerpen: steekproef is niet representatief
Of
Lees Chi2 af
Chi2 > kritieke waarde (zoek op in tabel) → dan H0 accepteren: steekproef representatief
Chi2 < kritieke waarde (zoek op in tabel) → dan H0 verwerpen: steekproef niet representatief
APA: chi2 (1, N=15630)= 37.35, p < 0,001
SPSS/Voorbeeld
Menu Analyze → Non-parametric tests → Legacy Dialogs → Chi-Square (voor nominaal/ordinaal).
Voor interval/ratio variabelen gebruik je een z- of t-toets.
Zet de variabele die je wilt testen in het blok 'test variable list'. Vink vervolgens het vakje 'values' aan
en zet hierin de verwachte aantallen die je hiervoor hebt berekend. Zorg ervoor dat ze dezelfde
volgorde hebben als de variabele zelf: dus als noorden categorie 1 is en zuiden categorie 2, dan komt
het verwachte aantal voor noorden als eerste en die van zuiden als tweede. Klik op 'OK' en bekijk de
resultaten.
APA: chi2 (1, N=15630)= 37.35, p < 0,001
, Missing value analyse
Achtergrondkennis
Power = de kracht van een toets om een daadwerkelijk verschil op te sporen. Kan tussen 0 en 1. Vanaf
0,8 is goed. Bij missing values loop je de kans op een lagere power doordat je te weinig respondenten
hebt. Een ander probleem is de valideit; misschien hebben bepaalde groepen bepaalde vragen om een
reden niet ingevuld (vanwege de inhoud van een bepaalde vraag). Je krijgt dan een selectief/vertekend
beeld.
Stappen
0. Check of alle missing values goed zijn ingevoerd in de variable view
1. Type missing data vaststellen
Negeerbaar (geen antwoorden, missing categorieën, routings) vs. niet-negeerbaar
2. Omvang
< 10% missing = verwaarloosbaar, mits de missings completely random zijn (dus niet
systematisch, hiervoor ga je door naar stap 3).
3. Random
MCAR = missing completely at random
MAR = missing at random (dus deels afhankelijk van andere variabelen)
Je gaat beide testen. MAR testen geven een aanwijzing voor de randomness, uiteindelijk toets
je deze hard door middel van MCAR test. Is de MCAR test significant (dus MAR), dan kan je via
MAR testen opsporen waar dat dan precies aan lag.
3a. MAR testen
N>400 → verschil% boven 5% is significant
N<400 → verschil% boven 10% is significant
Let op: als er meerdere missings zijn gedefinieerd moet je voordat je naar de verschil%
kijkt, eerst alle missings bij elkaar optellen per categorie en dan pas gaan vergelijken!
3b. MCAR testen
Little MCAR test waarbij geldt:
H0 = missing patronen wijken niet af van verwachte patronen bij MCAR (dus je hebt MCAR)
Ha = missing patronen wijken wel af van verwachte patronen bij MCAR (dus je hebt MAR)
4. Substitutie (imputatie)
MAR: subgroepen onderscheiden (dus man, vrouw, manmissing, vrouwmissing)
MCAR: 4 opties
1. Listwise deletion = alle personen die op één variabele missing hebben eruit
2. Pairwise deletion = per correlatie de missing personen eruithalen
3. Mean substitution = gemiddelde toekennen aan de missings (voor geheel of voor
subgroep)
4. Regression techniques = voorspelling geven op basis van de wél gegeven scores
SPSS/Voorbeeld
Analyze → Missing Value Analysis → Alle waarden variabelen onder Quantitative Variables en de
achtergrondkenmerken onder Categorical Variables
Patterns: Tabulated Cases aan + Sort variables by missing value pattern uit
Descriptives: selecteer t-tests en crosstabulations + vraag Probabilities op + percentage onderin op 1%
Vink onder Estimation de optie EM aan
Klik OK
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 vaymelis. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.45. You're not tied to anything after your purchase.
