Het boek 'Statistisch onderzoek met SPSS for Windows' is volledig samengevat. Dit is een goede, uitgebreide samenvatting om je tentamen goed mee voor te bereiden!
Samenvatting Statistische Methoden en Technieken
Week 1: H1, H2, H3
Hoofdstuk 1 inleiding statistische verwerkingsmethoden
Noodzakelijke onderdelen empirisch onderzoek:
1. Kennis van de praktijk = op wie/wat heeft het onderzoek betrekking
2. Kennis van de theorie= wat is erover geschreven
Ze bepalen de formulering van de probleemstelling, de wijze waarop problemen worden
geanalyseerd en de praktische en theoretische bruikbaarheid van de onderzoeksresultaten.
2e vereiste empirisch onderzoek: formuleren van probleemstelling
3e vereiste: omgaan met meetproblemen.
- Maatstaven verzinnen om empirische verschijnselen te meten.
Tijdreeksgegevens: je kijkt bijv. naar 1 bedrijf op verschillende tijdstippen.
Dwarsdoorsnede gegevens: je kijkt naar meerdere bedrijven op 1 tijdstip.
Nadat gegevens zijn verzameld: kijken naar de validiteit vd meting = heb je gemeten wat je
wilde meten.
4e vereiste/onderdeel van kwantitatief onderzoek: modelbouw.
5e vereiste: kennis van statistische computerprogrammatuur.
6e vereiste: kennis van statistische technieken zelf.
Ook nodig: kennis van statistische verwerkingsmethoden.
Empirisch onderzoek vindt plaats op basis van waargenomen kenmerken van personen,
bedrijven etc. Deze eenheden waarop het onderzoek betrekking heeft =
onderzoekselementen.
De waargenomen kenmerken van de onderzoekselementen worden samengevat met
variabelen. De verschillende kenmerken van een enkel onderzoekselement worden
samengevat in een observatie.
Kansvariabelen: hiervan is de waarde pas bekend op het moment van waarneming. Je hebt
wel inzicht in het bereik van mogelijke uitkomsten.
Grootheid die zowel een variabele als kansvariabele kan zijn: tijd. Tijd als tijdsduur =
kansvariabele.
Als kalendertijd: een gewone variabele, de grootheid neemt verschillende waarden aan, die
op elk moment vooraf volledig bekend zijn.
Meetniveaus
Kwalitatieve variabelen:
- Nominaal
, o Betekenis als naamgeving.
o De verschillende uitkomsten verwijzen naar wederzijds uitsluitende en
gezamenlijk uitputtende categorieën.
o Enige bewerking die op de uitkomsten kan worden gedaan: vergelijken. Dus
beoordelen of 2 uitkomsten al dan niet tot dezelfde categorie behoren.
o Nominale variabelen worden vaak gecodeerd, maar dat heeft geen betekenis.
Je kan er niet mee rekenen.
- Ordinaal
o De uitkomsten verwijzen naar wederzijds uitsluitende categorieën
onderzoekselementen.
o Rangorde
o Vaststellen of onderzoekselementen in dezelfde groep horen & ook ordenen,
dus < & >.
o Afstand tussen antwoordcategorieën geen betekenis.
Kwantitatieve variabelen:
- Interval
o Afstand heeft betekenis; natuurlijke interpretatie ervan
o Ook ordening
o Onderzoekselementen vergelijken, ordenen en optellen.
o Voorbeelden: temperatuur op een willekeurige niet-Kelvinschaal,
schoenmaat, cijfer voor tentamen.
- Ratio
o Beoordelen van verhoudingen tussen uitkomsten mogelijk
o Natuurlijke ordening, natuurlijke afstand & natuurlijk nulpunt.
o Vergelijken, ordenen, optellen en aftrekken & vermenigvuldigen en
verhoudingsgetallen (delen) mee bepalen.
o Voorbeelden: leeftijd, inkomen, aantal werkzame personen in een bedrijf,
aantal verzuimdagen werknemer etc.
Voor de meeste statistische procedures is het onderscheid tussen interval & ratio niet van
belang, omdat het absolute nulpunt wordt vervangen door een kunstmatig nulpunt, zoals
het gemiddelde van de steekproef.
Degenereren en opwaarderen meetniveaus
Variabelen op een ratioschaal kunnen altijd worden beschouwd als gemeten op een
intervalschaal.
Statistische technieken voor toepassingen van nominale variabelen kunnen worden gebruikt
voor alle soorten variabelen = degenereren van meetniveaus.
Je kan een meetniveau van een variabele niet opwaarderen.
In bijzondere gevallen kan een nominale schaal worden behandeld als een ratioschaal.
Wanneer een variabele slechts 2 mogelijke uitkomsten heeft, dan kan deze variabele worden
beschouwd als gemeten op een quasi-ratioschaal.
,Samenhang, afhankelijkheid en causaliteit
Samenhang: wanneer de uitkomsten van de ene variabele systematisch samengaan met
uitkomsten van de andere variabele.
2 kansvariabelen onafhankelijk: kansverdeling van de mogelijke uitkomsten van de ene
variabele beïnvloeden niet de uitkomsten van de andere variabele.
Statistische afhankelijkheid: als ze niet onafhankelijk zijn.
Samenhang kan positief of negatief zijn.
Het kwalificeren van de aard van de samenhang als positief of negatief is alleen mogelijk als
de uitkomsten van de betrokken variabelen een natuurlijke ordening hebben. Kan dus niet
bij nominale variabelen bijv.
Het is een kwestie van codering, niet in de zin van sociaal of economisch gewenst.
Kenmerkend voor empirisch onderzoek is dat de oorzakelijkheid van relaties tussen
grootheden principieel niet kan worden waargenomen.
A priori en posteriori causaliteit
In wetenschappelijk onderzoek wordt op 2 verschillende manieren omgegaan met het
probleem van de causale interpretatie van samenhang.
A priori veronderstelde causaliteit: je maakt je eigen ideeën over een causale relatie expliciet
en dan ga je na of het wordt ondersteund door een gemeten samenhang.
A posteriori veronderstelde causaliteit: je meet samenhang en je bedenkt achteraf hoe deze
samenhang een causale interpretatie zou kunnen hebben.
Je vindt het terug in statistische methoden: regressiemodellen zijn gebaseerd op a priori
veronderstelde causaliteit, terwijl factoranalyse een typisch voorbeeld is van a posteriori
veronderstelde causaliteit.
Het causale relatieschema: netwerken met variabelen
Relatieschema: grafische weergave van alle veronderstelde oorzakelijke relaties tussen
variabelen.
Het conceptuele schema is opgebouwd uit abstracte, theoretische grootheden, terwijl het
empirische relatieschema bestaat uit feitelijk waargenomen indicatoren.
De theoretische grootheden en empirische indicatoren zijn verbonden door
correspondentieregels. Hiermee wordt de overeenstemming in interpretatie van beide typen
grootheden geregeld.
Een causaal relatieschema wordt opgesteld voordat de waarnemingen geanalyseerd
worden. Het is een hulpmiddel bij het uitvoeren van de analyse.
, Het opstellen van een relatieschema
Als je voor een veronderstelde relatie tussen 2 variabele X & Y wil aangeven dat X wordt
gezien als de onafhankelijke, verklarende variabele en Y als de afhankelijke, te verklaren
variabele, dan geef je dat aan met een pijl:
X→Y
Veronderstelde relaties tussen verschillende variabelen X,Y en Z kunnen worden
gecombineerd tot een groter schema:
X
Z Y
Deze drie paarsgewijze relaties X → Y, Z → X, Z → Y zijn directe relaties/effecten. De
uitgebreidere relatie Z → X → Y is een indirecte relatie/effect van Z op Y via X.
De X is in deze indirecte relatie de interveniërende grootheid.
Dit schema bevat ook de relatie X ← Z → Y. Hier is Z de gezamenlijke oorzaak, omdat ze
gelijktijdige variatie in X en Y veroorzaakt.
Simultane relatie tussen X & Y: als de twee variabelen elkaar over en weer beïnvloeden, het
is een wederkerige relatie. Dit wordt weergegeven met een dubbele pijl:↔
Je kan bij simultane relaties een tijdspanne op de achtergrond veronderstellen: een
verandering in X leidt even later tot een verandering in Y, welke op haar beurt een fractie
later leidt tot een verandering in X:
Xt → Yt+1 → Xt+2. Het is echter niet functioneel, daarom de dubbele pijl zonder tijdsindices
tussen de variabelen gebruiken.
In het relatieschema geef je de verwachte aard van de samenhang aan.
+: je verwachte een positieve samenhang
-: je verwacht een negatieve samenhang
?: als je niet weet of het positief of negatief is
Het uitbeelden van de verwachte aard van samenhang als positief of negatief is alleen van
toepassing wanneer de betrokken variabelen ten minste op ordinaal niveau gemeten zijn.
Als een van de variabelen nominaal is, plaats je een: ‘*’.
Foto relatieschema
Er bestaan ook relaties tussen de verklarende variabelen onderling. Deze onderlinge relaties
veroorzaken indirecte effecten van de verklarende variabelen op de te verklaren variabele.
Foto relatieschema figuur 1.4
Voor grote aantallen variabelen wordt het relatieschema onoverzichtelijk. In dit geval biedt
het combineren van variabelen tot groepen soms uitkomst. Met deze groepen maak je dan
een versimpeld relatieschema.
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 salomeholstege. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $11.32. You're not tied to anything after your purchase.
