100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
logo-home
Aantekeningen Hoorcolleges VOS $8.04   Add to cart

Class notes

Aantekeningen Hoorcolleges VOS

 2 views  0 purchase
  • Course
  • Institution

Uitgebreide aantekeningen van alle kwantitatieve colleges met af en toe toegevoegde slides voor verduidelijking van de stof

Preview 4 out of 51  pages

  • March 6, 2024
  • 51
  • 2023/2024
  • Class notes
  • -
  • 3 t/m 8
avatar-seller
Aantekeningen VOS

Overzicht meetniveaus




Kwalitatieve opdracht: Hoorcollege 1, 13-11-23

Kenmerken kwalitatief onderzoek:
1. Interpretatief: De betekenisgeving vanuit het perspectief van de respondenten staat
centraal en onderzoeker interpreert deze betekenissen
2. Naturalistisch: De onderzoeker is geinteresseerd in de natuurlijke omgeving van de
respondent ( niet bestuderen in een laboratorium setting)
3. Reflexief: De onderzoeker reflecteert bewust op hoe bepaalde veronderstellingen,
keuzes en de onderzoeker het onderzoek beïnvloedt

Coderen:
1. Attribute codes: vaak achtergrond of demografische informatie van de respondent
2. Index codes: Labelen grotere stukken tekst en geven brede/algemene onderwerpen
aan
3. Analytic codes: Beschrijven de betekenis van specifieke stukken tekst
- Deel komt uit literatuur
- Deel vloeit voort uit de verzamelde gegevens

Wordt gedaan in drie stappen, open, axiaal en selectief coderen -> terug kijken op
blackboard

Wat we precies moeten doen voor de opdracht staat in het KO-werkboek.

,Aantekeningen werkgroep 1

Axiaal coderen: ontdekken van thema’s binnen de al bestaande codes?

Kwantitatief, Hoorcollege 3: regressie

Basis uitleg regressie
Simpele vorm van regressie, lineaire regressie gaat over 1 voorspeller en 1 uitkomst.
Hiermee wordt gekeken hoe je de spreiding kan verklaren.
Bij multipele regressie doe je dit ook maar dan met meerdere voorspellers.

Uitleg van Scribbr:
Regressieanalyse wordt gebruikt om het effect te bepalen van een (of meerdere)
verklarende variabele(n), zoals lengte of leeftijd, op een afhankelijke variabele zoals
gewicht.
Je kunt regressieanalyse gebruiken om:
1. Samenhang tussen twee variabelen te bepalen (leeftijd en waarde van een auto)
2. Verandering van de afhankelijke variabele te voorspellen (waarde van een auto
naarmate deze ouder wordt)
3. Toekomstige waarde te voorspellen (waarde van een zes jaar oude auto)

Soms is het nodig om eerst kwalitatief onderzoek te doen voorafgaand aan kwantitatief
onderzoek zodat er duidelijk is welke factoren daadwerkelijk invloed hebben op het
onderwerp dat onderzocht moet worden. Het gaat dan om het selecteren van relevante
thema’s.

Padmodel multipele regressie
- 1 afhankele variabele (Y)
- 1 of meerdere onafhankelijke variabelen (minimaal
interval, Bij een intervalniveau is de volgorde ook van
belang en er is een gelijk verschil tussen de metingen.
Een voorbeeld hiervan is onze jaartelling,) Als X
veranderd wat gebeurt er dan met Y
- 1 of meerdere onafhankelijke variabalen (dichotoom,
met 2 mogelijkheden Voorbeeld: Je kunt met
ja of met nee antwoorden op deze dichotome
vraag.)
- E is de meetfout, aangezien je Y probeert te
voorspellen op basis van de Xjes zal dit nooit
exact goed zijn, je kan geen model maken wat
perfect op iedereen past, dit is de meetfout. Je
hebt de Etjes nodig wanneer je je
geobserveerde waarden in je model toepast.

,Doelen analyse:
- Beschrijven; lineaire relaties tussen variabelen, kan je iets voorspellen?
(regressiemodel)
- Toetsen; hypothesen over relaties, is iets relevant? (significantie)
- Kwantificeren; van relaties, hoe groot is een effect? (effectgrootte)
- Kwalificeren; van relaties (klein, middelmatig, groot)
- Beoordelen relavantie; relaties, wanneer is een effect groot genoeg om belangrijk te
zijn? (subjectief)
- Voorspellen; van iemands waarde met regressiemodel (puntschatting en
intervalschatting)

!waarschuwing! -> doe op basis van statistische samenhang geen uitspraken over
causaliteit

Vergelijking Y voor geobserveerde variabele Y
uitkomst (Y) = model (X) + voorspellingsfout (E)




Bij het voorspellen van de waarde van Y negeren we/sluiten we de voorspellingsfout uit.
Regressie vergelijking:
Y= B0 + B1X1 + … + B6X6 + E

- B0= de waarde van Y wanneer de xjes allemaal de waarde nul hebben.
- De verdere B’s staan voor het effect dat een verandering van de X heeft op de Y, als
X1 een stapje verder is wat is dan het effect daarvan op de Y
overzicht:
- Y= afhankelijke variabele (dependent)
- X= onafhankelijke variabele (predictors)
- B0= intercept (constant), ook wel a
- B1, etc= regressiecoëfficiënt (slope)
- E= voorspellingsfout (error of residual)

, Voorbeeld met stappenplan:
1. Je gaat eerst kijken naar een histogram, je wilt zien of er spreiding is, als er geen
verschil in zit hoef je namelijk niks te verklaren Daarna ook de normaal verdeling, dit
is om je aannames te toetsen (?)
2. Vervolgens kijk je naar een spreidingsdiagram, je kijkt naar de ytjes met 1 voorspeller,
je kijkt of er een associatie bij zit dit kan positief, negatief of neutraal kunnen zijn. je
moet hierbij weten wat de intercept is(B0) dit is de snijpunt met de y as. De
regressiecoëfficiënt(B1) is dan 1 stapje verder met de x. De verandering in
Ŷ(voorspelde waarde) bij toename van één eenheid in X is de b1waarde.
Bij de spreidingsdiagram wil je de best passende lijn invullen, dit is de lijn waarbij de
voorspellingsfout zo klein mogelijk is. De voorspellingsfout is E(j)= Y(j) - Ŷ(j)
De voorspellingsfout is dus de afstand tussen de geobserveerde waarde en de
voorspelde waarde. Hoe kleiner de meetfout hoe nauwkeuriger de voorspelling.
Positieve e: Boven de lijn, onderschatting door model
Negatieve e: Onder de lijn: overschatting door model

Kleinste kwadraten criterium:




3. Goodness-of-fit (R²): Mate waarin een gevonden verdeling in de steekproef
redelijkerwijs kan passen binnen een mogelijke (theoretische) populatieverdeling.
(een getal tussen de 0 en 1 dat de mate aanduidt waarin een statistisch model in staat
is een bepaalde uitkomst te voorspellen.)
Hierbij vergelijk je de ratio van het lineaire regressiemodel(regressielijn) met het
basisregressiemodel(basislijn).
Het basismodel is wat je zou hebben zonder dat je voorspellers hebt maar alleen de
uitkomst. Hiervoor pak je het gemiddelde van de groep dit is de B0.
SSt = alle residuen in het kwadraat en dan bij elkaar opgeteld

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

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

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

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 myrthelangendorff. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $8.04. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

76669 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 14 years now

Start selling
$8.04
  • (0)
  Add to cart