Hoofdstuk 1: van probleemstelling naar data-analyse
1.1 Doel van de statistiek
1.1.1 Statistiek is overal
Dataficatie = de trend waarbij dagdagelijkese acties en interacties worden omgezet in data die kunnen
worden opgevolgd, geanalyseerd en geoptimaliseerd
Binnen de sociale wetenschappen domineert kwantitatief onderzoek = data wordt omgezet in nummers
zodat deze kunnen worden ganalyseerd dmv statistische methoden
Social data science = combinatie tussen domein specifieke kennis, computerkennis en data-
wetenschappen
taak van sociale wetenschapper: bruggen bowuen tussen deze disciplines toepassing binnen de
samenleving
1.1.2 Het doel van data- analyse
Data-analyse = de kunst en de wetenschap van het evrzamelen, meten, organiseren, presenteren,
analyseren en interpreteren van data met als doel inzicht verwerven op basis van deze data
- Inzicht: onderzoeksvragen beantwoorden op basis van data
- Wetenschap: objectief, onafhankelijk van de beoefenaar
- Kunst: creatief, interpretatief, afhankelijk van de beoefenaar
o Beslissingen van de onderzoeker
o Meten van bep kenmerken en vraagformulering ervan
o Analyseren en interpreteren van de data
- Data: veel verschillende soorten data uit verschillende soorten bronnen hebben verschillende
vormen: numeriek, tekst, afbeeldingen, audio
1.2 Van probleemstelling naar data-analyse
1.2.1 Probleemstelling
Bij wie of wat verzamelen we welke gegevens? afhankelijk van de onderzoeksvraag onderzoeksvraag
start altijd vanuit een probleemstelling
1.2.2 Data verzamelen
Data wordt verzameld bij onderzoekseenheden = eenheden of objecten waarop het onderzoek betrekking
heeft en waarbij kenmerken gemeten worden kunnen personen zijn, maar zijn niet altijd mensen
Een populatie = een verzameling van alle onderzoekseenheden die gekenmerkt worden door een
afbakening in tijd en ruimte
volstaat om een goede steekproef uit populatie te selecteren
Een steekproef = een deelverzameling van onderzoekseenheden uit de populatie
- Een willekeurige steekproef = elke onderzoekseenheid heeft een even grote kans om geselecteerd
te worden
- Een steekproef is representatief op een kenmerk als het kenmerk in gelijke mate voorkomt in de
steekproef als in de populatie
- Omvang of grootte van een steekproef: symbool n
,Na omschrijving populatie gegevens verzamelen
Data die je nodig hebt is ergens beschikbaar
o Data archieven, publieke overheidsinfrastructuren, …
Data zelf verzamelen
o Vragenlijsten, handmatige codering, experimenten, …
Data = informatie en kenmerken gemeten bij onderzoekseenheden
kunnen uit verschillende bronnen komen:
Surveys: respondenten krijgen enkele gesloten/open vragen die demigrafische kenmerken,
attitudes en gedragen pogen te meten
Experimenten: oorzaak-gevolg verband in kaart brengen onderzoekseenheden willekeurig over
verschillende groepen te verdelen en ze aan verschillende omstandigheden/interventies
blootstellen (= manipulatie) verschillen betekent oorzakelijk verband
Big Data: volume, veranderlijkheid en verscheidenheid
Data is heel groot
Data wordt aan een sneltempo geproduceerd
Data heeft verschillende soorten en vormen
- Voorbeelden:
o Sociale media data, geodata, data uit medische dossiers, administratieve data, ..
1.2.3 Meten van gegevens
Classificatie van gegevens
Na selectie steekproef uit populatie kenmerken meten bij onderzoekseenheden
Deze kenmerken zijn variabelen
- Notatie: hoofdletters X,Y,Z,…
Uitkomstenverzameling = de verzameling van alle mogelijke uitkomsten voor een variabele
- Notatie: 𝝋
Geobserveerde waarnemingen = de uitkomsten die daadwerkelijk geobserveerd zijn in de steekproef of
populatie
Vb. uitkomstenverzameling kan 𝝋 = {man, vrouw, andere} zijn maar in de steekproef zitten uiteindelijk
alleen maar vrouwen
Aard en omvang van de uitkomsten hebben een grote invloed bij bepalen van de statistische techniek:
1) Aard = onderliggende meetniveau
Kwanititatief meetniveau
kan zowel discreet als continu zijn
o Interval
o Ratio
Kwalitatief meetniveau
altijd discreet
o Nominaal
o Ordinaal
2) Omvang
Discreet : de uitkomstenverzameling is eindig
- Notatie: 𝝋 = {m1, m2, m3, …, mk} waarbij k oneindig is
niet mogelijk om tussen tweeopeenvolgende uitkomsteen derde uitkomst te bedenken
Vb. aantal juiste antwoorden op 10, aantal kinderen
Continu: de uitkomstenverzameling is oneindig (niet telbaar) groot
, - Notatie: 𝜑 = {ℝ}
steeds een derde uitkomst te bedenken tussen twee opeenvolgende uitkomsten
Vb. variabele gewicht of tijd
vaak voorgesteld als discrete gegevens: meestal afgerond blijven wel continue gegevens!
Vb. gewicht wordt weegegeven als 67kg en niet als 67,373562772kg
Meetniveau
Kwalitatief meetniveau:
Nominaal meetniveau
- Meetprocedure: classificeren in categoriën, benoemen
o Niet te interpreteren in meer en minder
o Verschil in waarden representeert geen verschil in kwantiteit enkel een kwalitatief
verschil
o Geen wiskundige bewerkingen mogelijk
o Codes: kunnen eender welk symbool aannemen: letters, cijfers, woorden
Vb. 𝜑 = {𝐵𝑒𝑙𝑔, 𝑁𝑒𝑑𝑒𝑟𝑙𝑎𝑛𝑑𝑒𝑟, 𝐵𝑟𝑖𝑡, 𝐴𝑛𝑑𝑒𝑟𝑒}, of 𝜑 = {𝐵𝐸, 𝑁𝐿,𝑈𝐾, 𝐴}, of 𝜑 = {1, 2, 3, 8} met 1 =
Belg, 2 = Nederlander, 3 = Brit, 8 = Andere
- Meetschaal: eindig, exhaustief en exclusief elke observatie hoort maar thuis in één categorie en
alle mogelijke categoriën zijn gegeven in de meetschaal
o Dichotome meetschaal = wanneer de nominale meetschaal slechts twee waarden kan
aannemen (en observaties dus slechts in twee categoriën kunnen worden opgedeeld)
Ordinaal meetniveau
- Meetprocedure: elementen van de uitkomstenverzameling kunnen geordend worden
o Kunnen geïnterpreteerd worden als meer en minder, hoger of lager
Vb. politieke interesse met 𝜑 = {𝑁𝑖𝑒𝑡 𝑔𝑒ï𝑛𝑡𝑒𝑟𝑒𝑠𝑠𝑒𝑒𝑟𝑑, 𝑒𝑒𝑛 𝑏𝑒𝑒𝑡𝑗𝑒 𝑔𝑒ï𝑛𝑡𝑒𝑟𝑒𝑠𝑠𝑒𝑒𝑟𝑑,
𝑔𝑒ï𝑛𝑡𝑒𝑟𝑒𝑠𝑠𝑒𝑒𝑟𝑑, ℎ𝑒𝑒𝑙 𝑔𝑒ï𝑛𝑡𝑒𝑟𝑒𝑠𝑠𝑒𝑒𝑟𝑑}
o Geen vaste meeteenheid
o Verschillen niet in vastgelegde hoeveelheden
o Geen wiskundige bewerkingen mogelijk tenzij oerdening van de meetschaal
Vb. mediaan
- Meetschaal: eindig, exhaustief en exclusief
Likertschaal = een veelgebruikte meetschaal in sociaalwetenschappelijk onderzoek om houdingen,
attitudes en ovetuigingen te meten
- Bestaat meestal uit 5, 7 of 11 antwoordcategoriën
Vb. ‘helemaal eens’ tot ‘helemaal oneens’, ‘nooit’ tot ‘altijd’, …
- Intristiek ordinaal: de antwoordcategoriën hebben een kwalitatieve betekenis en zijn geordend,
maar ze hebben geen meeteenheid
in de praktijk vaak als kwantitatief meetniveau gebruikt waneer de schaal breedt genoeg is
, Kwantitatief meetniveau:
- De geobserveerde gegevens sluiten dicht aan bij wat letterlijk ‘gemeten’ wordt
- Vaste, kwantificeerbare meeteenheid
- Verschil tussen geobserveerde waarden wordt uitgedrukt in hoeveelheden
- Codes: getallen met een nummerieke betekenis
- Kunnen zowel een discrete als continue uitkomstenverzameling hebben
Interval meetniveau
- Meetprocedure: vaste, kwantificeerbare meeteenheid
Vb. temperatuur, IQ
o Verschil kan uitgedrukt worden in hoeveelheden, maar nulpunt is arbitrair
verhoudingen tussen waarden zijn betekenisloos
o Wiskundige bewerkingen zijn mogelijk
Optellen en aftrekken toegestaan
Multiplicatie en delen niet mogelijk vanwege arbitriar nulpunt
- Codes: getallen met numerieke betekenis, meetresultaten
Ratio meetniveau
- Meetprocedure: kwantificeerbaare meeteenheid
o Verschil kan uitgedruk worden in hoeveelheden en verhoudingen tussen waarden zijn wel
zinvol absoluut nulpunt
o Alle wiskundige bewerkingen zijn mogelijk
- Codes: getallen met numerieke betekenis, meetresultaten
Groeperen van kwantitatieve gegevens
Vaak worden kwantitatieve variabelen gegroepeerd tot nominale of ordinale meetschalen
typisch voorbeeld: leeftijd dat initieel een ratio meetschaal heeft maar gegroepeerd wordt in
leeftijdscategoriën en zo een ordinale meetschaal kent
Vb. 𝜑 = {[0, 20],[21, 40],[41, 60],[61, 80],[> 80]}
Voordelen van opdelen in klassen:
Data kunnen op snelle en overzichtelijke manier worden weergegeven
Bewaakt privacy van respondenten
Nadeel opdelen in klassen:
Gedetailleerde informatie wordt vereenvoudigd tot klassen er gaat informatie verloren
Quasi-metrische variabelen = schalen die intristiek ordinaal zijn, want geen meeteenheid bezitten, maar
door de omvang van de uitkomstenverzameling toch als een kwantitatieve variabele gebruikt worden
Vb. Iemands houding op de links-rechts as doorgaans gemeten op een 11-punt schaal die gaat van 0 tot
10, waarde ‘0’ staat voor ‘links’ en de waarde ‘10’ staatvoor ‘rechts’. Respondenten kunnen eigen
houding positioneren. De meetschaal heeft geen vaste meeteenheid, maar door de breedte van de schaal
(11 categorieën)kunnen berekeningen zoals het gemiddelde wel zinvol zijn. Een uitspraak als ‘Walen zijn
gemiddeldlinkser dan Vlamingen’ is niet ongewoon.
