Samenvatting Kennismaking met Onderzoeksmethoden
(Algemene Sociale Wetenschappen, BLOK 1)
Deze samenvatting bevat de belangrijkste begrippen uit het boek Research Methods
(9780393691894), grasple oefeningen en aantekeningen van de hoorcolleges.
Week 4: Correlationeel onderzoek
College 4A
In correlationeel onderzoek kijk je naar relaties / samenhang tussen eigenschappen.
Correlationeel onderzoek kun je herkennen aan de volgende elementen van PAC
1)Population : de groep mensen (of dieren of objecten) die de onderzoeker wilt onderzoeken)
2)Association : (verband/relatie) de onderzoeker geeft aan wat voor soort relatie er verwacht wordt,
samenhang tussen begrippen
3)Constructs (theoretische begrippen): de kenmerken die de onderzoeker van de mensen wil weten en
meten en waartussen er een verband verwacht wordt.
P voorbeeld: alle eerstejaars studenten aan universiteiten in Nederland of alle vluchtelingenkinderen
van 8-10 jaar die in Nederland in een asielzoekerscentrum (AZC) wonen.
A voorbeeld: plezier van eerste date neemt toe met meer contact via social media vooraf of hoe langer
vluchtelingenkinderen in een asielzoekerscentrum wonen, hoe kleiner de kans op een
verblijfsvergunning
Bij het eerste voorbeeld is het een positief verband (positief toenemend, positieve richting), bij het
tweede voorbeeld is het een negatief verband (negatieve afname, negatieve richting)
C voorbeeld: plezier van de eerste date of hoeveelheid social media contact vooraf.
Bij vragen over of één bepaald kenmerk een verandering in een ander kenmerk veroorzaakt, spreken we
over causaliteit. Bij causaliteit spreken we over onderzoeksvragen die een oorzaak/gevolg verband
beschrijven. Voorbeeld: Meer social media contact vooraf leidt tot een leukere eerste date of een
verlengt verblijf in een AZC leidt tot meer depressie.
Voorwaarden causaliteit
1.Covariance (covariantie): Er moet een relatie zijn tussen de oorzaak en het gevolg 2. Temporal
precedence (tijdelijke voorrang): De oorzaak moet in de tijd voorafgaan aan het gevolg 3. Internal
validity (interne validiteit): Alternatieve verklaringen voor de gevonden relatie moeten zijn uitgesloten.
Likert schaal
Een schaal die loopt van helemaal mee eens en helemaal mee oneens. Veel onderzoekers geven de
antwoorden een numerieke waarde: gemakkelijker te rekenen. Een likert schaal heeft een ordinaal
meetniveau.
Schaalscore
Wanneer de verschillende antwoorden worden samengevoegd, ontstaat een schaalscore.
Voorbeeld: Kennis in groep 8: De antwoorden van vragen over lezen, spelling, meten, breuken, enz. vormen samen 1 CITO score
,Inferentie
Veel onderzoekers willen onderzoeksvragen / resultaten kunnen
generaliseren (alles over een kam scheren) naar een grotere groep mensen
(de populatie) Dit proces noemen we inferentie. Dus eigenlijk een
steekproef nemen van de populatie en conclusies trekken gebaseerd op de
steekproef (idee van inferentiële statistiek) Voorbeelden van
generaliseren: Over alle eerste dates van eerstejaars studenten? Over
tweede of derde dates? Over eerste dates van andere groepen? Allemaal
vragen over de externe validiteit (in hoeverre is de onderzoeksgroep
relevant voor de populatie) Belangrijke rol voor: dataverzamelingsmethode
en de manier waarop de steekproef getrokken wordt → aselecte steekproef.
Aselecte steekproef meer nauwkeurigheid / lage kans extreme gemiddelde resultaten
De kans op extreme (gemiddelde) resultaten is lager naarmate er meer willekeurige steekproeven
worden genomen van de populatie. Meer willekeurige steekproeven nemen vergroot de
nauwkeurigheid en verlaagt dus de kans op extreme (gemiddelde) resultaten.
Generaliseren en verschil aselecte en selecte steekproef
Om te kunnen generaliseren is het belangrijk dat onderzoekers beginnen met een aselecte steekproef.
Bij een aselecte steekproef worden mensen geselecteerd op basis van willekeur, steekproef is
representatief voor de hele populatie en heeft een hoge externe validiteit. Aselecte steekproeven zijn
dus goed geschikt wanneer onderzoekers willen kunnen generaliseren. Trekken van aselecte
steekproef zorgt ook voor hogere betrouwbaarheid doordat de steekproef meer representatief is voor
gehele populatie. Bij een selecte steekproef is er geen willekeur gebruikt (bias/vertekening), hierdoor
is de steekproef vaak niet representatief. Je kunt dan niet goed generaliseren, externe validiteit is laag.
Steekproef representatief
Om te beoordelen of een steekproef representatief is, bekijken onderzoekers hoe vaak bepaalde
kenmerken van de mensen in hun steekproef voorkomen en ze vergelijken dit met hun
doelpopulatie. Voorbeelden van kenmerken die onderzoekers gebruiken om de representativiteit te
controleren, zijn: leeftijd, sekse, inkomensniveau, sociale of etnische achtergrond
Aselecte steekproef
Een steekproef op basis van willekeur, random mensen kiezen.
Soorten aselecte steekproeven
Bij een aselecte steekproeftrekking heeft elke participant dezelfde kans om geselecteerd te worden en
heeft elke combinatie van participanten dezelfde kans. Voorbeelden van aselecte steekproeven zijn:
de enkelvoudige aselecte steekproef, de gestratificeerde aselecte steekproef, de cluster steekproef en
de getrapte steekproef.
1)Enkelvoudige Aselecte steekproef (simple random sample)
In een enkelvoudige aselecte steekproef: heeft elke participant DEZELFDE kans om geselecteerd te
worden en heeft elke combinatie van participanten dezelfde kans (bij deze steekproef kunnen bijv. 4
,dezelfde nummers in voor komen, het gaat niet om de verdeling, maar over de verdeling zoals
vergeleken met de populatie). Soms is deze steekproef niet helemaal (volledig) representatief voor de
populatie, dus wisselend representatief. Er is een lijst nodig van iedereen in de populatie, waarna je een
computer gebruikt om willekeurig participanten te selecteren (via systeem). Voorbeeld: een onderzoeker
heeft een lijst met alle studenten aan de UU en trekt willekeurig honderd studenten van de totale
namenlijst. Zo´n lijst is helaas niet altijd mogelijk. Als er binnen de populatie wel groepen te
onderscheiden zijn op basis van een bepaald kenmerk, maar de onderzoeker verwacht geen invloed
daarvan op de resultaten, dan is het niet nodig ervoor te zorgen dat de verdeling in de steekproef gelijk
is aan de verdeling in de populatie. De onderzoeker kan dan volstaan met een enkelvoudige aselecte
steekproef.
2)Gestratificeerde aselecte steekproef (Stratified random sampling)
Een populatie kan aan de hand van verschillende kenmerken worden ingedeeld in groepen. Voorbeelden
zijn: vorm (cirkels en vierkantjes), sekse (mannen en vrouwen), klas (groep 1 t/m 8 op de basisschool).
Deze deelpopulaties noemen we 'strata'. Bij een gestratificeerde steekproef wordt per stratum
een enkelvoudig aselecte steekproef getrokken. De uiteindelijke steekproef bestaat dan uit de
combinatie van de verschillende steekproeven uit de verschillende strata. Een gestratificeerde
steekproef bestaat uit de combinatie van meerdere steekproeven getrokken uit subgroepen in de
populatie.
Voorbeeld 1: Soms verschillen groepen binnen een populatie erg op een bepaald aspect, bijvoorbeeld of ze op het platteland
wonen of in de stad. Wanneer bekend is dat dit aspect (in dit geval "woonplek") veel invloed kan hebben op dat wat er
onderzocht wordt (zo zullen stadsbewoners bijvoorbeeld heel anders gaan antwoorden op bepaalde vragen dan mensen van het
platteland) dan is het belangrijk dat de verdeling van dit aspect in de steekproef gelijk is aan de verdeling in de populatie om
deze invloed in ieder geval gelijk te houden (bij optie voorbeeld 1). Dit kan middels een gestratificeerde steekproef. Voorbeeld:
Een onderzoeker wil zich ervan verzekeren dat de verdeling vierkantjes en rondjes in evenwicht is, omdat dit volgens hem invloed
heeft op de resultaten. Wanneer je de verdeling van een specifieke verschijningsvorm in evenwicht wil houden, dan kun je het
best een gestratificeerde steekproef (stratified random sample) gebruiken.
Hoe bepaalt een onderzoeker de steekproefgrootte per stratum?
Deze keuze hangt van verschillende dingen af: (a) het doel van het onderzoek, en (b) de grootte van de
strata (de deelpopulaties). De verdeling kan dan op twee manieren bepaald worden: 1) Op basis van
de populatieverhouding: De steekproef wordt in dezelfde verhouding als de populatie
getrokken. Voorbeeld: De populatie Utrechtse studenten bestaat uit 60% vrouwen en 40% mannen. De onderzoeker wenst
deze verdeling ook terugzien in de steekproef, zodat deze representatief is. Wanneer de onderzoeker 150 studenten in de
steekproef wenst, zouden er dus 90 vrouwen en 60 mannen geselecteerd moeten worden. Voorbeeld: Een sociale
wetenschapper wil onderzoek doen naar de motivatie onder geneeskunde studenten aan de Universiteit van Utrecht. De
verdeling mannen/vrouwen is niet gelijk in de populatie, en de onderzoeker wil wel een generaliseer baar beeld hebben
uiteindelijk. Strata bepalen populatieverhouding, want generaliseerbaar beeld.
2) Op basis van oversampling: opzettelijke bepaalde deelpopulatie(s) vaker voor laten komen in de
steekproef, omdat deze anders bijvoorbeeld niet of nauwelijks in de steekproef voor zouden komen.
Vaak willen onderzoekers wel gedetailleerde uitspraken over deze deelpopulaties kunnen doen.
Hiermee wordt dus de kans dat een bepaalde deelpopulatie onder- of oververtegenwoordigd is
verkleind. Voorbeeld: De populatie Nederlandse natuurkundestudenten bestaat uit 15% vrouwen en 85% mannen. De
onderzoeker wenst uitspraken te doen over de gehele groep natuurkundestudenten, maar ook over de vrouwen en mannen
apart. De onderzoeker zou er dan voor kunnen kiezen relatief meer vrouwen voor de steekproef te selecteren; bijvoorbeeld 30
vrouwen en 50 mannen. Procentueel is dat 37.5% vrouwen -- veel meer dan in de populatie.
, 3)Clustersteekproef (cluster sampling)
In de werkelijkheid hebben onderzoekers maar zelden beschikking over een lijst van de volledige
doelpopulatie. Hierdoor is het trekken van een enkelvoudig aselecte steekproef of een gestratificeerde
steekproef niet mogelijk. Daarentegen zijn clusters wel vaak bekend. Een cluster steekproef kan gebruikt
worden wanneer de clusters representatief zijn voor de gehele populatie (en dus niet alleen voor een
bepaalde subgroep). Bij clustersteekproef worden ALLE subjecten op het eind meegenomen.
Voorbeeld: Er is bijvoorbeeld geen lijst van alle kinderen op de basisschool in Nederland, maar er is wél een lijst beschikbaar van
alle basisscholen in Nederland. Op basis van die lijst van clusters, kunnen onderzoekers at random bepalen welke clusters
worden opgenomen in de steekproef. Van elk geselecteerde cluster, bijvoorbeeld 10 basisscholen, kan de onderzoeker
vervolgens een lijst opvragen van de subjecten: alle leerlingen van die basisschool. Dit noemen we een cluster steekproef (cluster
sampling). De steekproef omvat dan alle subjecten van de geselecteerde clusters. Dus alle leerlingen van de tien geselecteerde
scholen.
4) Getrapte steekproef (multistage sampling)
Clusters zijn echter vaak nog veel te omvangrijk. Als een onderzoeker bijvoorbeeld 100 middelbare scholen selecteert
en op elke school gemiddeld 400 kinderen zitten, betekent dit dat de uiteindelijke steekproef uit 40.000 kinderen
bestaat. Daarom wordt er vaak nog een extra stap gedaan: binnen elk cluster wordt weer at random een
sample getrokken. Dit noemen we een getrapte steekproef (multistage sampling). Bij een getrapte
steekproef selecteren we met een cluster sampling eerst random clusters uit een lijst en vervolgens
gebruiken we binnen die clusters simple random sampling om de uiteindelijke subjecten (bijv. kinderen)
te selecteren. Verschil dus met clustersteekproef dat bij getrapt op het eind at random mensen
worden geselecteerd en niet alle subjecten!
Soorten fouten in een steekproef
1)Dekkingsfout
Een fout die bestaat uit het onvoldoende afschermen (dekken) van een tegenstander, doordat een deel
van de doelpopulatie niet op de lijst staat. Dekkingsfouten kunnen een vertekening van de werkelijkheid
veroorzaken, want niet iedereen van de populatie is gedekt/beschikbaar.
2)Non-responsefout
Het niet meedoen of niet beantwoorden van vragen. Non-responsefouten kunnen een vertekening van
de werkelijkheid veroorzaken.
Meetniveaus
Het meetniveau van je variabele bepaalt welke statistische tools je wel en niet kunt gebruiken. Om daar
de juiste keuze in te maken, moet je het meetniveau van je variabelen weten. Wanneer we het
meetniveau van een variabele bepalen, kijken we naar de numerieke waarden van deze variabele.
Nominaal meetniveau
Bij categorische variabelen spreken we van een nominaal meetniveau. Bij nominale variabelen
vertegenwoordigen de waarden, namen / woorden / categorieën. Nominale variabelen zijn een
kwalitatieve classificatie zonder ordening. Voorbeeld 1: Fruit is daar een voorbeeld van: 1 = appel, 2 = banaan, 3 =
peer. Dit fruit heeft geen natuurlijke ordening. Het fruit 2 (= banaan) is niet meer of groter of beter dan het fruit 1 (= appel). Het
zijn categorische verbanden/variabelen, maar kunnen niet gerangschikt worden. Hetzelfde geldt voor
man/vrouw en wel/geen (dichotome variabele).
