H C   2   -   0 1   M E I   2 0 2 3

Betrouwbaarheid & validiteit en regressie

Betrouwbaarheid en validiteit

Hoe weten we dat een meetinstrument goed is? Je kunt dit controleren door:

• Betrouwbaarheid: herhaalbaarheid. Als je het nog een keer doet, komt er dan ongeveer hetzelfde uit?
  • Consistentie van de meting
  • De meting varieert niet door kenmerken van de manier waarop je meet of van het meetinstrument
• Validiteit: meet ik wat ik wil meten? Correctheid van de meting

Validiteit

Hoe kun je de validiteit controleren?

• Indruk: (eerste) indruk van instrument
• Inhoud: meet het alle aspecten die ik wil meten?
• Convergent: komt het overeen met een ander instrument die hetzelfde meet?
• Divergent: heeft het geen correlatie met een instrument dat iets anders meet?
• Criteria: voorspelt het een uitkomst?

Sterkte

• De sterkte van een relatie meet je door de correlatie
• Correlatie: een maat voor de sterkte en de richting van een lineair verband tussen twee interval-/ratiovariabelen
• Noteer je met r
• De waarden liggen altijd tussen -1 en +1

Betrouwbaarheid

• Hoe kun je betrouwbaarheid controleren?
  • Test-hertest: komt er de volgende keer (ongeveer) hetzelfde uit als de eerste keer?
  • Interbeoordelaars: komen er dezelfde uitkomsten uit de metingen als ze door verschillende beoordelaars gedaan worden?
  • Interne betrouwbaarheid: hangen alle componenten van het meetinstrument met elkaar samen?
• Cronbach’s alfa: meet interne consistentie/betrouwbaarheid. In hoeverre correleren de items op de vragenlijst?

Nulhypothese

• Stap 1: formuleren van hypothese H0 en Ha
• Stap 2: data verzamelen
• Stap 3: p-waarde berekenen
• Stap 4: beslissen om H0 wel of niet te verwerpen

Van correlatie naar regressie

• Correlatie wordt gebruikt voor:
  • Meten van de sterkte van lineaire relatie
  • Meten van de richting van de lineaire relatie
• Regressie kun je gebruiken voor:
  
  • Beschrijven van vergelijking van lineaire relatie
  • Voorspellingen op basis van deze vergelijking maken

Voorspellingen en variabelen

• De onderzoeksvraag: kan de ene variabele voorspelt worden door de andere variabele?
• De voorspelde variabele:
  
  • Wordt genoteerd met Y
  • Wordt de afhankelijke variabele genoemd
• De variabele die wordt gebruikt om de voorspelling te doen:
  
  • Wordt genoteerd met X
  • Wordt de onafhankelijke variabele genoemd

Regressielijn en -vergelijking

• Hoe bepalen we de vergelijking van de best passende lijn?
• Hoe bepalen we welke lijn het beste past?
• Techniek: Least Squares Regression
  
  • De regressievergelijking wordt bepaald door de residuen
  • De vergelijking met de kleinste hoeveelheid residuen (in het kwadraat) is de winnaar
• De regressievergelijking
  • Wordt door wiskundematig de kleinste som van gekwadrateerde residuen te bepalen (sum of squared residals (SSR))
  • Deze kun je gebruiken om voorspellingen te doen
  • Wordt geschreven als:

• • • b₀ wordt het Y-afsnijpunt genoemd (Y-intercept)
    • b₁ wordt de helling genoemd (slope)

Residuen

• Wanneer er weinig spreiding rondom de regressielijn is dan
  • Zijn de residuen meestal klein
  • Zullen de voorspellingen met de regressievergelijking zeer nauwkeurig zijn
• Wanneer er meer spreiding rond de regressielijn is dan
  
  • Zijn de residuen meestal groter
  • Zullen de voorspellingen met de regressievergelijking minder nauwkeurig zijn

Hoe accuraat zijn voorspellingen?

• Een maatstaf voor de nauwkeurigheid van de voorspellingen heet standaardfout van de schatting
• Het is de standaardafwijking van de residuen
• Het is ruwweg de gemiddelde fout die we maken wanneer we de regressievergelijking gebruiken om voorspellingen te doen