Hoe plan je het opzetten van een onderzoek?

Een goed onderzoek is sterk afhankelijk van een uitvoerige planning. Het boek geeft de volgende tips bij het opstarten van een onderzoek:

• Kies het design van je onderzoek (bijvoorbeeld experiment, vragenlijst, observationeel). Weeg alle voor- en nadelen van elke methode af.

• Als je kiest voor een experiment: beslis of je kiest voor een between-groups design (verschillende proefpersonen in elke experimentele conditie) of een repeated measures design (alle proefpersonen in alle condities).

• Als je kiest voor een experiment: zorg voor genoeg niveaus in je onafhankelijke variabele.

• Selecteer altijd meer proefpersonen dan nodig (gezien de grote kans op uitval).

• Indien mogelijk, wijs proefpersonen random toe aan elke experimentele conditie. Het is van belang dat deze groepen niet op andere zaken van elkaar verschillen (check dit met een covariantie-analyse).

• Kies betrouwbare en valide afhankelijke variabelen.

• Anticipeer op mogelijke confounding variabelen. Dit zijn variabelen anders dan de onafhankelijke variabele die een mogelijke verklaring kunnen geven voor je resultaat. Controleer indien mogelijk voor deze confounding variabelen.

• Als je kiest voor een vragenlijststudie (survey), check dan van tevoren of de instructies, vragen en schalen duidelijk zijn. Dit doe je door middel van pilot testing.

Hoe kies je de juiste schalen en methoden?

Bij het kiezen van de juiste schaal en methode zijn twee begrippen van belang: betrouwbaarheid en validiteit. Beide begrippen kunnen de kwaliteit van je data beïnvloeden.

Betrouwbaarheid

De betrouwbaarheid (reliability) van een schaal indiceert in welke mate de schaal vrij is van random error. Er zijn twee soorten betrouwbaarheid:

1. Test-hertest betrouwbaarheid (test-retest reliability): deze wordt gemeten door de desbetreffende schaal aan te bieden aan twee verschillende personen in twee verschillende situaties en vervolgens de correlatie tussen

......read more

Wat zijn meetschalen?

Het is van belang om te weten van welk meetniveau je variabele is om vervolgens een goede keuze te maken voor je statistische test (de methode waarmee je je onderzoeksvraag wilt onderzoeken). Een dergelijk meetniveau wordt ook wel een meetschaal genoemd. Er bestaan grofweg vier meetschalen: nominaal, ordinaal, interval en ratio. Deze schalen worden hieronder besproken.

Wat is een discrete variabele?

Een discrete variabele kan slechts een paar vaste waarden aannemen. Hieronder vallen de nominale schaal en de ordinale schaal. De nominale schaal is een kwalitatieve meetschaal met losstaande categorieën, bijvoorbeeld geslacht (man/vrouw). Metingen op ordinaal niveau kennen een natuurlijke ordening. De volgorde is duidelijk, maar de verschillen zijn niet te interpreteren. Een voorbeeld is het opleidingsniveau (VMBO-HAVO-VWO). De verschillen tussen deze opleidingsniveaus zijn niet allemaal even groot.

Wat is een continue variabele?

Een continue variabele is een variabele die gemeten kan worden in getallen, waarbij de tussenliggende waarden betekenis hebben. Hieronder vallen de interval schaal en de ratio schaal. Bij een interval schaal zijn de verschillen tussen scores in tegenstelling tot een ordinale schaal wél gelijk. Het verschil tussen 10 en 11 op een test is net zo groot als het verschil tussen 50 en 51. Een intervalschaal heeft echter geen absoluut nulpunt. Daarom kun je niet zeggen hoeveel hoger een waarde is. Een goed voorbeeld hiervan is de Fahrenheit-schaal: 30 graden is niet twee keer zo warm als 15 graden.

Een ratioschaal heeft dezelfde eigenschappen als een intervalschaal, maar een ratioschaal heeft wel een absoluut nulpunt. 50 centimeter is immers twee keer zo lang als 25 centimeter.

Wat is een categorische variabele?

Een categorische variabele is een variabele die geen getallen aanneemt, maar onderverdeeld wordt in categorieën. Het meest gebruikte voorbeeld is man/vrouw.

Wat is een dichotome variabele?

Een dichotome variabele is een variabele die......read more

Dit is de gemiddelde gekwadrateerde afwijking van het gemiddelde. Je kan de variantie berekenen door eerst het gemiddelde van alle observaties af te trekken. Dan krijg je alle afwijkingen van het gemiddelden. Deze afwijkingen kwadrateer je om ze daarna bij elkaar op te tellen. Op deze manier bereken je de sum of squares. Wanneer we deze delen door het aantal observaties komen we uiteindelijk uit op de gemiddelde gekwadrateerde afwijking van het gemiddelde, dus de variantie.

In SPSS bereken je de variantie met ‘Frequencies’. Je volgt dan de volgende stappen:

1. Kies Analyze en daarna Descriptive statistics. Vervolgens kies je voor Frequencies.

2. Kies de variabele waarin je geïnteresseerd bent en selecteer deze door op de pijltjestoets (rechts wijzend) te klikken.

3. Vervolgens klik je op Statistics en bij Dispersion klik je Variance aan.

4. Klik vervolgens op Continue en dan op OK (of op Paste als je de analyse wil opslaan wil in de Syntax Editor).

De syntax wordt gegenereerd met het volgende commando:

FREQUENCIES VARIABLES=leeftijd

/STATISTICS=VARIANCE

/ORDER=ANALYSIS....read more

Het onderscheidend vermogen, of onderscheidingsvermogen van een statistische toets is de kans om een nulhypothese terecht te verwerpen, dus de kans dat de toets niet een fout van de tweede soort (type II-fout) maakt. Aangezien de alternatieve hypothese vaak samengesteld is, zal het onderscheidend vermogen een functie zijn, aangegeven door γ (of ook wel door β), van de mogelijke waarden van de betrokken parameter onder de nulhypothese. Ideaal is een power van minstens .8....read more

Voordat je alle informatie van vragenlijsten en experimenten in IBM SPSS kan invoeren is het noodzakelijk om een ‘codeboek’ te maken. Dit is een samenvatting van de instructies die je gaat gebruiken om de informatie van elke proefpersoon om te zetten in een format dat IBM SPSS kan begrijpen. Het voorbereiden van een codeboek bestaat uit (1) het definiëren en labelen van elke variabele, en (2) het toekennen van nummers aan alle mogelijke antwoorden.

Op bladzijde 12 van het boek vind je een voorbeeld van een codeboek. Zoals te zien is in dit voorbeeld bestaat een codeboek uit vier kolommen:

1. de afgekorte naam van de variabele (bijvoorbeeld ‘ID’ voor ‘identification number’)

2. de uitgeschreven naam van de variabele (bijvoorbeeld ‘identification number’)

3. uitleg over hoe de mogelijke antwoorden worden gedoceerd (bijvoorbeeld 1 = mannen, 2 = vrouwen)

4. de meetschaal (bijvoorbeeld nominaal)

Aan welke regels dient een variabelenaam te voldoen?

Elke vraag of item in je vragenlijst dient een unieke variabelenaam te krijgen. Er bestaat een aantal regels waar een variabelenaam aan moet voldoen:

• elke variabele moet een andere naam krijgen en dient dus uniek te zijn

• elke variabele moet beginnen met een letter (niet met een cijfer)

• een variabele kan geen symbool (bijvoorbeeld !, ?) of spatie bevatten

• een variabele kan geen woord bevatten die door IBM SPSS wordt gebruikt als commando (bijvoorbeeld all, ne, eq)

• een variabele kan niet meer dan 64 karakters bevatten

...read more

Assumpties zijn voorwaarden waaraan je data moet voldoen om een bepaalde toets uit te voeren. Deze assumpties verschillen bij elke toets. Wanneer er aan deze assumpties inderdaad voldaan is, geeft een parametrische toets doorgaans een beter onderscheidingsvermogen dan een niet-parametrische test. Bij een niet-parametrische test zijn er geen veronderstellingen wat betreft een normale distributie.

Er zijn vier assumpties bij parametrische testen:

1. De data moet normaal verdeeld zijn. Dit kun je testen met de Kolmogorov-Smirnov test.

2. De variaties door de data heen moeten hetzelfde zijn. De Levene test kan gebruikt worden om dit te testen.

3. De data moeten op zijn minst op interval schaal gemeten zijn.

4. De data moet onafhankelijk van elkaar zijn.

Voor veel toetsen is de normale verdeling een assumptie omdat anders de logica van de test niet meer klopt. Het checken van een normaal verdeling kan gecheckt worden aan de hand van grafieken. Ook kan je de Kolmogoroc-Smirnov test doen.

Het meten van normaliteit

Hier volgt de procedure om normaliteit te meten door middel van Explore.

1. Kies Analyze en selecteer Descriptive statistics en vervolgens Explore.

2. Klik de variabelen aan waarin je geïnteresserd bent. Klik op de pijltjestoets (wijzend naar rechts) en sleep deze variabelen naar de Dependent list.

3. Plaats in de Labels Cases by je onafhankelijke variabele.

4. In de Display sectie: zorg ervoor dat Both is geselecteerd.

5. Klik op Statistics en klik Descriptives en Outliers aan. Klik daarna op Continue.

6. Klik daarna op Plots en klik onder Descriptives aan: Histogram. Vervolgens vink je Stem-and-leaf uit. Klik Normality plots with tests aan en klik daarna op Continue.

7. Klik op Options. In de Missing Values sectie klik je op Exclude cases pairwise. Klik daarna op Continue

......read more

SPSS data analyseren (31)

Eenvoudige analyses die je kunt gebruiken om diverse onderzoeksvragen te onderzoeken zijn de correlatie, de variantieanalyses (ANOVA en ANCOVA), regressieanalyses en de onafhankelijke t-toets.

Correlaties analyseren (32)

Een correlatieanalyse wordt gebruikt om de sterkte en de richting van een lineaire relatie tussen twee variabelen te beschrijven. Er zijn verschillende statistieken beschikbaar in IBM SPSS om een correlatie te meten, waaronder de Pearson productmoment correlation cofficient (r) en de Spearman Rank Order Correlation (rho). Pearson r wordt gebruikt bij variabelen op intervalniveau terwijl de Spearman rho wordt gebruikt bij variabelen op ordinaal niveau.

Een correlatie geeft aan in hoeverre twee variabelen samenhangen, bijvoorbeeld het zijn van een vrouw en het dragen van roze kleding. Let op: een correlatie vertelt niets over een causale relatie tussen twee variabelen. Je kunt dus niet direct stellen dat de ene variabele de andere variabele beïnvloedt.

Positieve en negatieve correlaties

Correlaties worden ook vaak gebruikt om data te beschrijven en de data te checken op assumpties. De correlatiecoëfficiënt kan zowel negatief als positief zijn en ligt altijd tussen -1 en 1. Een correlatie van -1 is een perfect negatieve correlatie. Hierbij is sprake van een verband tussen twee tegenovergestelde dingen. Denk hierbij aan het dragen van een bikini en het niet dragen van handschoenen. Een correlatie van 1 is een perfecte positieve correlatie. Hierbij is sprake van een verband tussen twee positieve of twee negatieve variabelen. Bijvoorbeeld: het dragen van een bikini en het eten van een ijsje. Een correlatie van 0 indiceert dat......read more

SPSS data analyseren II (41)

Een complexe analyse omvat is onder meer de Mann-Whitney test; een non-parametrisch alternatief voor de onafhankelijke t-toets. Daarnaast zijn nog een aantal statistische analyses van gevorderd niveau die kunnen worden gebruikt.

Mann-Whitney test (42)

De Mann-Whitney test wordt gebruikt om de verschillen tussen twee onafhankelijke groepen te toetsen met betrekking tot een continue uitkomst. Een voorbeeld is: verschillen mannen en vrouwen in depressiescores? Deze test is een niet-parametrisch alternatief voor een t-toets voor onafhankelijke steekproeven. In tegenstelling tot het toetsen van twee gemiddelden test de Mann-Whitney test de medianen.

Voorbeeld onderzoeksvraag

Nu volgt een voorbeeld van een onderzoeksvraag die je kunt onderzoeken met de Mann-Whitney test.

Onderzoeksvraag: Verschillen mannen en vrouwen met betrekking tot hun depressiescores? Hebben vrouwen hogere depressiescores dan mannen?

Wat heb je nodig: twee variabelen:

• één categorische variabele met twee groepen (geslacht)

• één continue variabele (depressiescores)

Procedure

Nu volgt de procedure voor het uitvoeren van een Mann-Whitney test.

1. Klik op Analyze en selecteer Nonparametric Tests en klik dan op Independent Samples.

2. In het blad genaamd Objective klik je op Customize analysis in de sectie “What is your objective?”.

3. Klik op Fields.

4. Selecteer je categorische (onafhankelijke) variabele (geslacht) en sleep deze naar de Groups sectie.

5. Selecteer je continue (afhankelijke) variabele (depressiescores) en sleep deze naar de Test field sectie.

6. Klik op Settings en selecteer Customize tests. Klik op Mann-Whitney U (2 samples).

7. Klik

......read more

Een afhankelijke (gepaarde) t-toets (in het Engels aangeduid met paired-sample t-test) wordt gebruikt wanneer er slechts één groep is en je graag data wil verzamelen van deze groep in twee verschillende situaties of onder twee verschillende condities. Een voorbeeld is een pre-test/post-test experimenteel design waarbij elke persoon van de groep wordt gemeten op dezelfde afhankelijke variabele op twee verschillende tijdstippen: tijdstip 1 (vóór de experimentele manipulatie) en tijdstip 2 (na de experimentele manipulatie). De gepaarde afhankelijke t-toets wordt ook gebruik wanneer sprake is van gematchte paren van proefpersonen (bijvoorbeeld elke persoon wordt gematcht aan een andere persoon op basis van geslacht). Scores op een continue variabele worden dan vervolgens met elkaar vergeleken voor elk paar.

Assumpties

Bij de gepaarde afhankelijke t-toets horen de volgende assumpties:

• normale verdeling

• de groepen moeten afhankelijk zijn

• de groepen moeten even groot zijn

Procedure

Nu volgt de procedure voor het uitvoeren van een afhankelijke t-toets.

1. Kies Analyze selecteer vervolgens Compare Means en klik dan op Paired Samples T-test.

2. Klik de twee variabelen aan die je met elkaar wilt vergelijken voor elke proefpersoon (bijvoorbeeld depressiescores op tijdstip 1 en depressiescores op tijdstip 2). Sleep deze variabelen naar de sectie genaamd Paired Variables door te klikken op de pijltjestoets (wijzend naar rechts). Klik op OK (of op Paste om de analyse op te slaan in de Syntax Editor).

...read more