STATISTIEK 2

Introductie

Tim Vanhoomissen
WAAROM STATISTIEK?
Stel:

Het nuttigen van een sportdrank zorgt voor 4% meer tevredenheid in

bed dan het nuttigen van een pepdrank.

Welk drankje kies je bij de volgende gelegenheid?

Er is een interactie-effect: bij dames leidt de sportdrank tot 30%

meer tevredenheid, terwijl bij heren net de pepdrank zorgt voor
meer tevredenheid. Omdat het effect bij dames groter is, is er
een overall effect van sportdrank.*

Statistische kennis vermijdt té snelle en té simpele conclusies!

*De voorbeelden in deze cursus berusten niet altijd op vaststaande feiten

Introductie & hoofdstuk 1

2
STATISTIEK 1 IN VOGELVLUCHT
(zie Inleiding in de statistiek voor de
gedragswetenschappen, Valkeneers &
Vanhoomissen)
STATISTIEK 1 IN VOGELVLUCHT
ZIE VALKENEERS & VANHOOMISSEN (2012)

Variabelen operationaliseren en meten

• operationaliseren = variabelen meetbaar maken

• variabelen:
− continu of discreet
− meetniveau: nominaal, ordinaal, interval, ratio
− onafhankelijk / afhankelijk

• 2 voorwaarden voor meten:

− validiteit (meet de test wat we willen meten?)
− betrouwbaarheid (hoe goed meet de test wat we willen meten?)

•Introductie & hoofdstuk 1

4
STATISTIEK 1 IN VOGELVLUCHT

Steekproeven
= het deel van de populatie dat wordt onderzocht, wanneer de
populatie te groot is om helemaal te onderzoeken

-> doel van de inductieve statistiek: verantwoorde uitspraken doen over

de populatie aan de hand van een steekproef

We willen wél uitspraken doen over de gehele populatie, dus de

steekproef moet een goede afspiegeling zijn van de populatie.

Onderzoek doen bij depressieve patiënten uit het UZA om

uitspraken te doen over depressieven in het algemeen. Goede
steekproef?

Introductie & hoofdstuk 1

5
STATISTIEK 1 IN VOGELVLUCHT

Soorten steekproeven

Aselecte steekproeven
1. Aselecte steekproef
2. Gestratificeerde steekproef
3. Clustersteekproef

Niet-aselecte steekproeven
1. Sneeuwbalsteekproef
2. Gelegenheidssteekproef
3. Quotasteekproef

Introductie & hoofdstuk 1

6
STATISTIEK 1 IN VOGELVLUCHT

1. Aselecte steekproef

= elk element van de populatie een gelijke kans geven om in de

steekproef te worden opgenomen

Uit de lijst van alle Vlaamse leerlingen SO randomgewijs 2000

leerlingen selecteren om het gemiddelde IQ van Vlaamse
leerlingen SO na te gaan.

Nadeel: niet altijd representatief!

Introductie & hoofdstuk 1

7
STATISTIEK 1 IN VOGELVLUCHT
2. Gestratificeerde steekproef

= alle deelpopulaties evenredig aan bod laten komen in de steekproeftrekking.

Eerst percentages nagaan van ASO, TSO en BSO leerlingen, en daarna uit
elke deelpopulatie een aselecte steekproef trekken zodat de
percentages in de steekproef dezelfde zijn als in de populatie.

populatie steekproef
ASO 60% 1200 (60%)
TSO 30% 600 (30%)
BSO 10% 200 (10%)
N = 100% n = 2000 (100%)

Introductie & hoofdstuk 1

8
STATISTIEK 1 IN VOGELVLUCHT
2. Gestratificeerde steekproef

Voordeel: wel mogelijk om representativiteit te bereiken (als de steekproef

goed wordt samengesteld)

Kijkcijfers: panel van 1500 gezinnen, samengesteld zodat ze de totale

Belgische bevolking representeren.

Introductie & hoofdstuk 1

9
STATISTIEK 1 IN VOGELVLUCHT
3. Clustersteekproef

= populatie verdelen in gelijkaardige clusters en daarna aselecte

steekproef trekken uit deze clusters. Vervolgens binnen elke
geselecteerde cluster een aselecte steekproef trekken.

De populatie leerlingen verdelen in clusters volgens provincie.

Aselect 3 provincies trekken. Elke provincie verdelen in clusters
volgens school en 4 scholen aselect trekken. Ten slotte binnen
elke geselecteerde school een aselecte steekproef van 40
leerlingen trekken.

Voordeel: spaart kosten en tijd

Nadeel: minder nauwkeurig, minder representatief

Introductie & hoofdstuk 1

10
STATISTIEK 1 IN VOGELVLUCHT
Andere soorten steekproeven (niet-aselecte steekproeven)

1. Sneeuwbalsteekproef
Onderzoeker vertrekt van één respondent aan wie vervolgens gevraagd
wordt andere respondenten te contacteren
Voordeel: mensen die moeilijk bereikbaar zijn worden makkelijker
bereikt
Nadeel: kans is groot dat mensen sterk op elkaar lijken

2. Gelegenheidssteekproef
Keuze van respondenten wordt overgelaten aan ondervrager (nl.
mensen die men makkelijk kan vinden) Vb. 1e jaars psychologie, op
straat
Voordeel: goedkoop, snel
Nadeel: niet geschikt voor populatieschattingen

Introductie & hoofdstuk 1

11
STATISTIEK 1 IN VOGELVLUCHT

Andere soorten steekproeven (niet-aselecte steekproeven)

3. Quotasteekproef
Onderzoeker bepaalt kenmerken van de populatie die men ook wil zien
in steekproef (bv. verdeling jongens/meisjes).
Onderzoeker zorgt ervoor dat hij aan dat aantal komt (= quotum). Hoe
hij aan dat aantal komt is niet belangrijk (bv. via
gelegenheidssteekproef).

Niet-aselecte steekproeven: niet altijd geschikt voor inductieve

statistiek!

Introductie & hoofdstuk 1

12
STATISTIEK 1 IN VOGELVLUCHT
Frequentieverdelingen
= eerste verkenning van de data

verschillende frequenties:
− absolute frequenties
− relatieve frequenties
− absolute cumulatieve frequenties
− cumulatieve percentages

verschillende visuele vormen:

− taartdiagram (nominaal)
− staafdiagram (nominaal, ordinaal)
− histogram (interval)

percentielscores: plaats van een score in het geheel

Introductie & hoofdstuk 1

13
STATISTIEK 1 IN VOGELVLUCHT

Centrummaten
• modus – waarde die het meest voorkomt
• mediaan – middelste waarde bij gerangschikte waarnemingen
• gemiddelde – som van waarden gedeeld door aantal waarnemingen

• bij symmetrische verdeling:

modus = mediaan = gemiddelde

• mediaan minder gevoelig voor extreme waarden

• gemiddelde consistenter over verschillende steekproeven

Introductie & hoofdstuk 1

14
STATISTIEK 1 IN VOGELVLUCHT

Spreidingsmaten
• hoe ver liggen de scores uit elkaar?

• variatiebreedte (verschil tss grootste en kleinste)

• interkwartielafstand (P75 – P25)
• variantie
• standaarddeviatie

• standaardscores (Z-scores): X-X

Zx =
SX

Introductie & hoofdstuk 1

15
STATISTIEK 1 IN VOGELVLUCHT

De normale verdeling
• geobserveerde gegevens die passen in theoretische verdeling
(model) bieden meer mogelijkheden voor verwerking.
• veelgebruikt model: normale verdeling
• geeft de kans op het voorkomen van een bepaalde waarde

0,5

0,4
Probability Density

0,3

0,2

0,1

0
-4 -3 -2 -1 0 1 2 3 4

Introductie & hoofdstuk 1

16
STATISTIEK 1 IN VOGELVLUCHT

De normale verdeling
• normale verdelingen verschillen enkel in gemiddelde en
standaarddeviatie. De curve is altijd klokvormig en symmetrisch.
• dankzij dit specifieke model kunnen gemakkelijk observaties
afgeleid worden:

0,3

0,25
Probability Density

0,2

0,15

0,1

0,05 6,43%

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Introductie & hoofdstuk 1

17
STATISTIEK 1 IN VOGELVLUCHT

Transformaties van verdelingen

• waarom? niet alle data zijn normaal verdeeld, en om makkelijk
berekeningen te maken is het nuttig om een verdeling te
transformeren zodat ze de normale verdeling benadert.

Histogram

45
40
Absolute Frequenties

35
30
25
20
15
10
5
0
0 20 40 60 80
Metingen X

Introductie & hoofdstuk 1

18
STATISTIEK 1 IN VOGELVLUCHT

Transformaties van verdelingen

Vormkenmerken van een verdeling:
• centrummaat (gemiddelde, mediaan, modus)
• spreidingsmaat (standaarddeviatie)
• kurtosis: gepiektheid Histogram
• skewness: scheefheid 45
40

Absolute Frequenties
35
30
25
20
15
10
5
0
0 20 40 60 80
Metingen X

Introductie & hoofdstuk 1

19
STATISTIEK 1 IN VOGELVLUCHT

Transformaties van verdelingen

• Lineaire transformaties (bv. standaardiseren): enkel gemiddelde en

standaarddeviatie veranderen

• Normaliserende transformaties: ook kurtosis en skewness

veranderen zodat de normale verdeling benaderd wordt

Introductie & hoofdstuk 1

20
STATISTIEK 1 IN VOGELVLUCHT

Kruistabellen
• Wat als we de samenhang tussen variabelen willen bestuderen?
• Afhankelijk van meetniveau:
− nominaal en nominaal: kruistabel
− nominaal en ordinaal: kruistabel
− interval en interval: correlatie
• 3 maten van samenhang bij kruistabellen:
− Chi-kwadraat (niet geschikt voor kleine steekproeven)
− Contingentiecoëfficiënt (variabelen met 2 niveaus)
− Cramér’s V (variabelen met meer dan 2 niveaus)

Introductie & hoofdstuk 1

21
STATISTIEK 1 IN VOGELVLUCHT

Correlatie
• zelfde doel als kruistabellen: samenhang van variabelen nagaan
• verschil: variabelen op interval- of rationiveau
• hoge correlatie is bv .75 maar ook -.85
• covariantie: zelfde als correlatie, maar niet gestandaardiseerd (niet
delen door stdev in formule)
• hoe de correlatie gebruiken om voorspelling te maken? -> regressie:

Introductie & hoofdstuk 1

22
STATISTIEK 1 IN VOGELVLUCHT

Lineaire regressie

• hoe de correlatie gebruiken om voorspelling te maken? -> regressie:

Y ' = a + b YX  X

Y = rX,Y   ( X − X ) + Y
' sY
sX
X = gekende variabele
Y = voorspelling

Introductie & hoofdstuk 1

23
STATISTIEK 2

the saga continues…

Vanhoomissen & Valkeneers – Hoofdstuk 1

SITUERING STATISTIEK 1 EN 2
Empirische cyclus
blondines zijn
even theorie hypothese brunettes zijn
intelligent als intelligenter
brunettes dan blondines

inductieve data-
is 102 analyse verzameling
significant neem IQ-test af
groter dan van groep
99? brunettes en
groep blondines
beschrijvende
analyse

brunettes=102
Introductie & hoofdstuk 1
25 blondines=99
TOETSENDE STATISTIEK

Nut van toetsende statistiek?

• Kunnen mannen beter kaartlezen dan vrouwen?
• Score op test kaartlezen (40 deelnemers):

Mannen 45/60 51/60 42/60

Vrouwen 44/60 39/60 47/60

• Conclusie?

>> statistiek biedt regels om te beslissen

Introductie & hoofdstuk 1

26
TOETSENDE STATISTIEK

Dus zekerheid en houvast!?

• niet helemaal: statistiek berust op kansberekening
− onderzoek meestal in steekproeven
− steekproef geen perfecte afspiegeling van populatie
− foutieve variatie mogelijk
− inschatten hoe zeker we zijn van onze conclusies
− kansberekening nodig
• nooit 100% zeker van conclusie
− bv: “We concluderen met 95% zekerheid dat vrouwen meer
levenstevredenheid ervaren dan mannen”
• wanneer zijn zulke uitspraken geoorloofd?
>> significantie

Introductie & hoofdstuk 1

27
STATISTISCHE SIGNIFICANTIE

Wat is significantie?
• op basis van steekproeven geen zekerheden
• wanneer dan verschillen/verbanden?
>> als we besluiten dat iets “statistisch significant” is

• bv. verschil tussen scores kaartlezen 51/60 en 39/60 is

significant, tussen 42/60 en 47/60 is niet significant.
• bv. verband tussen lengte en gewicht is significant,
verband tussen lengte en hoeveelheid hersenen is niet
significant.

Introductie & hoofdstuk 1

28
HYPOTHESETOETSING

Nodig om tot die significantie te komen:

hypothesetoetsing
• stel: onderzoek naar effect van muziek op depressie
• deelnemers luisteren 1u naar emo-rock of hip-hop
• emo-rock luisteraars zijn meer depressief dan hip-hop
luisteraars
• maar kan dat toevallig zijn? Is het niet waarschijnlijk om
zo’n verschil te observeren ook al is er geen invloed van
muziek?

Introductie & hoofdstuk 1

29
HYPOTHESETOETSING

dus:
• we veronderstellen even dat muziek geen invloed heeft
• we berekenen hoe waarschijnlijk het is om onze scores te
observeren
− als dit heel waarschijnlijk is, besluiten we dat er geen
verschil is
− als dit heel onwaarschijnlijk is, besluiten we dat er
wel een verschil is

Introductie & hoofdstuk 1

30
HYPOTHESETOETSING

Statistische significantie nagaan dmv kansberekening:

Is het geobserveerde verschil groot genoeg om significant te zijn

ervan uitgaan dat er in

werkelijkheid geen verschil is

kans berekenen dat we in dat

geval die observaties doen

grote kans: wellicht kleine kans: mogelijk

geen “echt” verschil een “echt” verschil

Introductie & hoofdstuk 1

31
HYPOTHESETOETSING

of toegepast: muziek heeft geen

invloed op depressie

wat is de kans op gem.

groep 1 = 24 en gem.
groep 2 = 26 ?

grote kans: wellicht geen kleine kans: wellicht

“echt” verschil, dus geen een “echt” verschil: wél
invloed van muziek op inloed van muziek op
depressie depressie

Introductie & hoofdstuk 1

32
HYPOTHESETOETSING

>> Nieuwe vragen:

− Hoe moeten we die kans berekenen?

• op basis van kansverdelingen (bv. standaardnormale verdeling)
• met behulp van verschillende toetsen

− Wat is dan een “grote” en een “kleine” kans?

• 5% of 0.05 meest courant (zie later)

Introductie & hoofdstuk 1

33
TOETSEN

Dus 1 formule, 1 berekening en Statistiek 2 over

and out?
• jammer: toetsingssituaties zijn heel uiteenlopend:
− verschil in depressie bij verschillende muziek?
− verschil in depressie vóór en na beluisteren van muziek?
− verschil in depressie bij verschillende muziek en 2 methoden
gedragstherapie?
− 500 deelnemers of slechts 20?
− …
• bijgevolg ook uiteenlopende toetsen

Introductie & hoofdstuk 1

34
MISBRUIK VAN STATISTIEK

Complexe formules, software en exacte

getallen doen niet alles!
• statistiek is slechts een hulpmiddel bij onderzoek
• randvoorwaarden zijn net zo belangrijk:
− juiste methodologie
− correct onderzoeksopzet
− correcte formulering in rapport
− correcte vermelding variabelen
− …
>> statistiek wordt vaak misbruikt!

Introductie & hoofdstuk 1

35
MISBRUIK VAN STATISTIEK

Onduidelijke steekproef

“95% van de Belgen is tevreden over Activia”

Gebrek aan context

“Duracell-batterijen gaan tot 5 maal langer mee”

Interne validiteit

Laat het onderzoeksopzet toe om causale conclusies te trekken?

Introductie & hoofdstuk 1

36
INTERNE VALIDITEIT

Ongeoorloofde causale conclusie

>> interne validiteit : Mate waarin we met een

onderzoeksontwerp causale conclusies kunnen
trekken over effect van OV op AV

3 voorwaarden:
1. Effect van OV op AV in voorspelde richting
2. Oorzaak moet in tijd voorafgaan aan gevolg
3. Geen andere verklaringen voor gevonden verband

Introductie & hoofdstuk 1

37
INTERNE VALIDITEIT

bv: Kunnen kinderen beter lezen als ze door hun ouders

vaak worden voorgelezen?
− test bij 20 kinderen die vaak worden voorgelezen en 20 kinderen die
nooit worden voorgelezen
− eerste groep scoort 7, tweede groep scoort 6
− significant verschil, maar ook intern valide?

• voorwaarde 1: scoren de kinderen die worden

voorgelezen hoger dan de andere kinderen?
>> ok (na statistische test)

Introductie & hoofdstuk 1

38
INTERNE VALIDITEIT

• voorwaarde 2: gaat de oorzaak vooraf aan het gevolg?

Komt het voorlezen vóór de betere lees-score of kan het
ook omgekeerd?

meer voorlezen beter lezen

beter lezen meer voorlezen

Introductie & hoofdstuk 1

39
INTERNE VALIDITEIT

• voorwaarde 3: is er geen andere verklaring voor het

verband?

Introductie & hoofdstuk 1

40
INTERNE VALIDITEIT

Om alternatieve verklaringen uit te sluiten: experimenteel

onderzoek

− randomiseren
− voormeting
− nameting
− controleren voor storende variabelen
− …

= methodologie: noodzakelijk om juiste conclusies te

trekken, statistiek alleen is onvoldoende!

Introductie & hoofdstuk 1

41
INTERNE VALIDITEIT

Introductie & hoofdstuk 1

42
EXTERNE VALIDITEIT

Ongeoorloofde generalisatie

>> externe validiteit : mate waarin resultaten van het

onderzoek kunnen gegeneraliseerd worden over:

1. situaties (lijkt de onderzoekssituatie genoeg op de “dagelijkse”

situatie?)
2. methoden (wordt hetzelfde resultaat gevonden met een andere
methode?)
3. tijd (zelfde resultaten in een andere periode?)
4. populaties (zelfde resultaten in andere populatie?)

Introductie & hoofdstuk 1

43
EXTERNE VALIDITEIT
Statistische generalisatie is nog iets anders!

>> kunnen we generaliseren vanuit de steekproef naar

de populatie waaruit de steekproef werd getrokken?

Introductie & hoofdstuk 1

44
SAMENVATTING
Toetsende statistiek volgt op beschrijvende statistiek in de
empirische cyclus.
Bedoeling is om op basis van verzamelde data een
onderbouwde beslissing te nemen over verband/verschil.
Dat we over deze beslissing nooit 100% zeker zijn is niet
erg, zo lang we maar de mate van onzekerheid kennen.
Om die mate van onzekerheid te bepalen, hebben we
kansberekeningen nodig.
Op basis daarvan kunnen we significantie berekenen.
Statistiek is geen wetenschap op zich. Statistische
conclusies zijn pas waardevol als ook aan de
randvoorwaarden voldaan is en statistiek niet misbruikt
wordt.

Introductie & hoofdstuk 1

45