Variabele begrippen en analyse-eenheden

Presentatie over: "Variabele begrippen en analyse-eenheden"— Transcript van de presentatie:

1 Variabele begrippen en analyse-eenheden
Er zijn 2 soorten begrippen voorbeelden individu groep individuen school ANALYSE EENHEDEN OBSERVEERBAAR voorbeelden intelligentie leeftijd geslacht VARIABELE BEGRIPPEN SYSTEMEN EIGENSCHAPPEN

2 Eigenschap = “variabel begrip”
Eigenschappen kunnen verschillende waarden hebben in verschillende systemen voorbeelden “Jan is intelligenter dan Tom” “Sabine is een meisje, Tom een jongen” de waarden die een variabel begrip kan aannemen zijn niet noodzakelijk getallen

3 Van variabel begrip tot variabele
METEN = vaststellen van de waarde van het variabel begrip in een bepaalde analyse-eenheid MEETINSTRUMENT: vragen, observaties MEETBAAR maken van variabel begrip = operationaliseren VARIABELE = geoperationaliseerd variabel begrip

4 Variabele = indicator voor variabel begrip
Bij een variabel begrip kunnen meerdere variabelen horen VOORBEELD variabel begrip “INTELLIGENTIE” variabelen: schoolse kennis , taalvaardigheid, geheugen, sociaal inzicht, leervermogen, ruimtelijk inzicht, rekenvaardigheid, enz.

5 Discrete variabelen Variabel begrip Variabele DISCREET afronding
CONTINU afronding DISCREET DISCREET

6 Toekennen van cijfers aan observatie-eenheden volgens bepaalde regels
Meten Toekennen van cijfers aan observatie-eenheden volgens bepaalde regels X = verzameling analyse-eenheden (vb 5 kinderen) Y = verzameling cijfers f = regel (vb 1hoogste motivatie, 2 volgende, …) X f Y x1 x2 x3 x4 x5 1 2 3 4 5

7 Optimale meetprocedure
Hoogst mogelijke meetniveau wordt bepaald door het variabel begrip vb. Geslacht = Nominaal De gebruikte regel bij het meten is bepalend voor het meetniveau (classificeren, ordenen of met vaste meeteenheid)

8 Betrouwbaarheid / Validiteit
Betrouwbaarheid = overeenstemming tussen opeenvolgende metingen Validiteit = overeenstemming tussen variabel begrip en variabele Invaliditeit Onbetrouwbaarheid

9 Onderdelen van meetwaarde

10 Beschrijvende onderzoeksmethoden

11 Doel van beschrijvend onderzoek
Accurate beschrijving van een bepaalde gebeurtenis, situatie of fenomeen Aanduiden van relevante variabelen en relaties tussen variabelen (NIET oorzaak-gevolg) Enquêtes, opiniepeilingen Onderzoek in “nieuwe” domeinen, met oog op hypothesevorming Evaluatie-onderzoek (is voorgestelde oplossing voor probleem effectief?)

12 Secundaire bronnen ALLE observaties/metingen of fysische sporen vastgelegd door anderen (derden) geboorteregister, data van de volkstelling bewakingsvideos, foto’s, ... vingerafdrukken, aantekeningen in boeken, ... Voordelen Reactivity Effect speelt niet (zich anders gedragen omdat men weet dan men deel uitmaakt van onderzoek, cfr Hawthorne-effect) Nadelen Selective Deposit (selectieve verzameling van data) Selective Survival (niet alles wordt bewaard= probleem archeologie)

13 Natuurlijke observatie
Verzamelen van data over spontaan gedrag Onderzoeker blijft volkomen afzijdig Onderzoek in gewone habitat, echtheid Nagaan welke variabelen samen voorkomen, hypothesen ivm causaliteit kunnen later in experiment getoetst worden Voordelen Echtheid Accurate beschrijving Kan waar experiment soms niet kan Nadelen Oorzaken zijn moeilijk te isoleren Duurt vaak erg lang

14 Bierconsumptie

15 Gevalstudie (Case study)
Intensieve beschrijving en analyse van een enkel individu, organisatie of gebeurtenis op grond van velerlei bronnen (interviews, documenten, tests, …) Voordelen Bron van ideeën en hypothesen Beschrijven van zeldzame gebeurtenissen Kan tegenvoorbeeld geven voor “aanvaarde hypothesen” Nadelen Oorzaak van een specifieke gebeurtenis kan niet met zekerheid aangeduid worden Veralgemening van bevindingen naar anderen is niet mogelijk

16 verband  voorspelling
Correlatie studie verband nagaan tussen gemeten variabelen verband  voorspelling Voordelen Bron van hypothesen Eenvoudig Nadelen Probleem van de 3de variabele Buitenbeentjes

17 Analytisch of stochastisch verband ?
30 Analytisch verband Kennis van meetwaarde voor 1 variabele laat toe de meetwaarde voor de andere variabele perfect te voorspellen 25 20 Y1 15 10 5 5 10 15 20 25 30 X1 Voorbeeld: Y1 = X1 + 1 Stochastisch verband Kennis van meetwaarde voor 1 variabele laat slechts toe de meetwaarde voor de andere variabele min of meer correct te schatten 30 25 20 Y2 15 10 5 5 10 15 20 25 30 Voorbeeld: Y2  0.94X X2

18 Correlatiecoëfficiënt
5 10 15 20 25 30 X1 Y1 5 10 15 20 25 30 X2 Y2 5 10 15 20 25 30 X3 Y3 Analytisch lineair verband Volkomen positieve correlatie r = 1 Stochastisch lineair verband Hoge positieve correlatie r = .91 Stochastisch lineair verband Lage positieve correlatie r = .35 5 10 15 20 25 30 X4 Y4 5 10 15 20 25 30 X7 Y7 5 10 15 20 25 30 X6 Y6 Stochastisch lineair verband Hoge negatieve correlatie r = -.90 Analytisch lineair verband Volkomen negatieve correlatie r = -1 Analytisch niet-lineair verband Kromlijnige correlatie r = .70

19 Product-moment correlatiecoëfficiënt r (Bravais-Pearson)
Lineaire regressievergelijking Y’ = a + bX

20 Teken van de co-variantie
+ 30 25 20 15 10 + - 5 5 10 15 20 25 30

21 Berekenen van correlatiecoëfficiënt

22 Kenmerken van de correlatiecoëfficiënt
r = 0 GEEN LINEAIR VERBAND Regressierechten Y/X en X/Y staan loodrecht op elkaar Beste voorspelling: Y’ = Y en X’ = X rmax = +1 VOLKOMEN POSITIEF LINEAIR VERBAND Regressierechten vallen samen en stijgen rmax = -1 VOLKOMEN NEGATIEF LINEAIR VERBAND Regressierechten vallen samen en dalen MAAK ALTIJD EERST EEN SPREIDINGSDIAGRAM OM EVENTUEEL NIET-LINEAIR VERBAND UIT TE SLUITEN

23 Correlatiecoëfficiënt en regressierechten
5 10 15 20 25 30 Y / X X / Y 5 10 15 20 25 30 Y / X X / Y r = .91 r = 1 5 10 15 20 25 30 Y / X X / Y 5 10 15 20 25 30 Y / X X / Y r = 0 r = .35

24 Associatie en oorzakelijk verband
Associatie impliceert NIET noodzakelijk causaliteit of nog: Een verband is niet altijd een oorzakelijk verband Mogelijke oorzaken van een associatie tussen X en Y X Y X Y Steekproef niet a-select Z Y X # kerken Y X # overvallen

25 Onechte correlatie (Spurious correlation)
de 3de variabele Bevolkings-dichtheid Delinquentie Inkomen buitenbeentjes r = 0.40 5 10 15 20 25 30 r = 0.96 20 40 60 80 100 120 50 150

26 Ex Post Facto onderzoek
Onderzoeker kan zelf bepaalde variabelen niet manipuleren en selecteert daarom eenheden die bepaalde waarden van die variabelen van nature vertonen Voordelen Vaak enig mogelijke methode Nadelen Selectie: interne validiteit, mogelijk is niet (enkel) onafhankelijke variabele verschillend

27 Longitudinaal onderzoek
TIJD Generaties Duur van onderzoek

28 Cross-sectioneel onderzoek
TIJD Generaties Duur van onderzoek

29 Cohorte-sequentieel onderzoek
TIJD Generaties Duur van onderzoek

30 Longitudinaal <> Cross-sectioneel onderzoek
Intelligentie en leeftijd Longitudinaal Gemiddeld IQ Cross-sectioneel Leeftijd