Samenvatting: Statistisch Onderzoek Met Spss For Windows | 9789051896237 | Jan van Dalen, et al
- Deze + 400k samenvattingen
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden
Lees hier de samenvatting en de meest belangrijke oefenvragen van Statistisch onderzoek met SPSS for Windows | 9789051896237 | Jan van Dalen; Erik de Leede
-
1 Inleiding Statistische Verwerkingsmethoden
Dit is een preview. Er zijn 8 andere flashcards beschikbaar voor hoofdstuk 1
Laat hier meer flashcards zien -
Wat is het verschil tussen positieve en negatieve samenhang en is dit toepasbaar op alle soorten variabelen?
Wanneer hogere waarden van de ene variabele systematisch samengaan met hogere warden van de andere variabele wordt de samenhang tussen twee variabelen positief genoemd. Wanneer hogere waarden van de ene variabele systematisch samengaan met lagere waarden van de andere variabele wordt de samenhang tussen twee variabelen negatief genoemd.
Positieve en negatieve samenhang is alleen mogelijk wanneer de uitkomsten van de betrokken waarden een natuurlijke ordening hebben. In het geval van nominale variabelen kan er dus nooit gesproken worden van positieve of negatieve samenhang. -
Wat is het verschil tussen statistische samenhang en causaliteit?
Kenmerkend voor empirisch onderzoek is dat de oorzakelijkheid van relaties tussen grootheden principieel niet kan worden waargenomen, alleen specifieke combinaties van uitkomsten van variabelen. De interpretatie van deze systematiek als het resultaat van oorzakelijkheid is een subjectieve betekenisgeving voor de onderzoeker. De statistische samenhang is weliswaar objectief vast te stellen, maar de interpretatie van deze samenhang in termen van causaliteit is inherent subjectief van aard.
Het methodologische verschil tussen objectief waarneembare samenhang en subjectief veronderstelde causaliteit wordt aangeduid met de symbolische formule:
Samenhang ≠ Causaliteit. -
5 Samenhang tussen twee variabelen met gelijk meetniveau
-
5.1 Bivariate onderzoeksmethoden
-
Hoe kan men samenhang onderzoeken?
Dit doe je door onafhankelijkheid te onderzoeken. Dit doe je door de factoriseerbaarheid van de gezamenlijke kansverdeling te onderzoeken. Factoriseerbaarheid betekent dat de kans op elk van de gezamelijke gebeurtenissen te schrijven is als product van de marginale gebeurtenissen, P( X = i, Y =j) is gelijk aan P(X=i) * P(Y=j). Wanneer deze verschillen is er sprake van afhankelijkheid. -
Wat betekenen causale relatie, statistische samenhang en statistische afhankelijkheid?
Causale relatie = (veronderstelde) oorzaak-gevolg relatie;
Statistische samenhang = regelmatigheid in bivariate of multivariate statistische gegevens;
Statistische samenhang = statistisch theoretische term voor het afwijken van een conditionele verdeling van een marginale verdeling. -
Welke statistische instrumenten gebruikt men bij het analyseren van samenhang tussen twee kwantitatieve variabelen?
Pearon's correlatiecoëfficient en spearman's rangcorrelatie wanneer de veronderstelde normaliteit wordt geschonden. -
Welke statistische instrumenten gebruikt men bij het analyseren van samenhang tussen twee variabelen met een verschillend meetniveau?
T-toets bij K=2
Anova bij K > 2 -
Welke statistische instrumenten gebruikt men bij het analyseren van samenhang tussen twee kwalitatieve variabelen?
Pearson chikwadraat grootheid (kruistabel) -
Wat is een gezamenlijke kansverdeling en een frequentieverdeling?
Een gezamenlijk kansverdeling geeft een volledige specificatie van alle mogelijke uitkomsten X en Y, deze verdeling gaat over de populatie en is theoretisch van aard.
Een frequentieverdeling is gebaseerd op steekproef gegevens, deze verdeling gaat over de werkelijk waargenomen meetuitkomsten. -
5.6 Kruistabel
Dit is een preview. Er zijn 39 andere flashcards beschikbaar voor hoofdstuk 5.6
Laat hier meer flashcards zien -
Welke eis wordt er gesteld aan de steekproefomvang bij het kruistabel?
Elke subcategorie moet minimaal uit 5 observaties bestaan. Dit is echter een vuistregel, wanneer één cel afwijkt met bijvoorbeeld Nij = 4,5 dan hoef je je geen zorgen te maken. -
Waarom is de covariantie wel een goede maarstaf voor de aard van samenhang maar niet voor de mate?
Omdat de covariantie van twee variabelen af hangt van de meeteenheid van de variantie, zo kan een covariantie gigantisch zijn maar de mate van samenhang de correlatie klein. bijvoorbeeld covariantie 10000000 euro maar correlatie 0,1.
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden