Meetniveaus, onderzoekskwaliteit en het model van Toulmin
Kwantitatieve Methoden 2 draait om het analyseren van vragenlijstdata met SPSS. Op het tentamen hoef je niets met de hand uit te rekenen: je kiest de juiste analyse, voert die uit in SPSS en interpreteert de output. Daarvoor heb je drie basisbouwstenen nodig: het meetniveau van je variabelen (dat bepaalt welke toets je mag gebruiken), de kwaliteit van het onderzoek, en een vaste manier om een conclusie te onderbouwen: het argumentatiemodel van Toulmin.
Meetniveaus (gegevensniveaus)
Variabelen worden ingedeeld in vier meetniveaus. De eerste twee heten samen categorisch (niet-metrisch), de laatste twee samen metrisch.
| Meetniveau | Groep | Kenmerk | Voorbeeld |
|---|---|---|---|
| Nominaal | Categorisch | Alleen een naam of label; geen rangorde | Oogkleur, geslacht |
| Ordinaal | Categorisch | Wel een rangorde, maar de afstand tussen de categorieën is niet te definiëren | Opleidingsniveau (hbo is hoger dan mbo, maar niet een vast aantal eenheden hoger) |
| Interval | Metrisch | Gelijke, duidelijk definieerbare intervallen; geen natuurlijk nulpunt | Temperatuur in graden Celsius |
| Ratio (verhouding) | Metrisch | Gelijke intervallen én een natuurlijk nulpunt | Gewicht, leeftijd, inkomen |
Het verschil tussen interval en ratio zit in het nulpunt. Bij ratio betekent 0 echt "niets", waardoor verhoudingen zinvol zijn: 80 kg is twee keer zo zwaar als 40 kg. Bij temperatuur in Celsius is 0 graden een afspraak, dus 20 graden is niet "twee keer zo warm" als 10 graden.
Hoe hoger het meetniveau, hoe meer bewerkingen zinvol zijn. Bij nominale data kun je alleen tellen (frequenties, modus). Bij ordinale data kun je ook rangschikken (mediaan). Pas bij interval- en ratiodata is een gemiddelde of standaardafwijking zinvol. Een gemiddelde "oogkleur" bestaat dus niet, een gemiddelde leeftijd wel.
Het meetniveau stuurt de keuze van analyse. Een paar voorbeelden die in dit vak terugkomen:
- Representativiteit van een nominale of ordinale variabele toets je met de chi-kwadraattoets; van een interval- of ratiovariabele met een t-toets (of z-toets).
- Bij ANOVA is de afhankelijke variabele metrisch en zijn de onafhankelijke variabelen (factoren) nominaal of ordinaal.
Drie aspecten van de kwaliteit van onderzoek
- Validiteit: meet je daadwerkelijk wat je wilt meten?
- Interne validiteit: meet het instrument wat ik wilde meten?
- Externe validiteit: zijn de resultaten generaliseerbaar naar de hele populatie? Dit hangt direct samen met de representativiteit van de steekproef.
- Betrouwbaarheid: krijg je dezelfde resultaten als je het onderzoek herhaalt? Een betrouwbaar onderzoek is vrij van toevallige meetfouten.
- Bruikbaarheid (nut): de mate waarin de resultaten aansluiten bij de opdracht en bijdragen aan het oplossen van het probleem.
Een betrouwbare meting hoeft niet valide te zijn: je kunt steeds precies hetzelfde meten, maar dan steeds het verkeerde ding. Een valide meting is wel altijd betrouwbaar, want als je echt meet wat je wilt meten, kan de uitkomst niet willekeurig heen en weer springen. Betrouwbaarheid is dus een voorwaarde voor validiteit, maar geen garantie.
Een bekend beeld is een schietschijf: alle pijlen dicht bij elkaar maar naast de roos is betrouwbaar maar niet valide; alle pijlen in de roos is betrouwbaar én valide.
Het argumentatiemodel van Stephen Toulmin
Toulmin beschrijft hoe je een conclusie overtuigend onderbouwt. In dit vak gebruik je het model om elke statistische uitkomst op te schrijven. Het model bestaat uit drie onderdelen:
| Onderdeel | Betekenis | Toepassing in KM2 |
|---|---|---|
| Bewering (conclusie, standpunt) | Het standpunt dat je inneemt | Kies je standpunt: H0 behouden of verwerpen. Meestal formuleer je het standpunt als H1. |
| Gegevens | Het bewijs voor de bewering | Geef aan welke data je hebt gebruikt, van welk meetniveau, hoe ze verzameld zijn en op welke uitkomsten je conclusie is gebaseerd. |
| Rechtvaardiging | Maakt de relatie tussen gegevens en standpunt duidelijk; een algemene verklaring gebaseerd op regels of principes | De beslisregel: zoek de p-waarde op en vergelijk die met alfa. Is p kleiner dan alfa, dan verwerp je H0. |
De gegevens moeten zo objectief mogelijk zijn. Je verantwoordt hoe je data hebt verzameld, welke bronnen je hebt gebruikt en wat de kwaliteit daarvan is, eventuele resultaten uit eerder onderzoek en het uitgangspunt van de onderzoeker. Samen vormen gegevens en rechtvaardiging de onderbouwing die leidt tot de conclusie.
1. Bewering: kies je standpunt (bijvoorbeeld "de steekproef is niet representatief voor geslacht"). 2. Gegevens: noem welke variabele, welk meetniveau, welke toets en welke uitkomst (toetsgrootheid en p-waarde). 3. Rechtvaardiging: vergelijk p met alfa en leg uit of H0 wordt behouden of verworpen, en wat dat betekent.