Week 1; gegevens verzameling

Question 1

Wat is het argumentatiemodel van Toulmin?

Answer 1

In zijn model worden 3 elementen benoemd; claim, ground and warrant (gegevens, rechtvaardiging en conclusie). 
Het model heeft dus 3 stappen
1. Kies standpunt (conclusie)
(Claim; What is your decision)
2. Geef aan welke gegevens zijn gebruikt
(Ground: Based on what decisions)
3. Beargumenteer waarom de conclusie juist is, geef hierbij aan welke regels toegepast worden
(Warrant: why is the choice adequate)

Question 2

Wat zijn de verschillende stappen voor het opstellen van een vragenlijst?

Answer 2

1. Informatie (variabelen die nodig zijn)
2. Dataverzamelingstechniek
3. Inhoud (per vraag bepalen of ze noodzakelijk zijn)
4. Capaciteit respondent (heeft respondent juiste info om juist te antwoorden)
5. Bereidheid respondent (wilt de respondent antwoord geven)
6. Structuur vragen (open/gelsoten/schaalitems etc)
7. Formulering
8. Volgorde en lay-out
9. Testen

Question 3

Wat zijn de voordelen van secundaire data?

Answer 3

Voordelen;
Niet belastend (unobstructive)
Data zijn niet makkelijk te verkrijgen
Relatief goedkoop
Beschikbaarheid
Vergroten van inzicht in primaire data

Question 4

Wat zijn de nadelen van secundaire data?

Answer 4

Nadelen;
Mogelijk niet valide noch betrouwbaar
beperkte documentatie
toegang
metingen en/of klasse definities matchen niet
achterhaald

Question 5

op welke aspecten is de kwaliteit van onderzoek gebaseerd?

Answer 5

1. Validiteit = mate waarin gemeten kenmerken daadwerkelijk de kenmerken zijn
   - Interne validiteit = meten wat je wilt meten
   - Externe validiteit = mate waarin resultaten vertaald mogen worden naar de populatie van de steekproef (generaliseerbaarheid)
2. Betrouwbaarheid = mate waarin de metingen van de kenmerken dezelfde resultaten opleveren bij herhaalde meting onder zelfde omstandigheden
3. Bruikbaarheid = sluiten onderzoeksresultaten goed aan bij het probleem van de opdrachtgever

Question 6

Waar let je op bij het formuleren van een vragenlijst?

Answer 6

• Gebruik gewone woorden
• Gebruik eenduidige woorden
• Vermijd impliciete veronderstellingen
• Vermijd generalisaties en schattingen
• Gebruik positieve en negatieve stellingen

Question 7

Wat is een niet-kans steekproef en wat zijn de verschillende soorten?

Answer 7

Representativiteit magniet worden verondersteld.
Soorten niet-kanssteekproeven;
- Convenience steekproef (wat je tot je beschikking hebt)
- Judgmental sampling (mensen uitsluiten)
- Quota sampling (kiezen op basis van een quotum)
- Snowball sampling (eerst 1 persoon, als je die vindt vraag je aan die persoon of die nog andere kent)

Question 8

Wat is een kanssteekproef en wat zijn de verschillende soorten?

Answer 8

Bij een kans-steekproef mag je veronderstellen dat deze representatief is, maar kan niet worden gegarandeerd - aselect.

De soorten;

• Aselect (geef de gehele populatie een nummer en loot op toeval basis)
• Systematische steekproef met aselect begin (bepaal een startgetal en ga op systematische manier verder
• Gestratificeerde steekproef (trek een steekproef binnen een groep)
• Clustersteekproef (selecteer een beperkt aantal)

Question 9

Wat is representativiteit?

Answer 9

Representativiteit is bereikt wanneer de verdeling van onderzochte variabelen in de steekproef hetzelfde is als in de populatie.
Dit is belangrijk voor de generaliseerbaarheid van de onderzoeksresultaten

Question 10

Wat zijn verschillende manieren om representativiteit te testen?

Answer 10

1. Frequentietabel (beschrijvende manier)
   Vergelijk percentages van de steekproefpopulatie m,et de percentages van de werkelijke populatie. Wanneer verschillen te groot zijn, is de steekproef niet representatief
2. Chi-kwadraat (toetsende manier)
   Deze toets gaat na of twee of meer populaties van elkaar verschillen.

Question 11

Hoe werkt de Chi-kwadraat voor het toetsen van representativiteit?

Answer 11

FO (observed frequency) wordt vergeleken met FE (expected frequency)
H0: verdeling steek proef = verdeling populatie
Ha: Verdeling steek proef (is niet gelijk aan) Verdeling populatie
Gebruik een alfa van 0.30, wanneer P > alfla H0 niet verwerpen
Wanneer H0 niet wordt verworpen is de steekproef representatief

Question 12

Waarom wordt er een alfa van 0,30 gebruikt bij een representativiteits toets gebruikt?

Answer 12

bij een representativiteitstoets wil je H0 niet te snel aannemen, omdat je er dan misschien te snel vanuit gaat dat de steekproef representatief is. Dit heeft te maken met type 1 en 2 fouten. In deze toets wil je type 2 fout voorkomen

Question 13

Wat zijn type 1 en 2 fouten?

Answer 13

Type 1 fout; wanneer h0 onterecht wordt verworpen

Type 2 fout: wanneer H0 onterecht wordt aangehouden (kans Beta)

Question 14

Wat is power?

Answer 14

1 - Beta

H1 wordt terrecht geaccepteerd

Question 15

Wat is een missing data analyse?

Answer 15

Onderzoeker kijkt of de ontbrekende scores op variabelen samenhangen. Dit is van belang zodat de onderzoeker de juiste stappen kan ondernemen om met de missing data om te gaan

Question 16

Welke 2 soorten missing data zijn er?

Answer 16

MCAR = Missing Completely at Random = ontbrekende scores zijn willekeurig verdeeld over alla respondenten en variabelen in steekproef

MAR = Missing At Random = Ontbrekende scores op een variabele afhankelijk van ontbrekende waarden op een andere variabelen, er is sprake van selectiviteit

Question 17

Wat zijn de stappen van een missing data analyse?

Answer 17

1) Type missing data vaststellen
Zijn het negeerbare missing data = dan kan je het zo laten
Zijn het niet negeerbare data dan zijn er 2 opties; te verklaren missing processen en onverklaarbare missing processen

2) omvang missing data vaststellen (Univariate statistics)
is het lager dan 10% dan is het te verwaarlozen, mits deze MCAR zijn.

3) Nagaan of het MAR of MCAR is
Kruistabellen (nominaal/ordinaal
T-test (interval/ratio)

4)Imputatiemethoden
MAR: Beschouw missings als subset van steekproef
MCAR: verwijderen van data

Question 18

Wat zijn vormen van negeerbare missing data?

Answer 18

1. Non-response/steekproef
2. Routings
3. Censored data/ontwerp

Question 19

Wat zijn de verschillende manieren waarop je data kan verwijderen bij MCR?

Answer 19

Listwise deletion; proefpersoon heeft ontbrekende score op 1 variabele en wordt verwijderd

Pairwise deletion: wanneer een correlatie bestaat tussen 2 variabelen, mogen respondenten die een ontbrekende score hebben op 1 van de 2 variabelen niet mee doen

Mean substitution: geef het gemiddelde van de totale steekproef aan missing data (kan voor geheel of voor subgroepen)

Regression techniques: op 1 van de items een ontbrekende score; op basis van andere antwoorden van dezelfde respondent een keuze bepalen

Question 20

Hoe test je of het MCAR of Mar is?

Answer 20

Bij nominaal/ordinaal variabelen = kruistabel
wanneer N>400; verschillen van > 5% sign.
Wanneer N <400 verschillen van > 10% sign.
wanneer niet significant = MAR

Bij ordinaal/ratio variabelen = T-test
criterium T > 2; MAR
T < 2; MCAR
vergelijk data die missing values bevatten met data die geen missing values bevatten. Wanneer er een verschil is tussen sets, weet je dat er geen MCAR os

Question 21

Wat is de overall MCAR toets?

Answer 21

Little MCAR test
H0 missing patronen = verwachte patronen voor MCAR
Ha missing patronen (niet gelijk aan) verwachte patronen voor MCAR
P > a - H0 niet verwerpen
P < A H0 verwerpen