Theorie, Toepassing en Test bij Experimentele onderzoeksmethoden en Statistiek 

PICO

• In theorie: Dit is het acroniem voor correlationeel onderzoek en staat voor de volgende elementen: 
  Population: Wie, de groep mensen of objecten die de onderzoeker wilt onderzoeken
  Intervention: Wat manipuleer je, welke interventie voer je uit.
  Comparison: De controlegroep, met wie vergelijk je de experimentele conditie
  Outcome: De onafhankelijke variabele
• In toepassing: Dit acroniem wordt gebruikt bij het ontleden en overzichtelijk maken van een experimentele onderzoeksvraag. De interventie (de experimentele conditie) en de comparaison (de controlegroep) maken samen de gemanipuleerde variabele.
• In test: Martin voert een onderzoek uit. Het onderzoek luidt als volgt: Met behulp van simulatiespel (waarin men wel of niet wordt buitengesloten) wordt er gekeken of er een verschil in stemming is na afloop tussen degenen die wel en niet buitengesloten worden. Benoem hier alle letters van het acroniem PICO.

Inferentiële statistiek

• In theorie: Bij inferentiële statistiek wordt er gekeken of we het steekproefresultaat mogen generaliseren naar de populatie.
• In toepassing: Inferentiële statistiek heeft betrekking op de externe validiteit: in hoeverre je de resultaten van je onderzoek kunt generaliseren naar een grotere groep.
• In test: De volgende uitspraak wordt gedaan: Hoe hoger de externe validiteit hoe beter je de resultaten van je onderzoek kunt generaliseren naar een grotere groep. Waar of niet waar?

1. Waar
2. Niet waar

Nulhypothese

• In theorie: Bij de nulhypothese wordt er beweerd dat er geen effect is, er is geen verschil tussen de groepen. De nulhypothese is ook wel H0.
• In toepassing: De nulhypothese wordt gebruikt bij NHST: Nulhypothese Significantietoetsing. Hier wordt geprobeerd om H0 te verwerpen, waardoor de alternatieve hypothese waar is. De nulhypothese mag verworpen worden wanneer de p-waarde klein genoeg is.
• In test: Stel een nulhypothese op bij de volgende onderzoeksvraag. Wat is de invloed van de hoogte van het inkomen op de band met je familie.

1. Hoe hoger het inkomen hoe beter de band met je familie
2. Hoe hoger het inkomen hoe slechter de band met je familie
3. Er is geen effect van de hoogte van het inkomen op de band met je familie

Type I fout

• In theorie: De nulhypothese is waar, maar de onderzoeker verwerpt de nulhypothese toch wel. Dan is het een type I fout.
• In toepassing: Een type I fout is foutief de nulhypothese verwerpen.
• In test: Rayen heeft een type II fout gemaakt. Wat heeft hij in dit geval met de nulhypothese gedaan?

1. Rayen heeft H0 verworpen, terwijl H0 fout was.
2. Rayen heeft H0 verworpen, terwijl H0 goed was.
3. Rayen heeft H0 niet verworpen, terwijl H0 fout was.
4. Rayen heeft H0 niet verworpen, terwijl H0 goed was.

Type II fout

• In theorie: De nulhypothese is niet waar, maar de onderzoeker verwerpt de nulhypothese niet. Dan is het een type II fout.
• In toepassing: Een type II fout is foutief de nulhypothese behouden en dus niet verwerpen.
• In test: Merel heeft een type I fout gemaakt. Wat heeft ze in dit geval met de nulhypothese gedaan?

1. Merel heeft H0 verworpen, terwijl H0 fout was.
2. Merel heeft H0 verworpen, terwijl H0 goed was.
3. Merel heeft H0 niet verworpen, terwijl H0 fout was.
4. Merel heeft H0 niet verworpen, terwijl H0 goed was.

Power

• In theorie: De power is het onderscheidingsvermogen. De power van een toets is de kans dat wanneer er in het echt een verschil is, dat je dat verschil ook terugvindt in je steekproeven.
• In toepassing: De power is het tegenovergestelde van een Type II fout. Dat is: er is een verschil en we vinden hem niet. De power is: er is een verschil en we vinden hem wel. Onderzoekers willen een hoge power.
• In test: Kies de juiste uitspraak.

1. Een grote steekproef en veel spreiding leidt tot een grote power
2. Een grote steekproef en weinig spreiding leidt tot een grote power
3. Een kleine steekproef en veel spreiding leidt tot een grote power
4. Een kleine steekproef en weinig spreiding leidt tot een grote power

Cohen’s d

• In theorie: Cohen's d zegt iets over de relevantie. Je hebt een verschil, maar hoe groot is dit verschil nu eigenlijk? Dat kun je zien aan de hand van de Cohen's d.
• In toepassing: De Cohen's d drukt het verschil tussen de twee gemiddelden uit in standaardafwijkingen. De waarden zijn daardoor gestandaardiseerd.
• In test: Kies de juiste uitspraak. Bij de Cohen's d:

1. Wordt gedeeld door de standaardfout en kijken we naar de steekproef
2. Wordt gedeeld door de standaardfout en kijken we naar de populatie
3. Wordt gedeeld door de standaardafwijking en kijken we naar de steekproef
4. Wordt gedeeld door de standaardafwijking en kijken we naar de populatie

Betrouwbaarheidsinterval

• In theorie: Het betrouwbaarheidsinterval is ook een manier om de grootte van het verschil tussen twee groepen te beschrijven. 
• In toepassing: Een smal betrouwbaarheidsinterval zegt iets over de nauwkeurigheid van het resultaat.
• In test: Kies de juiste uitspraak.

1. Een smal betrouwbaarheidsinterval is nauwkeuriger en je hebt een kleinere kans op type I fouten.
2. Een smal betrouwbaarheidsinterval is minder nauwkeurig en je hebt een kleinere kans op type I fouten
3. Een smal betrouwbaarheidsinterval is nauwkeuriger, maar je hebt een grotere kans op type I fouten
4. Een smal betrouwbaarheidsinterval is minder nauwkeuriger en je hebt een grotere kans op type I fouten

Steekproeffout

• In theorie: Het verschil tussen twee groepen in de steekproef wijkt af van het verschil in de populatie. Dit heet de steekproeffout.
• In toepassing: Geen een steekproef is perfect. Er zal altijd een verschil zitten tussen de steekproef en de populatie.
• In test: Een onderzoeker vindt een te grote steekproeffout en wil deze kleiner maken. Daarvoor filtert hij enkele uitschieters weg uit zijn onderzoek, waardoor de steekproeffout kleiner wordt. Mag dit?

1. Ja, het zijn uitschieters dus dit mag.
2. Ja, als daardoor de steekproeffout kleiner wordt mag dat.
3. Nee, dit is niet volgens integriteitsprincipes.
4. Ja, als hij een goede reden geeft en dit transparant aangeeft in zijn onderzoek.

Standaardafwijking

• In theorie: De standaardafwijking is een maat voor de spreiding in de populatie. 
• In toepassing: De standaardafwijking is een maat voor spreiding van de getallen rond het gemiddelde.
• In test: Een onderzoeker wil graag een kleine standaardafwijking. Waar of niet waar?

1. Waar
2. Niet waar

Standaardfout

• In theorie: De standaardfout is de standaardafwijking van het steekproefgemiddelde.
• In toepassing: Hoe groter de steekproefgrootte, hoe minder spreiding, hoe kleiner de standaardfout. De standaardafwijking van de steekproeffout heet de standaardfout.
• In test: Kies de juiste uitspraak:

1. Hoe groter de standaardafwijking hoe groter de standaardfout
2. Hoe groter de standaardafwijking hoe kleiner de standaardfout
3. De standaardafwijking heeft geen invloed op de standaardfout

p-waarde

• In theorie: De p-waarde is de overschrijdingskans. Wanneer de nulhypothese niet meer waar is.
• In toepassing: Wordt berekend onder de aanname dat er géén verschil is (H0 is waar).
• In test: Wanneer wordt een p-waarde gezien als significant?

1. Bij p < 0,10
2. Bij p > 0,10
3. Bij p > 0,05
4. Bij p< 0,05

Design confounds

• In theorie: Design confounds liggen bij de onderzoeker. Was de gemanipuleerde variabele wel het enige verschil in de behandeling van de twee groepen.
• In toepassing: Alles moet hetzelfde zijn, behalve hetgeen dat we willen manipuleren: de onafhankelijke variabele
• In test: Welk begrip is hier nog meer op van toepassing?

1. Interne validiteit
2. Externe validiteit
3. Interne betrouwbaarheid
4. Externe betrouwbaarheid

Significantie

• In theorie: Significantie wordt bepaald aan de hand van de toetsingsgrootheid t (t-waarde) en de overschrijdingskans p (p-waarde).
• In toepassing: Vaak wordt een resultaat als 'significant' beoordeeld, wanneer de p-waarde onder de 0,05 ligt.
• In test: Charlotte heeft een onderzoek uitgevoerd en krijgt als uitkomst een p-waarde van 0,04. Ze zegt dat haar onderzoek significant is en dat vindt dat ze niet meer naar andere statistische uitkomsten hoeft te kijken zoals het betrouwbaarheidsinterval. Doet ze dit goed?

1. Nee, ze moet ook naar andere statistische uitkomsten kijken
2. Ja, als je een p-waarde onder de 0,05 vindt, is het onderzoek goed uitgevoerd.
3. Ja, het enige waar je naar hoeft te kijken bij onderzoek is de p-waarde

Antwoord indicatie

PICO:

• P: Participanten
  I: wel buitengesloten worden
  C: niet buitengesloten worden (de controlegroep)
  O: verschil in stemming

Inferentiële statistiek

• A

Nulhypothese

• C

Type I fout

• B

Type II fout

• C

Power

• B

Cohen's d

• C

Betrouwbaarheidsinterval

• C

Steekproeffout

• D

Standaardafwijking

• A

Standaardfout

• A

p-waarde

• D

Design confounds

• A

Significantie

• B