Hoe ziet beschrijvend onderzoek er uit? - Chapter 6

Waarom wordt beschrijvend onderzoek gedaan?

Het doel van beschrijvend onderzoek (‘descriptive research’) is het op systematische en accurate wijze beschrijven van de kenmerken of gedragingen van een populatie. Het geeft informatie over de fysieke, sociale, gedragsmatige, economische of psychologische eigenschappen van een groep mensen. Er zijn drie soorten beschrijvende onderzoeken: (1) enquêtes (‘surveys’), (2) demografisch onderzoek en (3) epidemiologisch onderzoek.

Enquêtes

Enquêtes (‘surveys’) zijn de meest gebruikte beschrijvende onderzoeken. Veel mensen denken dat enquêtes en vragenlijsten (‘questionnaires’) hetzelfde zijn, maar dat is niet het geval. Een enquête kan namelijk zowel een vragenlijst als een interview zijn. Er bestaan vier soorten enquêtes:

1. Cross-sectionele enquêtes (‘cross-sectional survey design’): in dit geval wordt een groep deelnemers uit de populatie bestudeerd. Zo’n onderzoek kan belangrijke informatie geven over de kenmerken van de groep die bestudeerd wordt. Wanneer er meer dan één groep wordt onderzocht door middel van een cross-sectionele enquête, kan er informatie verzameld worden over hoe de groepen van elkaar verschillen.

2. Opeenvolgende onafhankelijke enquêtes (‘successive independent samples survey design’): aan twee of meer steekproeven uit de populatie worden dezelfde vragen gesteld op verschillende momenten. Al bestaan beide steekproeven uit verschillende mensen, toch kunnen uitspraken gedaan worden over veranderingen door de tijd heen.

3. Langdurige enquêtes (‘longitudinal’/ ‘panel survey design’): hierbij wordt een groep deelnemers meer dan één keer ondervraagd. Zo kunnen we zien of dezelfde mensen door de tijd heen veranderd zijn. Het gebeurt echter vaak dat mensen uitvallen; ze komen dan bijvoorbeeld wel naar het eerste meetmoment, maar niet naar het tweede. Dit zorgt ervoor dat de steekproef verandert en dat minder zekere uitspraken kunnen worden gedaan over veranderingen door de tijd heen.

4. Internetenquêtes: dit soort onderzoeken heeft zowel voor- als nadelen. De voordelen zijn dat ze goedkoop zijn, dat de data automatisch verwerkt wordt en dat mensen bereikt kunnen worden die normaal gesproken moeilijk te vinden zijn.

Nadelen van deze enquêtes zijn, dat de onderzoeker weinig controle heeft over de mensen die meedoen en dat mensen zonder internetverbinding automatisch uitgesloten zijn van het onderzoek. Daarnaast is het lastig om te checken of mensen meer dan één keer de vragenlijst hebben ingevuld.

Demografisch onderzoek

Het gaat bij demografisch onderzoek om het beschrijven en verklaren van patronen van levensgebeurtenissen zoals geboorte, scheiding, migratie, gezondheid en dood. Vaak zijn het sociologen die demografisch onderzoek uitvoeren, maar psychologen maken er ook af en toe gebruik van. Zij kunnen bijvoorbeeld geïnteresseerd zijn in het onderzoeken van huwelijkspatronen en scheidingscijfers in verschillende populaties.

Epidemiologisch onderzoek

Epidemiologisch onderzoek wordt gebruikt om te analyseren hoeveel mensen in verschillende groepen lijden aan een bepaalde ziekte. Psychologen zijn geïnteresseerd in epidemiologisch onderzoek om twee redenen: ten eerste wordt het ontstaan van veel ziekten beïnvloed door de levensstijl van de patiënt. Door middel van epidemiologisch onderzoek kunnen we erachter komen welke groepen meer risico lopen om bepaalde ziektes te krijgen. Hierdoor kunnen veel ziektes voorkomen worden. Ten tweede beschrijft dit soort onderzoek hoe vaak psychische stoornissen voorkomen. Hierbij wordt gekeken naar de prevalentie en de incidentie. Prevalentie is hoeveel mensen op een bepaald moment een ziekte hebben. Incidentie is hoeveel gevallen van een bepaalde ziekte er in een periode bij komen.

Hoe wordt de data beschreven en gepresenteerd?

Wetenschappers moeten goed nadenken over hoe ze de data uit hun onderzoek beschrijven en presenteren. Beschrijvingen van data moeten voldoen aan drie criteria: (1) accuraatheid, (2) bondigheid en (3) begrijpelijkheid. Nadat de data dus eerst op accurate wijze beschreven is, moet worden nagedacht over hoe de data op een bondige manier beschreven kan worden. Het noteren van de ruwe data is erg accuraat, maar niet bondig. Ruwe data zijn de scores van alle proefpersonen op alle metingen. Het presenteren van al deze data is erg onoverzichtelijk. Daarom moet de ruwe data als het ware worden samengevat. Daarnaast moet de data begrijpelijk blijven voor de lezer. Data kan beschreven en gepresenteerd worden aan de hand van twee soorten methoden: (1) numerieke methoden en (2) grafische methoden:

• Numerieke methoden vatten data samen in de vorm van getallen, zoals percentages of gemiddelden.

• Bij grafische methoden wordt er bij het samenvatten van data gebruik gemaakt van grafieken en beelden.

Frequentiedistributies

Vaak worden data eerst beschreven aan de hand van een frequentiedistributie. Dit is een tabel die de ruwe data samenvat. Het laat zien hoe vaak bepaalde scores in elke categorie voorkomen.

1. Een simpele frequentiedistributie laat zien hoe vaak een specifieke score door de proefpersonen is behaald. Een simpele frequentiedistributie bestaat uit twee kolommen. In de eerste kolom staan de mogelijke scores gerangschikt van klein naar groot. De laagste scores staan bovenaan, de hoogste onderaan. In de tweede kolom staat hoe vaak elke score behaald is (frequentie).

2. Als er erg veel scores zijn, is een simpele frequentiedistributie onoverzichtelijk. In dat geval is het handiger om gebruik te maken van een gegroepeerde frequentiedistributie. Hierbij is te zien hoe vaak mensen binnen een categorie van scores hebben gescoord. In plaats van elke individuele score van 1 tot en met 50 te noteren, worden er groepen gemaakt van bijvoorbeeld 1-10, 11-20, 21-30, 31-40 en 41-50. Vervolgens hebben we een overzicht dat laat zien hoeveel mensen een score hebben binnen een specifieke categorie. Deze groepen worden klasse-intervallen (class intervals) genoemd. Klasse-intervallen moeten altijd even groot zijn. Het kan dus niet zo zijn dat één interval uit 5 scores bestaat, en het andere interval uit 10.
   Vaak voegen wetenschappers ook relatieve frequenties toe in de gegroepeerde frequentiedistributie. De relatieve frequentie van elke klasse is de proportie (het percentage) van het totaal aantal scores dat in elke klasse valt. Een gegroepeerde frequentiedistributie heeft drie kenmerken: (1) de klassen zijn wederzijds uitsluitend, wat betekent dat elke deelnemer maar in één categorie kan vallen, (2) de categorieën staan voor alle mogelijke scores, elke mogelijke score wordt meegenomen in de frequentiedistributie en (3) de categorieën zijn van gelijke grootte.

3. Vaak is de informatie in een frequentiedistributie gemakkelijker te begrijpen wanneer deze informatie grafisch wordt weergegeven. Dit wordt vaak gedaan in de vorm van een histogram of een staafdiagram (‘bar graph’). Op de horizontale (x-)as van histogrammen en staafdiagrammen staan de klassen en op de verticale (y-)as staan de frequenties. De staven van elke klasse reiken tot de bijbehorende frequentie, dus hoe vaak in die categorie een bepaald antwoord is gegeven.

4. Er is een duidelijk verschil tussen histogrammen en staafdiagrammen. Een histogram wordt gebruikt wanneer de variabele op de x-as een ratio- of intervalschaal heeft. Gelijke verschillen in de waarden staan dan voor gelijke verschillen in het kenmerk dat gemeten wordt. Als gevolg hiervan raken de staven in een histogram elkaar. Als een variabele op de x-as nominaal of ordinaal is (en gelijke verschillen tussen schaalwaarden dus niet staan voor gelijke verschillen in het kenmerk dat gemeten wordt), dan wordt een staafdiagram gebruikt. Hierbij staan de staven los van elkaar.

5. Onderzoekers kunnen ook een frequentiepolygoon gebruiken om data te presenteren. De assen zijn hetzelfde als bij histogrammen en staafdiagrammen. Bij een frequentiepolygoon wordt echter geen gebruik gemaakt van staven, maar worden de verschillende punten aan elkaar verbonden door middel van lijnen.

Het middenpunt

Naast frequentiedistributies maken onderzoekers ook gebruik van beschrijvende statistieken (‘descriptive statistics’) bij het beschrijven van hun data. Beschrijvende statistieken vatten de data van de hele groep proefpersonen samen.

Metingen van het middenpunt (‘measures of central tendency’) geven informatie over de gemiddelde of typische score in een dataset. Hierbij worden drie statistieken onderscheiden:

1. Het gemiddelde (‘mean’): deze beschrijvende statistiek wordt het meest gebruikt. Het gemiddelde wordt berekend door alle scores op te tellen en te delen door het aantal scores. De bijbehorende formule is: = Σ x_i /n. Het grote nadeel van rekenen met het gemiddelde, is dat deze statistiek sterk wordt beïnvloed door uitbijters. Dit zijn scores die opvallend afwijken (veel lager of veel hoger zijn) van de overige scores.

2. De mediaan: Als we alle scores van de distributie in volgorde van klein naar groot zetten, is de mediaan de middelste score. In andere woorden; 50% van de scores is lager dan de mediaan, en de overige 50% is hoger. Het voordeel van de mediaan is dat deze robuust is. Ook wordt de mediaan, in tegenstelling tot het gemiddelde, weinig beïnvloed door uitbijters (‘outliers’). De mediaan is gemakkelijk vast te stellen wanneer er een oneven aantal getallen is, want dan is de mediaan simpelweg het middelste getal. Als het aantal scores echter even is, dan is de mediaan het gemiddelde van de twee middelste getallen.

3. De modus: dit is de meest voorkomende score in een dataset. Het is mogelijk dat er meer dan één modus in een dataset voorkomt.

Error bar

Soms kom je ook grafieken van gemiddelden tegen, waarbij aan de top van de staaf een verticale I-vormige lijn zichtbaar is. Dit wordt de ‘error bar’ genoemd. Deze ‘error bar’ levert informatie over het vertrouwen van de onderzoeker in de waarde van elk gemiddelde. Eerder hebben we al geleerd dat we alleen een schatting kunnen maken over de echte waarde van het gemiddelde. Geen enkele steekproef reflecteert de populatie helemaal juist. Het presenteren van het gemiddelde als een cijfer of een simpele staaf in een grafiek is dan ook misleidend. De waarde van het gemiddelde van de steekproef is immers niet noodzakelijk het echte gemiddelde van de populatie. Omdat we weten dat het gemiddelde van de steekproef waarschijnlijk verschilt van het gemiddelde van de populatie, moeten we berekenen hoe nauwkeurig het gemiddelde in ons onderzoek het daadwerkelijke gemiddelde van de populatie weergeeft. Dit wordt vervolgens door middel van de statistiek betrouwbaarheidsinterval (‘confidence interval’ of ‘CI’) aangegeven. Het meest gebruikte betrouwbaarheidsinterval is dat van 95%. Aan de hand van het gemiddelde en het betrouwbaarheidsinterval kunnen we een ondergrens en een bovengrens vaststellen. We kunnen dan zeggen dat het ware populatiegemiddelde met 95% zekerheid tussen deze grenzen valt. Het betrouwbaarheidsinterval geeft ons dus een idee van de grenzen waarbinnen het gemiddelde waarschijnlijk zal vallen. Bij een relatief klein betrouwbaarheidsinterval is de kans groter dat het gemiddelde van de steekproef overeenkomt met het gemiddelde van de populatie. Hoe breder het betrouwbaarheidsinterval (dus hoe verder de twee grenzen uit elkaar liggen), hoe kleiner deze kans wordt. Een klein betrouwbaarheidsinterval is dus beter.

Het betrouwbaarheidsinterval wordt in histogrammen en staafdiagrammen aangegeven door de error bar.

Welke spreidingsmaten zijn er?

Het is niet alleen van belang om de gemiddelde score te kunnen berekenen. Het is ook belangrijk dat we kunnen vaststellen hoeveel spreiding er is in een dataset. Bij het berekenen van deze spreiding maken wetenschappers gebruik van spreidingsmaten (‘measures of variability’). Er zijn drie spreidingsmaten te onderscheiden:

1. De ‘range’: dit is het verschil tussen de hoogste en laagste score in een dataset. De range is de minst bruikbare spreidingsmaat, omdat deze slechts gebaseerd is op de twee meest extreme scores. De range houdt dan ook geen rekening met de spreiding binnen de dataset, maar alleen met de spreiding tussen de hoogste en de laagste score.

2. De variantie (s²): in hoofdstuk 2 werd al getoond hoe de variantie berekend moet worden. Het voordeel van de variantie is dat alle scores meegewogen worden bij de berekening van deze statistiek. Deze statistiek is gebaseerd op het totaal van de gekwadrateerde verschillen tussen elke individuele score en het gemiddelde. De variantie laat zien wat het gemiddelde verschil is tussen de score van elke participant en de gemiddelde score van de data, uitgedrukt in gekwadrateerde getallen.

3. De standaarddeviatie (s): deze statistiek wordt berekend door de wortel uit de variantie te trekken. Vaak is de variantie een groot en onduidelijk getal, omdat het om een gekwadrateerd getal gaat. Het is daarom handiger en begrijpelijker om de standaarddeviatie te berekenen en te presenteren.

Standaarddeviatie en normale verdeling

De meeste variabelen die door wetenschappers worden onderzocht, volgen een normale verdeling. Dit geldt bijvoorbeeld ook voor intelligentie:

• Een normale verdeling heeft een piek in het midden en twee lage staarten aan de linker- en rechterkant. Dit betekent dat de meeste scores in het midden vallen (en rond het gemiddelde liggen), terwijl er maar weinig zeer lage en zeer hoge scores behaald zijn (dit zijn de staarten). In het geval van intelligentie geldt dat de meeste mensen een gemiddeld IQ hebben. Relatief weinig mensen hebben een extreem laag of een extreem hoog IQ.

• Soms zijn de data echter niet normaal verdeeld, maar volgen deze een scheve verdeling. Bij een ‘positively skewed distribution’ zijn er meer lage scores dan hoge scores; de piek ligt in zo’n geval in de linker staart.

• Bij een ‘negatively skewed distribution’ zijn er meer hoge dan lage scores; de piek ligt in dit geval in de rechterstaart.

• Voor een normale verdeling geldt dat ongeveer 68% van de scores binnen één standaarddeviatie van het gemiddelde liggen.

• Voor IQ geldt bijvoorbeeld dat het gemiddelde 100 is en de standaarddeviatie 15. Ongeveer 68% van de mensen scoort binnen één standaarddeviatie van het gemiddelde, dus tussen (100-15=) 85 en (100+15)= 115. Ook geldt dat 95% van de scores in een normalverdeling binnen 2 standaarddeviaties van het gemiddelde ligt. Voor IQ geldt dus dat 95% van de mensen een IQ tussen de (100-30=)70 en (100+30=)130 heeft.
  Het is erg nuttig om de standaarddeviatie en het gemiddelde te weten. Als we deze twee weten, weten we niet alleen hoeveel de data variëren, maar ook hoe ze verdeeld zijn over de verschillende ranges van scores.

De z-score

De individuele scores zeggen ons niet veel. Om betekenis aan de scores te verlenen, moeten we de scores met elkaar en vooral met het gemiddelde kunnen vergelijken. Dit kan door middel van de z-score (ook wel standaardscore genoemd). De z-score laat zien hoeveel standaarddeviaties een score van het gemiddelde af ligt. Als iemand een z-score van -1.00 heeft, dan weten we dat zijn of haar score één standaarddeviatie minder dan het gemiddelde af ligt. Een z-score van +2.96 laat zien dat iemands score bijna drie standaarddeviaties boven het gemiddelde ligt:

• Als het gemiddelde en de standaarddeviatie van een steekproef bekend zijn, dan kan iemands z-score volgens de volgende formule berekend worden: z = (y_i-)/s. In deze formule staat y_i voor de score van een deelnemer, voor het gemiddelde en s voor de standaarddeviatie van de steekproef.

• Soms standaardiseren wetenschappers hun dataset door van alle ruwe scores standaardscores (z-scores) te maken. Dit is een handige methode om uitbijters vast te stellen. Een uitbijter wordt zichtbaar wanneer deze gestandaardiseerd is. Uitbijters hebben namelijk een hele hoge of een hele lage z-score, bijvoorbeeld -3.00 of +3.00.

• Wanneer een dataset gestandaardiseerd is, is het gemiddelde altijd 0 en de standaarddeviatie altijd 1.e

Het doel van beschrijvend onderzoek (‘descriptive research’) is het op systematische en accurate wijze beschrijven van de kenmerken of gedragingen van een populatie. Het geeft informatie over de fysieke, sociale, gedragsmatige, economische of psychologische eigenschappen van een groep mensen. Er zijn drie soorten beschrijvende onderzoeken: (1) enquêtes (‘surveys’), (2) demografisch onderzoek en (3) epidemiologisch onderzoek.