Meetinstrumenten en schalen Flashcards
Ontstaan wetenschappelijke psychologie
Wet van Weber-Fechner: de sensatie is evenredig met de logaritme van de prikkel
-> psychologische verschijnselen kunnen gemeten worden
prikkel -> gewaarwording
= experimentele psychologie
tak van filosofen die vond dat het meer wetenschappelijk kon, zoals exacte vakken: meten/ instrumenten
Eind 19e eeuw Groningen: Heymans
psychometrie
Tak van psychologie die zich bezighoudt met meten psychologische verschijnselen
(met name waar gevolg kan hebben voor individu)
experimentele psychologie niet gericht op individuele personen (kwaliteit dan heel belangrijk voor mogelijk gevolg)
generaliseren van metingen steekproef
generaliseren metingen steekproef:
gegevens uit steekproef gebruiken om schatting te maken van overeenkomstige waarden populatie
= berekende waarden -> overeenkomstige waarden
generaliseren uitkomsten experiment:
afhankelijk van de opzet van dat experiment
verschillende betekenissen van ‘gemiddelde’
bv
berekende gemiddelde in steekproef?
geschatte gemiddelde populatie?
echte gemiddelde populatie?
definitie van meten (Stevens)
Meten is het toekennen van waarden aan waarnemingen volgens een vaste toekenningsregel
Waarnemen in sociale wetenschappen: door wie
onderzoeker
maar ook door proefpersoon zelf (self-assessments)
Metingen van verschillende aard met elkaar vergelijken:
Omzetten in andere schaal, bv toetscijfers naar rapportcijfers
Aan dit typische kenmerk van meten bij mensen door onderlinge verschillen uit te drukken op een vaste schaal wordt in deze cursus Beschrijvende Statistiek ruim aandacht besteed
Molenaar maakte onderscheid:
model- of representatiemeting
én
fiat- of indexmeting
model- of representatiemeting: 1 op 1-verband tussen empirische meting en getaltoekenning (bv lengte met lineaal)
fiatmeting: geen externe standaard die bepaalt wat de meting voorstelt
instrument definieert construct, geen externe standaard (bv intelligentie meten)
ontwikkeling fiatmetingen
extreme vorm fiatmeting: introspectie
vrij beschrijven van wat van binnen gebeurt
behaviorisme: wil meer wetenschappelijke basis -> alleen wat je ziet
meer modelmeting
beiden niet meer zo gebruikt. Wel gestructureerde vorm van introspectie met bv vragenlijst naar motivatie. Waar mogelijk gekoppeld aan gedrag.
fiat- versus modelmeting
geen harde grens
eerder continuum
Hoe groter de afstand tussen meting en construct, hoe meer fiatmeting
zie voorbeelden 1.1
kenmerken meting
betrekking op hetzelfde kenmerk, kan verschillende waarden aannemen.
dus kenmerk = variabele
nominale variabele
meerdere categorieën, die niet hoger of lager zijn dan elkaar, niet te rangschikken,
behalve op naam (‘nom’)
bv nationaliteiten
voorbeeld categorische indeling met onderliggend continue: bmi -> ondergewicht/gezond gewicht/overgewicht -> kunnen niet gerangschikt worden
categorische variabelen met veel verschillende waarden, vaak moeilijk te hanteren.
hiërarchische indeling van nominale variabelen
Niet gerangschikt, maar soms wel hiërarchisch in bovengeschikt (superordinate) /ondergeschikt (subordinate)
bv rijk/provincies/gemeenten
soms multilevelanalyse mogelijk (statistisch)
dichotomie
vorm van nominale categorie
twee waarden naast elkaar staande categorieën, dat zijn de enige waarden
bijna altijd kunstmatig, door ons ingedeeld
(bv wel- /niet-gepensioneerden)
Ook: gedichotomiseerde variabelen: eigenlijk continue, maar ‘streep getrokken’ bv jong/oud, arm/rijk
-> leidt bij onderzoek tot verlies van info, dus liever continue schaal
mogelijkheden nominale variabelen
weinig statistische mogelijkheden,
zijn naast elkaar staande categorieën
vooral tellen aantal waarnemingen
bv geen gemiddelde
bv. meten schooltypes:
kwalitatief en niet kwantitatief te interpreteren
-> beschrijvende overzichten
datamatrix
tabel met overzicht van afzonderlijke waarnemingen
1 nominale variabele = 1 kolom
voor elke waarde: 1 rij (minimaal 2)
in de toelichting hoort te staan wat de waarden precies voorstellen
frequentiemodel
tabel met frequentieverdeling
onderlinge frequenties vaak niet goed te vergelijken
-> vaak relatieve frequenties berekend
-> weergegeven in:
percentages (bv 60% van totaal)
of proporties (bv 0,60)
-> aparte kolom (blz 21, gron.)
kruistabel
twee nominale variabelen in tabel, twee kolommen
‘kruisen’ door ene variabele in kolommen en andere variabele in rijen
in elke cel een aantal of percentages of relatieve frequenties
Manier om samengevatte data overzichtelijk weer te geven.
-> Vaak niet om aantallen of relatieve frequenties, maar of er samenhang is tussen 2 nominale variabelen
Engels: contingency table/cross table
cumulatieve aantallen
letterlijk opgetelde aantallen
randtotalen
waarden in kolom en rij waar ‘totaal’ voor staat
Engels: marginal sums/ marginal totals
cel helemaal rechts onderin = soms van randtotalen rijen en kolommen =
grand total (nl: eindtotaal)
relatieve frequenties kruistabellen
berekenen door:
aantal in cel: grand total =
eventueel x 100 voor percentage
in SPSS ook mogelijk grand total op te splitsen over afzonderlijke cellen
òf binnen variabele sommeren tot 100
Waar je voor kiest is afhankelijk van wat je doel is. (blz 11 artikel)
Kan bv voor kolom, maar ook voor een rij. Vaak niet overzichtelijk om dat allebei weer te geven.
blz 12
ordinale schaal
variabele waarop we kunnen rangschikken van minder naar meer -> ordinaal niveau
zegt niks over de afstand tussen categorieën
meer statistisch arsenaal mogelijk dan nominaal, maar geen metrische waarden berekenen
ex aequo
= knoop/ tie
= gelijke plaats in rangschikking
> niet hetzelfde als gelijkspel of onbeslist! (dit willen ze niet in een wedstrijd ivm prijzen)
Minder ex aequo = sterkere rangordening (strong order)
meest extreem: elke waarneming eigen rangnummer > continue onderliggende variabele
meer knopen: bv dezelfde mensen binnen opleidingsniveau, maar zegt niks over de verschillen tussen die mensen. Binnen de categorie is geen rangorde > zwakkere rangordening (weak of partial order)
