Statistiek videocollege 5.2 a
Inleiding
Dit zijn de uitgebreide studie-aantekeningen van het tweede en laatste hoorcollege van week 5 voor het vak statistiek 1. Het doel van dit college is het afronden van hoofdstuk 8, dat zich richt op de G-kwadraattoets en enkele geassocieerde concepten met betrekking tot kwalitatieve variabelen.
Overzicht van de college structuur
Het college herhaalt eerder aangeboden concepten en voegt nieuwe elementen toe zonder nieuwe stof te introduceren voor het tentamen.
Hoofdstuk 8 wordt behandeld met een focus op het versterken van de kennis over samenhangen tussen kwalitatieve variabelen.
Doelpopulatie en steekproeven
Doelpopulatie: Dit is de gehele groep waarover conclusies worden getrokken.
Steekproef: Een representatieve subgroep van de doelpopulatie die nodig is voor het verzamelen van data om beschrijvende statistieken op te stellen.
Variabelen: Het belang van het zorgvuldig kiezen van de variabelen binnen de steekproef zodat betrouwbare uitspraken gedaan kunnen worden over de populatie.
Het gebruik van statistiek in financiële context
Er wordt uitleg gegeven over het generaliseren van steekproefresultaten naar de populatie met een bepaalde mate van zekerheid, rekening houdend met een foutenmarge.
Hierdoor kan de nulhypothese worden herzien: deze stelt dat er geen effect of verband is in de populatie baserend op de steekproef.
Stappen in statistische toetsing
Er zijn vijf stappen die altijd worden gevolgd bij het toetsen van hypothesen:
Formuleer de nulhypothese.
Bepaal de toetsstatistiek (Z-score, T-score, of G-kwadraat).
Bereken de toetsstatistiek op basis van de data.
Bepaal de kritieke waarde en het p-waarde.
Trek conclusies of verwerp de nulhypothese.
De keuze van de toetsstatistiek heeft invloed op alle stappen, met een focus op de context van de data (bijv. gemiddelden, proporties, regressieanalyse).
G-kwadraattoets
G-kwadraattoets (chi-kwadraattoets): Deze toets kan worden gebruikt om de samenhang tussen twee kwalitatieve variabelen te analyseren. De toets onderzoekt of de geobserveerde frequenties in de kruistabel significant afwijken van de verwachte frequenties onder de nulhypothese.
Er zijn gestandaardiseerde residuen nodig om te bepalen welke groepen het meest afwijken van de verwachtte frequenties.
Een belangrijke opmerking over de robuustheid van de toets: De frequenties in cellen moeten vaak meer dan 5 zijn voor een betrouwbare conclusie.
Gestandaardiseerde residuen en Z-scores
Gestandaardiseerde residuen: worden gebruikt om afwijkingen in de kruistabel te standardiseren zodat vergeleken kan worden in termen van standaardfouten.
De Z-score wordt berekend als volgt:
.Bij een belangrijke configuratie (bijv. 2x2 tabel) kunnen meerdere methoden worden gebruikt om de toetsstatistiek te berekenen.
Voorbeeldanalyse
Onderzoeksopzet
Het voorbeeld dat besproken wordt is gerelateerd aan studierichtingen en de motivatie om voor een bepaalde studie te kiezen. De gehanteerde variabelen zijn tweedimensionaal: studierichting en motivatie (ja/nee).
Het is aan te tonen of er een significante samenhang bestaat tussen de twee kwalitatieve variabelen. In dit voorbeeld is de nulhypothese dat de studierichting geen invloed heeft op de motivatie om te kiezen voor de opleiding.
Berekeningen
Geobserveerde en verwachte frequenties worden vergeleken:
Voor pedagogiek gebruikte men bijvoorbeeld: Geobserveerde frequentie: 2, Verwachte frequentie: 6.
Dit toont aan dat er een aanzienlijke afwijking is die verder wordt geanalyseerd met Z-scores.
De indruk wordt gewekt dat bepaalde groepen (zoals de Pa-kwadraat studenten) significant meer afwijkingen vertonen.
Sterkte van de samenhang
Odds ratio
Odds ratio: Een maat voor de sterkte van de samenhang tussen twee kwalitatieve variabelen. Het berekent de verhouding van de odds van gebeurtenis A bij groep 1 ten opzichte van die bij groep 2.
Odds definitie: De odds zijn de kans op succes gedeeld door de kans op falen. Hierdoor ontstaat een verhouding van successen tot falen.
Berekening van Odds ratio
Vaak toegepast in onderzoek mbt gokspelen, zoals paardenraces, maar ook bij statistieke toepassingen.
De formule voor de odds ratio is:
.Interpretatie:
Een odds ratio van 1 duidt op geen samenhang: de verhouding is gelijk tussen de twee groepen.
Een odds ratio groter dan 1 geeft aan dat het risico groter is in groep 1 en vice versa voor een odds ratio kleiner dan 1.
Relatief risico
Relatief risico: Dit geeft een eenvoudigere verklaring weer van hoe twee groepen zich verhouden in termen van kansen of proporties.
Bij de steekproef van 213 studenten werd zichtbaar dat een proportie mannen die denkt niet te slagen lager is dan die van vrouwen, wat een relatieve risico van 0.49 zekert, wat onderstreept dat mannen minder kans hebben om te twijfelen over hun slagen dan vrouwen.
Conclusie
De centrale boodschap van het college is dat met behulp van de G-kwadraattoets en bijkomende methoden zoals gestandaardiseerde residuen, odds ratio en relatief risico, er een dieper inzicht kan worden verkregen over de samenhang en de sterkte van de verbanden tussen kwalitatieve variabelen. De presentatie sluit af met een herhaling van kernconcepten, waarin studenten de toepassing van deze concepten kunnen begrijpen en toepassen zonder dat ze de formules nodig hebben van buiten te leren. Dit biedt een rijke basis voor verdere statistische analyses en voorbereiding op het tentamen.