Stappenplan analyse

een stappenplan voor de analyse is belangrijk omdat je anders het risco loopt dat data niet of niet goed geinterpreteerd wordt.

waar moet je rekening mee houden voor je analyse?

Data type

er zijn verschillende typen data die elk op een eigen manier geanaliseerd kunnen worden. de typen data die wij onderscheiden zijn:

qualitatief

deze data is niet nummeriek, en is niet duidelijk gedefineerd

• geordend

bijvoorbeelden: goed gemiddeld slecht

er kan altijd een waarde aan deze data toegekend worden. er is een duidelijk volgorde, hierdoor is het onderandere mogelijk een gemiddelde te berekenen.

• ongeordend

bijvoorbeeld: Nederland Duitsland België

deze data is nooit nummeriek en er kan niet duidelijke een volgorde worden bepaald, ook is het niet mogelijk een gemiddelde te bepalen.

wel is het mogelijk deze data op frequentie te sorteren of om de data te reduceren. een voorbeeld van reductie zou zijn Duitsland niet Duitsland.

quantitatief

dit is numeriek data, de waarde van deze data is onweerlegbaar.

het verwerken van quantitatieve data is makkelijker als die van qualitatieve data, omdat quantitatieve data een vaste waarde heeft.

in dit stappenplan zullen we ons daarom voornamelijk richten op het uitwerken van de analyse van de qualitatieve data

Data structuur

Ook de vorm van je data heeft invloed op de verwerking ervan.

De simpelste vorm van data is een platte datastructuur, een tabel met een kolom per vraag en een rij per responsie.

Zelfs bij deze simpelste vorm kunnen zich al problemen voordoen.

Bij een vragenlijst kunnen ook vragen staan die alleen beantwoord moeten worden als een andere vraag positief beantwoordt is, dit lijdt tot open plekken in je data.

Ook kan het hierdoor zo zijn dat je bruikbare responsie voor een bepaalde vraag te laag om een sluitende conclusie te vormen.

Data kan ook in een hierarchische vorm binnen komen.

een voorbeeld hiervan is vragen over een huishouden waarbij een aantal algemene vragen zijn en een aantal vragen voor iedere persoon uit het huishouden.

een mogelijkheid voor het analyseren van deze data is het opsplitsen van de data in meerdere platte structuren per level bijvoorbeeld een structuur met alle antwoorden van de kinderen. hierbij is het echter wel belangrijk dat de link met het huishouden blijft bestaan.

stap 1: verkennende data-analyse

bij verkennende data-analyse kijk je naar je databestanden mogelijk al voordat de data verzameld is. deze stap is bedoeld om een idee te krijgen van wat je kunt verwachten. het kan zijn data na de verkenning van de databestanden je tot de conclusie komt dat je nog bepaalde data mist of juist overbodig is, hierdoor is het mogelijk je vragenlijst nog aan te passen.

na het verzamelen van je data kun je nog een keer de verkennende data-analyse uitvoeren, dit zorgt er voor dat je een schone dataset hebt. ook toont het de beperkingen van je data, bijvoorbeeld dat je niet voldoende data hebt van een bepaalde sub-groep.

stap 2: de hoofdbevindingen afleiden

Deze stap begint met een schone afgeslankte dataset na het uitvoeren van de verkennende data-analyse.

hierdoor kunnen tegenstrijdigheden duidelijker uitgelegd worden. in deze stap is zoals de naam al zegt het voornaamste doel om de hoofdbevindingen af te leiden en deze duidelijk te verwoorden voor de samenvatting die we later gaan maken.

bij het afleiden van je bevindingen is het onder andere belangrijk dat je let op de omvang van je subgroepen.

het kan namelijk zijn dat de verhouding in responsie significant afwijkt van de daadwerkelijke verhouding. dit kan ook opzettelijk gedaan worden zodat ook van minderheden genoeg data beschikbaar is. een manier om de verhoudingen te corrigeren is:

eerst de data op te splitsen vervolgens de data te schalen zodat de verhouding klopt en uiteindelijk de data weer samen te voegen.

een probleem met deze methode kan zijn dat er van een subgroep gewoonweg te weinig data is of dat het deel van de subgroep dat deelgenomen heeft niet representatief is voor de hele groep, omdat bijvoorbeeld de rest van de subgroep weigert mee te werken. in deze gevallen is het niet mogelijk de data te schalen. en zul je genoodzaakt zijn het onderzoek opnieuw uit te voeren of de subgroep weg te laten.

De daadwerkelijke afleiding van het doel van je vragenlijst.

is je doel om een formele schatting te maken. dan ben je voornamelijk geïnteresseerd in een strict nummeriek antwoord terwijl een ander onderzoek juist een meer nijgt naar een meer informeel antwoord.

voor een strict nummeriek antwoord is het een kwestie van waarden optellen en delen. het is hierbij wel belangrijk dat er nauwkeurige gewichten aan bepaalde waarden wordt gegeven. hierbij moet wel opgelet worden dat niet te hoge gewichten worden toegekend aan kleine hoeveelheden data, dit zou de betrouwbaarheid verlagen.

een minder numerieke vragenlijst is een stuk lastiger om goed te analyseren.

een vraag waarbij de respondant de opties in een bepaalde volgorde zet is bijvoorlijk lastig te verwerken want als de ranking is 4 3 2 1 had dit op een schaal van 0 tot 10 ook 9,5 9 8,7 3 kunnen zijn dit is echter niet meer afleidbaar uit de ranking, dus vaak is het beter rankings te vervangen door scores.

stap 3: archiveren

bij het analyseren van data is het ook altijd belangrijk dat de analyse indien nodig herhaald kan worden. hiervoor moeten de volgende dingen bewaart worden:

• data collectie methoden
• onbewerkte data
• metadata
• variabelen en hun interpretatie
• logboeken van de analyse
• verslagen

verdere redenen voor de dataopslag kunnen zijn:

• het onderzoeksproces geordend houden
• voldoen aan de eisen van een opdrachtgever
• her-analyse bij nieuwe inzichten
• data samenvoegen met andere data
• authenticatie

---

bronnen:

SSC 2001 – Approaches to the Analysis of Survey Data

SSC Guidelines 2002 – Modern Methods of Analysis

terug PRE Groep5