1 RSM Erasmus University - Rotterdam School of Management

Statistische methoden en technieken BKB0019
Leerdoelen
Na afloop van dit vak kan de student:
De betekenis uiteenzetten van veelgebruikte statistische begrippen, zoals variabele en
observatie, kans en kansverdeling, steekproef en populatie, onderzoeksontwerp en
gegevensanalyse, steekproefgrootheid, steekproefvariatie en trekkingsverdeling, schatten
en toetsen, betrouwbaarheid en significantie, nul- en alternatieve hypothesen,
parametrische en verdelingsvrije toetsgrootheden;
De betekenis toelichten van methodologische begrippen, zoals causaal relatieschema,
interveniërende (mediërende) en interacterende (modererende) effecten, directe en
indirecte effecten, gezamenlijke oorzaken (common causes), simultane effecten,
afhankelijke versus onafhankelijke onderzoeksontwerpen;
Causale relatieschema’s opstellen ter illustratie van causale redeneringen in
gestructureerde opgaven. In open vraagstukken (onderzoeksopdracht) zelfstandig causale
redeneringen opzetten ter verklaring van verschijnselen, onderzoekshypothesen
formuleren en in onderlinge samenhang illustreren met een causaal relatieschema;
Een causaal relatieschema toepassen als leidraad bij het selecteren van geëigende
statistische methoden, het analyseren van statistische gegevens en het terugkoppelen van
resultaten naar de onderzoeksvraag;
Elementaire begrippen van de meettheorie (betrouwbaarheid en validiteit) en de
achtergrond van Likert-schalen onder woorden brengen. Cronbach α’s uitrekenen en
schaalanalyses uitvoeren op waargenomen items van een Likertschaal. Waargenomen
Likert-items gebruiken voor de constructie van indicatoren;
Het belang van meetniveaus van variabelen uiteenzetten. Beschikbare variabelen
classificeren op basis van meetniveaus. Inzicht in de meetniveaus van variabelen
toepassen bij de keuze van de geëigende statistische methode;
Verschillende steekproefontwerpen beschrijven(aselect, gestratificeerd, cluster en
systematisch steekproefontwerp). De consequentie van een gekozen steekproefontwerp
voor de verwerking van gegevens onder woorden brengen;
Steekproefontwerpen in voorbeelden van onderzoek identificeren;
Voorstellen doen voor de opzet van een geschikt steekproefontwerp voor een gegeven
onderzoeksvraag;
Het verschil beschrijven tussen niet-systematische en systematische steekproeffouten;
Steekproefontwerpen beoordelen op het voorkomen van verschillende typen systematische
meetfouten (selectiebias, respons bias, en non-respons bias);
De statistisch-theoretische achtergrond beschrijven van de behandelde
steekproefgrootheden voor univariate analyse (gemiddelde, variantie, proportie,
multinomiale verdeling), bivariate analyse (Pearson 2-grootheid, verschil gemiddelden,
verhouding varianties, anova F-grootheid, correlatiecoëfficiënt) en multivariate analyse
(diverse T- en F-grootheden bij regressieanalyse);
Beoordelen of statistische toepassingen voldoen aan de veronderstellingen waarop de
toetsgrootheden gebaseerd zijn, gebruikmakend van diagnostische instrumenten zoals
spreidingsdiagrammen, histogrammen, en onderzoek multicollineariteit of residuen bij
regressieanalyse;
Formele uitdrukkingen voor betrouwbaarheidsintervallen en toetsgrootheden op basis van
de statistisch-theoretische eigenschappen van steekproefgrootheden afleiden;
Uitgangspunten en implicaties van de Centrale limiet stelling onder woorden brengen;
Betrouwbaarheidsintervallen opstellen voor populatieparameters, zoals gemiddelde,
proportie, variantie, verschillen tussen gemiddelden en effecten in een regressiemodel;
Statistisch toetsbare hypothesen formuleren op basis van zowel gestructureerde vragen als
open vraagstukken (onderzoeksopdracht);
Hypothesen toetsen volgens de benaderingen van zowel Neyman-Pearson (7stappenschema)
als Fisher (p-waarde);
63