Bij betrouwbaarheid gaat het om hoe consistent een methode iets meet. Hierbij is het van belang dat de uitkomsten hetzelfde zijn als je de meting of het gehele onderzoek op exact dezelfde wijze nog een keer uitvoert (reproduceert of repliceert).
Bij validiteit gaat het om het meten wat je beoogt te meten. Bij betrouwbaarheid daarentegen gaat het om de vraag of je onderzoeksresultaten hetzelfde zouden zijn als je het onderzoek op dezelfde wijze nogmaals uitvoert.
Een valide en betrouwbare enquête is een enquête die op consistente wijze heeft gemeten wat gemeten moest worden. Zo kunnen op basis hiervan ware conclusies worden getrokken en zullen bij een herhaling van het onderzoek dezelfde resultaten naar voren komen.
Goed onderzoek verdient nauwkeurig verwoorde bevindingen die zo objectief mogelijk zijn: niet meer en niet minder dan uit de data valt af te leiden. Het is dus not done om te overdrijven en bij onduidelijkheid of zwakke bevindingen is gereserveerd taalgebruik op zijn plaats.
Met 4 à 5 metingen heb je een grove indicatie van de spreiding. Met 10 metingen heb je een redelijke waarde. Dit laatste is dus eigenlijk het minimum dat je nodig hebt voor een betrouwbaar resultaat.
Betrouwbaarheid heeft betrekking op de mate waarin een meting in je scriptie vrij is van fouten, op consistente wijze iets meet, en daarmee herhaalbaar is. Je kunt voor een hoge betrouwbaarheid zorgen door willekeurige meetfouten (random errors) te voorkomen.
Cronbachs alfa is een maat voor interne consistentie oftewel voor de homogeniteit van de vragen. Een hoge score, zeg groter dan 0,70, wijst op een hoge mate van betrouwbaarheid zodat je een somscore kunt maken. Je kunt je voorgenomen hebben de tevredenheid over de woning te onderzoeken.
Vaak wordt het 95% betrouwbaarheidsinterval gebruikt. Hiermee zeg je eigenlijk: stel ik zou mijn onderzoek 100 maal herhalen, dan verwacht ik dat de werkelijke waarde (parameter) minstens 95 keer binnen het (voor ieder onderzoek apart opgestelde) 95% betrouwbaarheidsinterval ligt.
Stel je hebt 95% gekozen. Bereken de foutmarge. Je kunt de foutmarge vinden middels de volgende formule: Za/2 * σ/√(n). Za/2 = betrouwbaarheidscoëfficient, waarbij a = betrouwbaarheidsniveau, σ = standaarddeviatie en n = steekproefgrootte.
Hoeveel interviews zijn er nodig om een goed beeld te krijgen? Bij kwalitatief marktonderzoek zijn steekproeven van 12, 15 of 20 respondenten gebruikelijk. Grotere steekproeven zijn een uitzondering. Die kleine steekproeven wekken meestal verbazing.
De steekproefgrootte is van belang als je een statistisch verschil wil aantonen. Bij een te kleine steekproef zijn er geen verschillen te vinden, bij een te grote is alles statistisch significant verschillend.
In kwantitatief onderzoek ligt zowel bij het verzamelen als bij de analyse de nadruk op kwantificatie van data. Bij kwalitatief onderzoek is dat niet het geval. De nadruk ligt daar niet op meten en op het verzamelen van getallen, maar op woorden. Het is subjectiever en interpretatiever.
Bij een enquête kun je de validiteit kun je vergroten door gebruik te maken van bestaande wetenschappelijke vragenlijsten. Als je die niet tot je beschikking hebt dan kun je de validiteit van je onderzoek vergroten door bij het maken van je vragenlijst gebruik te maken van literatuur.
Kwalitatieve studies moeten op een duidelijke manier beschrijven welke vorm van gegevensanalyse ze gebruiken en wie de analyse uitvoert. Er bestaan verschillende analytische benaderingen.
Binnen marktonderzoek gebruikt men de vuistregel dat acht tot tien interviews met mensen die tot een homogene doelgroep behoren, voldoende zijn. De kans is klein dat extra interviews met nieuwe respondenten nieuwe informatie oplevert”.
Een betrouwbaarheidsinterval biedt dezelfde informatie als een p-waarde, maar geeft daarnaast ook (een indruk van) het interval waarbinnen de werkelijke waarde met 95% waarschijnlijkheid ligt. 2) het 95%-BI om het gemeten verschil in infectiepercentages worden berekend.
Als je betrouwbaarheidsinterval voor een correlatie of regressie nul bevat, betekent dit dat er een grote kans bestaat dat je geen correlatie vindt in je data als je het experiment nog een keert uitvoert. In beide gevallen zul je ook een hoge p-waarde vinden bij je statistische test.
Strikt genomen is de p-waarde een maat voor de kans dat de nulhypothese ten onrechte is verworpen (en het gevonden verschil tussen onderzoeksgroepen dus in werkelijkheid op toeval berust). Praktisch gezien is de p-waarde een waarde tussen 0 en 1, die wordt bepaald door middel van een statistische toets.
Als de kans, dat een verschil door toeval ontstaan is, kleiner is dan 5% (p = 0.05), dan noemt men het verschil significant (betekenisvol). Als de kans, dat het verschil door toeval ontstaan is, kleiner is dan 1% (p = 0.01 ) dan noemt men het verschil zeer significant (zeer betekenis vol).
Meestal kies je voor een α van 0.05 of 0.01. Bij hypothesetoetsing wordt de verkregen p-waarde (p-value) vergeleken met het significantieniveau om te bepalen of het gevonden verschil of de gevonden relatie statistisch significant is. Als de p-waarde kleiner is dan de gekozen drempelwaarde, is het resultaat significant.
De meest gehanteerde regel ten aanzien van significantie is de 95% regel. Dit betekent dat wanneer we met 95% zekerheid kunnen zeggen dat een effect niet ontstaan is door toeval, we mogen aannemen dat het effect werkelijk bestaat. We staan dus 5% kans op toeval toe.
Maak een lijst van alle scores en vind het gemiddelde. Trek het gemiddelde af van iedere score om de afstand (afwijking) tot het gemiddelde te berekenen. Bereken voor iedere afwijking het kwadraat. Tel alle gekwadrateerde afwijkingen bij elkaar op.