Toetsbaarheid is de eis dat er nauwkeurige voorspellingen kunnen worden gedaan over te verwachten waarnemingen vanuit een hypothese of theorie aan de hand waarvan deze bevestigd of weerlegd kan worden. Van niet alle uitspraken wordt toetsbaarheid verwacht. Zo zijn normatieve uitspraken niet toetsbaar.
Een testbare hypothese is een falsifieerbare en meetbare voorspelling van hoe een systeem zich zal gedragen of hoe een afhankelijke variabele zal reageren wanneer bepaalde omstandigheden worden gecontroleerd . Het is een hypothese die kan worden getest door middel van experimenten om te bepalen of deze wordt ondersteund door bewijs of onjuist is.
Hypothesetoetsen zijn statistische methodes om effecten (zoals statistische relaties op basis van een steekproef) te toetsen op lange-termijn-waarschijnlijkheid (significantie). Als het goed is, wordt hierbij ook altijd de praktische relevantie (sterkte) meegenomen.
In hypothese-toetsend onderzoek wordt nagegaan of de onderzochte variabelen inderdaad met elkaar samenhangen op de verwachte wijze. In deze definitie staan twee termen centraal: 'variabelen' en 'op de verwachte wijze'. Voordat we nader ingaan op experimenteel onderzoek zullen we deze termen nader beschouwen.
Hypothese toetsend model
Het onderzoek werkt als een diagnostische cyclus: de hypothesen worden getoetst en dit wordt net zo lang herhaald tot er een passend en voor jou en de verwijzer bevredigd antwoord is gegeven op de onderzoeksvraag.
Wanneer uit een toets een P-waarde van 0,017 komt, dan wordt de H0 verworpen (the P-value is low, so the hypotheses has to go). Wanneer uit een toets een P-waarde volgt van 0,38, dan wordt de H0 niet verworpen.
Bij toetsend onderzoek (inferentieel onderzoek) ontstaat een bepaalde verwachting op basis van theorie. Deze verwachting wordt ook wel een hypothese genoemd. Die ga je vervolgens toetsen met je onderzoek, zodat je de hypothese kunt bevestigen of verwerpen.
Toetsende vragen
Je gebruikt een toetsende vraag als je een bepaald effect wilt meten. Een toetsende vraag mag een gesloten vraag zijn en mondt vaak uit in een of meerdere hypothese(n). Deze vragen kun je met ja of nee beantwoorden. Omdat je een effect wilt meten, maak je hierbij vaak gebruik van experimenten.
Met beschrijvende statistiek (ook wel descriptieve statistiek genoemd) vat je de kenmerken van een dataset samen. Met toetsende statistiek (ook wel inferentiële of verklarende statistiek genoemd) toets je een hypothese of bepaal je of je data generaliseerbaar zijn naar een bredere populatie.
De nulhypothese en alternatieve hypothese zijn twee tegengestelde beweringen waarvan onderzoekers met behulp van een statistische test de bewijzen tegen elkaar afwegen: Nulhypothese (H0): Er is geen effect in de populatie.
De toetsingsgrootheid is de grootheid die de toets berekent op grond van je gegevens, dit is een maat voor de afwijking van jouw gegevens van de verwachte waarden. De gevonden toetsingsgrootheid kan worden vergelijken met de kritische waarde van die grootheid, om te beslissen of de nulhypothese moet worden verworpen.
Een hypotheseset is meestal tweeledig: Nulhypothese (H0): zolang er niet genoeg bewijs is voor het alternatief (H1), blijft de nulhypothese staan. Doorgaans zijn dit aannames in de vorm van 'geen verschil' (bij beschrijvend onderzoek), 'geen effect' en 'geen verband' (bij verklarend onderzoek).
Wat is een p-waarde (p-value)? De p-waarde (p-value) is een getal tussen 0 en 1, waarmee je bepaalt of een steekproefuitkomst statistisch significant is.
Het formuleren van deelvragen en hypothesen
Een onderzoeksvraag is vaak te groot om eenvoudig te kunnen beantwoorden. Om het onderzoek beter uit te kunnen voeren is het daarom verstandig om je onderzoeksvraag op te splitsen in een aantal deelvragen.
Een hypothese kan op zich staan, maar ze kan ook een onderdeel van een theorie zijn. Meestal is een hypothese een deel van een meer algemene theorie. Als een bepaalde predictie uitkomt is het nog niet zeker dat de hypothese ook klopt. Er kunnen meerdere hypothesen zijn die tot dezelfde predictie leiden.
Wanneer je een goede onderzoeksvraag hebt bedacht ga je een hypothese opstellen. In het kort is een hypothese de verwachte uiitkomst van je onderzoek, dus wat jij van tevoren denkt dat het antwoord is op je onderzoeksvraag.
Beschrijvende statistieken zijn methoden die worden gebruikt om de belangrijkste kenmerken van een dataset samen te vatten en te beschrijven . Voorbeelden zijn metingen van centrale tendens, zoals gemiddelde, mediaan en modus, die informatie verschaffen over de typische waarde in de dataset.
Statistiek is eigenlijk heel erg makkelijk. Als je eenmaal door hebt waar het om draait, is statistiek een fluitje van een cent. Je ziet er misschien als een berg tegenop en misschien hebben ze altijd tegen je gezegd dat je moeite hebt met rekenenen.
Om uw onderzoeksvragen te evalueren, moet u beoordelen of ze haalbaar, relevant en geldig zijn . Haalbaarheid verwijst naar of u toegang hebt tot de gegevens en methoden die nodig zijn om uw vraag te beantwoorden. Relevantie verwijst naar of uw vraag belangrijk en interessant is voor uw publiek en doel.
Het Hypothese Toetsend Model (HTM) In het hypothese toetsend model (HTM) gaat het om het beantwoorden van een hulpvraag door het gebruik van diagnostische middelen. Het model kenmerkt zich door het doelgericht en systematisch zoeken naar informatie om aannames te testen.
Er zijn verschillende soorten onderzoeksmethoden. Verkennend, beschrijvend en causaal zijn de drie belangrijke varianten die we met u gaan doornemen.
In lekentaal wordt hypothesetesten gebruikt om vast te stellen of een onderzoekshypothese verder reikt dan de personen die in één studie zijn onderzocht . Een ander voorbeeld zou kunnen zijn het nemen van een steekproef van 200 borstkankerpatiënten om een nieuw medicijn te testen dat is ontworpen om dit type kanker uit te roeien.
Als de p-waarde groter is dan het significantieniveau: Er is voldoende aanleiding om aan te nemen dat de nulhypothese klopt. Je kunt alleen laten zien dat de steekproefuitkomst wel/niet extreem is gegeven de nulhypothese. Is de uitkomst te extreem, dan concludeer je dat de alternatieve hypothese logischer is.