In een kwantitatief onderzoek zet je je data meestal in een datamatrix, bijvoorbeeld in Excel of SPSS. De rijen bevatten de onderzoekseenheden of cases: de personen, huishoudens, bedrijven, gemeenten of andere eenheden waarover je een uitspraak wilt doen. De kolommen bevatten de variabelen: de kenmerken of eigenschappen die je van deze onderzoekseenheden hebt gemeten. In de cellen staan de bijbehorende waarden of scores. Zo is bij een onderzoek onder personen de leeftijd van respondent 1 een variabele, en is 22 de gemeten waarde.

Elke variabele heeft een eigen meetschaal. De meetschaal geeft aan welk type gegevens je hebt en bepaalt mede welke statistische technieken je kunt gebruiken. We onderscheiden vier meetschalen: nominaal, ordinaal, interval en ratio. Deze meetschalen vormen een oplopende reeks. Naarmate het meetniveau hoger is, kun je meer statistische technieken toepassen. Een techniek die geschikt is voor een bepaald meetniveau, kun je in principe ook gebruiken voor een hoger meetniveau, maar niet zonder meer voor een lager meetniveau.

Nominale variabelen bestaan uit een beperkt aantal categorieën, die allesomvattend zijn (iedere waarneming kan worden ingedeeld in een categorie), en wederzijds uitsluitend (iedere waarneming kan uitsluitend worden ingedeeld in één categorie). Alle categorieën zijn gelijkwaardig; er is geen logische volgorde. We kunnen niet zeggen dat de ene categorie ‘meer’ of ‘beter’ is dan de andere. Een bijzondere vorm van een nominale variabele is de dichotome meetschaal, ook wel een binaire schaal genoemd. Dat is een meetschaal die slechts twee mogelijke antwoordcategorieën heeft. Deze categorieën zijn elkaars tegengestelde en bieden geen tussenliggende opties.

Ordinale variabelen bestaan net als nominale variabelen uit een beperkt aantal allesomvattende en wederzijds uitsluitende categorieën. Maar bij ordinale variabelen staan de categorieën in een zinvolle volgorde. Een voorbeeld van een ordinale variabele is ‘inkomensgroep’, bestaande uit de categorieën ‘beneden modaal’, ‘1 tot 2 keer modaal’ en ‘meer dan 2 keer modaal’. Omdat er sprake is van een logische volgorde weten we dat een persoon die in de categorie ‘1 tot 2 keer modaal’ zit meer verdient dan iemand uit de categorie ‘beneden modaal’. We weten echter niet hoeveel meer.

Een bijzonder type ordinale meetschaal zijn rangnummers, zoals de rangvolgorde van de Nederlandse gemeenten op het aantal inwoners: Amsterdam rangnummer 1, Rotterdam 2, Den Haag 3, etc. De rangnummers vormen een ordinale schaal. Ze geven informatie over de volgorde van de cases, maar zeggen niets over de grootte van de verschillen.

Bij intervalschalen zijn de meetwaarden getallen en hebben de verschillen tussen deze meetwaarden (intervallen) een kwantitatieve betekenis. De intervallen tussen de meetwaarden zijn dus gelijk. Een intervalschaal heeft echter geen absoluut nulpunt. Daardoor hebben verhoudingen tussen meetwaarden geen betekenis. Voorbeelden zijn de temperatuurschalen van Celsius en Fahrenheit. Ze meten beide de temperatuur, maar gebruiken een andere schaal en een ander nulpunt.

Net als bij intervalschalen zijn de meetwaarden bij ratioschalen getallen en hebben de verschillen tussen de waarden een kwantitatieve betekenis. Een ratioschaal heeft daarnaast een absoluut nulpunt. Daardoor hebben niet alleen verschillen, maar ook verhoudingen tussen meetwaarden betekenis. Zo is 20 meter daadwerkelijk twee keer zo lang als 10 meter, en is 0 meter een betekenisvol nulpunt.

De beschrijvende of descriptieve statistiek houdt zich bezig met het ordenen en presenteren van gegevens in overzichtelijke tabellen (a) en grafieken (b), en met het samenvatten van gegevens door middel van statistische maten (c). Voor elke van deze categorieën geven we een aantal veel voorkomende types:

Tabellen

• Frequentietabellen: Deze tabellen geven een overzicht van hoe vaak elke waarde of categorie voorkomt in een dataset. Ze kunnen zowel absolute frequenties (aantallen) als relatieve frequenties (percentages) weergeven.
• Kruistabellen: Kruistabellen worden gebruikt om de relatie tussen twee of meer variabelen te onderzoeken. Ze tonen de frequenties van combinaties van categorieën van de variabelen.
• Beschrijvende statistiek tabellen: Deze tabellen presenteren samenvattende statistieken per variabele, zoals gemiddelde, mediaan, modus, standaarddeviatie.

Grafieken

• Staafdiagrammen: Worden gebruikt om categorieën te vergelijken en worden vaak gebruikt bij discrete variabelen (Bij een discrete variabelen zijn er alleen bepaalde, afzonderlijke waarden mogelijk, zoals bijvoorbeeld het aantal kinderen in het gezin). Ze tonen de waarden van gegevens met rechthoekige balken, waarbij de hoogte of lengte van de balk overeenkomt met de grootte van de gegevens.
• Cirkeldiagrammen: Worden gebruikt om de relatieve verdeling van een categorische variabele van een beperkt aantal categorieën weer te geven.
• Histogrammen: Worden gebruikt om de verdeling van continue variabelen te visualiseren (Een continue variabele kan elke waarde aannemen binnen een bepaald interval, zoals bijvoorbeeld bij de afstand tot het stadscentrum). Ze tonen de frequentie van gegevens in intervallen. Bij een histogram worden de staven aan elkaar Omdat klassen aansluitend zijn. De oppervlakte is representatief voor de frequentie in de betreffende klasse.
• Lijndiagrammen: Worden gebruikt om trends en ontwikkelingen van variabelen in de tijd weer te geven. Ze verbinden datapunten met lijnen om veranderingen te illustreren.
• Boxplot: Een grafische weergave van de verdeling van een dataset, gebaseerd op de vijf-getallensamenvatting: minimum, eerste kwartiel (Q1), mediaan (Q2), derde kwartiel (Q3), en maximum. Het toont de spreiding en centrale tendens van de gegevens, en kan helpen bij het identificeren van uitschieters.

Statistische maten

• Centrummaten: geven een indicatie voor het middelpunt van de gegevens (rekenkundig gemiddelde mediaan, modus).
• Spreidingsmaten: geven een beeld van de verdeling van de gegevens (standaarddeviatie variantie, variatiebreeddte, interkwartielafstand, variatiecoëfficiënt).
• Scheefheidsmaten zeggen iets over de vorm van de verdeling: is de verdeling symmetrisch of niet, in hoeverre wijkt het af van de normale verdeling? (scheefheid, kurtosis)
• Samenhangsmaten: De sterkte van de samenhang (en vaak ook de richting van het verband: positief of negatief) kan worden uitgedrukt in een associatiemaat. Welke associatiemaat je gebruikt hangt af van de meetschaal van je variabelen, zoals je in onderstaande tabel kunt zien

Tabel: Associatiematen

Als de onderzoeksgroep of populatie te groot is om in zijn geheel te onderzoeken, maak je gebruik van een steekproef. Als de eenheden in de steekproef random (willekeurig) gekozen worden spreek je van een aselecte steekproef. Bij een aselecte steekproef vormt de steekproefgroep een representatieve afspiegeling van de onderzoekspopulatie en kan je aan de hand van de steekproefgegevens uitspraken doen over die populatie. Hiervoor maak je gebruik van inductieve statistiek. Door middel van statistische toetsing ga je na of de steekproefuitkomsten geldig zijn (significant zijn) voor de hele populatie. Met een statistische toets bepaal je hoe groot de kans is dat de gevonden uitkomst van je steekproef op toeval berust. Als die kans klein is, gaan we ervan uit dat het verband echt bestaat en dus significant is.

Voordat je inductieve statistiek toepast, begin je altijd eerst met beschrijvende statistiek. Je wilt immers eerst weten hoe de verzamelde gegevens eruitzien. Het maakt daarbij niet uit of het om populatie of steekproefgegevens gaat. Inductieve statistiek is niet altijd nodig enkel als je beschikt over gegevens van een aselecte steekproef. Alleen dan is het mogelijk om te toetsen of de gevonden uitkomsten significant zijn, en dus gelden voor de hele populatie.

Bij secundaire data-analyse analyseer je gegevens die anderen al hebben verzameld, oorspronkelijk voor andere onderzoeks- of beleidsdoeleinden. Je gebruikt deze gegevens voor je eigen onderzoeksvraag. Secundaire data-analyse is mogelijk met verschillende typen data, zowel kwalitatieve als kwantitatieve.

Voordelen:

• Bespaart tijd en geld
• Data is vaak van hoge kwaliteit door aselecte steekproeven, hoge N en gevalideerde vragenlijsten
• Geeft de mogelijkheid voor longitudinale analyse
• Maakt subgroepanalyse mogelijk
• Geeft meer tijd voor data-analyse
• Maakt de toepassing van recente theorie op oude gegevens mogelijk
• Haalt meer waarde uit de oorspronkelijke gegevens en je hoeft respondenten niet nog een keer lastig te vallen
• Maakt replicatie mogelijk

Nadelen:

• Je moet goed op de hoogte zijn van de manier waarop die gegevens destijds verzameld zijn, gecodeerd en beheerd
• De gegevens kunnen erg groot en complex zijn
• De kwaliteit en betrouwbaarheid van de gegevens mag nooit als vanzelfsprekend worden beschouwd. Wat is de geloofwaardigheid van de samenstellers? Is de achterliggende methodologie openbaar of niet? Is de bron die de data publiceerde geloofwaardig?
• Variabelen die belangrijk zijn voor jouw analyse kunnen in de dataset ontbreken. Evalueer daarom altijd de geschiktheid van de dataset. Wat was het initiële doel van de dataverzameling? Wanneer en waar zijn de data verzameld? Heb je toegang tot de ruwe data en documentatie hiervan?
• Je kent de context niet waarin de gegevens verzameld zijn
• Evalueer altijd of je de data mag gebruiken. Is er een gebruikslicentie en/of heb je geïnformeerde toestemming?

Bekijk de handleiding voor het gebruik van secundaire data “Wegwijs in Open Data” (2024) voor meer informatie en zie ook Opendatasets.

Afhankelijk van het type data en doel van jouw onderzoek, kun je verschillende analysetechnieken toepassen op secundaire data, zoals beschrijvende statistiek, regressieanalyse, thematische analyse en nog veel meer.