Pre-analyse van data
7 belangrijke vragen over Pre-analyse van data
Visueel voorbeeld: uitbijters geïllustreerd - 1
- Univariate uitbijters
- De vaste lijn laat het ‘werkelijke’ (populatie) gemiddelde zien
- De stippellijn illustreert waar het gemiddelde ligt dat berekend is op basis van de data, inclusief uitbijters.
- Het gemiddelde dat van de gehele dataset berekend wordt is geen goede weergave van het centrum van de verdeling
- Een onderzoeker die de uitbijters in de data laat, zal met een grove overschatting van het gemiddelde van de verdeling te maken hebben, en loopt het risico verkeerde conclusies te trekken
Transparant in rapportage – negeren en verwijderen van uitbijters
- Of je nu kiest voor verwijderen of ongemoeid laten van uitbijters, het is belangrijk om hierover transparant te zijn in je rapportage
- Voer bijvoorbeeld de analyse tweemaal uit; één keer met, en één keer zonder uitbijters
- Als de uitkomsten niet wezenlijk anders zijn, dan staat het de onderzoeker vrij om de uitbijters te negeren (dus te behouden) of te verwijderen
- Zolang in het verslag beschreven wordt dat er twee analyses gedaan zijn, of er verschillen waren of niet, en welke data gekozen zijn voor verdere analyse, dan is dat vaak een acceptabele oplossing
Univariate uitbijters – identificeren van uitbijters
- De steekproefverdeling is nagenoeg normaal verdeeld
- De steekproefverdeling is scheef verdeeld
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Voor mijn 1e tentamen haalde ik een 6. Toen ben ik gaan zoeken naar manieren om beter te leren en ben ik Study Smart tegen gekomen. Sindsdien heb ik een 9,0 - 8,0 - 7,6 - 8,0 - 8,0 gehaald. Ik raad het echt íédereen aan die het maar horen wil. Ik ben er zo blij mee!!
Met mijn oude methode was ik geslaagd voor maar 3 van de 8 vakken. Sinds ik mijn aantekeningen digitaal maak in study smart, ben ik voor alle vakken de éérste keer geslaagd. StudySmart neemt voor mij de stress van slagen of niet slagen weg.
Door StudySmart gaat het op zo veel vlakken beter met mij. Eerst had ik continu studiestress en ik had nergens tijd voor. Nu voel ik mij rustig en zelfverzekerd (door gebruik van het programma). Eerst haalde ik meestal een 7, nu vaak een 8 of zelfs een 9.
Hey Chris, ik wil je echt hartelijk danken voor het ontwikkelen van het platform. Ik haalde hiervoor altijd rond de 6/10 voor m'n tentamens, nu een 8,6, een 7,9 en een 7,6!!
Sinds ik Study Smart gebruik, is mijn gemiddelde 1 punt gestegen. Ik heb zelfs een statistisch vak met een 10/10 afgerond terwijl ik slecht ben in statistiek. Nu volg ik extra vakken omdat vorig jaar zo goed ging door Study Smart. Veel dank!
Sinds ik ben gaan leren met StudySmart ben ik geslaagd voor al mijn examens!!! Geen herexamens!! Eerst was ik al blij met een voldoende en nu haal ik alleen maar goede cijfers. Veel dank!
Ik heb alle vakken die ik met Study Smart heb geleerd gehaald. Met rechten ben ik van een 5 naar een 8 gegaan! Ik weet nu zeker dat ik al mijn vakken gewoon ga halen.
Ik dacht altijd dat ik goed studeerde. Mijn cijfers waren ook prima. Ik had mij nooit kunnen voorstellen dat ik zo veel beter en sneller zou studeren door het toepassen van deze vaardigheden.
Ik voel mij voor het eerst 100% zeker over de manier waarop ik leer. Ik heb nu het complete overzicht en de structuur die ik nodig had
Door Study Smart kreeg ik weer plezier in het studeren en haalde ik direct betere cijfers. Alles ging ineens beter. Ik raad Study Smart enorm aan aan scholieren en studenten.
Met dit plaform kan ik super snel en gestructueerd studeren. Ik ben nooit meer de weg kwijt in de stof of in mijn aantekeningen en maak veel sneller goede samenvattingen.
Eerst waren mijn aantekeningen een zooitje. Nu gebruik ik Study Smart en studeer ik super gestructureerd. Het helpt mij om tijd te besparen waardoor ik ook andere dingen kan doen die ik belangrijk vind.
Leerlingen die met het systeem hebben gewerkt hebben gewoon een beter resultaat behaald. Het systeem past alle leertrucjes zo toe, dat zowel de kinderen die goed scoren, maar ook zij die minder scoren, aan hun trekken komen.
Hey Chris, ik wil je enorm bedanken. Het vak waar ik vorig jaar nog net een 5,5 voor haalde, heb ik nu voor ditzelfde vak maar liefst een 9,7 gehaald! Mede dankzij jouw methode! Heel erg bedankt!
Het grootste effect is dat mijn kind veel enthousiaster is over school! Elke ouder wilt graag dat zijn kind het goed doet op school, en Study Smart draagt daar aan bij.
Dankzij StudySmart heb ik vorig jaar al mn examens gehaald en ook veel betere punten gehaald. Maar bovenal heb ik nu gewoon een heel goede studiemethode onder de knie, waarmee ik zeker weet dat ik de rest van mijn studie gewoon ga halen.
Imputatiemethode – omgaan met ontbrekende gegevens
- De imputatiemethode probeert redelijke schattingen voor ontbrekende gegevens te vinden en vervangt de ontbrekende gegevens door deze schattingen
- Dit is vooral handig wanneer het percentage ontbrekende gegevens laag is
- Als het percentage ontbrekende gegevens hoog is, dan wordt het resultaat van imputeren onbetrouwbaar
Missings Not at Random (MNAR) – missing proces
- De categorie MNAR is van toepassing wanneer de ontbrekende gegevens een structuur hebben of we simpelweg niet weten waarom waarden ontbreken.
- Hierbij wordt aangenomen dat de missings niet willekeurig zijn en beïnvloed worden door processen die niet geobserveerd zijn, het missing proces wordt dan nonignorable genoemd.
- Met andere woorden:
- het missing proces is afhankelijk van (nog) niet geobserveerde metingen of onbekende karakteristieken van de respondenten.
- Men moet de ontbrekende gegevens eerst nauwkeurig modelleren om een goede data-analyse te kunnen doen.
- Het simpelweg verwijderen van waarnemingen met ontbrekende gegevens die MNAR zijn, kan resulteren in een model met vertekening.
Verwijderen van ontbrekende waarden – omgaan met ontbrekende gegevens
- Er zijn in principe drie methoden voor het verwijderen van gegevens bij het omgaan met ontbrekende gegevens:
- Lijstgewijs verwijderen (complete case analysis)
- Paarsgewijs verwijderen
- Variabelen volledig verwijderen
Variabelen verwijderen – verwijderen van ontbrekende waarden
- Als voor heel veel respondenten (bijvoorbeeld meer dan 60%, afhankelijk van de grootte van de dataset) de gegevens voor een bepaalde variabele ontbreken, dan kan het verstandig zijn om deze variabelen in zijn geheel te verwijderen, mits deze niet essentieel is voor de analyse
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden
