Multivariate analyse

Voorwoord v
Lijst van figuren xv
Lijst van tabellen xxiii

1 Inleiding 1
1.1 Methoden en technieken, statistiek 2
1.2 Criminaliteit en criminologie 5
1.2.1 Specifieke statistische problemen, speciale methoden en technieken voor de criminologie 5
1.3 Univariate, bivariate en multivariate technieken 6
1.4 Kenmerken van multivariate technieken 7
1.4.1 Kwantitatief 7
1.4.2 Toetsend of explorerend 8
1.4.3 Datareductie versus modeltoetsing 8
1.4.4 Hoog versus laag meetniveau data 9
1.4.5 Voorspelling versus samenhang, asymmetrisch versus symmetrisch 10
1.5 Wat gaan we doen in dit boek? 10

2 Methodologie in vogelvlucht 13
2.1 Inleiding 13
2.1.1 Meetniveaus 13
2.2 Afhankelijke en onafhankelijke variabelen 16
2.3 Modellen 18
2.4 Operationaliseren en meten 21
2.4.1 Operationalisatie 22

3 Statistiek, univariate en bivariate technieken in vogelvlucht 25
3.1 Beschrijvende statistiek 26
3.1.1 Maten voor centrale tendentie: gemiddelde, mediaan en modus 26
3.1.2 Maten voor spreiding: variantie en standaarddeviatie 27
3.2 Inferenti¨ele statistiek 28
3.2.1 Steekproeven en populaties 28
3.2.2 Omgaan met onzekerheid: toetsen 32
3.2.3 Steekproefgrootte 36
3.2.4 Omgaan met onzekerheid: schatten en betrouwbaarheidsintervallen 37
3.2.5 Omgaan met onzekerheid: verdelingen 39
3.3 Symmetrische bivariate technieken 42
3.3.1 Correlatie als maat voor lineaire samenhang 42
3.3.2 Andere maten voor samenhang 46
3.3.3 Kruistabellen, relatief risico en odds ratio 48
3.4 Asymmetrische bivariate technieken 52
3.4.1 Enkelvoudige regressie-analyse 53
3.4.2 Een speciaal geval van regressie-analyse: het voorspellen van de duur tot een gebeurtenis of overlevingsduur-analyse 55
3.4.3 Een speciaal geval van regressie-analyse: variantie-analyse 63

4 Soorten multivariate technieken 67
4.1 Verschillen en overeenkomsten tussen technieken 67

5 Algemene kwesties 71
5.1 Data cleaning 72
5.1.1 Detecteren van foute coderingen en uitbijters 73
5.1.2 Zwangere opa’s 74
5.2 Missende waarden 75
5.2.1 ‘Voorkomen is bij alle soorten missing data beter dan genezen’ 75
5.2.2 Het ‘oplappen’ van een dataset met missende waarden 80
5.3 Variabelen prepareren: transformeren, hercoderen en somschalen 81
5.3.1 Transformeren 81
5.3.2 Hercoderen en somschalen 83
5.4 Repliceerbaarheid van analyses 84
5.4.1 Dataset, codeboek, syntax 84
5.5 De gevaren van afwijkende antwoordpatronen 86
5.6 Kruisvalidatie 89
5.7 Statistische pakketten 90
5.7.1 SPSS en andere statistische pakketten 90

6 Multipele regressie-analyse 93
6.1 Multipele regressie-analyse 94
6.1.1 Nog even: enkelvoudige regressie-analyse 94
6.1.2 Model bij multipele regressie-analyse 95
6.1.3 Kwaliteit van de voorspelling 98
6.1.4 Toetsen 100
6.1.5 Keuze van predictoren 101
6.2 Assumpties 103
6.3 Procedure met SPSS 105
6.3.1 BACKWARD-methode 107
6.3.2 FORWARD-methode 107
6.3.3 STEPWISE-methode 108
6.3.4 Controles op assumpties 108
6.3.5 Uitbijters 110
6.4 Missings 111
6.5 Voorbeeld met SPSS 112
6.5.1 Missings 114
6.5.2 Verdeling van de afhankelijke variabele 119
6.5.3 Bivariate relaties 122
6.5.4 De eigenlijke analyse 124
6.5.5 Controles op assumpties 128
6.5.6 Verslaglegging van het SPSS-voorbeeld 133
6.6 Uitbreiding: het gebruik van interactietermen 137
6.6.1 Praktische kwesties bij het gebruik van interactietermen 147
6.7 Voorbeeld van interactie met SPSS 150
6.8 De begrippen interactie en multicollineariteit 155
6.9 Varianten van multipele regressie-analyse 156
6.9.1 Logistische regressie-analyse 157
6.9.2 Regressie-analyse met duurvariabelen 158
6.10 Ter afsluiting 158
6.10.1 Praktische overwegingen bij het gebruik van regressie-analyse 159
6.10.2 Verder lezen 160

7. Logistische regressie-analyse 163
7.1 Logistische regressie-analyse 164
7.1.1 Het logistisch model voor 0/1 uitkomstmaten 164
7.1.2 Interpretatie van de uitkomsten in een logistische regressie 170
7.1.3 Keuze van predictoren 173
7.1.4 Het beoordelen van de model fit 174
7.1.5 Technische kwesties bij het schatten van het model 181
7.2 Assumpties 182
7.3 Procedure met SPSS 183
7.3.1 Controles op assumpties 185
7.3.2 Uitbijters 186
7.4 Missings 186
7.5 Voorbeeld met SPSS 187
7.5.1 Logistische regressie met ´e´en onafhankelijke variabele 187
7.5.2 Logistische regressie met meerdere onafhankelijke variabelen 194
7.6 Voorbeeld van interactie bij logistische regressie 215
7.6.1 Praktische kwesties bij het gebruik van interactietermen bij logistische regressie 217
7.7 Voorbeeld van interactie met SPSS 218
7.8 Ter afsluiting 222
7.8.1 Verder lezen 223

8 Overlevingsduur-analyse 227
8.1 Overlevingsduur-analyse 228
8.1.1 Eerst iets over de hazard en de overlevingsfunctie 228
8.1.2 Model bij Cox regressie 234
8.1.3 De fit van het model 237
8.1.4 Toetsen 238
8.1.5 Keuze van predictoren 238
8.2 Assumpties 241
8.3 Procedure met SPSS 242
8.3.1 BACKWARD-, FORWARD-, en ENTER-methoden 243
8.3.2 Controles op assumpties 243
8.3.3 Uitbijters 245
8.3.4 Prepareren van de dataset 245
8.4 Missings 246
8.5 Voorbeeld met SPSS 246
8.5.1 Kaplan-Meier overlevingsduur-analyses 248
8.5.2 Cox regressie overlevingsduur-analyses 251
8.5.3 Controles op assumpties 260
8.5.4 Volledige aansturing met command syntax 265
8.5.5 Verslaglegging van het SPSS-voorbeeld 268
8.6 Varianten van Cox regressie 272
8.6.1 Cox regressie met tijdvari¨erende onafhankelijke variabelen 272
8.6.2 Analyse van repeated events 273
8.6.3 Analyse van competing risks 274
8.7 Ter afsluiting 275
8.7.1 Praktische overwegingen bij Cox regressie-analyse 275
8.7.2 Verder lezen 276

9 Principale componenten-analyse en schaalconstructie 279
9.1 Cronbach’s a 283
9.2 Principale componenten-analyse 289
9.2.1 Een eenvoudig voorbeeld 290
9.2.2 Componentladingen en interpretatie 293
9.2.3 Componentscores 294
9.2.4 Eigenwaarden en communaliteiten 295
9.2.5 Rotatie 296
9.2.6 Interpretatie revisited 300
9.3 Praktische kwesties 302
9.3.1 Aantal variabelen per factor 302
9.3.2 Keuze van aantal principale componenten 303
9.3.3 Steekproefgrootte 306
9.4 Assumpties 307
9.5 Missings 307
9.6 Voorbeeld met SPSS 308
9.6.1 Schaalconstructie met Cronbach’s a 311
9.6.2 Schaalconstructie met principale componenten-analyse 318
9.6.3 Principale componenten en hun relaties met achtergrondvariabelen 325
9.6.4 Verslaglegging van het SPSS-voorbeeld 326
9.7 Relatie tussen principale componenten-analyse en factoranalyse 330
9.8 Ter afsluiting 332
9.8.1 Verder lezen 332

10 Exploratieve schaaltechnieken 335
10.1 Exploratieve schaaltechnieken voor nominale variabelen 336
10.1.1 Een eenvoudig voorbeeld 337
10.1.2 Categorie kwantificaties, object scores en reciprocal averaging 339
10.1.3 Discriminatiematen en eigenwaarden 341
10.1.4 Keuze van dimensies en variabelen 347
10.1.5 Passieve variabelen 350
10.1.6 Gedegenereerde oplossingen 350
10.2 Exploratieve schaaltechnieken voor variabelen met verschillende meetniveaus 352
10.3 Assumpties 357
10.4 Missings 357
10.5 Voorbeeld met SPSS 358
10.5.1 HOMALS 359
10.5.2 PRINCALS 370
10.5.3 Verslaglegging van het SPSS-voorbeeld 375
10.6 Uitbreidingen aan HOMALS en PRINCALS 381
10.7 Ter afsluiting 381
10.7.1 Relaties binnen en tussen niet-lineaire technieken en factoranalytische technieken 381
10.7.2 Verder lezen 382

11 Niet-behandelde technieken 385
11.1 Variantie-analyse: complexere designs en uiteindelijk MAN(C)OVA 385
11.2 Loglineaire modellen 389
11.3 Bijzondere modellen voor regressie-analyse 393
11.3.1 Een familie van regressiemodellen 393
11.3.2 Multilevel-analyse 394
11.4 Latente klasse-analyse 397
11.4.1 Trajectory-analyse 401
11.5 Padmodellen en structurele vergelijkingenmodellen 404
11.5.1 Padmodellen 404
11.5.2 Structurele vergelijkingenmodellen 407
12 Over de samenhang tussen de diverse technieken 411

12.1 Uitleiding 414

Literatuur 415
Register van auteurs 421
Register van onderwerpen 423