Statistiek is het vak dat studenten het vaakst hun eerste jaar kost, en zelden om de reden die ze denken.
De klacht is bijna altijd dezelfde: ik ben slecht in wiskunde. Maar het rekenwerk doet de software. Wat er echt misgaat, zit ergens anders, en het is opvallend consistent.
De beslissing die niemand expliciet uitlegt
Een statistiekexamen vraagt zelden om een berekening. Het vraagt: hier is een onderzoeksvraag, hier is een dataset, welke toets gebruik je en waarom.
Dat is één beslissing, en ze hangt af van drie dingen: wat je wil weten, welk meetniveau je variabelen hebben, en hoe je groepen in elkaar zitten.
Wil je twee groepen vergelijken op een gemiddelde? Dan zit je bij een t-toets. Zijn het meer dan twee groepen? Dan een variantieanalyse. Wil je weten of twee variabelen samenhangen? Dan correlatie, en als je wil voorspellen, regressie. Werk je met categorieën in plaats van met getallen? Dan een chi-kwadraattoets.
En dan de vraag die studenten het vaakst missen: zijn je metingen onafhankelijk, of komen ze van dezelfde personen op twee momenten? Dat verandert de toets, want gepaarde metingen delen informatie en dat moet de toets weten.
Als je die keuzeboom kan uittekenen zonder je cursus, heb je het grootste deel van het vak. Als je hem niet kan uittekenen, is meer oefeningen maken zinloos, want je gokt bij elke oefening opnieuw.
Zet hem dus op één blad. Vertakking per vraag: wat wil ik weten, welk meetniveau, hoeveel groepen, onafhankelijk of gepaard. Dat blad is meer waard dan je hele cursus samengevat.
Meetniveau is geen theoretische bijzaak
Nominaal, ordinaal, interval, ratio. Studenten leren dit in week één, vinden het saai, en gebruiken het daarna nooit meer bewust.
Het is nochtans het scharnier van je hele keuze. Een gemiddelde van postcodes bestaat niet, want postcodes zijn labels die toevallig cijfers zijn. Een gemiddelde van tevredenheidsscores van 1 tot 5 is een discussie, want de afstand tussen 1 en 2 is niet aantoonbaar dezelfde als tussen 4 en 5.
Op een examen is dit vaak de verstopte helft van de vraag. Er wordt een variabele genoemd, en of je de juiste toets kiest hangt ervan af of je herkent op welk niveau ze gemeten is.
Oefen dit apart: neem twintig variabelen uit je eigen vakgebied en benoem hun meetniveau. Het kost twintig minuten en het lost een verrassend groot deel van je twijfels op.
De p-waarde: wat ze wel en niet zegt
Dit is het meest misbegrepen begrip in het vak, en het komt op vrijwel elk examen terug.
Een p-waarde is de kans op jouw resultaat, of iets extremers, in een wereld waarin de nulhypothese waar is. Meer niet.
Wat ze dus niet is: de kans dat je hypothese klopt. Ook niet: de kans dat je resultaat toeval is. En al helemaal niet: een maat voor hoe groot of belangrijk je effect is.
Dat laatste is waar het praktisch misgaat. Met een grote steekproef wordt zowat elk verschil significant, ook een verschil dat inhoudelijk niets voorstelt. Daarom hoort er bij een significant resultaat altijd een effectgrootte, en daarom vragen examens daarnaar.
De omgekeerde fout is even hardnekkig: een niet-significant resultaat betekent niet dat er geen effect is. Het betekent dat je met deze data niet genoeg bewijs hebt om de nulhypothese te verwerpen. Afwezigheid van bewijs is geen bewijs van afwezigheid, en dat is een citaat dat op elk statistiekexamen punten waard is.
Assumpties zijn geen formaliteit
Elke toets doet aannames over je data, en cursussen behandelen ze vaak als een lijstje dat je even afvinkt.
Op een examen zijn ze precies waar de vraag over gaat. Waarom mag je hier geen t-toets gebruiken? Omdat de data scheef verdeeld zijn, of omdat de varianties te veel verschillen, of omdat de metingen niet onafhankelijk zijn.
Voor elke veelgebruikte toets is het de moeite om drie dingen te kennen: welke aannames ze doet, hoe je die controleert, en wat je doet als ze niet opgaan. Dat laatste leidt meestal naar een niet-parametrische tegenhanger, en het is de standaardvervolgvraag op elk examen.
SPSS: de knoppen zijn het probleem niet
Studenten die vastlopen op SPSS denken dat het aan de software ligt. Meestal niet.
De knoppen leer je in een paar uur. Wat tijd kost, is weten welke output ertoe doet. SPSS drukt bij elke analyse veel meer tabellen af dan je nodig hebt, en de tabel die je zoekt staat zelden bovenaan.
Drie gewoontes die het verschil maken.
Kijk altijd eerst naar je data voor je een toets draait. Frequenties, een histogram, een boxplot. Wie meteen toetst, mist ontbrekende waarden, onmogelijke scores en uitschieters die zijn hele resultaat sturen.
Weet per toets welk getal je zoekt voor je op OK klikt. Dan lees je gericht in plaats van te zoeken in tabellen die je niet begrijpt.
En rapporteer in de vorm die je vakgebied vraagt, meestal APA. Dat is aanleerbaar in een half uur en het levert punten op die inhoudelijk niets kosten.
De toetsen die je echt moet kennen, en wat ze beantwoorden
Cursussen behandelen tien tot vijftien toetsen. In de praktijk dekt een handvol het grootste deel van wat er gevraagd wordt, en het helpt om ze te kennen als antwoorden op een vraag in plaats van als namen.
De t-toets voor onafhankelijke groepen. Verschillen twee losse groepen in hun gemiddelde? Mannen tegenover vrouwen, experimentele groep tegenover controlegroep.
De gepaarde t-toets. Verschilt dezelfde groep tussen twee momenten? Voormeting tegenover nameting. De verwarring tussen deze twee is de meest voorkomende toetskeuzefout die er is, en ze is te vermijden door één vraag te stellen: zijn dit dezelfde mensen?
Variantieanalyse. Hetzelfde als de t-toets, maar met meer dan twee groepen. En let op de vervolgvraag: een significante uitkomst zegt alleen dát er ergens een verschil is, niet tussen welke groepen. Daarvoor heb je een post-hoctoets nodig, en dat is een standaard examenvraag.
Correlatie. Hangen twee getalsmatige variabelen samen, en hoe sterk? Met altijd dezelfde waarschuwing erbij, die ook altijd gevraagd wordt: samenhang is geen oorzaak.
Regressie. Kan ik de ene variabele voorspellen uit de andere, en hoeveel verklaart ze? Hier is het getal dat je zoekt niet alleen of het model significant is, maar hoeveel variantie het verklaart, want een significant model dat vier procent verklaart is inhoudelijk zwak.
Chi-kwadraat. Hangen twee categorische variabelen samen? Bijvoorbeeld of studierichting en slaagkans verband houden.
Zes toetsen, zes vragen. Wie per toets één zin kan opschrijven over welke vraag ze beantwoordt, en één zin over de aanname die het vaakst geschonden wordt, heeft het grootste deel van een examen te pakken.
Als je vastloopt op je thesis of bachelorproef
Dit is een ander soort probleem dan een examen, en het vraagt een andere aanpak.
Bij een thesis is de valkuil dat je data verzamelt en pas daarna nadenkt over je analyse. Dan zit je vast met variabelen op het verkeerde meetniveau, of met te weinig deelnemers voor de toets die je nodig had.
Beslis dus vooraf: welke vraag stel ik, welke variabelen meet ik, op welk niveau, en welke toets hoort daarbij. Schrijf dat op één blad voor je iemand bevraagt. Wie dat overslaat, verliest achteraf weken.
En als je begeleider zegt dat je analyse niet klopt, vraag dan door naar welke aanname geschonden is. Dat is bijna altijd het echte antwoord, en het is concreter dan "kijk er nog eens naar".
Wat ik ervan vind
Statistiek heeft een reputatie als het vak waar je doorheen moet, en dat vind ik jammer, want het is één van de weinige vakken die je manier van denken echt verandert. Wie snapt wat een p-waarde wel en niet zegt, leest de rest van zijn leven nieuwsberichten anders.
Wat ik wel eerlijk vind om te zeggen: het is ook een vak waar zelfstudie ongewoon slecht werkt. Bij de meeste vakken kan je met genoeg oefeningen jezelf vooruithelpen. Hier maak je bij elke oefening dezelfde keuzefout, want je hebt geen manier om te merken dat je keuzeboom scheef zit. Je resultaat ziet er dan gewoon uit als een resultaat.
Dat is ook waarom een paar uur begeleiding hier meer verschil maakt dan bij bijna elk ander vak: je repareert één beslissing, en daarna doet de rest zichzelf. Onze docenten geven bijles statistiek aan studenten in het hoger onderwijs, en werken ook met SPSS en R.
Voor de bredere aanpak van het eerste jaar staat er meer in je eerste jaar aan de unief. Hoort onderzoeksmethoden ook bij je pakket, dan hangen die twee vakken sterk samen en loont het om ze samen aan te pakken. En zit je in de derde examenperiode, dan staat het plan in herexamen of tweede zit voorbereiden.
Loopt het breder vast dan de statistiek alleen, en staat je thesis al maanden stil, dan zit het probleem meestal ergens anders. Dat staat in vastgelopen op je thesis.