Betrouwbaarheidsinterval: wat het is en hoe je het berekent

Een betrouwbaarheidsinterval is de marge rond een onderzoeksresultaat waarbinnen de werkelijke waarde in de volledige populatie naar verwachting valt. Meet je in een enquête dat 60 procent van de klanten je merk kent, met een betrouwbaarheidsinterval van plus of min 3 procent bij 95 procent betrouwbaarheid, dan ligt het echte cijfer vermoedelijk tussen 57 en 63 procent. Het interval vertaalt een op het oog exact percentage naar wat het werkelijk is: een schatting met een bekende onzekerheid.

Vrijwel elk kwantitatief marktonderzoek eindigt met percentages en gemiddelden. Toch is geen enkel van die cijfers de absolute waarheid, want ze komen uit een steekproef en niet uit de volledige populatie. Het betrouwbaarheidsinterval is het gereedschap dat die kloof eerlijk in beeld brengt. In dit artikel lees je wat het precies is, hoe je het berekent, wat een 95 procent interval nu echt betekent en waarom een smal, betrouwbaar interval meer vakmanschap vraagt dan een rekenmachine alleen.

Wat is een betrouwbaarheidsinterval?

Een betrouwbaarheidsinterval is een reeks van waarden rond een gemeten resultaat die met een bepaalde zekerheid de werkelijke populatiewaarde bevat. Je meet iets in een steekproef, bijvoorbeeld een tevredenheidsscore of een marktaandeel, en het interval geeft aan hoe ver de echte waarde daar redelijkerwijs vanaf kan liggen. Het bestaat altijd uit twee delen: de gemeten waarde zelf, ook wel de puntschatting genoemd, en de foutmarge die je er aan beide kanten omheen legt.

Stel dat 45 procent van de ondervraagde consumenten een nieuwe verpakking aantrekkelijk vindt. Dat cijfer van 45 procent is de puntschatting. Als de foutmarge 4 procent bedraagt, loopt het betrouwbaarheidsinterval van 41 tot 49 procent. De boodschap is niet dat precies 45 procent van de hele markt de verpakking mooi vindt, maar dat het waarschijnlijke gebied tussen 41 en 49 procent ligt. Hoe breder dat gebied, hoe meer onzekerheid er in je meting zit.

Waarom een percentage uit een enquête nooit exact is

Een marktonderzoek ondervraagt zelden de volledige populatie. Je bevraagt een steekproef en gebruikt die als afspiegeling van het geheel. Elke steekproef wijkt door toeval een klein beetje af van de werkelijkheid, en een tweede steekproef zou net andere cijfers opleveren. Die natuurlijke variatie tussen mogelijke steekproeven heet steekproeffout, en het betrouwbaarheidsinterval kwantificeert precies die fout. Welke steekproefmethode je kiest, bepaalt trouwens of je die fout wel mag berekenen.

Dat maakt het interval het tegengif tegen schijnnauwkeurigheid. Een rapport dat meldt dat de klanttevredenheid van 78 naar 80 procent is gestegen, klinkt overtuigend. Maar als beide cijfers een foutmarge van 3 procent hebben, overlappen hun intervallen ruim en is de stijging statistisch niet aantoonbaar. Wie het interval negeert, leest verschillen die er misschien niet zijn. Wie het interval meeneemt, weet wanneer een beweging echt signaal is en wanneer ze binnen de ruis valt. Dat onderscheid staat centraal bij zowel de steekproefgrootte bepalen als bij een correcte interpretatie van je resultaten.

Wat betekent een 95 procent betrouwbaarheidsinterval?

Het 95 procent betrouwbaarheidsinterval is verreweg de meest gebruikte standaard in marktonderzoek. De juiste uitleg is subtieler dan ze op het eerste gezicht lijkt. Een 95 procent betrouwbaarheidsinterval betekent dat als je hetzelfde onderzoek honderd keer zou herhalen, telkens met een nieuwe willekeurige steekproef, ongeveer 95 van de honderd berekende intervallen de werkelijke populatiewaarde zouden bevatten. Het betrouwbaarheidsniveau is dus een eigenschap van de methode over vele herhalingen heen.

De veelgemaakte fout is te zeggen dat er 95 procent kans is dat de echte waarde in dit ene interval ligt. Statistisch gezien ligt de echte waarde er wel of niet in, want ze staat vast. Wat je met 95 procent zekerheid weet, is dat je procedure in 95 van de 100 gevallen een interval oplevert dat de waarheid omvat. Voor de praktijk komt dat vaak op hetzelfde neer, maar het verschil verklaart waarom je een interval altijd samen met het gekozen betrouwbaarheidsniveau rapporteert. Vraag je meer zekerheid, bijvoorbeeld 99 procent, dan wordt het interval breder. Neem je genoegen met 90 procent, dan wordt het smaller maar minder streng. Dit is precies de reden waarom de resultaten van peilingen altijd met een marge worden gepubliceerd.

Betrouwbaarheidsinterval, foutmarge en betrouwbaarheidsniveau

Drie begrippen worden vaak door elkaar gehaald. Ze horen bij elkaar, maar betekenen iets anders. Ze bouwen bovendien op elkaar voort: je meet een waarde, je legt er een marge omheen, dat levert een interval op, en het niveau bepaalt hoe streng je die marge trekt.

Wie zegt dat een cijfer een foutmarge van 3 procent heeft bij 95 procent betrouwbaarheid, geeft in feite het volledige betrouwbaarheidsinterval prijs. Deze begrippen komen ook terug bij bredere vragen over betrouwbaarheid en validiteit, en bij vormen van vertekening zoals sociale wenselijkheid die de kwaliteit van je cijfers ondermijnen.

Hoe bereken je een betrouwbaarheidsinterval?

De basisformule is eenvoudig: je neemt de puntschatting en telt er de foutmarge bij op en af. De foutmarge zelf is de z-waarde van je betrouwbaarheidsniveau vermenigvuldigd met de standaardfout. Voor een percentage is de standaardfout gelijk aan de wortel van p maal 1 min p, gedeeld door de steekproefgrootte n, waarbij p het gemeten aandeel is.

De z-waarde hangt af van het gekozen betrouwbaarheidsniveau. De drie gangbare niveaus en hun z-waarden staan hieronder.

Een concreet voorbeeld maakt het tastbaar. Je ondervraagt 1.000 mensen en 60 procent geeft aan je merk te kennen. De standaardfout is de wortel van 0,6 maal 0,4 gedeeld door 1.000, wat neerkomt op ongeveer 0,0155. Vermenigvuldig dat met 1,96 en je krijgt een foutmarge van ongeveer 0,030, oftewel 3 procent. Het betrouwbaarheidsinterval loopt dus van 57 tot 63 procent. Zou je hetzelfde percentage vinden bij slechts 200 respondenten, dan groeit de foutmarge naar ongeveer 6,8 procent en wordt het interval bijna 14 procentpunten breed. Dezelfde meting, een heel ander vertrouwen.

Wat maakt een betrouwbaarheidsinterval breder of smaller?

De breedte van een interval wordt door drie factoren gestuurd. Wie ze begrijpt, kan een onderzoek zo ontwerpen dat de uitkomst bruikbaar is in plaats van vaag.

De variabiliteit is het minst intuïtief. Bij een percentage is de onzekerheid het grootst rond 50 procent, omdat de meningen dan het meest verdeeld zijn. Wanneer je vooraf niet weet hoe de antwoorden zullen uitvallen, neem je daarom 50 procent aan als veiligste uitgangspunt. Dat verklaart waarom steekproefberekeningen vaak van die worst case vertrekken. Wijzen de antwoorden sterk in een richting, bijvoorbeeld 90 procent tegen 10 procent, dan is de spreiding kleiner en volstaat een kleinere steekproef voor hetzelfde interval.

Steekproefgrootte en foutmarge in een tabel

Omdat steekproefgrootte de factor is waar je zelf het meest aan kunt sturen, is het nuttig te zien hoe de foutmarge daalt naarmate je meer mensen bevraagt. De volgende tabel toont de foutmarge bij 95 procent betrouwbaarheid en maximale variabiliteit, dus het strengste geval.

Twee lessen springen eruit. Ten eerste levert de sprong van 100 naar 400 respondenten een enorme winst in nauwkeurigheid op, terwijl de sprong van 1.000 naar 2.000 slechts een klein stukje smaller interval geeft voor een verdubbeld veldwerk. Er zit een punt van afnemende meeropbrengst in. Ten tweede telt de grootte van de totale populatie veel minder mee dan mensen denken. Zodra een populatie boven ongeveer 20.000 mensen uitkomt, verandert de benodigde steekproefomvang nauwelijks nog. Een goed onderbouwde keuze hierover hoort thuis bij de steekproefgrootte bepalen, waar deze afwegingen stap voor stap aan bod komen.

Betrouwbaarheidsinterval en statistische significantie

Het betrouwbaarheidsinterval en de vraag of een verschil statistisch significant is, zijn twee kanten van dezelfde medaille. Wanneer je twee groepen vergelijkt, bijvoorbeeld de tevredenheid van klanten in twee regio’s, kun je naar de intervallen van beide cijfers kijken. Overlappen die intervallen elkaar duidelijk niet, dan is er een aantoonbaar verschil. Overlappen ze ruim, dan valt het verschil binnen de onzekerheid en mag je niet van een echt effect spreken.

Dat maakt het interval vaak informatiever dan een kale ja of nee over significantie. Een interval toont niet alleen of er een verschil is, maar ook hoe groot dat verschil minstens en hoogstens kan zijn. Bij het interpreteren van vergelijkingen, samenhangen en de meest gebruikte statistische technieken zoals regressieanalyse speelt het interval daarom altijd op de achtergrond mee. Elke geschatte coëfficiënt heeft zijn eigen betrouwbaarheidsinterval, en dat interval bepaalt of je op de schatting mag bouwen.

Een rekenvoorbeeld maakt de vergelijking concreet. Regio A scoort 72 procent tevredenheid met een interval van 69 tot 75 procent, regio B scoort 76 procent met een interval van 73 tot 79 procent. Die intervallen overlappen tussen 73 en 75 procent, dus het verschil van 4 procentpunten is niet hard aantoonbaar. Verdubbel je de steekproef in beide regio’s, dan versmallen de intervallen en kan hetzelfde verschil ineens wel significant worden. Zo bepaalt de intervalbreedte niet alleen wat je meet, maar ook welke conclusies je mag trekken en hoeveel veldwerk daarvoor nodig is.

Betrouwbaarheidsintervallen buiten percentages

Tot nu toe draaide alles om percentages, maar het interval werkt bij vrijwel elke maatstaf die je uit een steekproef haalt. Meet je een gemiddelde, bijvoorbeeld de gemiddelde besteding per klant of een rapportcijfer op tien, dan bereken je de standaardfout uit de spreiding van de antwoorden in plaats van uit een aandeel. De logica blijft identiek: gemeten waarde plus of min de z-waarde maal de standaardfout. Een gemiddeld rapportcijfer van 7,4 met een interval van 7,2 tot 7,6 vertelt je veel meer dan het kale cijfer 7,4 alleen.

Ook samengestelde scores dragen een interval. Een Net Promoter Score die van 32 naar 36 klimt, oogt als vooruitgang, maar bij een beperkte steekproef kan het interval rond beide scores zo breed zijn dat de stijging binnen de onzekerheid valt. Dat geldt evengoed voor de uitkomsten van een meting van product-market fit of voor de tevredenheidscijfers in een doorlopend klantprogramma zoals voice of the customer. Wie een score over de tijd volgt, moet het interval kennen om trend van toeval te scheiden.

Vijf fouten die een betrouwbaarheidsinterval waardeloos maken

Een interval berekenen is met de juiste formule triviaal. Een interval dat werkelijk klopt, vraagt meer. Deze vijf fouten komen het vaakst voor en maken het cijfer misleidend in plaats van geruststellend.

Vooral de eerste en de derde fout zijn verraderlijk, omdat de rekenmachine keurig een net interval teruggeeft. Het cijfer oogt betrouwbaar terwijl de onderliggende data dat niet zijn. Onvertekende data verzamelen is een discipline op zich, die begint bij het beheersen van sociale wenselijkheid en bij een doordacht onderscheid tussen kwalitatief en kwantitatief onderzoek.

Waarom software het interval berekent maar geen expert vervangt

Elke online steekproefcalculator spuwt binnen een seconde een betrouwbaarheidsinterval uit. Dat gemak is precies waar het risico schuilt. De formule veronderstelt een zuivere aselecte steekproef, een correct gemeten variabele en een juist gekozen model. Zijn die voorwaarden niet vervuld, dan geeft de tool nog steeds een net getal, en dat schijnbaar exacte getal geeft vals vertrouwen. Een smal interval op een scheve steekproef is gevaarlijker dan een eerlijk breed interval, want het overtuigt zonder gelijk te hebben.

Daar ligt de waarde van een ervaren onderzoeker. Die zorgt dat de steekproef de populatie werkelijk weerspiegelt, kiest de juiste formule voor het type variabele, past waar nodig weging of raking toe, en vertaalt het interval naar een uitspraak waar de opdrachtgever iets mee kan. De expert weet ook wanneer een interval te breed is om een beslissing op te baseren en wanneer meer veldwerk de investering waard is. Die beoordeling zie je niet terug in de output van een calculator, en juist daar wordt statistiek weer vakmanschap. Bij BABLR is het betrouwbaarheidsinterval geen sluitstuk in het rapport, maar een ontwerpkeuze die vooraf mee bepaalt hoe het onderzoek wordt opgezet, net als bij het presenteren van cijfers via heldere datavisualisatie.

Aan de slag met betrouwbaar marktonderzoek

Een betrouwbaarheidsinterval is de eerlijkste zin in elk onderzoeksrapport, want het vertelt precies hoe zeker je van je cijfers mag zijn. Wil je uitkomsten waarop je met vertrouwen beslist, dan begint dat bij een goed opgezet onderzoek met een representatieve steekproef en de juiste analyse. BABLR helpt je daarbij van vraag tot rapport. Bekijk onze soorten marktonderzoek of lees hoe een marktonderzoek via BABLR verloopt, en ontdek hoe betrouwbare data je van twijfel naar richting brengt.