Een statistische techniek is een rekenmethode waarmee je uit onderzoeksdata een uitspraak haalt die verder gaat dan wat je in de tabel ziet: bestaat dit verschil ook in de populatie, hangen deze twee kenmerken samen, of zitten er groepen in je respondenten die je nog niet had opgemerkt. Welke techniek je kiest hangt van drie dingen af: wat je wil weten, welk meetniveau je variabelen hebben en hoeveel groepen of variabelen erbij betrokken zijn.
Hieronder staan tien technieken naast elkaar, met per techniek wat ze meet, welke data ze vraagt en waar ze tekortschiet. De keuzetabel bovenaan brengt je in één stap bij de juiste.
Welke statistische techniek past bij welke vraag?
| Wat je wil weten | Techniek | Wat je data moet zijn | Wat je eruit krijgt |
|---|---|---|---|
| Verschillen twee groepen op een gemiddelde? | t-toets | Een numerieke uitkomst, twee groepen | Een p-waarde en het verschil tussen de gemiddelden |
| Verschillen drie of meer groepen? | ANOVA | Een numerieke uitkomst, drie of meer groepen | Of er ergens een verschil zit, plus welke groepen na een vervolgtoets |
| Hangen twee categorieën samen? | Chi-kwadraattoets | Twee categorische variabelen in een kruistabel | Of de samenhang sterker is dan toeval verklaart |
| Hoe sterk hangen twee getallen samen? | Correlatie | Twee numerieke variabelen | Een coëfficiënt tussen min 1 en plus 1 |
| Welke factoren verklaren een uitkomst? | Regressieanalyse | Eén numerieke uitkomst plus verklarende variabelen | Richting en gewicht van elke verklarende variabele |
| Welke dimensies zitten er in mijn vragenlijst? | Factoranalyse | Veel samenhangende schaalvragen | Een klein aantal onderliggende factoren |
| Welke respondenten lijken op elkaar? | Clusteranalyse | Meerdere kenmerken per respondent | Segmenten met een eigen profiel |
| Hoe verhouden merken en eigenschappen zich? | Correspondentieanalyse | Een kruistabel van twee categorische variabelen | Een perceptuele kaart in twee dimensies |
| Wat onderscheidt groepen die je al kent? | Discriminantanalyse | Een bekende groepsindeling plus kenmerken | Welke kenmerken de groepen van elkaar scheiden |
| Wat is een productkenmerk waard voor de klant? | Conjointanalyse | Keuzes tussen volledige productbundels | Deelnutten en betalingsbereidheid per kenmerk |
Hoe kies je de juiste techniek?
Loop drie vragen af, in deze volgorde.
Wat wil je weten? Toets je een verschil tussen groepen, meet je samenhang tussen variabelen, of zoek je structuur die je vooraf niet kende? Die drie doelen leiden naar drie verschillende families, en dat is meteen de grootste schifting.
Welk meetniveau heeft je variabele? Nominaal betekent categorieën zonder volgorde, zoals regio of merk. Ordinaal betekent een volgorde zonder gelijke afstanden, zoals een likert-schaal. Interval en ratio betekenen echte getallen waarmee je mag rekenen, zoals leeftijd of omzet. Een gemiddelde van nominale data bestaat niet, dus dit bepaalt of een toets überhaupt is toegestaan.
Hoeveel groepen of variabelen zijn erbij betrokken? Twee groepen sturen je naar een t-toets, drie of meer naar ANOVA. Eén uitkomstvariabele met meerdere verklarende variabelen stuurt je naar regressie.
Welke toets gebruik je voor een verschil tussen groepen?
Deze familie beantwoordt de vraag of een verschil dat je in je data ziet, ook in de populatie bestaat of dat toeval het net zo goed verklaart.
De t-toets vergelijkt het gemiddelde van twee groepen, bijvoorbeeld de tevredenheidsscore van klanten met en zonder serviceabonnement. Je krijgt een p-waarde terug die zegt hoe waarschijnlijk dit verschil is als er in werkelijkheid geen verschil bestaat.
ANOVA, voluit analysis of variance, doet hetzelfde voor drie of meer groepen tegelijk. De reden om niet gewoon drie losse t-toetsen te doen is dat elke extra toets de kans op een toevalstreffer vergroot. ANOVA zegt eerst of er érgens een verschil zit; een vervolgtoets wijst daarna aan tussen welke groepen precies. Werk je met meerdere factoren tegelijk, bijvoorbeeld regio én leeftijdsgroep, dan vertelt tweewegs-ANOVA je bovendien of die twee elkaar versterken.
De chi-kwadraattoets werkt op categorische data in plaats van gemiddelden. Je legt de waargenomen aantallen in een kruistabel naast de aantallen die je zou verwachten als er geen samenhang was, bijvoorbeeld merkvoorkeur tegenover leeftijdsgroep. Als vuistregel wil je in elke cel minstens vijf verwachte waarnemingen; bij dunner bezette cellen is de uitkomst niet betrouwbaar en voeg je categorieën samen. Of het gevonden verschil groot genoeg is om iets mee te doen, lees je bij statistische significantie.
Welke technieken meten samenhang en voorspelling?
Correlatie drukt in één getal uit hoe sterk twee numerieke variabelen samen bewegen, op een schaal van min 1 tot plus 1. Nul betekent geen lineair verband, plus 1 betekent dat ze perfect gelijk oplopen. Een hoge correlatie zegt niets over oorzaak en gevolg, en dat onderscheid staat uitgewerkt bij correlatie en causaliteit.
Regressieanalyse gaat een stap verder en vat de samenhang in een formule: hoeveel verandert de uitkomst als een verklarende variabele met één eenheid stijgt, terwijl de rest gelijk blijft. Daarmee kun je de drijvers achter tevredenheid of koopintentie tegen elkaar afwegen. De soorten en een uitgewerkt voorbeeld staan in het artikel over regressieanalyse in marktonderzoek.
Discriminantanalyse draait de vraag om. Je hebt al groepen, bijvoorbeeld klanten die bleven en klanten die vertrokken, en je zoekt welke combinatie van kenmerken die twee het scherpst uit elkaar houdt. De uitkomst is bruikbaar om nieuwe klanten alvast in te delen.
Welke technieken vinden structuur in je data?
Deze familie werkt zonder vooraf bekende indeling. Je laat de data zelf de ordening aanreiken.
Factoranalyse bundelt vragen die samen bewegen tot een klein aantal onderliggende dimensies. Dertig stellingen over een merk blijken er in de praktijk vaak vier of vijf te meten. Zie factoranalyse in marktonderzoek voor de ladingen en de vuistregels.
Clusteranalyse kijkt niet naar de variabelen maar naar de respondenten, en groepeert mensen met een gelijkaardig profiel. Dat is de rekenkundige basis onder de meeste segmentaties. Factoranalyse en clusteranalyse volgen elkaar daarom vaak op: eerst de vragenlijst inkorten tot dimensies, dan mensen op die dimensies groeperen.
Correspondentieanalyse zet een kruistabel om in een kaart, waarop merken en eigenschappen die vaak samen genoemd worden dicht bij elkaar komen te liggen. Het resultaat is een perceptueel landschap dat in één beeld toont welk merk welke associatie bezit.
Wat gaat er het vaakst mis?
Significant verwarren met belangrijk. Een p-waarde zegt of een verschil waarschijnlijk echt is, niet of het groot genoeg is om beleid op te veranderen. Bij grote steekproeven wordt vrijwel elk verschil significant, ook een halve punt op een tien.
Te veel toetsen tegelijk. Doe je twintig toetsen op een betrouwbaarheidsniveau van 95 procent, dan mag je door toeval alleen al ongeveer één significant resultaat verwachten. Bepaal je hypotheses vooraf of corrigeer voor het aantal toetsen.
Het meetniveau negeren. Het gemiddelde van een ordinale schaal is strikt genomen niet gedefinieerd. In de praktijk wordt er wel mee gerekend, maar dan hoort de keuze uitgelegd te worden in plaats van stilzwijgend gemaakt.
Rekenen op een scheve steekproef. Geen enkele techniek repareert een steekproef die de populatie niet weerspiegelt. Corrigeren kan deels, zoals beschreven bij weging en raking, maar de correctie heeft haar eigen grenzen.
Wat moet er klaar zijn voor je een techniek kiest?
Voor je een toets kiest, moeten twee dingen op orde zijn. Het eerste is de kwaliteit van je meting: meet je vragenlijst consistent en meet ze werkelijk wat je bedoelt? Dat onderscheid werken we uit bij betrouwbaarheid en validiteit. Het tweede is de omvang van je steekproef, want te weinig respondenten maken elk verschil onvindbaar, hoe geavanceerd je techniek ook is. Hoe je die omvang bepaalt, staat bij de steekproefgrootte bepalen.
Waar deze stap in het geheel valt, lees je bij data analyseren in marktonderzoek.
Hoe BABLR een techniek kiest
Wij kiezen de techniek bij de vraag, niet omgekeerd. Dat betekent in de praktijk dat we de analyse al vastleggen voor het veldwerk begint, zodat de vragenlijst het juiste meetniveau oplevert en de steekproef groot genoeg is voor de vergelijkingen die je wil maken. Achteraf een techniek zoeken bij data die er niet voor gemaakt is, levert zelden een uitspraak op die standhoudt.
In de rapportage benoemen we naast de uitkomst ook de onzekerheid eromheen, en we zeggen het als een subgroep te dun bezet is om conclusies aan te hangen. De vaktermen uit dit artikel staan kort samengevat in het begrippenoverzicht. Vragen over de analyse van je eigen onderzoek? Neem contact op met ons onderzoeksteam.
Veelgestelde vragen over statistische technieken
Dat hangt van drie dingen af. Wil je een verschil tussen groepen toetsen, dan kom je uit bij een t-toets, ANOVA of een chi-kwadraattoets. Wil je samenhang of voorspelling onderzoeken, dan bij correlatie of regressie. Zoek je structuur die je vooraf niet kende, dan bij factoranalyse of clusteranalyse. Daarna bepalen het meetniveau van je variabelen en het aantal groepen welke variant het wordt.
Een t-toets vergelijkt het gemiddelde van twee groepen, ANOVA doet hetzelfde voor drie of meer groepen tegelijk. Je zou ook drie losse t-toetsen kunnen doen, maar elke extra toets vergroot de kans op een toevalstreffer. ANOVA toetst daarom eerst of er ergens een verschil zit; een vervolgtoets wijst daarna aan tussen welke groepen precies.
Als beide variabelen categorisch zijn en je wil weten of ze samenhangen, bijvoorbeeld merkvoorkeur tegenover leeftijdsgroep. Je legt de waargenomen aantallen in een kruistabel naast de aantallen die je bij toeval zou verwachten. Als vuistregel wil je minstens vijf verwachte waarnemingen per cel, anders voeg je categorieen samen.
Het meetniveau bepaalt wat je met een variabele mag doen. Nominaal zijn categorieen zonder volgorde, zoals regio. Ordinaal heeft wel een volgorde maar geen gelijke afstanden, zoals een likert-schaal. Interval en ratio zijn echte getallen waarmee je mag rekenen, zoals leeftijd of omzet. Een gemiddelde van nominale data bestaat niet.
Nee. Significantie zegt of een verschil waarschijnlijk echt bestaat, niet of het groot genoeg is om iets te veranderen. Bij grote steekproeven wordt vrijwel elk verschil significant, ook een halve punt op een schaal van tien. Kijk daarom altijd naar de grootte van het verschil naast de p-waarde.
