Een introductie tot correlationeel onderzoek

Bij een correlationeel design doe je onderzoek naar de verbanden tussen variabelen zonder dat je de variabelen manipuleert of controleert. Het is hierbij niet mogelijk om vast te stellen of variabele A invloed heeft op variabele B of andersom. Je kunt alleen bepalen dat er een relatie is.

Met correlationeel onderzoek kun je wel de sterkte en richting van relaties tussen twee of meer variabelen vaststellen. De richting van een correlatie kan positief of negatief zijn.

Positieve correlatie Beide variabelen veranderen in dezelfde richting Als de lengte toeneemt, neemt het gewicht toe

Als de lengte afneemt, neemt het gewicht af

Negatieve correlatie Beide variabelen veranderen in tegengestelde richtingen Als slaap toeneemt, neemt vermoeidheid af
Geen correlatie Er is geen verband tussen de variabelen Suikerinname correleert niet met lengte

Correlationeel vs experimenteel onderzoek

Correlationeel en experimenteel onderzoek maken beide gebruik van kwantitatieve methoden om relaties tussen variabelen te onderzoeken. Toch verschillen deze twee soorten onderzoek van elkaar wat betreft de dataverzameling en het type conclusie dat je kunt trekken.

Correlationeel onderzoek Experimenteel onderzoek
Doel Wordt gebruikt om de sterkte van een verband tussen variabelen te onderzoeken Wordt gebruikt om causaliteit (oorzaak-gevolgrelatie) te onderzoeken
Variabelen Variabelen worden alleen geobserveerd: onderzoekers manipuleren de variabelen niet Een onafhankelijke variabele wordt gemanipuleerd en een afhankelijke variabele wordt gemeten
Controle Er wordt zeer beperkt gecontroleerd, dus andere variabelen spelen mogelijk een rol Er wordt gecontroleerd voor externe variabelen, zodat ze de variabelen waarin je geïnteresseerd bent niet kunnen beïnvloeden
Validiteit Hoge externe validiteit: je kunt je resultaten generaliseren naar andere populaties of omstandigheden Hoge interne validiteit: je kunt met veel zekerheid conclusies trekken over causaliteit

Wanneer gebruik je correlationeel onderzoek?

Correlationeel onderzoek is heel geschikt om in korte tijd veel data te verzamelen in een natuurlijke setting. Hierdoor kun je je resultaten makkelijker generaliseren naar de werkelijkheid (hoge externe validiteit).

Correlationeel onderzoek is onder andere een goede keuze als je non-causale relaties wilt onderzoeken, als je vooronderzoek wilt doen naar causale relaties, of als je nieuwe meetinstrumenten wilt testen.

Onderzoek naar niet-causale relaties

Als je wilt bepalen of twee variabelen correleren, maar je geen causale relatie verwacht, kun je een correlationeel design gebruiken. Correlationeel onderzoek kan inzicht geven in relaties, waardoor onderzoekers theorieën en voorspellingen kunnen ontwikkelen.

Voorbeeld: Niet-causale relaties onderzoeken
Je wilt weten of er sprake is van een correlatie tussen het aantal kinderen in een gezin en de politieke partij waar de ouders op stemmen. Je verwacht geen causale relatie, want je denkt niet dat het aantal kinderen bepaalt op welke partij iemand stemt. Het is waarschijnlijker dat andere variabelen een rol spelen en beide variabelen beïnvloeden, waardoor ze samenhangen. Toch is het onderzoek interessant, omdat je voorspellingen kunt doen over stempatronen op basis van het aantal kinderen in het gezin (zelfs als er geen oorzaak-gevolgrelatie is).

Vooronderzoek of vervolgonderzoek naar causale relaties

In sommige gevallen denk je dat er sprake is van een causaal verband tussen twee variabelen, terwijl het niet praktisch, niet ethisch of te duur is om een experimenteel onderzoek uit te voeren waarin je variabelen manipuleert. Dan kan correlationeel onderzoek uitkomst bieden.

Correlationeel onderzoek kan eerste ideeën geven over verbanden (die je later kunt onderzoeken met experimenteel onderzoek) of dieper inzicht geven in vastgestelde causale relaties.

Voorbeeld: Correlationeel onderzoek als alternatief voor experimenteel onderzoek
Je wilt onderzoeken of de uitstoot van broeikasgassen de opwarming van de aarde veroorzaakt. Het is praktisch gezien niet mogelijk om een experiment te doen waarin je de uitstoot van broeikasgassen manipuleert, maar je kunt wel observaties en analyses uitvoeren om een sterke correlatie aan te tonen. Hierdoor lever je bewijs voor de theorie, waardoor deze steeds aannemelijker wordt.

Nieuwe meetinstrumenten testen

Je kunt correlationeel onderzoek ook gebruiken als je een nieuw meetinstrument voor je variabele hebt ontwikkeld en je de betrouwbaarheid of validiteit wilt onderzoeken.

Correlationeel onderzoek kan worden ingezet om te onderzoeken of een instrument consistent en accuraat meet wat je beoogt te meten.

Voorbeeld: Nieuw meetinstrument testen
Je ontwikkelt een nieuwe schaal om eenzaamheid bij jonge kinderen te meten. Het is belangrijk dat deze schaal valide is, dus je wilt onderzoeken of het instrument daadwerkelijk eenzaamheid meet. Daarom verzamel je data met behulp van drie meetinstrumenten: je nieuwe meetinstrument en twee andere, gevalideerde meetinstrumenten. Vervolgens bereken je de correlaties tussen de metingen van de diverse schalen. Als je hoge correlaties vindt, betekent dat dat je nieuwe schaal ook valide is.

Hoeveel fouten bevat jouw scriptie?

De taalexperts van Scribbr verbeteren gemiddeld 150 fouten per 1000 woorden. Benieuwd wat er precies wordt verbeterd? Verschuif de cursor van links naar rechts!

Scriptie nakijken op taal

Hoe verzamel je data?

Je kunt veel verschillende methoden gebruiken bij correlationeel onderzoek. Vaak wordt gekozen voor enquêtes, observaties of secundaire data.

Het is belangrijk om je methodologie zorgvuldig te kiezen en uit te werken om ervoor te zorgen dat je betrouwbare en valide resultaten verzamelt. Hierbij is het ook van belang om een representatieve steekproef te trekken, zodat je data niet vertekend zijn en je de resultaten kunt generaliseren naar de populatie waarin je geïnteresseerd bent.

Enquêtes (vragenlijsten)

Bij enquête-onderzoek kun je vragenlijsten gebruiken om je variabelen te meten. De enquêtes kunnen met een online tool worden afgenomen, maar ook per mail, via de telefoon of in persoon.

Enquêtes zijn een snelle, flexibele manier om gestandaardiseerde data te verzamelen en veel participanten te bevragen. Het is hierbij belangrijk dat je ervoor zorgt dat de vragen op een goede, begrijpelijke manier worden gesteld en dat je de participant niet stuurt.

Voorbeeld: Enquêtes
Om te onderzoeken of er sprake is van een relatie tussen veganisme en inkomen, verstuur je een vragenlijst over eetgewoonten en inkomens naar participanten die je hebt verzameld met een aselecte steekproef. Je voert statistische analyses uit om te bepalen of veganisten over het algemeen hogere inkomens hebben dan mensen die geen veganist zijn.

Observaties

Als je kiest voor deze onderzoeksmethode verzamel je data over gedragingen of fenomenen in een natuurlijke omgeving.

Bij observaties tel je vaak hoe vaak iets voorkomt of beschrijf je de gedragingen of fenomenen waarin je geïnteresseerd bent. Een observatie kan zowel kwalitatieve als kwantitatieve elementen bevatten, maar om correlaties te berekenen heb je kwantitatieve data nodig (frequenties, tijdsduur, schalen, hoeveelheden, et cetera).

Deze onderzoeksmethode maakt het makkelijk om je resultaten te generaliseren (omdat je particpianten of fenomenen observeert in een natuurlijke setting). Daarnaast kun je dingen onderzoeken die niet goed te repliceren zijn in een laboratorium.

De data-analyse kan wel veel tijd in beslag nemen en onvoorspelbaar zijn. Ook is het mogelijk dat de onderzoeker de resultaten onbewust vertekent, omdat de onderzoeker de data moet interpreteren. Dit maakt reproductie of replicatie van het onderzoek door een andere onderzoeker moeilijk.

Voorbeeld: Observaties
Om vast te stellen of er sprake is van een correlatie tussen het aantal jaren dat iemand studeert en participatie tijdens colleges, observeer je colleges van meerdere jaarlagen op diverse universiteiten. Je noteert hoe vaak studenten bijdragen aan het college en hoelang ze aan het woord zijn. Je voert statistische analyses uit om te bepalen of studenten uit hogere jaarlagen vaker bijdragen aan colleges dan studenten uit lagere jaren.

Secundaire data

Je hoeft niet per se nieuwe data te verzamelen. In plaats daarvan kun je ook data gebruiken die zijn verzameld voor een ander doel, zoals eerdere studies of peilingen.

Het gebruik van secundaire data is relatief goedkoop en snel, omdat de dataverzameling al heeft plaatsgevonden. Een nadeel van secundaire data is dat de data onbetrouwbaar, incompleet of deels irrelevant kunnen zijn. Ook heb je geen controle over de betrouwbaarheid en validiteit tijdens de dataverzameling.

Voorbeeld: Secundaire data
Om te onderzoeken of het aantal uren dat iemand werkt in verband staat met mentale gezondheid, gebruik je officiële statistieken en wetenschappelijke studies uit meerdere landen. Zo combineer je data over het gemiddelde aantal uren dat mensen werken met data over de mentale gesteldheid van inwoners. Je voert statistische analyses uit om te onderzoeken of landen met kortere werkweken over het algemeen inwoners met een betere mentale gezondheid hebben.

Hoe analyseer je data?

Nadat je de data hebt verzameld, kun je statistische analyses uitvoeren om de relatie tussen variabelen te onderzoeken (met correlatie- of regressieanalyses). Je kunt ook scatterplots gebruiken om de relaties tussen variabelen te visualiseren.

Het type correlatiecoëfficiënt of het soort regressieanalyse dat geschikt is voor je data-analyse is afhankelijk van het meetniveau van je variabelen en de spreiding in je data.

Correlatieanalyse

Als je een correlatieanalyse gebruikt, kun je de relatie tussen variabelen samenvatten met een correlatiecoëfficiënt. Dit is een waarde die aangeeft hoe sterk een correlatie is en welke richting de relatie heeft, waardoor je de relatie kwantificeert en je correlatiecoëfficiënten kunt vergelijken.

Pearsons r wordt vaak ingezet om een lineaire relatie tussen twee kwantitatieve variabelen te onderzoeken.

Correlatiecoëfficiënten worden normaal gesproken gebruikt voor de relatie tussen twee variabelen, maar je kunt ook een meervoudige correlatiecoëfficiënt (multiple correlation coefficient) gebruiken voor drie of meer variabelen.

Regressieanalyse

Een regressieanalyse wordt gebruikt om de relatie tussen variabelen te voorspellen. Je probeert de waarde van een afhankelijke variabele te voorspellen op basis van een of meerdere onafhankelijke variabelen (die ook wel verklarende of voorspellende variabelen worden genoemd). Als je één onafhankelijke variabele onderzoekt, spreek je van een enkelvoudige regressieanalyse, maar bij meerdere variabelen spreek je van een meervoudige regressieanalyse.

Regressieanalyses gaan verder dan correlatieanalyses, omdat je niet alleen probeert vast te stellen of er samenhang is, maar je ook wilt kunnen voorspellen hoe de ene variabele verandert naarmate de andere variabele verandert. Het is het beste om de regressieanalyse uit te voeren nadat je een correlatieanalyse hebt uitgevoerd.

Correlatie vs causaliteit

Het is belangrijk om te onthouden dat correlatie geen causaliteit impliceert. Als je een verband tussen twee variabelen vindt, betekent dit niet dat de ene variabele een oorzaak is en de andere variabele het gevolg.

Er kunnen namelijk andere variabelen zijn die invloed uitoefenen op de variabelen waarin je geïnteresseerd bent, waardoor ze een oorzaak-gevolgrelatie lijken te hebben die er niet is. Bovendien kan op basis van correlationeel onderzoek niet worden vastgesteld welke variabele invloed heeft en welke beïnvloed wordt:

  • Variabele A kan invloed uitoefenen op variabele B;
  • Variabele B kan invloed uitoefenen op variabele A;
  • Variabele A en B kunnen elkaar beïnvloeden.

Je hebt experimenteel onderzoek nodig om de directionaliteit van het verband te onderzoeken.

Bekijk ook ons uitgebreide artikel over het verschil tussen correlaties en causaliteit.

Veelgestelde vragen

Wat is het verschil tussen correlationeel en experimenteel onderzoek?

Met gecontroleerde experimenten kun je causaliteit aantonen, terwijl je met correlationeel onderzoek alleen verbanden tussen variabelen kunt aantonen.

  • In een experimenteel onderzoek manipuleer je een onafhankelijke variabele en meet je de invloed op een afhankelijke variabele. Je controleert voor andere variabelen, zodat deze geen invloed kunnen uitoefenen op de resultaten.
  • In correlationeel onderzoek meet je de variabelen zonder ze te manipuleren. Je kunt hierdoor vaststellen dat de variabelen samen veranderen (allebei toename, allebei afname of de een neemt toe en de ander neemt af), maar je kunt niet vaststellen of de verandering in variabele A de verandering in variabele B veroorzaakt.

Over het algemeen wordt correlationeel onderzoek gekenmerkt door een hoge externe validiteit, terwijl experimenteel onderzoek gepaard gaat met een hoge interne validiteit.

Wat is een correlatie?

Een correlatie laat zien of er een verband is tussen twee of meerdere variabelen. Een correlatiecoëfficiënt kan de richting van het verband (positief, negatief) laten zien en geeft ook aan hoe sterk het verband is.

  • Een positieve correlatie betekent dat beide variabelen samen toenemen of afnemen.
  • Een negatieve correlatie betekent dat de ene variabele toeneemt, terwijl de andere variabele afneemt.
  • Als de correlatiecoëfficiënt gelijk is aan 0, is er geen verband tussen de variabelen (zero correlation).

Correlationeel onderzoek is een niet-experimentele variant van kwantitatief onderzoek.

Wat is het verschil tussen correlatie en causaliteit?

Een correlatie is een statistische indicator voor een verband tussen variabelen: als de ene variabele verandert, verandert de andere variabele ook, maar er hoeft geen oorzaak-gevolgrelatie te zijn. Correlaties worden onderzocht in correlationeel onderzoek.

Causaliteit betekent dat een verandering in de ene variabele een verandering in de andere variabele veroorzaakt. Er is dus wel sprake van een oorzaak-gevolgrelatie. De variabelen correleren én er is een causaal verband. Causaliteit wordt onderzocht in experimenteel onderzoek.

Wat is correlationeel onderzoek?

Correlationeel onderzoek wordt gebruikt om de relatie tussen twee (of meer) variabelen te onderzoeken zonder dat de onderzoeker de variabelen manipuleert of controleert. Het is een niet-experimentele variant van kwantitatief onderzoek, waardoor je geen causaliteit kunt vaststellen.

 

Waarom impliceert een correlatie geen causaliteit?

Er zijn twee hoofdredenen voor het gebrek aan causaliteit bij correlaties.

  1. Andere variabelen (third variable problem): er zijn confounding variabelen die de twee onderzochte variabelen kunnen beïnvloeden, waardoor er onterecht een causaal verband lijkt te bestaan.
  2. Directionaliteit of richting (directionality problem): twee variabelen correleren en zouden een causale relatie kunnen hebben, maar het is niet mogelijk om vast te stellen of variabele A invloed uitoefent op variabele B, of andersom.
Wat vind jij van dit artikel?
Pritha Bhandari

Pritha heeft een academische achtergrond in Engels, psychologie en cognitieve neurowetenschappen. Als interdisciplinaire onderzoekster vindt ze het leuk om begrijpelijke artikelen te schrijven, zodat ze moeilijke concepten kan uitleggen aan studenten en academici.

1 reactie

Pritha Bhandari
Pritha Bhandari (Scribbr Team)
13 juli 2021 om 18:37

Bedankt voor het lezen! Ik hoop dat je er iets aan hebt gehad. Is er nog iets onduidelijk of ontbreekt er iets aan het artikel? Laat een opmerking achter, dan zal ik proberen je te antwoorden.

Is er iets nog niet helemaal duidelijk of ontbreekt er wat? Laat een opmerking achter.

Please click the checkbox on the left to verify that you are a not a bot.