Drop links or images here to add them to the editor.
Interactieve app — partiële correlatie
In deze oefening oefen je de partiële correlatie aan de hand van de interactieve Shiny-app. De app genereert criminologische datasets met drie variabelen (X, Y en een controlevariabele Z) en laat je stap voor stap de partiële correlatie berekenen — vergelijkbaar met wat je deed in Oefening 8.2 (bivariate correlatie), maar nu inclusief het uitschakelen van een derde variabele.
De App Openen
De interactieve app is beschikbaar op:
Interactieve oefeningen — Partiële correlatie
Let op: De app werkt alleen als ze actief draait. Vraag je docent om de app te starten als deze niet beschikbaar is.
Leerdoelen
Na het werken met deze app kun je:
- De drie bivariate correlaties (r_XY, r_XZ, r_YZ) berekenen of aflezen uit een correlatietabel
- De partiële correlatie
r_XY.Z met de formule stap voor stap berekenen
- Het type effect van een controlevariabele herkennen: schijnverband, indirect verband, suppressoreffect of reëel verband
- Resultaten vergelijken met de bivariate correlatie om te beoordelen of Z een rol speelt
Verband met Oefening 8.2 en 8.3
In Oefening 8.2 oefende je de bivariate correlatie (r_XY) tussen twee variabelen. In Oefening 8.3 interpreteerde je die correlaties grafisch via een scatterplot.
In Oefening 10.6 ga je één stap verder: je voegt een derde variabele Z toe en onderzoekt wat er met r_XY gebeurt wanneer je voor Z controleert. Dat is precies het principe van partiële correlatie en een eerste stap naar multivariate analyse.
\[r_{XY \cdot Z} = \frac{r_{XY} - r_{XZ} \cdot r_{YZ}}{\sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)}}\]
Hoe Werkt de App?
Stap 1: Kies het scenario “Partiële correlatie”
Selecteer in de app het tabblad of het scenario voor partiële correlatie. Je krijgt een dataset met drie variabelen X, Y en Z met bijbehorende criminologische context (bijv. daderschap, slachtofferschap en leeftijd).
Stap 2: Lees de correlatietabel af
De app toont een correlatietabel. Noteer:
r_XY — bivariate correlatie X–Y
r_XZ — bivariate correlatie X–Z (controlevariabele)
r_YZ — bivariate correlatie Y–Z (controlevariabele)
Stap 3: Bereken de partiële correlatie met de hand
Gebruik de formule:
- Teller:
r_XY - r_XZ * r_YZ
- Noemer:
sqrt((1 - r_XZ^2)(1 - r_YZ^2))
- Partiële correlatie: teller / noemer
Stap 4: Interpreteer het resultaat
Vergelijk r_XY.Z met r_XY en bepaal het type effect:
| Type effect |
Wat er gebeurt |
| Schijnverband |
r_XY.Z ~ 0 na controle: Z veroorzaakte de ogenschijnlijke samenhang |
| Indirect verband |
r_XY.Z kleiner maar niet 0: relatie loopt deels via Z |
| Suppressoreffect |
r_XY.Z sterker of ander teken: Z onderdrukte de ware relatie |
| Reëel verband |
r_XY.Z ~ r_XY: Z heeft nauwelijks invloed |
Stap 5: Vergelijk met de app-feedback
Vul je berekende waarden in de app in en controleer meteen of je teller, noemer en eindresultaat kloppen.
Oefenschenario’s in de App
De app bevat onder andere de volgende criminologische scenario’s voor partiële correlatie:
- Daderschap en slachtofferschap — controlevariabele: leeftijd (gelijkaardig aan Oef. 10.1)
- Fysieke bekwaamheid en salaris — controlevariabele: dienstjaren (gelijkaardig aan Oef. 10.2)
- Schoolbetrokkenheid en delinquentie — controlevariabele: zelfcontrole (suppressoreffect)
- Buurtoverlast en angst voor criminaliteit — controlevariabele: sociaaleconomische status
Gebruik meerdere scenario’s om de vier verschillende types effecten te oefenen.
Situatie:
De politie van Gent wil hun criminaliteitsregistratie verbeteren om betere analyses te kunnen maken voor beleidsbeslissingen.
Huidige registratie:
- Locatie: Straatnaam (tekst)
- Tijdstip: “Ochtend/Middag/Avond/Nacht”
- Ernst: “Licht/Gemiddeld/Zwaar”
- Daderleeftijd: “Jong/Volwassen/Ouder”
- Schade: Bedrag in euro’s
Probleem:
De huidige categorieën maken het moeilijk om:
- Trends over tijd te analyseren
- Geografische hotspots te identificeren
- Effectiviteit van interventies te meten
Praktische oplossing:
Verbeterde registratie:
- Locatie: GPS-coördinaten (ratio niveau)
- Tijdstip: Exacte tijd in uren en minuten (ratio niveau)
- Ernst: Numerieke schaal 1-10 (ordinaal/interval niveau)
- Daderleeftijd: Exacte leeftijd in jaren (ratio niveau)
- Schade: Bedrag in euro’s (ratio niveau - behouden)
Voordelen:
- Mogelijkheid tot geavanceerde statistische analyses
- Betere voorspellingsmodellen
- Meer precieze evaluatie van interventies
Toepassing 2: Gevangenisonderzoek - Steekproefdesign
Onderzoeksvraag:
“Wat is de effectiviteit van resocialisatieprogramma’s op recidive in Belgische gevangenissen?”
Populatie vs. Steekproef uitdaging:
Populatie: Alle gedetineerden die tussen 2020-2024 deelnamen aan resocialisatieprogramma’s in België
Steekproefproblemen:
- Toegankelijkheid: Niet alle gevangenissen verlenen onderzoekstoegang
- Selectiebias: Alleen gemotiveerde gedetineerden nemen deel aan programma’s
- Uitval: Gedetineerden kunnen vervroegd vrijkomen of overgeplaatst worden
Praktische oplossing:
Gestratificeerde steekproef:
- Stratum 1: Gesloten gevangenissen (60% van steekproef)
- Stratum 2: Halfopen gevangenissen (25% van steekproef)
- Stratum 3: Open gevangenissen (15% van steekproef)
Controlegroep: Vergelijkbare gedetineerden die niet deelnamen aan programma’s
Follow-up: 2 jaar na vrijlating voor recidivemeting
Toepassing 3: Slachtofferonderzoek - Betrouwbaarheid vs. Validiteit
Casus:
Onderzoek naar ongeregistreerde criminaliteit via slachtofferenquêtes.
Betrouwbaarheidsproblemen:
- Herinneringsbias: Slachtoffers vergeten details of timing
- Telescoping: Gebeurtenissen worden dichter bij het heden geplaatst
- Sociale wenselijkheid: Onderrapportage van gevoelige misdrijven
Validiteitsproblemen:
- Non-response bias: Bepaalde groepen weigeren mee te werken
- Dekking: Daklozen, illegalen niet bereikt via telefonische enquêtes
- Definitieverschillen: Wat slachtoffers als “misdrijf” beschouwen
Praktische verbeteringen:
Voor betrouwbaarheid:
- Multiple-item vragen voor hetzelfde incident
- Kalendar-aided recall (gebruik van mijlpalen)
- Test-retest procedures bij subsample
Voor validiteit:
- Mixed-mode datacollectie (telefoon + online + face-to-face)
- Vertaling in meerdere talen
- Gebruik van vertrouwde organisaties voor werving
Toepassing 4: Reclassering - Parameters vs. Statistieken
Situatie:
De Belgische reclassering wil rapporteren over het succes van hun begeleiding.
Beschikbare data:
Parameter (populatiewaarde):
- Alle 15.000 personen onder toezicht van reclassering in 2023
- Officiële recidivecijfers van het Centraal Strafregister
Statistiek (steekproefwaarde):
- Enquête bij 800 willekeurig geselecteerde cliënten
- Zelfgerapporteerde tevredenheid met begeleiding
Interpretatie-uitdaging:
- 82% van alle cliënten pleegt geen nieuwe misdrijven (parameter)
- 91% van ondervraagde cliënten is tevreden met begeleiding (statistiek)
Vraag: Kunnen we concluderen dat tevredenheid leidt tot minder recidive?
Kritische overwegingen:
- We vergelijken een populatieparameter met een steekproefstatistiek
- Verschillende meetmomenten (recidive = 2 jaar follow-up, tevredenheid = direct)
- Mogelijke derde variabelen (motivatie, type misdrijf, sociale steun)
Toepassing 5: Preventiebeleid - Kwantitatief vs. Kwalitatief
Beleidsvraag:
“Hoe effectief zijn camerasystemen in het voorkomen van criminaliteit?”
Kwantitatieve benadering:
- Variabelen: Aantal misdrijven voor/na camera-installatie
- Meetniveau: Ratio (aantal = 0, 1, 2, …)
- Analyse: Vergelijking van gemiddelden (t-toets)
Kwalitatieve benadering:
- Variabelen: Ervaringen van bewoners, politie, winkeliers
- Meetniveau: Nominaal/ordinaal (categorieën van ervaringen)
- Analyse: Thematische analyse van interviews
Gecombineerde aanpak:
- Kwantitatief: Meet objectieve criminaliteitsdaling
- Kwalitatief: Begrijp mechanismen achter verandering
- Mixed methods: Volledig beeld van interventie-effecten
Praktische implicaties:
- Kwantitatieve data overtuigt beleidsmakers
- Kwalitatieve data verklaart waarom interventies wel/niet werken
- Combinatie leidt tot betere interventies en beleid
Toepassing 6: Rechterlijke beslissingen - Variabele classificatie
Context:
Onderzoek naar factoren die invloed hebben op strafmaat.
Variabele classificatie:
| Variabele |
Type |
Meetniveau |
Rol in analyse |
| Strafmaat (maanden) |
Kwantitatief |
Ratio |
Afhankelijk |
| Type misdrijf |
Kwalitatief |
Nominaal |
Onafhankelijk |
| Aantal eerdere veroordelingen |
Kwantitatief |
Ratio |
Onafhankelijk |
| Ernst van misdrijf (schaal 1-5) |
Kwantitatief |
Ordinaal |
Onafhankelijk |
| Geslacht dader |
Kwalitatief |
Nominaal |
Controlevariabele |
| Leeftijd dader |
Kwantitatief |
Ratio |
Controlevariabele |
Analytische implicaties:
- Ratio variabelen: Correlatie en regressieanalyse mogelijk
- Ordinale variabelen: Niet-parametrische toetsen aangeraden
- Nominale variabelen: Dummy-variabelen nodig voor regressie
Beleidsrelevantie:
- Identificatie van systematische verschillen in straftoemeting
- Basis voor training van rechters over impliciete bias
- Ondersteuning van plea bargaining richtlijnen