Toegepaste statistiek

Van ontwikkeling tot communicatie
04/10/2019
Casper Albers
Download
Geen reacties
De Psycholoog Volume 54, Issue 10, Pagina 38-47
Log in
Casper Albers stapte over van de wiskundige naar de toegepaste statistiek omdat de waarheid, schoonheid en goedheid binnen de toe gepaste statistiek zo veel moeilijker te bereiken zijn, betoogt hij in deze bijdrage. De toepassing in de psychologie is een extra uitdaging, aldus Albers, waarvoor hij graag zijn wiskundige safe zone verlaat. ‘Daarmee kan ik een bijdrage leveren aan het oplossen van grote vraag stukken waar de maatschappij voor staat.’

Mijn promotor Willem Schaafsma heeft mij met grote regelmaat meegegeven dat de wetenschapper zich moet laten leiden door drie platonische principes, te weten waarheid, schoonheid en goedheid. Met die waarheid, schoonheid en goedheid zit het wel goed binnen de wiskunde en de wiskundige statistiek. Dat wiskundige bewijzen ’waar’ zijn, staat buiten kijf. Dat de wiskunde ons veel goeds heeft gebracht, moge ook duidelijk zijn. De schoonheid van de wiskunde en wiskundige statistiek is mijns inziens ook duidelijk. Neem als voorbeeld de welbekende normale verdeling. Carl Friedrich Gauss bestudeerde astronomische data en stelde vier criteria op waaraan de verdeling van meetfouten van die data moest voldoen (Albers, 2018a):

  • Kleine meetfouten zijn waarschijnlijker dan grote meetfouten;
  • De verdeling van meetfouten is symmetrisch; – De verdelingscurve moet een vloeiende vorm hebben;
  • Als je een bepaalde kwantiteit meermalen gemeten hebt, is het gemiddelde van de metingen de meest voor de hand liggende schatter.

Het elegante van de normale verdeling is dat deze…

Dit is een licht bewerkte versie van de rede die Casper Albers uitsprak op dinsdag 19 maart 2019 bij de aanvaarding van zijn leerstoel. 

Noot van redactie: In een quiz wordt een deelnemer geconfronteerd met drie gesloten deuren. Achter een van de deuren staat een auto (of een ander waardevol voorwerp), achter de andere twee een geit (of iets anders van ‘weinig’ waarde). De deelnemer mag een deur aanwijzen en krijgt als prijs datgene wat zich achter die deur bevindt. Als de deelnemer een deur heeft aangewezen, opent de presentator een van de andere deuren waarachter een geit staat. De presentator geeft de deelnemer daarna de mogelijkheid om te wisselen van gesloten deur, dus om in plaats van de eerst gekozen deur te kiezen voor de andere nog gesloten deur. Wat moet de deelnemer doen? Kan hij beter wisselen van deur, of maakt het niets uit? Is de kans op het winnen van de auto groter als de deelnemer van deur wisselt? Bron: https://nl.wikipedia.org/wiki/Driedeurenprobleem

Literatuurlijst
  1. Albers, C.J. (2015). Dutch research funding, gender bias, and Simpson’s paradox. Proceedings of the National Academy of Sciences, 112(50), E6828– E6829.
  2. Albers, C.J. (2018a). De Moivre–Gauss–Laplace: extraordinarily normal. Nieuw Archief voor Wiskunde, Vijfde serie, deel 19(1), 37–38.
  3. Albers, C.J. (2018b). Mislukking. UKrant Groningen, 20 november.
  4. Albers, C.J. (2019a). Aan intuïtie heb je weinig bij het oplossen van statistische puzzels. De Volkskrant, 22 januari.
  5. Albers, C.J. (2019b). Klimaatsceptici geven antwoord op niet-relevante vragen. De Volkskrant, 20 februari.
  6. Albers, C.J. (2019c). The problem with unadjusted multiple and sequential testing. Nature Communications, 10: 1921..
  7. Albers, C.J. & Bringmann, L. F. (2019). Inspecting gradual and abrupt changes in emotion dynamics with the time-varying change point autoregressive model. Ingediend voor publicatie.
  8. Anacleto, O., Queen, C. M. & Albers, C.J. (2013). Multivariate forecasting of road tra± c fl ows in the presence of heteroscedasticity and measurement errors. Journal of the Royal Statistical Society, 62(2), 251–270.
  9. Bastiaansen, J.A., Kunkels, Y.K., ..., Albers, C.J. & Bringmann, L.F. (2019). Time to get personal? The impact of researchers’ choices on the selection of treatment targets using the experience sampling methodology. Ingediend voor publicatie.
  10. Bhushan, N., Mohnert, F., Sloot, D., Jans, L., Albers, C.J. & Steg, E.M. (2019). Using a Gaussian graphical model to explore relationships between items and variables in environmental psychology research. Frontiers in Psychology, 10: 1050.
  11. Borsboom, D. & Cramer, A.O.J. (2013). Network analysis: an integrative approach to the structure of psychopathology. Annual review of clinical psychology, 9, 91–121.
  12. Bos, F.M., Snippe, E., Bruggeman, R., Wichers, M.E. & van der Krieke, L. (2018).Insights of Patients and Clinicians on the Promise of the Experience Sampling Method for Psychiatric Care. Psychiatric Services, geaccepteerd voor publicatie.
  13. Bouman, T., Verschoor, M., Steg, E.M., Böhm, G., Fisher, S., Poortinga, W., . . . Albers, C.J. (2019). When worry about climate change leads to climate action and policy support. Ingediend voor publicatie.
  14. Bringmann, L.F., Hamaker, E.L., Vigo, D.E., Aubert, A., Borsboom, D. & Tuerlinckx, F. (2017). Changing dynamics: Time-varying autoregressive models using generalized additive modeling. Psychological Methods, 22(3), 409–425.
  15. Brown, N.J.L., Albers, C.J. & Ritchie, S.J. (2017). Contesting the evidence for limited human lifespan. Nature, 546, E6–E7.
  16. Cleveland, W.S. & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554.
  17. Cohen, J. (1962). The statistical power of abnormal-social psychological research: a review. Journal of Abnormal Social Psychology, 65, 145–153.
  18. Cohen, J. (1994). The earth is round (p < .05). American Psychologist, 49, 997–1003.
  19. Cramer, A.O.J., van Borkulo, C., Giltay, E.J., van der Maas, H.L.J., Kendler, K.S. et al. (2016). Major depression as a complex dynamical system. PLoS ONE, 11(12), e0167490.
  20. de Groot, A.D. (1961). Methodologie. Den Haag: Mouton & Co.
  21. Ernst, A.F. & Albers, C.J. (2017). Regression assumptions in clinical psychology research practice — a systematic review of common misconceptions. PeerJ, 5, e3323.
  22. Ernst, A.F., Timmerman, M.E., Jeronimus, B.F. & Albers, C.J. (2019). Insight Into Individual Di› erences in Emotion Dynamics With Clustering. Assessment, geaccepteerd voor publicatie.
  23. Friendly, M. (2006). A Brief History of Data Visualization. In C. Chen, W. Härdle & A. Unwin (Red.), Handbook of Computational Statistics: Data Visualization (Deel 3). Heidelberg: Springer-Verlag.
  24. Hamaker, E.L., Ceulemans, E., Grasman, R. & Tuerlinckx, F. (2015). Modeling a› ect dynamics: State of the art and future challenges. Emotion Review, 7(4), 316–322.
  25. Hamilton, J.D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57, 357–384.
  26. Herbranson, W.T. & Schroeder, J. (2010). Are birds smarter than mathematicians? Pigeons (Columba livia) perform optimally on a version of the Monty Hall dilemma. Journal of Comparative Psychology, 124, 1–13.
  27. IPCC. (2018). Global warming of 1.5·C. Geneva, Switzerland: IPCC.
  28. John, L.K., Loewenstein, G. & Prelec, D. (2012). Measuring the prevalence of questionable research practices with incentives for truth telling. Psychological Science, 23, 524–532.
  29. Johnson, R. (regie/scenario). (2017). Star Wars: Episode VIII – The Last Jedi. San Francisco: Lusasfi lm.
  30. Kahneman, D. (2011). Thinking Fast and Slow. New York: Farrar, Straus en Giroux.
  31. Koval, P. & Kuppens, P. (2012). Changing emotion dynamics: Individual di› erences in the e› ect of anticipatory social stress on emotional inertia. Emotion, 12(2), 256–267.
  32. Krone, T., Albers, C.J., Kuppens, P. & Timmerman, M.E. (2018). A multivariate statistical model for emotion dynamics. Emotion, 18, 739–754.
  33. Krone, T., Albers, C.J. & Timmerman, M.E. (2015). A comparative simulation study of AR(1) estimators in short time series. Quality & Quantity, 1–21.
  34. Krone, T., Albers, C.J. & Timmerman, M.E. (2016). Comparison of estimation procedures for multilevel AR(1) models. Frontiers in Psychology: Quantitative Psychology and Measurement, 7.
  35. Lakens, D., Adolfi , F.G., Albers, C.J., ... & Zwaan, R. (2018). Justify your alpha. Nature Human Behaviour, 2, 168–171.
  36. Meehl, P.E. (1954). Clinical versus statistical prediction: A theoretical analysis and review of the evidence. University of Minnesota Press.
  37. Meehl, P.E. (1978). Theoretical risks and tabular asterisks: Sir Karl, Sir Ronald and the slow progress of soft psychology. Journal of consulting and clinical psychology, 46, 806–834.
  38. Meehl, P.E. (1990). Why summaries of research on psychological theories are often uninterpretable. Psychological Reports, 66, 195–244.
  39. Namazkhan, M., Albers, C.J. & Steg, E.M. (2019). The role of environmental values, socio-demographics and building characteristics in setting room temperatures in winter. Energy, 171, 1183–1192.
  40. Open Science Foundation. (2015). Estimating the reproducibility of psychological science. Science, 349, aac4716.
  41. Poortinga, W., Whitmarsh, L., Steg, E.M., Böhm, G. & Fisher, S. (2019). Climate change perceptions and their individual-level determinants: a cross-European analysis. Global environmental change, 55, 25–35.
  42. Queen, C.M. & Albers, C.J. (2009). Intervention and causality: Forecasting tra± c fl ows using a dynamic Bayesian network. Journal of the American Statistical Association, 104(486), 669–681.
  43. R Core Team. (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria.
  44. Sarran, C., Albers, C.J., Sachon, P. & Meesters, Y. (2017). Meteorological analysis of symptom data for people with seasonal a› ective disorder. Psychiatry Research, 257, 501–505.
  45. Spence, I. (1990). Visual psychophysics of simple graphical elements. Journal of Experimental Psychology: Human Perceptions and Performance, 16, 683–692.
  46. Simkin, D. & Hastie, R. (1987). An information-processing analysis of graph perception. Journal of the American Statistical Association, 82, 454–465.
  47. Slofstra, C., Nauta, M.H., Bringmann, L. F., Klein, N.S., Albers, C.J. et al. (2018). Individual negative a› ective trajectories can be detected during di› erent depressive relapse prevention strategies. Psychotherapy and Psychosomatics, 87, 243–245.
  48. Smeets, I. (2014). Het exacte verhaal. Wetenschapscommunicatie voor bèta’s. Amsterdam: Nieuwezijds.
  49. Strathern, M. (1997). Improving ratings: audits in the British university system. European Review, 5, 305–321.
  50. Trimbos Instituut. (2016). Depressie. Enkele cijfers. Factsheet, INFO16.
  51. Universiteitsbilbiotheek Groningen. (2018). Open peer review. An interview with Casper Albers. Open Science Newsletter, 28 maart.
  52. Van de Leemput, I., Wichers, M., Cramer, A.O.J., Borsboom, D., Tuerlinckx, F. et al. (2014). Critical slowing down as early warning for the onset and termination of depression. Proceedings of the National Academy of Sciences, 111(1), 87–92.
  53. Van der Linden, S. L. (2017). Determinants and measurement of climate change risk perception, worry, and concern. In: The Oxford encyclopedia of climate change communication. Oxford, UK: Oxford University Press.
  54. Van der Werff , E. & Steg, E.M. (2015). One model to predict them all: Predicting energy behaviours with the norm activation model. Energy Research & Social Science, 6, 8–14.
  55. Verschoor, M., Albers, C.J., Poortinga, W., Böhm, G. & Steg, E.M. (2019). Attributes to climate change and energy: A network analysis of the European Social Survey. Ingediend voor publicatie.
  56. Wagemans, J., Elder, J.H., Kubovy, M., Palmer, S.E., Peterson, M.A. et al. (2012). A century of Gestalt psychology in visual perception: I. Perceptual grouping and fi gure-ground organization. Psychological bulletin, 138, 1172–1217.
  57. Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. New York: Springer-Verlag.
  58. Wilkinson, L. (2005). The Grammar of graphics (2de ed.). New York: Springer.
  59. Willems, S.W., Albers, C.J. & Smeets, I. (2019). Variability in the interpretation of Dutch probability phrases – a risk for miscommunication. arXiv preprints, 1901.09686.
  60. Williams, M. & Albers, C.J. (2019). Dealing with distributional assumptions in preregistered research. Meta-Psychology, 3:1592.