{"id":547,"date":"2023-07-29T13:27:37","date_gmt":"2023-07-29T13:27:37","guid":{"rendered":"https:\/\/statorials.org\/nl\/effectgrootte\/"},"modified":"2023-07-29T13:27:37","modified_gmt":"2023-07-29T13:27:37","slug":"effectgrootte","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/effectgrootte\/","title":{"rendered":"Effectgrootte: wat het is en waarom het ertoe doet"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><em>\u201cDe statistische significantie is het minst interessante aan de resultaten. Je moet de resultaten beschrijven in termen van omvang; niet alleen heeft een behandeling invloed op mensen, maar ook in welke mate deze op hen van invloed is.<\/em> -Gene V. Glas<\/span><\/p>\n<hr>\n<p> <span style=\"color: #000000;\">In de statistiek gebruiken we vaak <a href=\"https:\/\/statorials.org\/nl\/p-waarden-statistische-significantie\/\" target=\"_blank\" rel=\"noopener\">p-waarden<\/a> om te bepalen of er een statistisch significant verschil is tussen twee groepen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Laten we bijvoorbeeld zeggen dat we willen weten of twee verschillende studietechnieken tot verschillende testscores leiden. We hebben dus een groep van 20 studenten die \u00e9\u00e9n studietechniek gebruiken om zich voor te bereiden op een toets, terwijl een andere groep van 20 studenten een andere studietechniek gebruikt. Vervolgens geven we iedere leerling dezelfde toets.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Na het uitvoeren van een t-test met twee steekproeven om een verschil in gemiddelden te bepalen, ontdekken we dat de p-waarde voor de test 0,001 is. Als we een significantieniveau van 0,05 gebruiken, betekent dit dat er een statistisch significant verschil bestaat tussen de gemiddelde resultaten van de twee groepen. De studietechniek heeft dus invloed op de toetsresultaten.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hoewel de p-waarde ons vertelt dat het bestuderen van techniek een impact heeft op de testscores, vertelt deze ons niet de <em>omvang<\/em> van die impact. Om dit te begrijpen moeten we <strong>de effectgrootte<\/strong> kennen.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Wat is effectgrootte?<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Een <strong>effectgrootte<\/strong> is een manier om het verschil tussen twee groepen te kwantificeren.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hoewel een p-waarde ons kan vertellen of er al dan niet een statistisch significant verschil is tussen twee groepen, kan een effectgrootte ons vertellen <em>hoe groot<\/em> dat verschil werkelijk is. In de praktijk zijn effectgroottes veel interessanter en nuttiger om te weten dan p-waarden.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Er zijn drie manieren om de effectgrootte te meten, afhankelijk van het type analyse dat u uitvoert:<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>1. Gestandaardiseerd gemiddeld verschil<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Als je het gemiddelde verschil tussen twee groepen wilt bestuderen, is de juiste manier om de effectgrootte te berekenen het gebruik van een <strong>gestandaardiseerd gemiddeld verschil<\/strong> . De meest populaire formule om te gebruiken staat bekend als Cohen&#8217;s <em>d<\/em> , die als volgt wordt berekend:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Cohen <sub>&#8217;s<\/sub> <em>D<\/em> = ( <span style=\"border-top: 1px solid black;\">x1<\/span> \u2013 <span style=\"border-top: 1px solid black;\">x2<\/span> )\/ <sub>s<\/sub><\/span><\/p>\n<p> <span style=\"color: #000000;\">waarbij <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> en <span style=\"border-top: 1px solid black;\">x<\/span> <sub>2<\/sub> de steekproefgemiddelden zijn van respectievelijk groep 1 en groep 2, en <em>s<\/em> de standaardafwijking is van de populatie waaruit de twee groepen zijn getrokken.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Met behulp van deze formule is de effectgrootte eenvoudig te interpreteren:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Een <em>d<\/em> van 1 geeft aan dat de gemiddelden van de twee groepen \u00e9\u00e9n standaarddeviatie verschillen.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Een <em>d<\/em> van 2 betekent dat de groepsgemiddelden twee standaarddeviaties verschillen.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Een <em>d<\/em> van 2,5 geeft aan dat de twee gemiddelden 2,5 standaarddeviaties verschillen, enzovoort.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Een andere manier om de effectgrootte te interpreteren is: een effectgrootte van 0,3 betekent dat de score van de gemiddelde persoon in Groep <em>2<\/em> 0,3 standaardafwijkingen boven het persoonsgemiddelde van groep <em>1<\/em> ligt en dus hoger is dan de scores van 62% van die van groep <em>1<\/em> . .<\/span><\/p>\n<p> <span style=\"color: #000000;\">De volgende tabel toont verschillende effectgroottes en de bijbehorende percentielen:<\/span><\/p>\n<div style=\"max-width: 50%; margin: 0 auto;\">\n<table>\n<tbody>\n<tr>\n<th> <strong><span style=\"color: #000000;\">Effectgrootte<\/span><\/strong><\/th>\n<th> <strong><span style=\"color: #000000;\">Percentage van groep <em>2<\/em> dat onder het gemiddelde van mensen in groep <em>1<\/em> zou liggen<\/span><\/strong><\/th>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">50%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,2<\/span><\/td>\n<td> <span style=\"color: #000000;\">58%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,4<\/span><\/td>\n<td> <span style=\"color: #000000;\">66%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,6<\/span><\/td>\n<td> <span style=\"color: #000000;\">73%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">0,8<\/span><\/td>\n<td> <span style=\"color: #000000;\">79%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1,0<\/span><\/td>\n<td> <span style=\"color: #000000;\">84%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.2<\/span><\/td>\n<td> <span style=\"color: #000000;\">88%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.4<\/span><\/td>\n<td> <span style=\"color: #000000;\">92%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.6<\/span><\/td>\n<td> <span style=\"color: #000000;\">95%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">1.8<\/span><\/td>\n<td> <span style=\"color: #000000;\">96%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2.0<\/span><\/td>\n<td> <span style=\"color: #000000;\">98%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">2.5<\/span><\/td>\n<td> <span style=\"color: #000000;\">99%<\/span><\/td>\n<\/tr>\n<tr>\n<td> <span style=\"color: #000000;\">3.0<\/span><\/td>\n<td> <span style=\"color: #000000;\">99,9%<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p> <span style=\"color: #000000;\">Hoe groter de effectgrootte, hoe groter het verschil tussen het gemiddelde individu in elke groep.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Over het algemeen wordt een <em>d<\/em> van 0,2 of minder als een kleine effectgrootte beschouwd, een <em>d<\/em> van ongeveer 0,5 als een gemiddelde effectgrootte en een <em>d<\/em> van 0,8 of groter als een grote effectgrootte.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dus als de gemiddelden van twee groepen niet minstens 0,2 standaarddeviaties verschillen, is het verschil onbeduidend, zelfs als de p-waarde statistisch significant is.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>2. Correlatieco\u00ebffici\u00ebnt<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Wanneer u de kwantitatieve relatie tussen twee variabelen wilt bestuderen, is de meest gebruikelijke manier om de effectgrootte te berekenen het gebruik van de<a href=\"https:\/\/statorials.org\/nl\/pearson-correlatiecoefficient-1\/\" target=\"_blank\" rel=\"noopener\">Pearson-correlatieco\u00ebffici\u00ebnt<\/a> . Het is een maatstaf voor de lineaire associatie tussen twee variabelen <em>X<\/em> en <em>Y.<\/em> Het heeft een waarde tussen -1 en 1 waarbij:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">-1 geeft een perfect negatieve lineaire correlatie aan tussen twee variabelen<\/span><\/li>\n<li> <span style=\"color: #000000;\">0 geeft aan dat er geen lineaire correlatie is tussen twee variabelen<\/span><\/li>\n<li> <span style=\"color: #000000;\">1 geeft een perfect positieve lineaire correlatie aan tussen twee variabelen<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">De formule voor het berekenen van de Pearson-correlatieco\u00ebffici\u00ebnt is behoorlijk complex, maar kan <a href=\"https:\/\/en.wikipedia.org\/wiki\/Pearson_correlation_coefficient\" target=\"_blank\" rel=\"noopener\">hier<\/a> worden gevonden voor ge\u00efnteresseerden.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hoe verder de correlatieco\u00ebffici\u00ebnt van nul verwijderd is, hoe sterker het lineaire verband tussen twee variabelen. Dit is ook te zien door een eenvoudig spreidingsdiagram te maken van de waarden van de variabelen <em>X<\/em> en <em>Y.<\/em><\/span><\/p>\n<p> <span style=\"color: #000000;\">Het volgende spreidingsdiagram toont bijvoorbeeld de waarden van twee variabelen met een correlatieco\u00ebffici\u00ebnt van <em>r =<\/em> 0,94.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Deze waarde is verre van nul, wat aangeeft dat er een sterk positief verband bestaat tussen de twee variabelen.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4813 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" alt=\"\" width=\"331\" height=\"309\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Omgekeerd toont het volgende spreidingsdiagram de waarden van twee variabelen met een correlatieco\u00ebffici\u00ebnt van <em>r =<\/em> 0,03. Deze waarde ligt dicht bij nul, wat aangeeft dat er vrijwel geen verband bestaat tussen de twee variabelen.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-4814 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet2.jpg\" alt=\"\" width=\"327\" height=\"306\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Over het algemeen wordt de effectgrootte als klein beschouwd als de waarde van de Pearson-correlatieco\u00ebffici\u00ebnt <em>r<\/em> ongeveer 0,1 is, gemiddeld als <em>r<\/em> ongeveer 0,3 is, en groot als <em>r<\/em> gelijk is aan of groter is dan 0,5.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>3. Kansenratio<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Als je de kans op succes in een behandelgroep wilt onderzoeken versus de kans op succes in een controlegroep, is de meest gebruikelijke manier om de effectgrootte te berekenen het gebruik van de <strong>odds ratio<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Stel dat we bijvoorbeeld de volgende tabel hebben:<\/span><\/p>\n<table>\n<tbody>\n<tr>\n<th> <span style=\"color: #000000;\">Effectgrootte<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Succes<\/span><\/th>\n<th> <span style=\"color: #000000;\">#Schaken<\/span><\/th>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Behandelingsgroep<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">HEEFT<\/span><\/td>\n<td> <span style=\"color: #000000;\">B<\/span><\/td>\n<\/tr>\n<tr>\n<td> <strong><span style=\"color: #000000;\">Controlegroep<\/span><\/strong><\/td>\n<td> <span style=\"color: #000000;\">VS<\/span><\/td>\n<td> <span style=\"color: #000000;\">D<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p> <span style=\"color: #000000;\">De odds ratio zou als volgt worden berekend:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">Odds-ratio = (AD) \/ (BC)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hoe verder de odds ratio van 1 af ligt, hoe groter de kans dat de behandeling een re\u00ebel effect zal hebben.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>De voordelen van het gebruik van effectgroottes boven P-waarden<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Effectgroottes hebben verschillende voordelen ten opzichte van p-waarden:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Een effectgrootte helpt ons een beter beeld te krijgen van <em>hoe groot<\/em> het verschil is tussen twee groepen of <em>hoe sterk<\/em> de associatie is tussen twee groepen. Een p-waarde kan ons alleen vertellen of <em>er al dan niet een significant verschil of een significant verband bestaat<\/em> .<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> In tegenstelling tot p-waarden kunnen effectgroottes worden gebruikt om de resultaten van verschillende onderzoeken die in verschillende settings zijn uitgevoerd kwantitatief te vergelijken. Om deze reden worden effectgroottes vaak gebruikt in meta-analyses.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> P-waarden kunnen worden be\u00efnvloed door grote steekproeven. Hoe groter de steekproefomvang, hoe groter de statistische kracht van een hypothesetest, waardoor zelfs kleine effecten kunnen worden gedetecteerd. Dit kan leiden tot lage p-waarden, ondanks kleine effectgroottes die mogelijk geen praktische betekenis hebben.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Een eenvoudig voorbeeld kan dit duidelijk illustreren: stel dat we willen weten of twee studietechnieken tot verschillende toetsscores leiden. We hebben een groep van 20 studenten die \u00e9\u00e9n studietechniek gebruiken, terwijl een andere groep van 20 studenten een andere studietechniek gebruikt. Vervolgens geven we iedere leerling dezelfde toets.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De gemiddelde score van groep 1 is <b>90,65<\/b> en de gemiddelde score van groep 2 is <b>90,75<\/b> . De standaardafwijking voor monster 1 is <strong>2,77<\/strong> en de standaardafwijking voor monster 2 is <strong>2,78<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Wanneer we een onafhankelijke t-test met twee steekproeven uitvoeren, blijkt dat de teststatistiek <strong>-0,113<\/strong> is en de overeenkomstige p-waarde <strong>0,91<\/strong> . Het verschil tussen de gemiddelde testscores is niet statistisch significant.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">Bedenk echter of de steekproefomvang van de twee steekproeven beide <strong>200<\/strong> was, maar dat de gemiddelden en standaarddeviaties exact hetzelfde bleven.<\/span><\/p>\n<p data-slot-rendered-dynamic=\"true\"> <span style=\"color: #000000;\">In dit geval zou een onafhankelijke t-test met twee steekproeven onthullen dat de teststatistiek <strong>-1,97<\/strong> is en de overeenkomstige p-waarde net onder <strong>0,05<\/strong> ligt. Het verschil tussen de gemiddelde testscores is statistisch significant.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De onderliggende reden waarom grote steekproefgroottes tot statistisch significante conclusies kunnen leiden, is te wijten aan de formule die wordt gebruikt om <em>t-<\/em> teststatistieken te berekenen:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\"><strong>teststatistiek <em>t<\/em><\/strong> = [ ( <span style=\"border-top: 1px solid black;\">x<\/span> <sub>1<\/sub> \u2013 <span style=\"border-top: 1px solid black;\">x<\/span> <sub>2<\/sub> ) \u2013 d ] \/ (\u221a <span style=\"border-top: 1px solid black;\">s <sup>2<\/sup> <sub>1<\/sub> \/ n <sub>1<\/sub> + s <sup>2<\/sup> <sub>2<\/sub> \/ n <sub>2<\/sub><\/span> )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Merk op dat wanneer n <sub>1<\/sub> en n <sub>2<\/sub> klein zijn, de gehele noemer van de <em>t<\/em> -teststatistiek klein is. En als je deelt door een klein getal, krijg je een groot getal. Dit betekent dat de <em>t-<\/em> teststatistiek groot zal zijn en de overeenkomstige p-waarde klein, wat tot statistisch significante resultaten zal leiden.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Wat wordt als een goede effectgrootte beschouwd?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Een vraag die studenten vaak stellen is: <strong><em>wat wordt als een goede effectgrootte beschouwd?<\/em><\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Het korte antwoord: een effectgrootte kan niet \u2018goed\u2019 of \u2018slecht\u2019 zijn, omdat deze eenvoudigweg de grootte van het verschil tussen twee groepen of de sterkte van de associatie tussen twee groepen meet.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We kunnen echter de volgende vuistregels gebruiken om te kwantificeren of de omvang van een effect klein, middelgroot of groot is:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Cohens D:<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Een <em>d<\/em> van 0,2 of minder wordt als een kleine effectgrootte beschouwd.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Een <em>d<\/em> van 0,5 wordt als een gemiddelde effectgrootte beschouwd.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Een <em>d<\/em> van 0,8 of groter wordt als een grote effectgrootte beschouwd.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>Pearson-correlatieco\u00ebffici\u00ebnt<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Een absolute waarde van <em>r<\/em> rond de 0,1 wordt als een kleine effectgrootte beschouwd.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Een absolute waarde van <em>r<\/em> rond de 0,3 wordt als een gemiddelde effectgrootte beschouwd.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Een absolute waarde van <em>r<\/em> groter dan 0,5 wordt als een grote effectgrootte beschouwd.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">De definitie van een \u2018sterke\u2019 correlatie kan echter van veld tot veld verschillen. Raadpleeg <a href=\"https:\/\/statorials.org\/nl\" target=\"_blank\" rel=\"noopener\">dit artikel<\/a> om beter te begrijpen wat wordt beschouwd als een sterke correlatie tussen verschillende sectoren.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u201cDe statistische significantie is het minst interessante aan de resultaten. Je moet de resultaten beschrijven in termen van omvang; niet alleen heeft een behandeling invloed op mensen, maar ook in welke mate deze op hen van invloed is. -Gene V. Glas In de statistiek gebruiken we vaak p-waarden om te bepalen of er een statistisch [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-547","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Effectgrootte: wat het is en waarom het ertoe doet - Statorials<\/title>\n<meta name=\"description\" content=\"Een eenvoudige uitleg van de effectgrootte in statistieken, inclusief verschillende voorbeelden.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/effectgrootte\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Effectgrootte: wat het is en waarom het ertoe doet - Statorials\" \/>\n<meta property=\"og:description\" content=\"Een eenvoudige uitleg van de effectgrootte in statistieken, inclusief verschillende voorbeelden.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/effectgrootte\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T13:27:37+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"7\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/effectgrootte\/\",\"url\":\"https:\/\/statorials.org\/nl\/effectgrootte\/\",\"name\":\"Effectgrootte: wat het is en waarom het ertoe doet - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-29T13:27:37+00:00\",\"dateModified\":\"2023-07-29T13:27:37+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"Een eenvoudige uitleg van de effectgrootte in statistieken, inclusief verschillende voorbeelden.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/effectgrootte\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/effectgrootte\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/effectgrootte\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Effectgrootte: wat het is en waarom het ertoe doet\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Effectgrootte: wat het is en waarom het ertoe doet - Statorials","description":"Een eenvoudige uitleg van de effectgrootte in statistieken, inclusief verschillende voorbeelden.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/effectgrootte\/","og_locale":"de_DE","og_type":"article","og_title":"Effectgrootte: wat het is en waarom het ertoe doet - Statorials","og_description":"Een eenvoudige uitleg van de effectgrootte in statistieken, inclusief verschillende voorbeelden.","og_url":"https:\/\/statorials.org\/nl\/effectgrootte\/","og_site_name":"Statorials","article_published_time":"2023-07-29T13:27:37+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/taille-deffet1.jpg"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"7\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/effectgrootte\/","url":"https:\/\/statorials.org\/nl\/effectgrootte\/","name":"Effectgrootte: wat het is en waarom het ertoe doet - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-29T13:27:37+00:00","dateModified":"2023-07-29T13:27:37+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"Een eenvoudige uitleg van de effectgrootte in statistieken, inclusief verschillende voorbeelden.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/effectgrootte\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/effectgrootte\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/effectgrootte\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Effectgrootte: wat het is en waarom het ertoe doet"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/547","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=547"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/547\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=547"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=547"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=547"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}