Klantmanager groep Met extra hulp in actie
13. Afkortingen en technische termen
13.1 Lijst met afkortingen
Afkorting Uitleg
Algemene Maatregel van Bestuur
Algemene Ouderdomswet
Average treatment effect on the treated Beroeps Begeleidende Leerweg
Besluit bijstandsverlening zelfstandigen Computer-assisted personal interviewing Computer-assisted web interviewing Centraal Bureau voor de Statistiek European Social Survey
EU Statistics on Income and Living Conditions Facultaire Ethische Toetsingscommissie Experimentgroep: Met extra hulp in actie
Wet inkomensvoorziening oudere en gedeeltelijk arbeidsongeschikte werkloze werknemers Wet inkomensvoorziening oudere en gedeeltelijk arbeidsongeschikte gewezen zelfstandigen Intent-to-treat effect
Landelijk Overleg Experimenten Participatiewet Participatiewet
Randomised Controlled Trial Standaard onderwijsindeling 2016
Ministerie van Sociale Zaken en Werkgelegenheid Departement Bestuurs- en Organisatiewetenschap Uitvoeringsinstituut Werknemersverzekeringen Experimentgroep: Werken loont
Wettelijke minimumloon
Wet maatschappelijke ondersteuning Wet schuldsanering natuurlijke personen World Value Survey
Wet werk en bijstand
Experimentgroep: Zelf in actie AMvBAOW
ATT BBLBbz CAPICAWI CBSESS EU-SILC FETC HIA IAOW
IOAZ ITTLOEP Pw RCTSOI 2016 SZWUSBO UWVWL WMLWmo WSNPWVS WwbZIA
13.2 Lijst met technische termen
Term Uitleg
Hiermee wordt bedoeld dat een gevonden effect/verschil (waarschijnlijk) niet op toeval berust.
De p-waarde is een maat voor de waarschijnlijkheid dat een gevonden effect op toeval berust. De p-waarde ligt tussen 0 en 1 en wordt bepaald door middel van een statistische toets.
Een p-waarde van 0,10 zegt bijvoorbeeld dat het gevonden effect/verschil maar in 10% van de gevallen zou optreden als er in werkelijkheid geen effect/verschil is. Er is dus een kans van 10% dat het gevonden effect/verschil eigenlijk op toeval berust. Gewoonlijk hanteert men in de sociale wetenschappen een p-waarde van 0,10 (10%) of 0,05 (5%) als grenswaarde voor statistische significantie.
Een statistische analysetechniek om de samenhang tussen één afhankelijke en één of meerdere onafhankelijke variabelen vast te stellen.
Een statistische analysetechniek die aansluit bij lineaire regressie, maar geschikt is voor een afhankelijke variabele die dichotoom van aard is (twee categorieën).
Een statische analysetechniek om te achterhalen of twee of meer verdelingen (statistisch significant) van elkaar verschillen.
Een statische analysetechniek om te achterhalen of de gemiddelden van twee groepen (statistisch significant) van elkaar verschillen.
Het gemiddelde verschil in een uitkomstmaat tussen degenen die aselect in een bepaalde interventiegroep en de controlegroep zijn ingedeeld. Het gaat dus om de toewijzing aan een groep, ongeacht of de beoogde interventie daadwerkelijk is ontvangen.
Het gemiddelde verschil in een uitkomstmaat tussen degenen die aselect in een bepaalde interventiegroep en de controlegroep zijn ingedeeld maar alleen voor de deelnemers die daadwerkelijk de interventie hebben ontvangen.
Factoren/variabelen (bijv.: opleidingsniveau) die worden toegevoegd aan een analyse, omdat zij naar verwachting invloed hebben op de relatie tussen de onafhankelijke en afhankelijke variabele. Door de toevoeging van de factoren/
variabelen wordt deze verwachte invloed weggenomen.
Om de randomisatie te optimaliseren wordt de totale steekproef opgedeeld in subgroepen, oftewel strata.
Vervolgens wordt er per strata geloot waardoor de variabelen om strata te vormen gelijk zijn verdeeld over de experimentgroepen.
Een maat voor de homogeniteit van een set vragen. Een waarde van 0,7 of hoger wordt beschouwd als acceptabel.
Statistisch significant p-waarde
Lineaire regressie
Logistische regressie/
logit model Chi-kwadraattoets
T-toets
Intent-to-treat effect (ITT)
Average treatment effect on the treated (ATT)
Covariaten
Strata
Cronbach’s alfa
·
Angrist, J. D., Imbens, G. W., & Rubin, D. B. (1996). Identification of Causal Effects Using Instrumental Variables. Journal of the American Statistical Association, 91(434), 444-455. https://doi.org/10.1080/01621459.1996.10476902·
Bohnet, I., Frey, B. S., & Huck, S. (2001). More order with less law: on contract enforcement, trust and crowding, The American Political Science Review, 95, 131–144. https://www.jstor.org/stable/3117633·
Daminger, A., Hayes, J., Barrows, A., & Wright, J. (2015). Poverty interrupted:Applying behavioral science to the context of chronic scarcity, Ideas, 42, 1-49.
·
Deci, E. L., & Ryan, R. M. (1985). Intrinsic Motivation and Self-Determination in Human Behavior, New York: Plenum.·
Frey, B. S., & Jegen, R. (2001). Motivation crowding theory, Journal of Economic Surveys, 15(5), 589–611.·
Fehr, E., & Schmidt, K. M. (2003). Theories of Fairness and Reciprocity: Evidence and Economic Applications. In M. Dewatripont, L. P. Hansen, & S. J. Turnovsky (Red.), Advances in Economics and Econometrics, Theory and Applications, Eighth World Congress (Vol. 1, pp. 208–257). Cambridge: Cambridge University Press.·
Gerber, A. S., & Green, D. P. (2012). Field Experiments – Design, Analysis and Interpretation. New York: W. W. Norton & Company, Ltd.·
Groot, L., Muffels, R., & Verlaat, T. (2019). Welfare States’ Social Investment Strategies and the Emergence of Dutch Experiments on a Minimum Income Guarantee, Social Policy & Society, 18(2), 277–287.·
Gross, J. H. (2015). Testing What Matters (If You Must Test at All): A Context-Driven Approach to Substantive and Statistical Significance. American Journal of Political Science, 59(3), 775-788. https://doi.org/10.1111/ajps.12149·
Mani, A., Mullainathan, S., Shafir, E., & Zhao, J. (2013). Poverty Impedes Cognitive Function. Science, 341(6149), 976–980. https://doi.org/10.1126/science.1238041·
McKenzie, D. (2012). Beyond baseline and follow-up: The case for more T in experiments. Journal of Development Economics, 99(2), 210–221.https://doi.org/10.1016/j.jdeveco.2012.01.002
·
Ministerie van Sociale Zaken en Werkgelegenheid (SZW) (2019). Monitor Arbeidsmarkt, april 2019. Den Haag: Ministerie van Sociale Zaken en Werkgelegenheid.·
Mullainathan, S., & Shafir, E. (2013). Scarcity – The True Cost of Not Having Enough.Penguin Books.
·
Rainey, C. (2014). Arguing for a negligible effect. American Journal of Political Science, 58(4), 1083-1091. https://doi.org/10.1111/ajps.12102·
Ryan, R. M., & Deci, E. L. (2000). Intrinsic and Extrinsic Motivations: Classic Definitions and New Directions. Contemporary Educational Psychology, 25(1), 54–67.https://doi.org/10.1006/ceps.1999.1020
·
Ryan, R. M., Kuhl, J., & Deci, E. L. (1997). Nature and autonomy: an organizational view of social and neurobiological aspects of self-regulation in behavior and development. Development and Psychopathology, 9(4), 701–728.14. Literatuur
·
Saari, L.M. & Judge, T.A. (2004). Employee Attitudes and Job Satisfaction.Human Resource Management, 43(4), 395-407. https://doi.org/10.1002/hrm.20032
·
Sociaal en Cultureel Planbureau (SCP) (2019). Eindevaluatie van de Participatiewet.SCP-publicatie 2019-17. Den Haag: Sociaal en Cultureel Planbureau.
·
Simons, P. R. J. (1990). Leren Leren in een Lerende Organisatie. In C. Aarnoutse& M. Voeten (Red.), Gaat en onderwijst: liber amicorum voor dr. M.C.J. Mommers (pp. 219-233). Tilburg: Zwijsen.
·
Westerhof, G. J., & Bohlmeijer, E. T. (2010). Psychologie van de levenskunst.Amsterdam: Uitgeverij Boom.
·
Wasserstein, R. L., Schirm, A. L., & Lazar, N. A. (2019). Moving to a World Beyond “p<0.05”. The American Statistician, 73(1), 1-19.https://doi.org/10.1080/00031305.2019.1583913