Promotie M.F.O. (Max) Welz

Hieronder volgt een samenvatting van het proefschrift:

Veel attributen van wetenschappelijk, politiek of publiek belang worden gemeten door categorische variabelen. Een categorische variabele kan alleen waarden in een bekend telbaar bereik hebben. Voorbeelden zijn vragenlijsten-items waarbij een respondent kiest uit vooraf gespecificeerde antwoordcategorieën zoals "sterk oneens", "oneens", "neutraal", "eens", "sterk eens", inkomensgroepen zoals "laag", "midden", "hoog" of telvariabelen zoals het aantal kinderen van iemand (0, 1, 2,...). Echter, datapunten van lage kwaliteit kunnen aanwezig zijn in een steekproef van categorische variabelen vanwege (maar niet beperkt tot) willekeurige antwoorden, fouten bij het invoeren van gegevens of onjuist gebruik van meetinstrumenten. Dit proefschrift bestudeert de effecten van categorische gegevens van lage kwaliteit op statistische analyses en stelt nieuwe methoden voor om dergelijke gegevens robuust te analyseren. Het blijkt dat de aanwezigheid van 5% of zelfs minder datapunten van lage kwaliteit in een categorische steekproef voldoende is om de resultaten van populaire analytische methoden ongeldig te maken. Daarentegen blijven de voorgestelde nieuwe methoden robuust tegen de nadelige effecten van datapunten van lage kwaliteit en helpen ze te identificeren. De voorgestelde methoden kunnen bijvoorbeeld worden gebruikt om vragen te beantwoorden zoals "Welke respondenten van een vragenlijst geven willekeurige antwoorden?", "Wanneer geeft een respondent willekeurige antwoorden vanwege vermoeidheid tijdens lange vragenlijsten?" of "Voor welke categorische datapunten is een statistisch model verkeerd gespecificeerd?" Het proefschrift laat ook zien dat de voorgestelde methoden ongewone maar aantrekkelijke theoretische eigenschappen hebben. In overeenstemming met open science zijn alle methoden geïmplementeerd in gratis, openbaar beschikbare, open-source softwarepakketten.