Item gefilterd op datum: mei 2014

Classificatiesystemen worden ook wel taxonomieën genoemd. Vaak zijn classificaties en diagnoses in de psychologie gebaseerd op één of meer dimensionele oordelen. Er is een algemene procedure om van dimensionele oordelen naar classificatie te komen:

1. Onderzoeksgroep: je hebt een steekproef nodig, waarbij de scores op de dimensionele oordelen en op de classificatie van ieder individu bekend zijn.
2. Voorspellingsregel: je probeert binnen die onderzoeksgroep op basis van de dimensionele oordelen te voorspellen wie welke classificatie krijgt. Hierdoor kun je nieuwe gevallen classificeren en je kunt checken hoe goed de voorspellingsregel binnen de steekproef werkt.
3. Classificatie van nieuwe gevallen: wanneer de gevonden voorspellingsregel goed is, kun je hiermee nieuwe gevallen classificeren.

In het eenvoudigste geval heb je scores op één dimensie die je binnen de steekproef op twee manieren kunt classificeren: wel of niet een stoornis. Wanneer je een t-toets uitvoert op de data en de gemiddelde scores van de stoornisgroep zijn sterk significant verschillend in vergelijking met de niet-stoornis groep, heb je aangetoond dat de dimensie samenhangt met de stoornis. Om te kunnen bepalen of je de stoornis ook uit de dimensie kunt voorspellen, maak je gebruik van de grenswaarde XC. Hierop is de voorspellingsregel van toepassing:

• als Xi < XC, dan behoort persoon i tot de niet-stoornis groep.
• als Xi ≥ XC, dan behoort persoon i tot de stoornis groep.

Deze regel werkt niet perfect, omdat er bij echte data altijd wel wat overlap is (mensen die hoog scoren op de dimensie hebben toch geen stoornis, of mensen die laag scoren op de dimensie hebben toch wel een stoornis). Je maakt dus altijd fouten in je voorspelling.

Het bepalen van de grenswaarde XC is niet eenvoudig. Je kunt twee soorten fouten maken, de vals negatieven en de vals positieven. Bij het bepalen van de grenswaarde moet je bedenken welke fouten je erger vindt. Daarnaast hangt de grenswaarde af van de vergelijkbaarheid van beide verdelingen

Wanneer je in meer dan twee groepen gaat classificeren op basis van één dimensie, kun je het best gebruik maken van discriminantanalyse.

In de psychometrie wil je twee soorten uitspraken kunnen doen:

• Dimensionele uitspraken: wat is iemands plaats op een bepaalde dimensie (bijvoorbeeld extraversie)? Wanneer je het hebt over betrouwbaarheid en validiteit, gaat het meestal om deze benadering.
• Classificatie: tot welke categorie behoren we (bijvoorbeeld depressief)? Je wijst hier mensen toe aan categorieën.

Je kunt uit residuen afleiden welke parameters er voor een goede fit moeten worden vrijgemaakt:

• Gecorreleerde factoren: wanneer twee factoren in werkelijkheid positief gecorreleerd zijn, maar deze in het model op nul staat, dan zullen de terugvoorspelde correlaties stelselmatig lager dan de werkelijke correlaties. Wanneer je in een blok residuen van variabelen uit twee verschillende factoren bijna alleen hoog positieve waarden vindt, moet je de factoren correleren waardoor je waarschijnlijk een betere fit krijgt.
• Extra factorlading: wanneer een variabele zowel op de eigen factor als op een andere factor in de werkelijkheid goed laadt, maar de lading op de andere factor in het model op nul is gezet, ontstaat dezelfde situatie als bij de gecorreleerde factoren.
• Gecorreleerde errors: wanneer je een duidelijk van nul afwijkend residu hebt dat geen onderdeel is van een breder patroon, zou je de correlatie tussen de errors van de betrokken variabelen schatten. Gecorreleerde errors zijn echter meestal niet heel bevorderlijk voor de begrijpelijkheid van een model.

Om te bepalen welke parameters je moet vrijmaken voor een betere fit, kun je gebruik maken van modificatie-indices en van residuen. Een modificatie-index geeft aan in hoeverre het trimmen leidt tot een slechtere fit en in hoeverre het verhogen van de fit leidt tot een verbetering van de fit.

Een residu is het verschil tussen de werkelijke en de teruggeschatte waarde van een element uit de variantie-covariantie matrix. Wanneer een model een perfecte fit heeft, zijn alle errors gelijk aan nul. Bij echte data komt dit nagenoeg nooit voor. In dit geval geldt: hoe dichter het residu de nul nadert, hoe beter het model erin slaagt om de betreffende covariantie of correlatie te verklaren. Om een model bij te stellen, gebruik je de volgende formule:

Dit is het gestandaardiseerde residu. Bij een standaardmodel met een goede fit zijn de residuen klein (tussen de -.10 en .10). Er zijn dan ook ongeveer evenveel positieve als negatieve residuen.

Je kunt een model bij stap (5.) op twee manieren verbeteren: trimmen of de fit verhogen. Bij het trimmen zet je de vrije parameters vast. Zelfs wanneer je een model hebt met een goede fit, kun je het model nog verbeteren vanwege de spaarzaamheid (wanneer een eenvoudige en ingewikkelde versie beiden even goed werken, heeft de eenvoudige versie de voorkeur). Bij CFA moet je dus bij twee even goede modellen, het model kiezen dat de minste vrije parameters heeft. Je kunt het aantal vrije parameters verminderen door de factorladingen op nul te zetten of door de correlaties tussen de factoren op nul te zetten. Dit is trimmen. De fit kan hiervan nooit verbeteren, maar wel verslechteren of gelijk blijven.

Bij het verhogen van de fit maak je vaste parameters vrij. Dit betekent dat je pijlen in het paddiagram toevoegt:

• Factorladingen: je laat een manifeste variabele ook op een andere factor laden.
• Correlaties tussen factoren: je staat toe dat er twee factoren gecorreleerd zijn.
• Correlaties tussen errors: je staat toe dat twee variabelen iets gemeenschappelijk hebben dat je niet kunt herleiden tot de factoren.
• Meer factoren: hierdoor wordt het model minder spaarzaam, maar wordt de fit wel groter.

Confirmatieve factoranalyse (CFA) wordt uitgevoerd volgens een aantal belangrijke stappen:

1. Model specification: een model (pijldiagram of stelsel van vergelijkingen) maken.
2. Model identification: bepalen of je model een unieke oplossing heeft.
3. Model estimation: een (voorlopige) aanname doen dat je model klopt. Je moet schattingen maken van alle vrije parameters in het model (zoals factorladingen en errorvarianties).
4. Model evaluation: bereken de teruggeschatte covariantiematrix. Om deze te vergelijken met de oorspronkelijke covariantiematrix, moet je de chikwadraattoets en de fitmaten berekenen.
5. Model respecification: wanneer bij (4.) blijkt dat het model niet klopt (dit is het geval wanneer de chikwadraattoets significant is en/of als de fit-maten te laag zijn), moet je het model bijstellen. Hierna kun je verder vanaf (2.).

De rode draad voor de opties en keuzes ten aanzien van concernstrategie is het toevoegen van waarde. Op het niveau van business units speelt veelal de vraag welke units er actief moeten blijven, iets wat bepaalt kan worden aan de hand van de BCG-benadering.

Uit deze tabel is op te maken welke bedrijven behouden kunnen worden en welke bedrijven moeten worden afgestoten. Het vraagteken kan nog uitgroeien tot een sterbedrijf, als er maar voldoende geïnvesteerd is en op de juiste manier gehandeld is.

1. Het overkoepelende concern kan via deze vier soorten units kiezen voor een aantal rollen;
2. Portfolio management
3. Herstructureren van een unit (een unit anders inrichten als het niet goed werkt, bijvoorbeeld een dog net zo inrichten als een star)
4. Bevorderen van de transfer van skills (het overbrengen van vaardigheden van een unit naar een andere unit)
5. Delen van activiteiten

Hierbij gaat het om de ‘resources’ van een bedrijf, die ook meebepalen aan de strategische positie. Kerncompetenties zijn de opgebouwde vaardigheden en kennis binnen een bedrijf in de loop van de tijd, die met de tijd beter worden. Ze zijn op te delen in;

1. Kennis en vaardigheden van werknemers
2. Kennis die zit in de technische systemen
3. Managementsystemen om nieuwe kennis te creëren
4. Waarden en normen die leerprocessen beïnvloeden

Kerncompetenties kunnen niet sluiten door veelvuldig gebruik.
Binnen een bedrijf is de vraag veelal of het product binnen het bedrijf gemaakt zal worden, of het wordt gekocht vanuit een ander bedrijf of dat het misschien door samenwerking gemaakt kan worden. Welke keuze gemaakt wordt hangt af van;

• Beschikbaarheid van alternatieven op de markt
• Het tijdselement
• De relatie met kerncompetenties

Bij het kiezen van een strategie binnen de markt zijn ook de relaties met de omgeving belangrijk, waarbij kan gekeken worden op globaal, Europees of nationaal niveau. Het vijfkrachtenmodel van Porter heeft als doel het weergeven van de grootste concurrentiekrachten, binnen een bepaalde bedrijfstak. Het gaat hier dus om verschillende concurrerende bedrijven die hetzelfde product maken.

Het schema kent twee functies, namelijk de beschrijvende en de aanzettende functie. De beschrijvende functie brengt de afhankelijkheden en de onzekerheden van de markt in beeld. De aanzettende functie kan er vervolgens voor zorgen dat doelbewust wordt geprobeerd om een gedeelte van het schema te beïnvloeden, bijvoorbeeld het opkopen van de leveranciers om deze invloed te beperken.

Voor strategische analyses op het nationale omgevingsniveau biedt het diamantschema enkele verklaringen. In dit schema gaat het om de vraag hoe het komt dat in sommige landen of regio’s bedrijven uit een bepaalde bedrijfstak gevestigd zijn met een sterke internationale concurrentiepositie, terwijl in andere landen deze bedrijfstak nauwelijks internationaal concurrerende bedrijven kent.

Verschilt Groep A van groep B? Ontwikkelen van goede probleemstellingen: Stuvia.com - The Marketplace to Buy and Sell your Study Material

- Selecteer interessante groepen

- Vergelijk op theoretisch interessante variabelen

- Vergelijking van groepen liefst op 1 variabele

- Een aantal vergelijkingen is het beste  die werk je uit.