Hoe ga je om met ontbrekende antwoorden?

Ontbrekende antwoorden zijn een van de meest voorkomende uitdagingen in kwantitatief onderzoek. Een respondent slaat een vraag over, een formulier wordt halverwege afgebroken, of een antwoordoptie past simpelweg niet bij de situatie van de invuller. Het resultaat: gaten in je dataset die je analyses kunnen vertekenen als je er niet zorgvuldig mee omgaat.

In deze handleiding doorloop je stap voor stap hoe je ontbrekende antwoorden opspoort, beoordeelt en verwerkt, zodat je onderzoeksresultaten betrouwbaar blijven. Of je nu werkt met een klanttevredenheidsonderzoek of een ander kwantitatief onderzoek, de aanpak is grotendeels gelijk.

Breng in kaart welke antwoorden ontbreken

Begin met een systematisch overzicht van je dataset. Voordat je beslissingen neemt over hoe je omgaat met missende data, moet je eerst precies weten waar de gaten zitten. Ga per variabele na hoeveel antwoorden ontbreken en markeer deze in je databestand, zodat je een helder startpunt hebt.

1. Exporteer je ruwe data naar een analyseprogramma zoals Excel, SPSS of R.
2. Maak een overzicht per vraag of variabele: hoeveel respondenten hebben hier geen antwoord gegeven?
3. Noteer ook welk type vraag het betreft: verplicht of optioneel, open of gesloten.

Na deze stap heb je een compleet beeld van welke vragen gevoelig zijn voor non-respons. Dat beeld is de basis voor alles wat volgt.

Bepaal de omvang en het patroon van de missende data

Niet alle ontbrekende antwoorden zijn even problematisch. Een klein percentage missende waarden bij een optionele vraag is iets heel anders dan structureel ontbrekende antwoorden bij een kernvraag. Analyseer daarom niet alleen de omvang, maar ook het patroon.

Vraag jezelf af: ontbreken de antwoorden willekeurig, of is er een logica? Slaan bepaalde groepen respondenten, zoals een specifieke leeftijdscategorie of afdeling, dezelfde vragen systematisch over? Als dat het geval is, spreek je van systematische non-respons, wat een groter risico op vertekening met zich meebrengt dan willekeurige uitval.

• Minder dan 5% missend per variabele: doorgaans acceptabel, afhankelijk van de context.
• Meer dan 10% missend bij een kernvraag: nader onderzoek en een bewuste verwerkingskeuze zijn noodzakelijk.

Kies de juiste verwerkingsmethode per situatie

Met de omvang en het patroon helder in beeld, kies je de verwerkingsmethode die het beste past bij jouw situatie. Er is geen universele aanpak, want de juiste methode hangt af van het type data, het percentage missende waarden en het doel van je analyse.

De meest gebruikte methoden in kwantitatief onderzoek zijn:

• Listwise deletion: sluit respondenten met een of meer missende antwoorden volledig uit. Simpel, maar risicovol bij systematische uitval.
• Mean imputation: vervang missende waarden door het gemiddelde van de beschikbare antwoorden. Werkt goed bij willekeurige uitval en een laag percentage missende data.
• Multiple imputation: een statistische techniek waarbij missende waarden meerdere keren worden geschat op basis van andere variabelen. Meer complex, maar nauwkeuriger bij grotere hoeveelheden missende data.
• Subgroepanalyse: analyseer de beschikbare antwoorden apart voor de groep met volledige data en de groep met gedeeltelijke data, en vergelijk de uitkomsten.

Verwerk de ontbrekende data stap voor stap

Pas de gekozen methode nu toe op je dataset. Werk gestructureerd en documenteer elke keuze die je maakt, zodat je later kunt verantwoorden waarom je bepaalde beslissingen hebt genomen. Transparantie over je verwerkingsproces is een kwaliteitskenmerk van goed onderzoek.

1. Maak een kopie van je originele dataset voordat je begint, zodat de ruwe data altijd bewaard blijven.
2. Pas de verwerkingsmethode toe per variabele, niet in bulk over de gehele dataset.
3. Noteer per variabele welke methode je hebt gebruikt en waarom.
4. Controleer na verwerking of de verdeling van de data nog logisch oogt en geen onverwachte uitschieters zijn ontstaan.

Na deze stap beschik je over een verwerkte dataset die klaar is voor analyse. Controleer of de basisstatistieken, zoals gemiddelden en standaarddeviaties, nog overeenkomen met je verwachtingen op basis van de ruwe data.

Controleer of de resultaten nog betrouwbaar zijn

Met de verwerkte dataset in handen is het tijd om de betrouwbaarheid van je bevindingen kritisch te beoordelen. Ontbrekende antwoorden kunnen, ook na zorgvuldige verwerking, de uitkomsten van je kwantitatieve onderzoek beïnvloeden. Een gevoeligheidsanalyse helpt je inschatten hoe robuust je conclusies zijn.

Vergelijk de resultaten van je verwerkte dataset met de resultaten die je had gekregen als je alleen de volledige responsen had meegenomen. Als de uitkomsten sterk van elkaar afwijken, is dat een signaal dat de missende data meer invloed hebben dan wenselijk. Wees in dat geval transparant over deze beperking in je rapportage en benoem wat de mogelijke impact is op de interpretatie van de resultaten.

Voorkom ontbrekende antwoorden in toekomstig onderzoek

De beste manier om met missende data om te gaan, is te voorkomen dat ze ontstaan. Veel non-respons is te herleiden tot keuzes in de vragenlijstopzet of de uitvoering van het onderzoek. Door hier bewust op te sturen, verbeter je de kwaliteit van toekomstige dataverzameling structureel.

Denk bij het ontwerpen van je volgende onderzoek aan de volgende maatregelen:

• Maak alleen vragen verplicht die echt essentieel zijn voor je onderzoeksdoel.
• Test de vragenlijst vooraf met een kleine groep respondenten om onduidelijke of lastige vragen op te sporen.
• Houd de vragenlijst zo kort en gefocust mogelijk om drop-out halverwege te verminderen.
• Zorg voor een duidelijke toelichting bij complexe vragen, zodat respondenten weten wat er van hen verwacht wordt.

Gespecialiseerde bureaus als Customeyes ontwerpen vragenlijsten specifiek afgestemd op de situatie van de klant, waarbij zowel de structuur als de formulering worden geoptimaliseerd om non-respons te minimaliseren. Dat maakt een aanzienlijk verschil in de bruikbaarheid van de uiteindelijke data.

Hoe Customeyes helpt met klanttevredenheidsonderzoek

Ontbrekende antwoorden zijn in de praktijk zelden een geïsoleerd technisch probleem. Ze zijn vaak een symptoom van een vragenlijst die niet goed aansluit bij de doelgroep, een te lange enquête, of een onderzoeksopzet die onvoldoende rekening houdt met de context van de respondent. Customeyes pakt dit aan bij de bron, door onderzoek te ontwerpen dat van meet af aan kwalitatief hoogwaardig en volledig is.

Als gespecialiseerd marktonderzoeksbureau bieden wij een aanpak die verder gaat dan het afnemen van een standaardenquête:

• Maatwerkvragenlijsten die specifiek zijn ontworpen voor jouw situatie, met een balans tussen kwantitatieve data en diepgaande kwalitatieve inzichten.
• Begeleiding van A tot Z, van onderzoeksopzet tot workshops en online datadashboards, zodat inzichten actief worden gedeeld en verankerd in de organisatie.
• Een vast projectteam met een consultant als vast aanspreekpunt, ondersteund door een projectmanager, business intelligence developer en onderzoeksconsultant.
• Gecertificeerde informatiebeveiliging via ISO 27001 en NEN 7510, wat extra zekerheid biedt over de zorgvuldige omgang met onderzoeksdata.

Wil je weten hoe een goed opgezet klanttevredenheidsonderzoek eruitziet waarbij ontbrekende antwoorden al in de opzet worden geminimaliseerd? Neem contact op met Customeyes en ontdek wat wij voor jouw organisatie kunnen betekenen.

Gerelateerde artikelen

• Hoe vertaal je kwantitatieve onderzoeksresultaten naar concrete verbeteracties?
• Hoe meet je cliëntervaring bij cliënten met een verstandelijke beperking?
• Wat zijn de kenmerken van goed cliëntonderzoek in de GGZ?
• Hoe stel je meetbare doelen op basis van cliëntonderzoeksresultaten?
• Hoe meet je de beleving van gemeenschappelijke ruimtes bij huurders?