Onderwijs Onderzoek Actueel Over de VU EN
Login als
Studiekiezer Student Medewerker
Bachelor Master VU for Professionals
HOVO Amsterdam VU-NT2 VU Amsterdam Summer School Honoursprogramma Universitaire lerarenopleiding
Promoveren aan de VU Uitgelicht onderzoek Prijzen en onderscheidingen
Onderzoeksinstituten Onze wetenschappers Research Impact Support Portal Impact maken
Nieuws Agenda Biodiversiteit aan de VU
Israël en Palestijnse gebieden Cultuur op de campus
Praktische informatie VU en innovatiedistrict Zuidas Missie en Kernwaarden
Organisatie Samenwerking Alumni Universiteitsbibliotheek Werken bij de VU
Sorry! The information you are looking for is only available in Dutch.
Deze opleiding is opgeslagen in Mijn Studiekeuze.
Er is iets fout gegaan bij het uitvoeren van het verzoek.
Er is iets fout gegaan bij het uitvoeren van het verzoek.

Missing data: consequenties en oplossingen

Het programma is opgedeeld in 3 cursusdagen waarin theorie en practica worden afgewisseld. 

Dag 1: 

Op de eerste dag worden de MCAR, MAR en MNAR mechanismen van ontbrekende gegevens besproken. Je leert hoe je patronen van missende waarden kunt onderzoeken, welke eenvoudige oplossingen er zijn voor ontbrekende data, en je maakt kennis met de Multipele Imputatie procedure.

Dag 2: 

Op dag twee staat het opzetten van een goed imputatiemodel centraal. Er wordt een demonstratie gegeven van het toepassen van Multipele Imputatie in software zoals R en SPSS. Daarnaast wordt ingegaan op het gebruik van Multipele Imputatie bij multilevel data.

Dag 3: 

Op de laatste dag wordt dieper ingegaan op  keuzes bij het toepassen van Multipele Imputatie in de praktijk, zoals het bepalen van het aantal geïmputeerde datasets. Ook komen specifieke toepassingen aan bod, waaronder Multipele Imputatie voor survivaldata. Daarnaast wordt het gebruik van Multipele Imputatie bij vragenlijsten behandeld. Tot slot leer je hoe je gegevens analyseert na gebruik van Multipele Imputatie, met behulp van verschillende poolingmethoden voor veelgebruikte statistische technieken.

Naast de colleges wordt er uitgebreid geoefend met epidemiologische en klinische vraagstukken rond ontbrekende gegevens in R (Studio) en SPSS software. Ook wzal er geoefend worden met een AI-chatbot die zich voordoet als klinisch onderzoeker met een realistisch probleem van missende waarden uit de klinische onderzoekspraktijk.

Hoofddocent: Martijn Heymans

Hoofddocent: Martijn Heymans

Martijn Heymans studeerde bewegingswetenschappen aan de VU en promoveerde daarna bij de Faculteit Geneeskunde op een kosten-effectiviteitsanalyse naast een “randomised controlled trial” naar de effectiviteit van rugscholen in de bedrijfsgezondheidszorg. Hij richt zich op het toegankelijk maken van methodologische en biostatistische technieken voor toegepast medisch en epidemiologisch onderzoek. Met ruim 20 jaar ervaring in het ontwikkelen en geven van onderwijs op bachelor-, master- en PhD-niveau, is hij actief als coördinator, docent en begeleider in diverse opleidingen, waaronder Geneeskunde, Gezondheidswetenschappen en Epidemiologie. Momenteel is hij Universitair Hoofddocent bij de afdeling Epidemiologie en Data Science van het Amsterdam UMC, waar hij onderwijs verzorgt, statistisch advies geeft en promovendi begeleidt. 

Heb je nog vragen? Neem gerust contact op met:

EpidM

Maandag en donderdag: 020 566 6691

Dinsdag en woensdag: 06 29 131 812

Direct naar

Homepage Cultuur op de campus Sportcentrum VU Dashboard

Studie

Academische jaarkalender Studiegids Rooster Canvas

Uitgelicht

Doneer aan het VUfonds VU Magazine Ad Valvas Digitale toegankelijkheid

Over de VU

Contact en route Werken bij de VU Faculteiten Diensten
Privacy Disclaimer Veiligheid Webcolofon Cookie instellingen Webarchief

Copyright © 2025 - Vrije Universiteit Amsterdam