door: Leo Aquina | 11 mei 2017
Sportwetenschap kan niet zonder statistiek, maar traditionele statistiekmethoden zijn vaak niet of nauwelijks praktisch bruikbaar in de sportwereld. Wetenschapper Will Hopkins heeft nieuwe statistische methoden ontwikkeld die praktische handvatten kan bieden aan de sport. De 0-hypothese en de P-waarde gaan bij hem overboord. “Ik geloof niet in statistische significantie. Dat is grote onzin”, aldus de Nieuw-Zeelander. Hopkins verzorgt op 17 en 18 mei een seminar op Papendal en geeft op 19 mei een lezing voor een breder publiek in Utrecht. Daarin spreekt hij uitgebreid over zijn theoretische concepten, zoals de methode van de Magnitude Based Inferences (MBI), maar ook over praktische instrumenten waarmee sportwetenschappers kunnen werken, zoals het open access statistische pakket SAS (Statistical Analysis System). Hopkins gaf Sport Knowhow XL alvast een voorproefje.
De Nieuw-Zeelandse hoogleraar Research Design and Statistics is verbonden aan het College of Sport and Exercise Science aan de Victoria University in het Australische Melbourne. Hij noemt zichzelf een number cruncher. “Ik heb altijd affiniteit met cijfers gehad. Met sport heb ik eigenlijk niet zoveel, maar in de sport gaat alles over cijfers en er is grote vraag naar wat ik doe. Ik ben bij toeval sportstatisticus geworden. Eigenlijk ben ik ook geen statisticus. Ik ben begonnen als wis- en natuurkundige. Als het om statistiek gaat, ben ik een autodidact. Mede daarom heb ik radicaal andere methodes van analyse ontwikkeld.”
0-hypothese overboord
Wat is het grote verschil tussen traditionele statistiek en de methoden van Hopkins? “In de traditionele statistiek draait het allemaal om de 0-hypothese. Dat woord zal je nooit tegenkomen in artikelen waaraan ik heb meegewerkt”, aldus de hoogleraar. “Met de 0-hypothese stel je de vraag of er een relatie is tussen variabelen of niet. Als je aantoont dat de kans statistisch significant is dat er een relatie is, zegt dat nog altijd helemaal niets over de sterkte van die relatie. Als de gevonden relatie niet significant is, zegt dat ook nog altijd helemaal niets, want er is altijd een relatie. Waar je naar op zoek moet, is de aard van die relatie. Welke effecten zijn er en hoe groot zijn die effecten?”
“De eerste vraag waarmee iedereen altijd bij mij komt, is hoeveel atleten zij nodig hebben voor hun onderzoek"
Het primaire onderzoeksgebied van Hopkins is sport. “Het draait om het kwantificeren van atletische prestaties, om onderzoek naar de factoren die atletische prestaties beïnvloeden. Dat onderzoek doe ik allang niet meer zelf. Ik help collega’s en studenten bij het design van hun onderzoek en de analyse van de data.”
Altijd te weinig atleten
Het grootste probleem van alle wetenschappers die onderzoek doen naar sportprestaties is het gebrek aan grote getallen. Hopkins: “De eerste vraag waarmee iedereen altijd bij mij komt, is hoeveel atleten zij nodig hebben voor hun onderzoek. En ik heb altijd hetzelfde antwoord: je hebt er nooit genoeg, maar sommige onderzoeksmethoden werken beter dan andere. Als je strategieën onderzoekt voor prestatieverbetering, moet je altijd op zoek naar cross-over designs, waarbij atleten zowel de nieuwe strategie proberen als de reeds gebruikte strategie. Als je blessures onderzoekt, moet je niet alleen kijken naar het aantal atleten, maar ook het aantal blessures. Daar heb je er honderden van nodig.”
Hopkins wil de statistiek praktisch bruikbaar maken voor de sportwereld: “In plaats van te constateren dat het verband tussen een factor en de prestatie al dan niet significant is, berekenen ik de kans dat de factor een positief effect heeft, de kans dat de factor een negatief effect heeft en de kans dat het effect verwaarloosbaar is. De waarschijnlijkheid is gebaseerd op een steekproef. Als je uitkomt op een kans van 25 procent dat iets een positief effect heeft, en slechts 0,3 procent dat het een negatief effect heeft, dan zou ik het maar proberen. Wij werken dus nog altijd met P-waarden, maar in dit geval zijn het P-waarden die er in de echte wereld toe doen. Een traditionele statisticus was in dit geval niet verder gekomen dan de conclusie dat het effect statistisch niet significant was.”
Magnitude Based Inference
Hopkins gaat ook op zoek naar de mogelijke omvang die factoren zouden kunnen hebben op sportprestaties. “Twintig jaar geleden heb ik samen met John Hawley en Louise Burke een methode ontwikkeld waarbij we veranderingen konden inschatten die ter zake doen voor topatleten. Topsport gaat het om het winnen van medailles. Als we de omvang van het effect van een factor willen meten, kijken we naar de omvang van de medailleoogst. Als iemand eerst vier medailles won op tien wedstrijden en hij wint er daarna vijf uit tien, noemen we dat een kleine, maar substantiële verbetering. We kunnen kijken welke verbeteringen iemand nodig heeft in tijd of afstand om meer medailles te oogsten, maar in andere sporten, zoals wielrennen, moet je niet kijken naar de tijd. Dan hebben we andere manieren om de klassering te analyseren.”
"Het is een geweldig instrument om aan de slag te gaan met de methoden die ik zal bespreken"
Tijdens de seminars op Papendal en in zijn lezing in Utrecht zal Hopkins aan de hand van voorbeelden dieper ingaan op deze twee statistische analysemethoden en op methoden om analyses op te stellen aan de hand van gemengde analysemodellen. Daarnaast wil hij laten zien hoe sportwetenschappers bij die modellen gebruik kunnen maken van de SAS-software. “Ik ben daar erg enthousiast over. Ik promoot het niet omdat ik er iets aan verdien. Het is open acces software. Je kunt het benaderen van een gewone internetbrowser en het is een geweldig instrument om aan de slag te gaan met de methoden die ik zal bespreken.”
Voor meer informatie over het werk van Will Hopkins: klik hier. Om in te schrijven voor het seminar klik hier (zie formulier onderaan)