Video’s
Week 1
Video 1: the basics why we test
Wat is een p-value?
- De p-value is de kans dat je een verschil vindt, als je aanneemt dat de null-hypothese waar is.
Als er geen effect is dan is de kans onwaarschijnlijk.
- Je moet altijd de p-value vertellen die je hebt gevonden en niet zeggen groter of kleiner dan
5%. Tenzij het kleiner is dan 0.000.
Stel je hebt p = .071
- Dan betekent dit niet dat er een klein effect is, maar dat je een effect hebt gevonden.
- Dit betekent niet als je meer respondenten hebt dat het wel significant is op basis van 10%.
Standard deviation
De standard deviation is ongeveer wat de gemiddelde persoon afwijkt van het gemiddelde.
Formule:
Voorbeeld:
Met een normale distributie is dit de standard deviation:
,Video 2: the t-test
The independent samples
Als je een verschil opmerkt tussen 2 groepen, wat maakt het zekerder dat er een echt verschil is?
- Een groter verschil tussen de groepen.
- Minder variatie tussen individuelen in de groep.
- Een grotere sample.
Minder variatie en een grotere sample maken de uitkomsten meer accuraat.
Formule (inequal variances assumed):
- Een groter verschil tussen gemiddelden geeft een grotere t-value.
- Een kleinere variatie geeft een grotere t-value.
- Een grotere sample geeft een grotere t-value.
Voorbeeld:
Effect size in t-test
Voor het effect size willen we weten hoeveel van de variatie is verklaard.
- De variatie is de standard deviation (de pooled version): het gewogen gemiddelde van de SD
voor iedere conditie.
- Het verschil tussen de gemiddeldes kan he verklaren.
De effect size voor de t-test is de Cohen’s d:
De formule is het verschil in Means gedeeld door de SD. De d laat zien hoeveel standard deviations
de gemiddeldes van de twee groepen van elkaar verschillen.
Hoe report je een t-test?
Respondenten die een loterijticket hebben ontvangen waarop ze het nummer zagen hebben meer
spijt over het wisselen met iemand anders (M = 4.17, SD = 1.91) vergeleken met respondenten die
het nummer niet konden zien (M = 3.56, SD = 1,94, t(228) = 2.41, p = .017, d = .032).
, Wat betekent Cohen’s d (Cohen, 1988):
- 0.20 = Small
- 0.50 = Medium
- 0.80 = Large
De docent is hier niet dol op. Hij wilt liever dat je de effect size aangeeft zodat de lezer zelf kan
oordelen.
Het verschil tussen de t-test en de Cohen’s d
Het verschil is dat bij de t-test de steekproef grootte in de formule zit.
Let op: bij de Cohen’s d is de sample size even groot tussen de groepen, daarom is dit meenemen
niet nodig. De steekproef grootte heeft geen invloed op de effect size.
Assumpties voor t-test (en ANOVA)
1. De data is random van de populatie (between en within groups). -> belangrijk
2. De DV is interval of ordinal.
3. De data is normaal verdeeld (normal distributed).
4. Variance in de condities zijn ongeveer gelijk
Nummer 1 is belangrijk. Als de sample size groot genoeg is dan maken 2-4 niet zo erg uit. Wel altijd
de data inspecteren naar outliers of andere opvallende dingen.
Samengevat:
- Gebruik de independent sample t-test om de verschillen tussen 2 groepen te meten.
- Gebruik het niet als de IV niet categorical is maar bijvoorbeeld een scale. Dan moet je een
andere test doen.
- Bij meer dan 2 groepen moet je ANOVA gebruiken.
Week 1
Video 1: the basics why we test
Wat is een p-value?
- De p-value is de kans dat je een verschil vindt, als je aanneemt dat de null-hypothese waar is.
Als er geen effect is dan is de kans onwaarschijnlijk.
- Je moet altijd de p-value vertellen die je hebt gevonden en niet zeggen groter of kleiner dan
5%. Tenzij het kleiner is dan 0.000.
Stel je hebt p = .071
- Dan betekent dit niet dat er een klein effect is, maar dat je een effect hebt gevonden.
- Dit betekent niet als je meer respondenten hebt dat het wel significant is op basis van 10%.
Standard deviation
De standard deviation is ongeveer wat de gemiddelde persoon afwijkt van het gemiddelde.
Formule:
Voorbeeld:
Met een normale distributie is dit de standard deviation:
,Video 2: the t-test
The independent samples
Als je een verschil opmerkt tussen 2 groepen, wat maakt het zekerder dat er een echt verschil is?
- Een groter verschil tussen de groepen.
- Minder variatie tussen individuelen in de groep.
- Een grotere sample.
Minder variatie en een grotere sample maken de uitkomsten meer accuraat.
Formule (inequal variances assumed):
- Een groter verschil tussen gemiddelden geeft een grotere t-value.
- Een kleinere variatie geeft een grotere t-value.
- Een grotere sample geeft een grotere t-value.
Voorbeeld:
Effect size in t-test
Voor het effect size willen we weten hoeveel van de variatie is verklaard.
- De variatie is de standard deviation (de pooled version): het gewogen gemiddelde van de SD
voor iedere conditie.
- Het verschil tussen de gemiddeldes kan he verklaren.
De effect size voor de t-test is de Cohen’s d:
De formule is het verschil in Means gedeeld door de SD. De d laat zien hoeveel standard deviations
de gemiddeldes van de twee groepen van elkaar verschillen.
Hoe report je een t-test?
Respondenten die een loterijticket hebben ontvangen waarop ze het nummer zagen hebben meer
spijt over het wisselen met iemand anders (M = 4.17, SD = 1.91) vergeleken met respondenten die
het nummer niet konden zien (M = 3.56, SD = 1,94, t(228) = 2.41, p = .017, d = .032).
, Wat betekent Cohen’s d (Cohen, 1988):
- 0.20 = Small
- 0.50 = Medium
- 0.80 = Large
De docent is hier niet dol op. Hij wilt liever dat je de effect size aangeeft zodat de lezer zelf kan
oordelen.
Het verschil tussen de t-test en de Cohen’s d
Het verschil is dat bij de t-test de steekproef grootte in de formule zit.
Let op: bij de Cohen’s d is de sample size even groot tussen de groepen, daarom is dit meenemen
niet nodig. De steekproef grootte heeft geen invloed op de effect size.
Assumpties voor t-test (en ANOVA)
1. De data is random van de populatie (between en within groups). -> belangrijk
2. De DV is interval of ordinal.
3. De data is normaal verdeeld (normal distributed).
4. Variance in de condities zijn ongeveer gelijk
Nummer 1 is belangrijk. Als de sample size groot genoeg is dan maken 2-4 niet zo erg uit. Wel altijd
de data inspecteren naar outliers of andere opvallende dingen.
Samengevat:
- Gebruik de independent sample t-test om de verschillen tussen 2 groepen te meten.
- Gebruik het niet als de IV niet categorical is maar bijvoorbeeld een scale. Dan moet je een
andere test doen.
- Bij meer dan 2 groepen moet je ANOVA gebruiken.
