Class notes
Data-analyse in SPSS
- Course
- Institution
- Book
Alle stappen worden beschreven die je moet volgen in SPSS om tot het juiste antwoord te komen!
[Show more]
Connected book
Book Title:
Author(s):
- Edition:
- ISBN:
- Edition:
More summaries for
-
Summary statistics (premaster TISEM)
-
SPSS Guideline and Hypotheses Testing for Regressions
-
Samenvatting: Data-Analyse
2 reviews
By: EmmaHeesen • 1 year ago
By: Jozefinho • 2 year ago
??? Nonsense! nothing important comes in at all?!
Seller
Follow
lisaUVT
Reviews received
Content preview
Data analyse in SPSSWeek 6 Chapter 22
Non-linearity:
- Estimate the original model
o Analyse regression linear
o Save unstandardized predicted values
- Square unstandardized predicted values
o Transform compute variable predicted values * predicted values
- Add them to the model
o Make second model enter PRE_2
o Hebt dus oorspronkelijke model en model met PRE_2 in één model!
De gamma kwadraat zelf niet opnemen, dit is namelijk een hulpmodel. Gamma kwadraat neemt de
variabelen in het kwadraat op en interactietermen (zie schrift).
Kan dus nadenken of er een variabele in het kwadraat of een interactieterm opgenomen moet
worden. Uitbreidingen kun je uiteindelijk toetsen met een F-toets.
Nooit dummy variabelen in het kwadraat 0 keer 0 = 0 en 1 keer 1 = 1.
Heteroskedasticity:
- Estimate original model
o Analyse regression linear
o Save unstandardized residuals
- Square unstandardized residuals
o Transform compute variable unstandardized residuals * unstandardized
residuals
- Regresseer de RES_2 op de X’en die al in de vergelijking zaten.
o Oorspronkelijke model: Y op X
o Wat je nu gaat doen: squared unstandardized residuals op X
- H0: gamma1 = gamma2 = 0 vs. H1: gamma1 ≠ 0 en/of gamma2 ≠ 0
o Dit is voor Aux. model 1 het hulpmodel!
o F-toets
Als we te maken hebben met heteroskedasticiteit de standaardfouten zijn niet goed.
Analyse regression linear kijken naar oorspronkelijke model, dus Y op X bootstrap
perform bootstrapping number of samples = 1000 (hoe meer samples, hoe beter het wordt).
Dependence of the error terms, autocorrelation:
Analyse regression linear Y op X (oorspronkelijk model).
Save unstandardized residuals
Transform compute variable LAG_RES
Analyse regression linear unstandardized residual op LAG_RES.
, Week 8 Chapter 24
The case of complete specification:
- Transform compute variable c1 = IDF.NORMAL(kans (bv. ¼), mu, standaard deviatie).
c2 = IDF.NORMAL(kans (bv. 2/4), mu, standaard deviatie).
c3 = IDF.NORMAL(kans (bv. ¾), mu, standaard deviatie).
o Transform recode into different variables… onder het kopje numeric variable
naar output variable zet je X name = cell change old and new values new
value = 1 old value = range, LOWEST through value en dan hier waarde invullen
add.
Als waarde ertussen in zit of voor de laatste range …. through ….
Nog wat anders all other values.
Dit doen voor elke klasse! continue OK.
ÓF
o Transform compute variable 1 + (x>c1) + (x>c2) + (x>c3)
- Analyse descriptive statistics frequencies variables = cell/klassen.
Chi-square test:
Analyse nonparametric tests legacy dialogs chi-square test variable list = cell/klassen
all categories equal OK.
Kan ook zo zijn dat alle categorieën niet gelijk aan elkaar zijn values (dit zijn de verwachte
waarden, de e’s. e = n*p). Deze moeten op volgorde worden ingevuld OK.
Wanneer er een soort frequentie tabel is gegeven:
Data weight cases weight cases by frequency OK.
Analyse descriptive statistics frequencies variables = class/cell OK.
Analyse nonparametric tests legacy dialogs chi-square test variable list = cell/klassen
all categories equal OK.
The case of incomplete specification:
- Analyse descriptive statistics descriptives.
o Weet je X gemiddeld, mu en de variantie. Deze vul je hier beneden in bij c1…c3…
- Transform compute variable c1 = IDF.NORMAL(kans (bv. ¼), mu, standaard deviatie).
c2 = IDF.NORMAL(kans (bv. 2/4), mu, standaard deviatie).
c3 = IDF.NORMAL(kans (bv. ¾), mu, standaard deviatie).
- Transform compute variable cell = 1 + (x>c1) + (x>c2) + (x>c3)
- Analyse nonparametric tests legacy dialogs chi-square test variable list =
cell/klassen all categories equal OK.
- Transform compute variable critical value = IDF.CHISQ(prob (gaat uit van rechterkant),
df)
ÓF
- Transform compute variable pvalue = 1- CDF.CHISQ(g, df)
o Is een andere pvalue dan die SPSS aangeeft in de output van de chi test.
Tests for independence:
- Analyze descriptive statistics crosstabs vul voor rij en kolom een variabele in OK.
- Analyze descriptive statistics crosstabs cells observed is al aangevinkt, ook
expected aanvinken OK.
- Analyze descriptive statistics crosstabs statistics chi-square OK.
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller lisaUVT. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $4.28. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
53022 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now