Samenvatting SPSS tentamen blok 2.2
Algemene informatie: 20 vragen waarbij je analyses moet uitvoeren en specifieke cijfers moet
noteren op het webformulier.
Oefenen kan met = het uitvoeren van basisanalyses uit de tutorials en SPSS-oefeningen, het vinden
van specifieke waarden in output en het oefenen met correcte afronding (2/3 decimalen).
De basisanalyses
Selecting cases
- Data → select cases → if condition is satisfied
- Select variabele = welke variable je wilt (filteren) en zet tussenhaakjes welke groep
Voorbeeld: groep = 2 OF inkomen >=10
Sort cases
- Volgorde bepalen van de data van de variabele
- Data → Sort cases → sort by → ascending (laag naar hoog) of descending (hoog naar laag)
Compute variabele
- Transform → compute variable → target variabele
- Voorbeeld: (… + … + …): … → Je ziet deze variabele terug in data view
MEAN (…, …, …, )
Recode into Same of Different Variables
- Recode into same variable (NIET doen omdat je originele data verdwijnt)
- Transform → recode into different variables → output variable → change → Old/new values
- Options:
Range Lowest thru 27 (=0 t/m 27)
Range through Highest (27.1 > )
Voorbeeld: frequencies bekijken. T-test of deze twee groepen van elkaar verschillen
(independent t-test).
Split file
- Analyse → descriptive statistics → frequencies → variable → statistics (dit geldt voor alle
participanten)
- Je wilt dit nu alleen voor 1 groep / categorie weten in de data (categorical variabele)
- Data → split file → compare groups → variable toevoegen → data is gesorteerd
- Analyse → descriptive statistics → frequencies → variable → statistics voor de twee groepen
die gesplitst zijn
Crosstabellen
- Aantal proporties van je groepen weergegeven in een tabel
- Analyse → descriptives statistics → crosstabels → row (onafhankelijk) / colom (afhankelijk)
(beinvloed alleen het aflezen)
Crosstabellen met percentages
- Analyse → descriptives statistics → crosstabels → row (onafhankelijk) / colom (afhankelijk)
(beinvloed alleen het aflezen) → Cells → percentages aanvinken los of alles bij elkaar
1
, Chi-Square
- 2 categorische variabele (nominaal)
- Analyse → descriptive statistics → crosstabs → row/kolom → count / expected count → chi-
square
- Expected: wat we zouden verwachten bij geen verband / Nulhypothese
Of observed waarde significant genoeg is om verband aan te tonen
Significant = de variabele is dependent
- De p-waarde kun je aflezen bij Asymp.Sig (2-sided)
- Te veel data dus maak frequentie variable → Data → weight cases → weight cases by..
Correlatie
- Pearson correlatie
- Nulhypothese: een variabele is NIET geasscocieerd met een andere variabele
- Interval /ratio meeteenheden
- Analyse → correlatie → bivariate → variabele toevoegen → pearson → flag significant
correlatie
- Pearson correlatie & Sig (2 tailed)
Simple regressie
- Regressie = voorspellen
- Analyse → Regression → lineair → independent / dependent → regressievergelijking
R = correlatie
R squared = verklaarde variantie (coefficient of determination). Hoeveel van de afhankelijke
variabele verklaard wordt door de onafhankelijke variabele. Hoe goed wordt de data
verklaard door de lijn?
Betere fit – R squared dichter naar 1
- Graphs → lecancy dialogs → scatterplot → X-as en Y-as → beeld van de correlatie (lineair of
niet)
- Graphs → bar → scatterplot → variable erin zetten → beeld van de correlatie (lineair of niet)
One-way ANOVA
- Een verschil tussen variabele
- Analyse → Compare means → One-way ANOVA → dependent/independent → aanvinken
wat je nog meer nodig hebt (bijvoorbeeld means plot)
- Leven’s level; niet significant = voldaan aan de assumptie dat de varianties gelijk zijn.
- F-waarde significant = uitvoeren Post hoc (paarsgewijs) om te zien waar het verschil inzit
Andere manier
- General linair model → univariate → dependent / independent (fixed factors) → aanvinken
wat je nodig hebt
Two-way ANOVA
- General linair model → univariate → dependent / independent (meerdere fixed factors) →
aanvinken wat je nodig hebt
> Assumpties bekijken: outliers, niet significant = normaal verdeeld, boxplot.
2
Algemene informatie: 20 vragen waarbij je analyses moet uitvoeren en specifieke cijfers moet
noteren op het webformulier.
Oefenen kan met = het uitvoeren van basisanalyses uit de tutorials en SPSS-oefeningen, het vinden
van specifieke waarden in output en het oefenen met correcte afronding (2/3 decimalen).
De basisanalyses
Selecting cases
- Data → select cases → if condition is satisfied
- Select variabele = welke variable je wilt (filteren) en zet tussenhaakjes welke groep
Voorbeeld: groep = 2 OF inkomen >=10
Sort cases
- Volgorde bepalen van de data van de variabele
- Data → Sort cases → sort by → ascending (laag naar hoog) of descending (hoog naar laag)
Compute variabele
- Transform → compute variable → target variabele
- Voorbeeld: (… + … + …): … → Je ziet deze variabele terug in data view
MEAN (…, …, …, )
Recode into Same of Different Variables
- Recode into same variable (NIET doen omdat je originele data verdwijnt)
- Transform → recode into different variables → output variable → change → Old/new values
- Options:
Range Lowest thru 27 (=0 t/m 27)
Range through Highest (27.1 > )
Voorbeeld: frequencies bekijken. T-test of deze twee groepen van elkaar verschillen
(independent t-test).
Split file
- Analyse → descriptive statistics → frequencies → variable → statistics (dit geldt voor alle
participanten)
- Je wilt dit nu alleen voor 1 groep / categorie weten in de data (categorical variabele)
- Data → split file → compare groups → variable toevoegen → data is gesorteerd
- Analyse → descriptive statistics → frequencies → variable → statistics voor de twee groepen
die gesplitst zijn
Crosstabellen
- Aantal proporties van je groepen weergegeven in een tabel
- Analyse → descriptives statistics → crosstabels → row (onafhankelijk) / colom (afhankelijk)
(beinvloed alleen het aflezen)
Crosstabellen met percentages
- Analyse → descriptives statistics → crosstabels → row (onafhankelijk) / colom (afhankelijk)
(beinvloed alleen het aflezen) → Cells → percentages aanvinken los of alles bij elkaar
1
, Chi-Square
- 2 categorische variabele (nominaal)
- Analyse → descriptive statistics → crosstabs → row/kolom → count / expected count → chi-
square
- Expected: wat we zouden verwachten bij geen verband / Nulhypothese
Of observed waarde significant genoeg is om verband aan te tonen
Significant = de variabele is dependent
- De p-waarde kun je aflezen bij Asymp.Sig (2-sided)
- Te veel data dus maak frequentie variable → Data → weight cases → weight cases by..
Correlatie
- Pearson correlatie
- Nulhypothese: een variabele is NIET geasscocieerd met een andere variabele
- Interval /ratio meeteenheden
- Analyse → correlatie → bivariate → variabele toevoegen → pearson → flag significant
correlatie
- Pearson correlatie & Sig (2 tailed)
Simple regressie
- Regressie = voorspellen
- Analyse → Regression → lineair → independent / dependent → regressievergelijking
R = correlatie
R squared = verklaarde variantie (coefficient of determination). Hoeveel van de afhankelijke
variabele verklaard wordt door de onafhankelijke variabele. Hoe goed wordt de data
verklaard door de lijn?
Betere fit – R squared dichter naar 1
- Graphs → lecancy dialogs → scatterplot → X-as en Y-as → beeld van de correlatie (lineair of
niet)
- Graphs → bar → scatterplot → variable erin zetten → beeld van de correlatie (lineair of niet)
One-way ANOVA
- Een verschil tussen variabele
- Analyse → Compare means → One-way ANOVA → dependent/independent → aanvinken
wat je nog meer nodig hebt (bijvoorbeeld means plot)
- Leven’s level; niet significant = voldaan aan de assumptie dat de varianties gelijk zijn.
- F-waarde significant = uitvoeren Post hoc (paarsgewijs) om te zien waar het verschil inzit
Andere manier
- General linair model → univariate → dependent / independent (fixed factors) → aanvinken
wat je nodig hebt
Two-way ANOVA
- General linair model → univariate → dependent / independent (meerdere fixed factors) →
aanvinken wat je nodig hebt
> Assumpties bekijken: outliers, niet significant = normaal verdeeld, boxplot.
2
