Worked example 1
Normaliteit beoordelen
➔ Skeweness: 0 → normale verdeling
◆ Wanneer SE 2x in skeweness past, dan is de skeweness significant en dus geen
normale verdeling
◆ Wanneer SE minder dan 2x in skeweness past, dan is de skeweness niet significant
en dus wel een normale verdeling
➔ Kurtosis (piekigheid): positief getal → piekig
◆ Wanneer SE 2x in kurtosis past, dan is de kurtosis significant en dus geen normale
verdeling
◆ Wanneer SE minder dan 2x in kurtosis past, dan is de kurtosis niet significant en dus
wel een normale verdeling
➔ Test of normality: Kolmogorov-Smirnov test
◆ Significant → geen normale verdeling
◆ Niet significant → normale verdeling
Percentielrank vs P-waarde
➔ Overeenkomst: beide scores geven een indicatie van het percentage mensen die dezelfde
score of lager hebben behaald
➔ Verschil: kan je uitgaan van een normaalverdeling in de populatie?
◆ Nee → Percentiel: alle ruwe scores zonder assumptie over de verdeling
◆ Ja → P-waarde: gebruik van M en SD van de ruwe scores met assumptie van een
normaalverdeling
➔ Bij een normaal verdeling: de percentiel rank is gelijk aan de P-waarde
➔ De voorkeur gaat uit naar het gebruiken van de P-waarde, want deze wordt niet beïnvloed
door de sample
T-score vs T-normscore
➔ T-scores zijn gestandaardiseerd
◆ T-scores zijn berekend aan de hand van de Z-score (gestandaardiseerde score)
◆ Verdeling
● Z-score: dezelfde verdeling als de verdeling van de ruwe scores
● T-score: lineaire transformatie van Z-score → dezelfde verdeling als de
verdeling van de ruwe scores
○ Is alleen normaal, als je Z-score ook normaal was
○ Z-score niet normaal → T-score ook niet!
○ Z-score wel normaal → T-score ook
➔ T-normscores zijn gestandaardiseerd en genormaliseerd
◆ Niet lineaire transformatie van de gestandaardiseerde scores: assumptie van een
normaalverdeling wat ervoor zorgt dat de verdeling meer gaat lijken op een
normaalverdeling (maar niet perse normaal is)
➔ Genormaliseerde scores hebben de voorkeur omdat we dan voldoen aan de assumptie dat de
populatie normaal verdeeld is
1
, Worked example 2
Methodes van dimensionaliteit onderzoeken (factoren)
➔ Kijk altijd naar je theorie om het aantal factoren vast te stellen aan de hand van je data
Methode +inhoud Nadelen Voordelen
Allen: gebaseerd op data en niet op
theorie
Total variance explained (beste) Niet gevoelig voor aantal items
★ Kijk wanneer de verschillen tussen opeenvolgende
varianties heel klein zijn
★ Factoren = aantal wanneer het verschil nog wel groot is!
Eigenvalue groter dan 1 Gevoelig voor aantal items: meer items →
meer kans dat items > 1
Screeplot Niet altijd even duidelijk Makkelijker kijken dan in tabel (total
★ Kijk wanneer de screeplot plat wordt variance)
Unrotated vs rotated solution: factor loading
➔ Unrotated (factor matrix)
◆ Items hebben de grootste loading op de eerste factor
◆ Geen correlatie tussen factoren
➔ Rotated (orthogonaal/rotated factor matrix)
◆ Gebruik van varimax rotatie → item heeft grote loading op 1 factor en lage loading op
andere factor ( =simple structure)
◆ Geen correlatie tussen factoren
Non-orthogonaal
➔ Rotatie leidt niet tot meer verklaarde variantie
◆ Initial eigenvalues blijven hetzelfde
◆ Variantie wordt beter verdeeld (elke factor krijgt nu een aparte taak om iets te
verklaren)
➔ Wel correlatie tussen factoren (gebeurt vaak in gedragswetenschappen)
Worked example 3
Vormen van betrouwbaarheid schatten
➔ Parallelle testen
◆ Betrouwbaarheid = correlatie tussen 2 alternatieve metingen van een test
◆ Definitie
● Twee testen zijn parallel als ze verschillende sets van items gebruiken om
hetzelfde psychologische construct te meten
● Hetzelfde niveau van variantie in meetfouten
● Geen leereffect
● Correlatie van de test is gelijk aan de betrouwbaarheid van testscores
◆ Soorten
● Test-retest: dezelfde test 2x afnemen bij een participant
● Alternate forms: parallelle testen
➔ Internal consistency (1 test, 1 meetmoment)
◆ Betrouwbaarheid wordt beïnvloed door
● Correlatie tussen items: hoe hoger → hoe betrouwbaarder
2
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 EFT, 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 this summary from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller xuanverhagen. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy this summary for $7.50. You're not tied to anything after your purchase.