Summary
Statistiek - Data-Analyse: Samenvatting
- Course
- Institution
Samenvatting van alle kennisclips SPSS colleges
[Show more]
2 reviews
By: MBGZHZ • 3 year ago
By: lien_dhondt • 5 year ago
Seller
Follow
jorisverhoevenugent
Reviews received
Content preview
Samenvatting toetsenHistogram (is variabele normaal verdeeld?):
- Analyze < descriptives statistics < frequencies < charts < ‘Show nrml curve’ aanklikken
- Graphs < legacy dialogs < histogram < display normal curve
Boxplot:
- Analyze < descriptives statistics < explore
- Graphs < legacy dialogs < boxplot < simple < define < summaries of separated variables
Correlatie:
= verband tss 2 KWANTITATIEVE variabelen
Hoe? Analyze < correlate < bivariate < Pearson
Rapportage: Correlatiecoefficient (afronden tot 2 decimalen)
P waarde (Indien P niet sign, besluit: er is geen verband)
(Indien P wel sign, besluit: er is een significant neg/pos verband)
Voorbeeld:
2 testen vergelijken, de veldtest en de labotest. Is er een verband tussen hen? Bij elke test zijn er
scores op 20.
Kruistabellen en chi-kwadraten:
= verband tss 2 KWALITATIEVE variabelen
Hoe? - Analyze < descriptives statistics < crosstabs
- Data < weight cases < weight cases by en dan analyze < descript stat < crosstabs
Rapportage: Pearson Chi- Square Value
P waarde (Indien P wel sign, besluit: tabel interpreteren)
(Indien P niet sign, tabel niet interpreteren, besluit: er is geen verband)
Let op: Bij onvoldoende aantallen (minder dan 5) per cel cellen samenvoegen !
,Voorbeeld:
Is er een verband tussen het aantal uren tv en de BMI?
Zowel uren tv als BMI is gecategoriseerd waardoor dezez kwalitatief zijn.
T-toetsen:
= verschil tss 1 KWANTITATIEVE en 1 KWALITATIEVE variabele (gemiddelden vergelijken)
Hoe? - Analyze < Compare Means < independent samples t-test
- Analyze < Compare Means < paired- sample t-test (VOOR en NA)
- Analyze < Compare Means < one-sample t-test (VASTE WAARDE/ NORM)
Rapportage: Gemiddelde(n) & standaardafwijking(en)
t waarde(n)
P waarde(n)
Voorbeeld:
Een onderzoeker wil nagaan of tennissers zich beter kunnen concentreren dan voetballers.
F-toetsen = One-way anova:
= verschil tss 1 KWANTITATIEVE en 1 KWALITATIEVE (die bestaat uit meer dan 2 groepen)
Hoe? - Analyze < Compare Means < One-way Anova < Dependent en Factor invullen
< options: ‘descriptives’ en ‘homogenity of variances’ aanklikken
F- toets
Geen hypothese Wel hypothese
Levenes niet Sign Levenes SIGN Levenes NIET sign Levenes SIGN
F sign F niet sign non param
POST HOC geen verschil CONTRAST CONTRAST
(Turkey/Scheffe) equal variances not assume equal
,Rapportage: F waarde
P waarde
(t waarde)
Voorbeeld:
Sporten kinderen uit hogere sociale klasse meer? Er zijn 4 soorten sociale klassen.
Two-way anova:
= verschil tss 1 KWANTITATIEVE en 2 KWALITATIEVE variabelen
Je berekent : 2 hoofdeffecten + 1 interactieeffect + EVENTUEEL COVARIAAT
Hoe? 1) Analyze < General Linear Model < Univeriate < dependent en fixed factors invullen
2) plot opvragen (deze enkel interpreteren bij significant interactie effect)
3) bij ‘options’: klikken op ‘descriptives’
Rapportage: gemiddelden
F waarde en P waarde van de 2 hoofdeffecten
F waarde en P waarde van het interactieeffect
Plot (enkel als er een significant interactieeffect is)
Let op: Als je een kwalitatieve variabele hebt die bestaat uit 3 groepen of meer
post hoc test uitvoeren!
Voorbeeld:
Een onderzoeker wil nagaan of de fitheid van jongeren tss 14 en 18 jaar (Laag, Matig, Hoog) en het
geslacht (M of V) een verschil maakt op demate waarin jongeren zich kunnen concentreren op de
concentratietest (hoe hoger de score hoe beter de concentratie).
Repeated Measures anova:
= gemiddelden vergelijken zowel BETWEEN als WITHIN
Als je meerdere metingen van dezelfde variabele per persoon hebt.
Je berekent: 2 hoofdeffecten (keer Within en keer between)
1 interactieeffect (tussen Within en between)
Hoe? 1) Analyze < General Linear Model < Repeated Measures < within subject factor name invullen
2) Number of levels invullen (vb. 4 pogingen 4 levels)
3) Define
4) Between subject factor
5) eventueel covariaat toevoegen
6) bij ‘options’: descriptives aanklikken
Rapportage: Lambda: F waarde en P waarde van de hoofdeffecten
Lambda: F waarde en P waarde van het interactieeffect
Gemiddelden
Plot (alleen als er een significant interactieeffect is)
Let op: Als je 3 of meer groepen hebt post hoc test uitvoeren!
( als je niet op boxplot kan drukken, moet je gaan naar ‘options’ en dan ‘display means for’
en dan ‘Compare main effects’)
, Voorbeeld:
In een bedrijf krijgen 10 werknemers uit 3 personeelsgroepen een training in klantvriendelijkheid
(bedienden, arbeiders, kaderpersoneel). De onderzoeker wil nagaan of de werknemers vooruitgaan in
klantvriendelijkheid en of er specifieke groepen zijn die meer vooruit gaan dan andere.
(Vooruitgang van de pre naar de post test)
Lineaire regressie:
= voorspellen, verklaren van KWANTITATIEVE afhankelijke variabele (Y)
2 soorten: -Enkelvoudige LR: één x die Y zal verklaren
-Meervoudige LR: verschillende x-en die Y zullen verklaren
Hoe?: 1) Beschrijvende gegevens, zijn er uitbijters ?
2) Simple scatters maken van elke x met de y (je mag geen U-vorm zien)
3) Correlaties berekenen tussen de x-en (mag niet meer dan 0.60 zijn)
Indien > 0.60 die x-en correleren met de y de sterkste blijf
4) Analyze < regression < lineair < dependent en indepent invullen
Rapportage: Adjusted R square (...% van de variantie wordt verklaar door)
F waarde met bijhorende P waarde
t waardes met bijhorende P waarde
β waarden (grootste β heef grootste invloed)
B waarden (om vergelijking op te stellen: y= a + bx of y = a + bx + cx)
Voorbeeld:
Kunnen de scores op wiskunde, wetenschappen en Engels de totaalscores voorspellen?
Wisk, wet en Engels zijn de 3 X-en en de totaalscore is Y
Totaalscore is KWANTITATIEF
Logistische regressie:
= voorspellen, verklaren van KWALITATIEVE afhankelijke variabele (Y) die DICHOTOOM is
Hoe? 1) Analyze < regression < Binary Logistic < dependent en covariates invullen
2) bij ‘categrorical’: alle predictoren overbrengen, allemaal selecteren en op ‘First’ klikken en
dan op ‘Change’ klikken
3) bij ‘options’ : ‘CI 95%’ aanklikken
Rapportage: Lower en upper (als 1 er NIET in ligt significant ! )
Exp (B) van de significante predictoren (vb. 2.5 2.5 keer meer kans om...)
Let op: Als oddsratio < 1 : Analyse opnieuw uitvoeren maar alleen voor de desbetreffende
predictor aanduiden ‘last’ ipv ‘first’ interpretatie is dan wel anders !!
Voorbeeld:
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 jorisverhoevenugent. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.46. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
73091 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now