100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
logo-home
Samenvatting Multivariate Data-Analyse $4.86   Add to cart

Summary

Samenvatting Multivariate Data-Analyse

 315 views  19 purchases
  • Course
  • Institution

Korte samenvatting: per hoofdstuk theorieschets wat je moet ingeven in SPSS hoe je de output moet interpreteren. Hoofdstuk structurele vergelijkingsmodellen niet inbegrepen. Gemaakt op basis van het handboek en de filmpjes van de WPO's.

Preview 3 out of 17  pages

  • June 12, 2019
  • 17
  • 2018/2019
  • Summary
avatar-seller
Samenvatting MDA
Verkennen van data
Theorie
Interne consistentie van een vragenlijst:

METHODE 1:

 Likertschaal maken  nieuwe variabele berekenen in SPSS door de som te nemen van alle
scores van de items in je schaal
 Zorg ervoor dat alle items in dezelfde richting gecodeerd werden
 Vraag een correlatiematrix op van de alle items en de nieuwe variabele om te kijken welke
items ermee samenhangen. Als je een sterk negatieve correlatie hebt, stond de variabele in
de andere richting gecodeerd

METHODE 2:

 Eerst interne consistentie onderzoeken via reliability analysis
 Je krijgt de Cronbach’s alpha en de Cronbach’s alpha als je het item zou verwijderen
 Het item dat, door het te verwijderen, de grootste stijging van Cronbach’s alpha geeft, moet
je effectief verwijderen
 Deze werkwijze herhalen tot:
 Cronbach’s alpha optimaal is = niet verder zou stijgen door een volgend item te
verwijderen
 Cronbach’s alpha voldoende hoog geacht wordt

Correlaties: door de correlatie r te kwadrateren, krijg je het procent verklaarde variantie. Vanaf een
correlatie van 0.7 spreken we van een sterke correlatie. Let op voor uitschieters!

Buitenbeetjes en uitschieters (outliers en extremes): je kan deze verwijderen (als het atypische
gevallen zijn) of behouden worden (als je een representatieve steekproef hebt, om de
betrouwbaarheidsintervallen niet te overschatten).

Ontbrekende data: (we krijgen op examen altijd volledige datafiles)

 Complete case (optie listwise): ontbrekende waarnemingen worden buiten beschouwing
gelaten. Meest toegepaste wijze, als de missing values niet systematisch ontbreken
 Je gaat dus best na of de missing values systematisch ontbreken door een t-test tussen
respondenten met ontbrekende values en andere respondenten voor een andere variabele.
 Pairwise deletion: per analyse worden alle deelnemers beschouwd waarvoor alle
beschouwbare variabelen beschikbaar zijn  voordeel = telkens maximale hoeveelheid
beschikbare data worden verwerkt. Nadeel  elke analyse heeft een wisselende groep
deelnemers (min of meer toevallig)
 Ontbrekende data vervangen = imputatie: ontbrekende data vervangen door:
 Vervangende en vergelijkbare cases
 Gemiddelde waarde
 Geschatte waarde door regressie
 Meervoudige imputatie: eenzelfde case wordt meerdere keren ingevoerd met
telkens een verschillende antwoordmogelijkheid


1

,Werkhypothesen:

 Lineariteit: nagaan via correlatie, scatterplot
 Normaliteit: nagaan via de Kolomogorov-Smirnov, nadeel = kleine steekproeven vaak
normaal en grote steekproeven niet vaak normaal  kijken naar grafieken:
 Normal Q-Q plot = normaal-kwantiel diagrammen (meetwaarden standaardiseren)
 waarnemingen rond de diagonaal wijst op normaliteit. Daaronder staat in SPSS de
detrended normal Q-Q plot, waar je kan zien of de waarneming boven of onder de
normaalverdeling liggen
 Normal probability plot = P-P plot  werkt met cumulatieve frequenties. Opnieuw
moeten de waarnemingen rond de diagonaal liggen voor normaliteit, met daaronder
een grafiek die aangeeft of de waarnemingen boven of onder normaalverdeling
liggen
 Histogram
 Homoscedasticiteit: gelijke spreiding  zijn de varianties in de vergeleken populaties
ongeveer gelijk? Nagegaan via Levene’s test for equality of variances. Ook hier: nadeel =
kleine steekproeven vaak normaal en grote steekproeven niet vaak normaal  kijken naar
grafieken:
 Boxplot: kijken naar interkwartielafstand en (in mindere mate) variatiebreedte
 Spreidingsdiagram of scatterplot: parallellogramvorm wijst op homoscedasticiteit

Robuustheid: wanneer de werkhypothesen niet voldaan zijn, kan men kijken naar de robuustheid om
te bepalen of bepaalde analyses mogen uitgevoerd worden. Robuustheid = ongevoelig zijn voor
afwijkingen van de werkhypothesen.

SPSS
Analyze  descriptive statistics  descriptives om te kijken naar de ‘standaard’ beschrijvingen
zoals gemiddelde en standaardafwijking

Analyse  descriptive statistics  explore om een uitgebreider overzicht te krijgen

Graphs  legacy dialogs  boxplot (simple – summaries for groups of cases) om je data in 2
groepen te verdelen en daarvan de boxplot op te vragen

Transform  compute om een Likertschaal aan te maken  SUM(item1 to item100)

Analyse  correlate  bivariate om een correlatiematrix op te vragen of zelf syntax aanmaken. Typ
in: CORRELATIONS item1 TO item100 WITH score.

Analyze  scale  reliability analysis om interne consistentie te meten  vink bij statistics
descriptives, item, scale en scale if item deleted aan

Analyze  nonparametric tests  legacy dialogs  1 sample K-S om de normaliteit na te gaan

Analyze  descriptive statistics  Q-Q plots om de normaal-kwantiel plot op te vragen

Analyze  descriptive statistics  P-P plots om de normal probability plot op te vragen

Graphs  legacy dialogs  histogram om histogram op te vragen (display normal curve)

5% trimmed mean = gemiddelde als de 5% extreemste waarden niet meegeteld worden.




2

, Likertschaal aanmaken:

1. Nagaan of de variabelen in dezelfde richting gecodeerd zijn en interne consistentie checken
via reliability analysis (scale & scale if item deleted opvragen)
2. Hercoderen van de in de verkeerde richting gecodeerde variabelen: transform  decode
into different variables, waarbij system-or-user missing  system missing worden
3. Cronbach’s alpha herberekenen met de gehercodeerde variabelen
4. Likertschaal aanmaken: transform  compute:
 Som van de variabelen
 Gemiddelde van de variabelen: houdt rekening met aantal missings




3

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

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

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

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 SophieDC. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $4.86. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

67866 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 14 years now

Start selling
$4.86  19x  sold
  • (0)
  Add to cart