Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
Uitwerkingen practica 1 t/m 4 - Deeltoetsen PM Beschrijvende en inferentiële statistiek - Premaster Communicatiewetenschappen €6,49
Ajouter au panier

Notes de cours

Uitwerkingen practica 1 t/m 4 - Deeltoetsen PM Beschrijvende en inferentiële statistiek - Premaster Communicatiewetenschappen

 0 fois vendu
  • Cours
  • Établissement

Uitwerkingen practica 1 t/m 4 - Deeltoetsen PM Beschrijvende en inferentiële statistiek - Premaster Communicatiewetenschappen. Duidelijk overzicht met de stappen die per analyse uitgevoerd moeten worden. Inclusief voorbeelden van tabellen zodat het duidelijk is waar en hoe je de tabellen moet afle...

[Montrer plus]

Aperçu 4 sur 48  pages

  • 13 octobre 2022
  • 48
  • 2021/2022
  • Notes de cours
  • Jasper muis
  • Toutes les classes
avatar-seller
| Practicum 1: betrouwbaarheidsanalyse, factoranalyse en beschrijvende
analyse

Bij dit vak: ALTIJD op past drukken, NOOIT op ok → Dan kunnen ze je syntax niet lezen
Data open
File > Open > Data

Instelling
Edit > Option > apply
- Variable labels: Display names
- Output > Names and labels en variable and labels

Vraag 1. Hoe ziet de steekproef eruit?
a) Hoeveel mensen hebben deelgenomen aan het onderzoek?
i) Check data view > onderaan
b) Hoeveel mannen en hoeveel vrouwen? Geef ook percentages.
i) Data descriptions > Frequencies > Variabele: geslacht
c) Wat was de gemiddelde leeftijd? En de range?
i) Data descriptions > Descriptives > Leeftijd
d) Hoeveel missende waarden zijn er voor opleiding? Hoe is opleiding verder verdeeld
(in percentages)?
i) Data descriptions > Frequencies > Variabele: opleiding
e) Hoeveel deelnemers hebben een social media account?
i) Data descriptions > Frequencies > Variabele: SNS account

Vraag 2.
Frequentieanalyse
1) Analyze > Descriptive > Frequencies > Alle betreffende variabelen selecteren

Samenhang tussen twee items: correlatiematrix
1) Analyze > Correlate > Bivariate > Alle items selecteren
● Te veel correlaties? → Plak in Excel, zodat je de cellen makkelijk een kleur kan
geven
● Beoordelen sterkte correlatie → zwak (.1), middelmatig (.3), sterk (.5)
● Verbanden zijn significant wanneer p-waarde < 0.5

Vraag 3
Factoranalyse: zijn er meerdere factoren te onderscheiden en hoe interpreteren
1) Analyze > Dimension reduction > Factor
a) Descriptives → AAN: Coefficients en KMO
b) Extraction (method) → ‘Principal axis factoring’ en kies ‘Scree plot’
c) Rotation → AAN ‘Oblique rotatie (direct oblimin)’
d) Options → AAN ‘Exclude cases painwise’ and ‘sorted by size’ en ‘suppress
small coefficients, vul in bij below ‘.30’

● Pairwise = als respondent een vraag is vergeten, dan wordt deze niet verwijderd in
berekening, alleen die ene vraag doet dan niet mee.

, ● KMO criterium geeft aan of data adequaat is om factoranalyse op te doen. Geeft aan
of correlaties wel variëren. Moet boven den .7 zijn. Deze rapporteren bij
factoranalyse.

Criteria kiezen factoren die variantie verklaren (kijk bij Total Variance Explained)
1) Kaiser’s criterium
a) Je selecteert de variabelen die > 1, dit zijn de factoren. Deze factoren
verklaren meer variantie dan de andere variabelen.
2) Scree plot
a) Kijk naar de scree plot, waar zit de knik?
b) Knik - 1 = aantal factoren die variantie verklaren
c) In voorbeeld zag je dat de knik bij 3 zat, dus 3 - 1 = 2.

Pattern Matrix (geroteerde oplossing, beter interpreteerbaar dan factor matrix)
● SPSS kiest zelf de factoren die variantie verklaren
● Je interpreteert hier de factoren
● Factoren zijn losse items en die zeggen iets over de achterliggende factor. A.d.h.v.
hoge ladingen ga je die achterliggende factoren interpreteren (hoge lading = sterke
bijdrage aan factor)
● In voorbeeld zie je dat alle items negatieve gevoelens hebben bij factor 1, bij factor 2
zie je alle items over positieve gevoelens. Wijst erop dat de twee factoren apart
kunnen interpreteren als negatieve en positieve gevoelens. Je benoemt ze als mate
van negatieve en positieve gevoelens.
● Hangen beide factoren samen → check factor correlation matrix (.1 regel), dus ze
hangen nu niet samen -> zwak (.1), middelmatig (.3), sterk (.5)

Vraag 4
Betrouwbaarheidsanalyse
● Hercoderen als nummers niet dezelfde betekenis hebben → Pattern Matrix zien we
de clusters

1) Analyze > Scale > Reliability Analyze
a) Options → AAN ‘Correlations’ en ‘Scale if item deleted’

Vraag 5
Nieuwe schaal maken van twee clusters:
1) Transform > Compute Variable > Schaal aanmaken (in voorbeeld: positief en
negatief) > Function Group: klik ‘All’ > Functions and special variabelen klik ‘Mean’
● Gebruik maken van komma’s i.p.v. + voor de missing values → MEAN(SPANG1,SPANG4)


Vraag 6
Scree plot krijgt voorrang voor Kaiser, mits het interpreteerbaar is
● Als scree plot iets anders laat zien: bijv. 1 factor i.p.v. 2 factoren. → scree plot krijgt voorrang voor
Kaiser gebeuren

2) Analyze > Dimension reduction > Factor
a) Descriptives → AAN: Coefficients en KMO

, b) Extraction (method) → Principal axis factoring en kies Scree plot en kies
‘Fixed number of factors = 1’
c) Rotation → AAN oblique rotatie (direct oblimin)
d) Options → AAN ‘sorted by size’ en ‘suppress small coefficients, below ‘.30’

NOG 1 INVULLEN (laatste) DIE MIST IN TABEL

Reliability analyse
Checken of variabelen omgepoold moeten worden. Ja? →
Recode into different variables

Reliability analyse uitvoeren
● Als je een variabele eruit haalt voor een hogere cronbach alpha dan neem je deze
variabele verder ook niet mee.

Vraag 7
Stel je hebt adolescenten, volwassenen, en ouderen gevraagd van ze het nieuws volgen via
het journaal, de website van een nieuwsorganisatie, of social media (ze geven dus hun
voorkeur op door één van de categorieën te kiezen). Met welke toets kun je nagaan of er
een significante relatie bestaat tussen de drie groepen en hun manier van nieuws vergaren?

ANT: Chi-kwadraat

Vraag 8
Bedenk zelf een voorbeeld van een onderzoek waarbij een independent t-toets de meest
geschikte analyse zou zijn. Noem onafhankelijke en afhankelijke variabelen (doe dat altijd).

ANT:

Vraag 9

, | Practicum 2: regressieanalyse met mediatie

Let op: stel in SPSS de juiste opties in via ‘edit’ en ‘options’:
● Bij het tabblad 'general': klik op 'display names'
● Bij het tabblad ‘output labels’: zet alle labels op ‘names and labels’ en op ‘values and

Bij dit vak: ALTIJD op past drukken, NOOIT op ok → Dan kunnen ze je syntax niet lezen

Vraag 1
Vraag
Bekijk eerst hoe bovengenoemde schalen (variabelen) eruitzien door frequentieverdelingen
te draaien. Wat betekenen hoge/lage scores (hoef je niet te noteren)? Ga vervolgens na of
de zes variabelen onderling samenhangen. Voer deze analyse uit. Wat kun je hier (kort) over
zeggen?

Frequentieanalyse
1) Analyze > Descriptive statistics > Frequencies

Correlatieanalyse: hoe hangen de items met elkaar samen (samenhang)?
1) Analyze > Correlate > Bivariate > Alle items selecteren
● Beoordelen sterkte correlatie → zwak (.1), middelmatig (.3), sterk (.5)
● Verbanden zijn significant wanneer p-waarde < 0.05

Schrijf in je antwoord op of er (geen) samenhang is tussen de twee items en of dit een
zwakke, middelmatige of sterke samenhang is.

Antwoord
Als je de correlaties bekijkt, dan zie je al dat bijna alle variabelen matig (r = -.29, p< .001) tot
sterk (r = .74,p< .001) met elkaar correleren. Alleen de variabelen positieve/negatieve
emoties hebben geen significante correlatie met elkaar.
● Als je een negatieve correlatie hebt dan kan je dat als volgt interpreteren: hoe hoger
je score op het item in het kolom, hoe lager je score op het item in de rij. (In
voorbeeld: hoe hoger je zelfvertrouwen, hoe lager je score op negatieve gevoelens →
vanwege negatieve correlatie. Hoe hoger je zelfvertrouwen, hoe hoger je score op
positieve gevoelens → vanwege positieve correlatie).

Vraag 2
Vraag
Je wilt nu toetsen in hoeverre uiterlijk zelfvertrouwen (Y) voorspeld kan worden door de mate van
bewerkte en authentieke zelfpresentatie (X). De verwachting is dat beide uiterlijk zelfvertrouwen
zullen voorspellen, maar dat bewerkte zelfpresentatie meer variatie in uiterlijk zelfvertrouwen
zal verklaren dan authentieke zelfpresentatie. Voer deze analyse uit door middel van een
multipele regressie-analyse.

Les avantages d'acheter des résumés chez Stuvia:

Qualité garantie par les avis des clients

Qualité garantie par les avis des clients

Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.

L’achat facile et rapide

L’achat facile et rapide

Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.

Focus sur l’essentiel

Focus sur l’essentiel

Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.

Foire aux questions

Qu'est-ce que j'obtiens en achetant ce document ?

Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.

Garantie de remboursement : comment ça marche ?

Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.

Auprès de qui est-ce que j'achète ce résumé ?

Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur amberengelbracht. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour €6,49. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

68175 résumés ont été vendus ces 30 derniers jours

Fondée en 2010, la référence pour acheter des résumés depuis déjà 15 ans

Commencez à vendre!
€6,49
  • (0)
Ajouter au panier
Ajouté