Statistiek B: rapportage - interpretatie
Nulhypotheses en p-waarden
H0 = er is geen verschil ↔ H1 = er is wel een verschil
P-waarden
P < 0,05: kans dat H0 opgaat in de populatie is kleiner dan 5%. Het is statistisch significant.
o H0 verwerpen, H1 aannemen
P > 0,05: kans dat H0 opgaat in de populatie is groter dan 5%. Het is niet statistisch
significant.
o H0 niet verwerpen
H2: kruistabellen
chisq.test(Tabel) en chi.kwadraat.test(Tabel)
Chi²: H0 = in de populatie is er geen verband tussen de variabelen
H3: t-test
leveneTest()
Gelijke binnengroepvar: H0 = in de populatie is er geen verschil in binnengroepvarianties
tussen de groepen
summary(Model)
H0 = in de populatie is er geen verschil in gemiddelde scores tussen de groepen. Er is geen
verschil in Y afhankelijk voor X
H4: anova
leveneTest()
Gelijke binnengroepvar: H0 = in de populatie is er geen verschil in binnengroepvarianties
tussen de groepen
summary(Model)
H0 = in de populatie is er geen verschil in gemiddelde scores tussen de groepen. Er is geen
verschil in Y afhankelijk voor X
TukeyHSD() of Bonferroni()
H0 = in de populatie is er geen verschil in gemiddelde scores tussen de twee groepen
H5: correlaties
1
,cor.test()
Correlatie: H0 = in de populatie is de correlatiecoëfficiënt 0. Er is dus geen samenhang tussen
de variabelen.
H6: bivariate regressie
summary(Model)
Intercept : H0 = in de populatie bedraagt het intercept 0
Slope: H0 = in de populatie bedraagt de slope 0. X heeft dus geen invloed op Y
R²: H0 = in de populatie verklaard het model geen deel van de variantie in Y
H8: multivariate regressie
summary(Model)
Intercept : H0 = in de populatie bedraagt het intercept 0
Slope: H0 = in de populatie bedraagt de slope 0. X heeft dus geen invloed op Y
R²: H0 = in de populatie verklaard het model geen deel van de variantie in Y
anova(Model1, Model2)
RSS: H0 = in de populatie bedraagt het verschil in RSS 0. We verwachten dus geen verschil in
RSS tussen de modellen in de populatie
H10: regressie als lingua franca
summary(Model)
Intercept : H0 = in de populatie bedraagt het intercept 0
Slope: H0 = in de populatie bedraagt de slope 0. X heeft dus geen invloed op Y
R²: H0 = in de populatie verklaard het model geen deel van de variantie in Y
Interactie: H0 = in de populatie bedraagt het interactie-effect 0. We verwachten dus geen
interactie tussen X1 en X2/D
anova(Model1, Model2)
RSS: H0 = in de populatie bedraagt het verschil in RSS 0. We verwachten dus geen verschil in
RSS tussen de modellen in de populatie
2
, H2: Kruistabellen
Kruistabel aanmaken
Tabel<-table(variabele1, variabele2)
o Variabele 1 = rij afhankelijke variabele, meeste cat
o Variabele 2 = kolom onafhankelijke variabele, minste cat
o Tabel<-table(y, x)
Marginalen (totalen) toevoegen
o addmargins(Tabel)
o addmargins(Tabel, 1) enkel kolommarginalen
o addmargins(Tabel, 2) enkel rijmarginalen
Relatieve frequenties
o Tabel<-table(variabele1, variabele2)
o Tabel<-table(y, x)
o prop.table(Tabel)*100
Kolompercentages
o kruistabel.kolom(variabele1, variabele2)
Uit de kruistabel blijkt dat in categorie … grootst/kleinst voor …
Chi-kwadraatstoets
Chi-kwadraat
o Tabel<-table(variabele1, variabele2)
Tabel<-table(y, x)
o chisq.test(Tabel)
X-squared = 35.046, df = 6, p-value = 4.222e-06
Chi²-waarde bedraagt …
P-waarde
P > 0,05
o kans dat H0 opgaat (dat er in de populatie geen verschil is,
geen verband is), is groter dan 5%
o H0 gaat op er is geen verschil/geen verband in de
populatie
P < 0,05
o Kans dat H0 opgaat (dat er in de populatie geen verschil is,
geen verband is), is kleiner dan 5%
o H0 (er is geen verschil in de populatie) gaat niet op er is
wel verschil/wel verband in de populatie
o Het verband is dus statistisch significant
Chi-kwadraat en Cramer’s V
o Vuistregels Cramer’s V
Getal tussen 0 en 1
0 = statistisch onafhankelijk, 1 = statistisch afhankelijk
o Tabel<-table(Variabele1, Variabele2)
o chi.kwadraat.test(Tabel)
X-squared = 35.046, df = 6, p-value = 4.222e-06
Chi²-waarde bedraagt …
3
