SPSS methodologie 2 handleiding per blok
De werkgroepen stap voor stap uitgelegd! Met uitleg en stappen over hoe je
SPSS moet gebruiken en hoe je analyses moet interpreteren!
week 1: Herhaling & T-toetsen
hoe een t-test analyseren:
In dit onderzoek werd de relatie tussen voedingsinterventie en gewichtsverlies onderzocht.
Uit deze T-toets met in de test variables alleen het verschil gezet zijn de volgende conclusies
af te leiden:
- In de controlegroep vallen mensen gemiddeld 0.805 kg af en in de interventiegroep is
dat 2,465 kg.
- Het verschil tussen de twee gemiddelden is 1,660; dus het gewichtsverlies in de
interventiegroep is 1,660 kg groter dan in de controlegroep.
- Met een p-waarde van 0,007 is dit een statistisch significant verschil (a = 5%). Dus
we kunnen de nulhypothese verwerpen.
- Het is nog handig om de grootte van het effect mee te wegen bij je conclusie. Dit
doen we aan de hand van het BI [0,47578;2,84422] en de puntschatting was 1,660
kg. Om dit te kunnen beoordelen moet je echt in het onderzoek zitten.
Omdat we niet zeker kunnen weten dat de variantie van twee populaties hetzelfde is gaan
we altijd van ‘equal variances not assumed’ uit. Dit maakt de t-toets wel zwakker maar in dit
geval zien we geen verschil in p-waarde.
Week 2: ANOVA & lineaire regressie
ANOVA uitvoeren
Voordat je een test doet, maakt niet uit welke, is het altijd handig om je data te verkennen.
Hiervoor gebruiken we de beschrijvende statistiek.
Doe dit door
Analyze > compare means / means.
, Soms is het ook handig om een figuur erbij te
doen (histogram of boxplot (explore)) om te
kijken voor normaliteit of uitbijters.
Waarom het belangrijk is om data te
verkennen? Omdat als we naar de figuur
hiernaast kijken we een hele verdachte
uitbijter zien. Deze klopt waarschijnlijk niet en
zorgt ervoor dat de SD van de placebogroep
ook veel hoger is dan de rest. Dus deze
moeten we elimineren voordat we aan ons
analyse beginnen.
Nu we hebben gecorrigeerd voor uitbijters(bij missing values aangeven), zien we dat het
gemiddelde en mediaan steeds ongeveer gelijk zijn. dus we mogen er wel vanuit gaan dat
het ongeveer normaal verdeeld is (een van de eisen van een anova).
Ook is de SD overal tussen de 9 en 10. Dus de variantie is ongeveer ‘homogeen’ (andere
eis)
Nu gaan we de ANOVA uitvoeren
Analyza > Compare means > One-way ANOVA
Doe ook de Tukey post-hoc analyse.
Kijk naar de ANOVA tabel voor significantie: in dit geval was de p-waarde 0,000. Hieruit
mogen we concluderen dat er tenminste één van de behandelingen een ander effect geeft
dan de andere. Of de gemiddelde bloeddruk na de behandeling hangt samen met het type
behandeling.
Als je wilt weten welke andere behandelingen dit zijn moet je kijken naar de post-hoc
analyse.
De werkgroepen stap voor stap uitgelegd! Met uitleg en stappen over hoe je
SPSS moet gebruiken en hoe je analyses moet interpreteren!
week 1: Herhaling & T-toetsen
hoe een t-test analyseren:
In dit onderzoek werd de relatie tussen voedingsinterventie en gewichtsverlies onderzocht.
Uit deze T-toets met in de test variables alleen het verschil gezet zijn de volgende conclusies
af te leiden:
- In de controlegroep vallen mensen gemiddeld 0.805 kg af en in de interventiegroep is
dat 2,465 kg.
- Het verschil tussen de twee gemiddelden is 1,660; dus het gewichtsverlies in de
interventiegroep is 1,660 kg groter dan in de controlegroep.
- Met een p-waarde van 0,007 is dit een statistisch significant verschil (a = 5%). Dus
we kunnen de nulhypothese verwerpen.
- Het is nog handig om de grootte van het effect mee te wegen bij je conclusie. Dit
doen we aan de hand van het BI [0,47578;2,84422] en de puntschatting was 1,660
kg. Om dit te kunnen beoordelen moet je echt in het onderzoek zitten.
Omdat we niet zeker kunnen weten dat de variantie van twee populaties hetzelfde is gaan
we altijd van ‘equal variances not assumed’ uit. Dit maakt de t-toets wel zwakker maar in dit
geval zien we geen verschil in p-waarde.
Week 2: ANOVA & lineaire regressie
ANOVA uitvoeren
Voordat je een test doet, maakt niet uit welke, is het altijd handig om je data te verkennen.
Hiervoor gebruiken we de beschrijvende statistiek.
Doe dit door
Analyze > compare means / means.
, Soms is het ook handig om een figuur erbij te
doen (histogram of boxplot (explore)) om te
kijken voor normaliteit of uitbijters.
Waarom het belangrijk is om data te
verkennen? Omdat als we naar de figuur
hiernaast kijken we een hele verdachte
uitbijter zien. Deze klopt waarschijnlijk niet en
zorgt ervoor dat de SD van de placebogroep
ook veel hoger is dan de rest. Dus deze
moeten we elimineren voordat we aan ons
analyse beginnen.
Nu we hebben gecorrigeerd voor uitbijters(bij missing values aangeven), zien we dat het
gemiddelde en mediaan steeds ongeveer gelijk zijn. dus we mogen er wel vanuit gaan dat
het ongeveer normaal verdeeld is (een van de eisen van een anova).
Ook is de SD overal tussen de 9 en 10. Dus de variantie is ongeveer ‘homogeen’ (andere
eis)
Nu gaan we de ANOVA uitvoeren
Analyza > Compare means > One-way ANOVA
Doe ook de Tukey post-hoc analyse.
Kijk naar de ANOVA tabel voor significantie: in dit geval was de p-waarde 0,000. Hieruit
mogen we concluderen dat er tenminste één van de behandelingen een ander effect geeft
dan de andere. Of de gemiddelde bloeddruk na de behandeling hangt samen met het type
behandeling.
Als je wilt weten welke andere behandelingen dit zijn moet je kijken naar de post-hoc
analyse.
