Toegepaste data-analyse en rapportage: Samenvatting van de toetsen

Toegepaste data-analyse


H9: KRUISTABELLEN
Chi-kwadraat-toets ( X 2 ¿
- Verband tussen twee categorische variabelen toetsen, bij onafhankelijke groepen
- Verschil tussen de geobserveerde frequenties (fo) binnen een steekproef met de verwachte
frequenties (fe) binnen een populatie = X 2 -waarde
 Hoe groter discrepantie
o Hoe groter de kans dat steekproef en populatie van elkaar verschillen
o Hoe groter de kans op vaststellen van significant verband

 Assumpties
1. Categorische variabelen  absolute frequenties
2. Elke variabele min. 2 mutueel exclusieve categorieën
 indien meer dan 2 categorieën => partitioneren (select cases)
3. 2 onafhankelijke groepen
 indien 2 afhankelijke groepen => McNemar
4. Iederen cel moet minstens 5 frequenties bevatten (f(e) > 5)
 indien minder dan 5 => Fisher exact

 SPSS: Pearson Chi-Square
- Analyze  descriptive statistics  crosstabs
- rows = AV
- columns = OV
 Statistics  aanvinken: Chi-squared en Phi & Cramers’ V
 Cells  aanvinken: observed en column

 output
- assumptie 4 checken
- % within (vergelijking groepen)
- Pearson chi-squared = chi-kwadraat
- P-waarde (asymptotic significance (2-sided))  vergelijk met vooropgesteld significantieniveau
 p < α  H0 verwerpen (wel significante verband)
 p > α  H0 aannemen (geen significante verband)
- Effectgrootte  Cramer’s V
 0= geen associatie 1= perfecte associatie

,Toegepaste data-analyse



Fisher-Exact-toets
= alternatieve toets bij schending assumptie 4
- Geeft een gecorrigeerde, meer nauwkeurige p-waarde
- Bij 2X2-kruistabellen
 Automatisch gegenereerd in SPSS

McNemar-toets
= Chi2-toets bij afhankelijke steekproeven
- Frequenties van variabele op twee verschillende tijdsmomenten
- Twee keer bij dezelfde groep gemeten

 Assumpties
- de twee groepen die vergeleken worden, zijn afhankelijk van elkaar
- twee nominale variabelen met elk dezelfde twee categorieën

 SPSS
Analyze  Nonparametric Tests  Legacy Dialogs  2 Related Samples
(McNemar aanvinken)

 output
- McNemar vergelijken met vooropgestelde significantieniveau
 p < α  H0 verwerpen (wel significante verandering)
 p > α  H0 aannemen (geen significante verandering)

, Toegepaste data-analyse


H10: TWEE GEMIDDELDEN VERGELIJKEN
t-toetsen
- Twee gemiddelden vergelijken
- Hypothese: H0: x1 =x2
HA: x1 x2
Non-parametrische toetsen
- Twee medianen vergelijken
- Als assumptie(s) bij t-toets niet voldaan zijn


Onafhankelijke t-toets
- Gemiddelden vergelijken van 2 onafhankelijke groepen (niet gerelateerd)
- Wat is hun gemiddelde score op dezelfde afhankelijke variabele?
- Toetsingsgrootheid  t-waarde met sp = gepoolde schatter, combinatie van de
standaardfouten van beide groepen
- Maat van effectgrootte: Cohen’s d (berekend door SPSS)

 Assumpties
- Afhankelijke variabele = metrisch
- Onafhankelijke variabele = categorisch, max 2 groepen
- Onafhankelijke groepen onderzoekseenheden
- Normaliteit: AV binnen elke groep normaal verdeeld (of CLS: n > 100 voor elke groep) 
checken adhv z-score van scheefheid & kurtosis
 z-score van 1 van beide > 1,96 => variabele is niet normaal verdeeld
 analyze  descriptive statistics  explore
 dependent list = AV
 factor list = OV
 plots  aanvinken: histogram en normality plots with tests
 kijk naar normal Q-Q plot
 Als punten op de lijn liggen = normaal verdeeld
- Homogeniteit van varianties: gelijke varianties van de afhankelijke variabele in elke groep
 Checken in SPSS-output: Levene toets


 SPSS
(eerst aanmaken van gemiddelden van veerschillende variabelen  transfrom  compute variable
 functions: mean)
Analyze  Compare Means  Independent-Samples T Test
 test variables: AV
 grouping variables: OV
 define groups: groepen aanpassen indien nodig
 estimate effectsize aanvinken