In deze samenvatting zijn de belangrijkste verdiepende kwantitatieve toetsen behandeld en volgens de theorie uitgelegd. Het vat ook Field samen, in beter te begrijpen punten. logistische regressie, ANOVA, ANCOVA, herhaalde metingen ANOVA, tweeweg ANOVA en de Chi-kwadraten toets worden behandeld.
deze duidelijke verslag helpt je om te slagen voor je examen
Samenvatting Discovering Statistics Using IBM SPSS Statistics Field SPSS - Multivariate Data Analysis
Alles voor dit studieboek (317)
Geschreven voor
Universiteit van Amsterdam (UvA)
sociale wetenschappen
Onderzoeksmethoden
Alle documenten voor dit vak (1)
Verkoper
Volgen
kyaralambeck1
Voorbeeld van de inhoud
Voorbereiding
Lineaire regressie
Kijkt naar het effect van X op Y
Simpele regressie (met 1 onafhankelijke X)
Y = a + bx
→ ‘a’= constant, de waarde van x = 0. ← daar snijdt de lijn de y-as als eerst (begin)
→ ‘b’ = regressiecoëfficient, voor elke eenheid toename in x, neemt Y met die waarde
toe / af.
- Wanneer je SSm deelt door SSt, krijg je de R2. De R Square laat zien hoeveel
variantie er verklaard wordt uit je model
Laat dus het deel zien van je afhankelijke (Y) variabele dat verkaard wordt
adhv je model (= pearsons r in kwadraat)
● Vermedigvuldig R2 om percentage te krijgen.
- F laat zien hoe het gehele model een significante verbetering is tov het
gemiddelde → moet daarom ook significant zijn.
Assumpties
- Outliers: schiet er geen data uit je onderzoek erg uit of niet.
- onafhankelijke error: voor elke twee observaties zouden de residuen niet
moeten correleren
- Homoscedasticiteit: punten niet te ver uit elkaar op elk niveau → op elk
niveau van de predictor moet de variantie vd residuen enigszins constant zijn
● wanneer punten niet goed verdeeld zijn / een patroon hebben => wss
sprake van homogeniteit van varianties.
- Predictoren correleren niet met externe waardes ( externe variabelen zijn niet
mee genomen in t model, maar beinvloeden wel de outcome variabele).
- Multicollinieariteit = waneer er een sterke correlatie is tussen twee of meer
predictoren. Als dit zich voordoet ontstaan 3 problemen:
1) onbetrouwbare b coefficienten
2) limiteert de grootte van de R (de maat voor correlatie tussen voorspelde
en de uitkomst van de geobserveerde waarden)
3) maakt t lastig om individueel belang predictors te herkennen bij
multicollinieariteit
→ kan met VIF controleren
, Cook’s Distance is een maat die de overall invloed van een case op het model laat
zien (deze niet hoger dan 1 zijn)
ANOVA
wat Gemiddelden van meer dan 2 groepen met elkaar vergelijken →
Toetst of de gemiddelde op een (interval of ratio) afhankelijke
variabele bij meer dan twee groepen verschillen op 1 of meer
categorische onafhankelijke variabelen.
Dus: Kijken of er wel verschil zit tussen y controle & y andere groep
Waarom Gebruik je wanneer:
- categorische onafhankelijke variabele met meerdere niveau’s
- wanneer je nog niet echt weet welke groepen je wil vergelijken,
op deze manier zie je ze allemaal = post hoc
- de varianties voor elke groep zijn gelijk (homoscedasticiteit)
Post hoc/ Tukey = Laat je per paar zien waar de verschillen tussen de
groepen bestaat.
- Alleen doen wanneer omnibus toets significant is & er geen
verwachting is
- Posthoc testen bestaan uit pairwise vergelijkingen ontworpen om
verschillende combinaties van je groepen te vergelijken
(hierdoor wordt je error gecontroleerd)
Hoe rapporteren we Post hoc → de significantie bij de F waarde (F(df,
error) = Fwaarde, p = …) waarbij de Post hoc significantie verschillen
toont tussen groep A & groep B
Belangrijkste Bij ANOVA gebruik je de F-toets als regressie=
variantie model → voorspelling (= groepsgemiddelde) tov algemeen gem.
F = —-----------------
variantie residuen → datapunten tov voorspellingen
Dus: F = verschillen tussen groepen/ verschillen binnen groepen
- tussen = between & staat onder mean square → gemiddelde hoeveel-
heid verklaarde variantie tussen de groepen
- binnen = within & staat onder mean square → gemiddelde hoeveel-
heid verklaarde variantie binnen de groepen
Omnisbustoets → verteld je of er verschillen zijn tussen groepen maar niet
tussen welke groepen..
- Hierdoor = H0 = y1 = y2 = y3 etc.. (of te wel H0 is alles is gelijk)
- H1 = tenmisnte 2 groepen verschillen (effect)
● Post hoc corrigieert beter op familywise error (dan t-toets)
● Als H0 bij ANOVA wordt aangenomen/ waar is, betkend dit dat de
groepsgemiddelden gelijk zijn aan het algemeen gemiddelen
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
√ Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, Bancontact of creditcard voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper kyaralambeck1. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €7,39. Je zit daarna nergens aan vast.
