Tilburg University 2020/2021
Experimentele onderzoeksmethoden
424534-B-5
Hoorcollege 1 – Samenvatting stof eerdere cursussen en relatie tot EO ............................................... 2
Hoorcollege 2 – Onderscheidend vermogen, effectgrootte en één-weg ANOVA deel 1........................ 7
Hoorcollege 3 – Eén-weg ANOVA deel 2 ............................................................................................... 13
Hoorcollege 4 – Contrasten deel 1 ........................................................................................................ 19
Hoorcollege 5 – Contrasten deel 2 ........................................................................................................ 23
Hoorcollege 6 – Twee-weg ANOVA deel 1 ............................................................................................ 27
Hoorcollege 7 – Twee-weg ANOVA deel 2 ............................................................................................ 31
Hoorcollege 8 – ANCOVA deel 1............................................................................................................ 34
Hoorcollege 9 – ANCOVA deel 2 en Repeated measures ANOVA deel 1 .............................................. 39
Hoorcollege 10 – Repeated measures ANOVA deel 2 ........................................................................... 43
Hoorcollege 11 – Design ........................................................................................................................ 48
1
, Tilburg University 2020/2021
Hoorcollege 1 – Samenvatting stof eerdere cursussen en relatie tot EO
Beschrijvende statistiek
Beschrijvende statistiek is belangrijk omdat je snel een overzicht (samenvatting) krijgt van de data.
De data zijn numerieke gegevens van de populatie of de steekproef.
Uiteindelijk willen we de resultaten van de steeproef generaliseren naar de populatie.
Een lijst met cijfers is onoverzichtelijk en maakt het lastig om een conclusie te trekken. Er zijn twee
manieren om inzicht te krijgen in de data, namelijk: het maken van een verdeling van scores of
steekproefgrootheden (gemiddelde en standaard deviatie).
Verdeling (hoofdstuk 2 van G&W)
We kijken eerst naar de verdeling van scores
om meer inzicht te krijgen in de verdeling van
de data. Dit kunnen we doen door data samen
te vatten door het groeperen van data met
dezelfde score. Dit kan onder andere door
middel van een frequentieverdeling of
histogram. Bij een histogram staat op de Y-as
de frequentie van scores en op de X-as staan
de verschillende scores die je kunt krijgen op
de variabele. In dit voorbeeld zie je dat de
score 4 het vaakst voor komt.
Wat zien we terug komen in de frequentieverdeling (tabel)? We zien de vier verschillende scores
terug komen onder Valid, onder Frequency staat hoe vaak deze scores voorkomen en onder Percent
zien we de percentages (voorbeeld: score 1 komt 10 keer voor en dit was 20% van alle scores). De
kolom Valid Percent wijkt af van de vorige kolom Percent, en dit is het geval wanneer er missing data
is. Dus: wanneer participanten geen antwoord hebben gegeven op een vraag, dan worden de missing
data buiten beschouwing gelaten bij het berekenen van Valid Percent. Cumalative Percent verwijst
naar het cumulatief percentage, voorbeeld: de 60 die je ziet staan bij de score 3 houdt het volgende
in: 60% van de gevallen had een score van 3 of lager.
Steekproefgrootheden (hoofdstuk 3-4 van G&W)
Bij steekproefgrootheden vat je de data samen door kenmerkende eigenschappen van de verdeling
van de data. Wat zijn deze kenmerkende eigenschappen? Centrale tendentie en spreiding.
- Centrale tendentie: meest kenmerkende score van de verdeling. Maten hiervoor zijn
gemiddelde, mediaan en modus. Het gemiddelde van data is de som van alle scores gedeeld
door het aantal scores. Steekproefgrootte (N) staat in de noemer en in de teller staat de som
van alle scores.
2
Experimentele onderzoeksmethoden
424534-B-5
Hoorcollege 1 – Samenvatting stof eerdere cursussen en relatie tot EO ............................................... 2
Hoorcollege 2 – Onderscheidend vermogen, effectgrootte en één-weg ANOVA deel 1........................ 7
Hoorcollege 3 – Eén-weg ANOVA deel 2 ............................................................................................... 13
Hoorcollege 4 – Contrasten deel 1 ........................................................................................................ 19
Hoorcollege 5 – Contrasten deel 2 ........................................................................................................ 23
Hoorcollege 6 – Twee-weg ANOVA deel 1 ............................................................................................ 27
Hoorcollege 7 – Twee-weg ANOVA deel 2 ............................................................................................ 31
Hoorcollege 8 – ANCOVA deel 1............................................................................................................ 34
Hoorcollege 9 – ANCOVA deel 2 en Repeated measures ANOVA deel 1 .............................................. 39
Hoorcollege 10 – Repeated measures ANOVA deel 2 ........................................................................... 43
Hoorcollege 11 – Design ........................................................................................................................ 48
1
, Tilburg University 2020/2021
Hoorcollege 1 – Samenvatting stof eerdere cursussen en relatie tot EO
Beschrijvende statistiek
Beschrijvende statistiek is belangrijk omdat je snel een overzicht (samenvatting) krijgt van de data.
De data zijn numerieke gegevens van de populatie of de steekproef.
Uiteindelijk willen we de resultaten van de steeproef generaliseren naar de populatie.
Een lijst met cijfers is onoverzichtelijk en maakt het lastig om een conclusie te trekken. Er zijn twee
manieren om inzicht te krijgen in de data, namelijk: het maken van een verdeling van scores of
steekproefgrootheden (gemiddelde en standaard deviatie).
Verdeling (hoofdstuk 2 van G&W)
We kijken eerst naar de verdeling van scores
om meer inzicht te krijgen in de verdeling van
de data. Dit kunnen we doen door data samen
te vatten door het groeperen van data met
dezelfde score. Dit kan onder andere door
middel van een frequentieverdeling of
histogram. Bij een histogram staat op de Y-as
de frequentie van scores en op de X-as staan
de verschillende scores die je kunt krijgen op
de variabele. In dit voorbeeld zie je dat de
score 4 het vaakst voor komt.
Wat zien we terug komen in de frequentieverdeling (tabel)? We zien de vier verschillende scores
terug komen onder Valid, onder Frequency staat hoe vaak deze scores voorkomen en onder Percent
zien we de percentages (voorbeeld: score 1 komt 10 keer voor en dit was 20% van alle scores). De
kolom Valid Percent wijkt af van de vorige kolom Percent, en dit is het geval wanneer er missing data
is. Dus: wanneer participanten geen antwoord hebben gegeven op een vraag, dan worden de missing
data buiten beschouwing gelaten bij het berekenen van Valid Percent. Cumalative Percent verwijst
naar het cumulatief percentage, voorbeeld: de 60 die je ziet staan bij de score 3 houdt het volgende
in: 60% van de gevallen had een score van 3 of lager.
Steekproefgrootheden (hoofdstuk 3-4 van G&W)
Bij steekproefgrootheden vat je de data samen door kenmerkende eigenschappen van de verdeling
van de data. Wat zijn deze kenmerkende eigenschappen? Centrale tendentie en spreiding.
- Centrale tendentie: meest kenmerkende score van de verdeling. Maten hiervoor zijn
gemiddelde, mediaan en modus. Het gemiddelde van data is de som van alle scores gedeeld
door het aantal scores. Steekproefgrootte (N) staat in de noemer en in de teller staat de som
van alle scores.
2
