College aantekeningen
Data-analyse in SPSS
- Instelling
- Tilburg University (UVT)
Alle stappen worden beschreven die je moet volgen in SPSS om tot het juiste antwoord te komen!
[Meer zien]Voorbeeld 2 van de 5 pagina's
Voorbeeld 2 van de 5 pagina's
In winkelwagengesponsord bericht van onze partner
Gekoppeld boek
Titel boek:
Auteur(s):
- Uitgave:
- ISBN:
- Druk:
2 beoordelingen
Door: EmmaHeesen • 1 jaar geleden
Door: Jozefinho • 2 jaar geleden
???? Onzin! komt helemaal niks belangrijks in?!
Voorbeeld van de inhoud
Data analyse in SPSSWeek 6 Chapter 22
Non-linearity:
- Estimate the original model
o Analyse regression linear
o Save unstandardized predicted values
- Square unstandardized predicted values
o Transform compute variable predicted values * predicted values
- Add them to the model
o Make second model enter PRE_2
o Hebt dus oorspronkelijke model en model met PRE_2 in één model!
De gamma kwadraat zelf niet opnemen, dit is namelijk een hulpmodel. Gamma kwadraat neemt de
variabelen in het kwadraat op en interactietermen (zie schrift).
Kan dus nadenken of er een variabele in het kwadraat of een interactieterm opgenomen moet
worden. Uitbreidingen kun je uiteindelijk toetsen met een F-toets.
Nooit dummy variabelen in het kwadraat 0 keer 0 = 0 en 1 keer 1 = 1.
Heteroskedasticity:
- Estimate original model
o Analyse regression linear
o Save unstandardized residuals
- Square unstandardized residuals
o Transform compute variable unstandardized residuals * unstandardized
residuals
- Regresseer de RES_2 op de X’en die al in de vergelijking zaten.
o Oorspronkelijke model: Y op X
o Wat je nu gaat doen: squared unstandardized residuals op X
- H0: gamma1 = gamma2 = 0 vs. H1: gamma1 ≠ 0 en/of gamma2 ≠ 0
o Dit is voor Aux. model 1 het hulpmodel!
o F-toets
Als we te maken hebben met heteroskedasticiteit de standaardfouten zijn niet goed.
Analyse regression linear kijken naar oorspronkelijke model, dus Y op X bootstrap
perform bootstrapping number of samples = 1000 (hoe meer samples, hoe beter het wordt).
Dependence of the error terms, autocorrelation:
Analyse regression linear Y op X (oorspronkelijk model).
Save unstandardized residuals
Transform compute variable LAG_RES
Analyse regression linear unstandardized residual op LAG_RES.
, Week 8 Chapter 24
The case of complete specification:
- Transform compute variable c1 = IDF.NORMAL(kans (bv. ¼), mu, standaard deviatie).
c2 = IDF.NORMAL(kans (bv. 2/4), mu, standaard deviatie).
c3 = IDF.NORMAL(kans (bv. ¾), mu, standaard deviatie).
o Transform recode into different variables… onder het kopje numeric variable
naar output variable zet je X name = cell change old and new values new
value = 1 old value = range, LOWEST through value en dan hier waarde invullen
add.
Als waarde ertussen in zit of voor de laatste range …. through ….
Nog wat anders all other values.
Dit doen voor elke klasse! continue OK.
ÓF
o Transform compute variable 1 + (x>c1) + (x>c2) + (x>c3)
- Analyse descriptive statistics frequencies variables = cell/klassen.
Chi-square test:
Analyse nonparametric tests legacy dialogs chi-square test variable list = cell/klassen
all categories equal OK.
Kan ook zo zijn dat alle categorieën niet gelijk aan elkaar zijn values (dit zijn de verwachte
waarden, de e’s. e = n*p). Deze moeten op volgorde worden ingevuld OK.
Wanneer er een soort frequentie tabel is gegeven:
Data weight cases weight cases by frequency OK.
Analyse descriptive statistics frequencies variables = class/cell OK.
Analyse nonparametric tests legacy dialogs chi-square test variable list = cell/klassen
all categories equal OK.
The case of incomplete specification:
- Analyse descriptive statistics descriptives.
o Weet je X gemiddeld, mu en de variantie. Deze vul je hier beneden in bij c1…c3…
- Transform compute variable c1 = IDF.NORMAL(kans (bv. ¼), mu, standaard deviatie).
c2 = IDF.NORMAL(kans (bv. 2/4), mu, standaard deviatie).
c3 = IDF.NORMAL(kans (bv. ¾), mu, standaard deviatie).
- Transform compute variable cell = 1 + (x>c1) + (x>c2) + (x>c3)
- Analyse nonparametric tests legacy dialogs chi-square test variable list =
cell/klassen all categories equal OK.
- Transform compute variable critical value = IDF.CHISQ(prob (gaat uit van rechterkant),
df)
ÓF
- Transform compute variable pvalue = 1- CDF.CHISQ(g, df)
o Is een andere pvalue dan die SPSS aangeeft in de output van de chi test.
Tests for independence:
- Analyze descriptive statistics crosstabs vul voor rij en kolom een variabele in OK.
- Analyze descriptive statistics crosstabs cells observed is al aangevinkt, ook
expected aanvinken OK.
- Analyze descriptive statistics crosstabs statistics chi-square OK.
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, creditcard of Stuvia-tegoed 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 lisaUVT. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €3,99. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 53022 samenvattingen verkocht
Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen