100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Uitwerkingen casus 1 - Data Analyse €6,49   In winkelwagen

Antwoorden

Uitwerkingen casus 1 - Data Analyse

3 beoordelingen
 168 keer bekeken  1 keer verkocht

Dit bevat alle uitwerkingen van casus 1 voor data-analyse uit

Voorbeeld 3 van de 24  pagina's

  • 14 juni 2018
  • 24
  • 2016/2017
  • Antwoorden
  • Onbekend
Alle documenten voor dit vak (27)

3  beoordelingen

review-writer-avatar

Door: hannahvangoch • 4 jaar geleden

review-writer-avatar

Door: dewiheijs • 5 jaar geleden

review-writer-avatar

Door: Eviana • 6 jaar geleden

avatar-seller
jpsychology
Casus 1 – Simon Effec
Simon effect = als veld waarin je iets iiet overeenkomt met de hand die je moet gebruiken om te
reageren, is de reactetjd sneller.

Opdracht 1:
Maak van de bestanden van proefpersoon 1 en 12 ook SPSS bestanden.Zorg er voor dat de
bestanden qua variabelen en labels en dergelijke hetzelfde zijn als de bestanden die al wel in SPSS
zijn ingelezen.

Doe het volgende iowel voor proefpersoon 1 als voor proefpersoon 12:

Open SPSS  file  read text data  find text data in oour documents  open  tekst import
wiiard:
- Step 1 of 6: does oour tekst file match a predefined format = no  next
- Step 2 of 6:
o How are oour variables arranged = delimited
o are oour variables included at the top of oour file = no  next
- Step 3 of 6:
o The first case of data begins on which line number? = 1 (want geen variabele namen)e
o How are oour cases represented = each line represents a case
o How mano cases do oou want to import = all of the cases  next
- Step 4 of 6:
o Which delimiters appear between variables = comma
o What is the text qualifier = none  next
- Step 5 of 6: variabelen benoemen
- Stap 6 of 6:
o Would oou like to save this file format for future use = no
o would oou like to paste the sontax = no (aangevinkt cache data locallo  next 
finish

Variable view  Op 1 klikken linksboven  Insert Variable: ppnr noemen  0 decimalen 
Measure: nominal.
Data view  Transform  Recode into different variable  ppnr selecteren als numeric variable 
Output variable: name = ppnr  change  Old and new values aanklikken  Old value: sostem-
missing  New value: 1 of 12  add  contnue  ok (overal staat nu getal bij ppnr)e.



Opdracht 2:
Maak op basis van de individuele bestanden, twee nieuwe databestanden. Omdat niet alle
proefpersonen dezelfde mapping van kleur en responseside hebben gehad, is het aan te raden om
één databestand te maken voor alle proefpersonen met de rood-rechts mapping en één voor alle
proefpersonen met de groen-rechts mapping. Dit kun je opmaken uit de naam van het betrefende
bestand (zie Beschrijving data). Voor je het op grote schaal aanpakt, met alle bestanden, is het
misschien handig om klein te beginnen door eerst eens de hele opgave te doorlopen met twee
bestanden. Denk er bij het samenvoegen aan dat het nieuwe bestand een andere naam krijgt dan
de bestaande bestanden, zodat je geen originele data overschrijf.
Zorg ervoor dat je aan het einde van deze stap twee databestanden hebt met daarin de data van
alle proefpersonen met dezelfde mapping met de variabelen ppnr (proefpersoonnummer), cijfer
(0-9), kleur_field (1-4), response (0 of 1) en rt (reactietijd).

,Controle: Allebei de databestanden bevaten de volgende variabelen: ppnr, cijfer, kleur_feld, response en rt.
Elk van de twee bestanden bevat 3600 rijen en 5 kolommen met data.
Data  Merge files  Add cases  Browse  Open a dataset  contnue  als alles in ‘variables
in new actvate dataset’ staat dan is het goed  ok.

Dit doe je voor elk databestand dat erbij ingevoegd moet worden.



Opdracht 3:
In de variabele kleur_feld staat aangegeven in welke kleur het cijfer werd aangeboden en in welk
visueel veld het cijfer werd aangeboden. De variabele kleur_feld heef vier niveaus:
1 = kleur groen en lef visual feld
2 = kleur groen en right visual feld
3 = kleur rood en lef visual feld
4 = kleur rood en right visual feld
Voor de rest van deze casus is het handig als je op basis van deze variabele twee nieuwe
variabelen maakt: kleur van de stimulus en visual feld van de stimulus.
Daarnaast is de codering van de responsen in de twee verschillende mappings omgedraaid. In de
RR mapping, geldt voor de variabele response dat 0 = links en 1 = rechtsIn de GR mapping, geldt
voor de variabele response dat 0 = rechts en 1 = links
Het is handig als de codering van linker en rechter responsen in beide bestanden hetzelfde is.
Maak daarom in beide bestanden een nieuwe variabele, met daarbij de volgende codering:
0 = links en 1 = rechts
Maak de hierboven beschreven drie nieuwe variabelen in beide bestanden.
Controle
Voor beide bestanden geldt dat de cijfers even vaak zijn aangeboden in rood als in groen en
even vaak zijn aangeboden in het linker visueel veld en in het rechter visueel veld.
Het aantal linker responsen in het GR bestand is 1809.
Het aantal linker responsen in het RR bestand is 1806.

Variabele 1 – kleur (groen en rood scheiden)e:
Bij beide bestanden:
Transform  recode into different variable  select variabele kleur_field output variabele: kleur
 change  old and new values  old value 1: new value 1  add  old value 2: new value 1 
add  old value 3: new value 0  add  old value 4: new value 0  add  contnue
Values labelen: variable view  values  value 0: label rood  add  value 1: label groen
 add  ok

Variabele 2 – Stmulus (rechts en linker veld scheiden)e:
Bij beide bestanden:
Transform  recode into different variable  select variabele kleur_field  output variabele:
visual_field  change  old and new values  old value 1: new value 1  add  old value 2: new
value 0  add  old value 3: new value 1  add  old value 4: new value 0  add  contnue
Values labelen: variable view  values  value 0: label rechts  add  value 1: label links
 add  ok

Variabele 3 – Response (linker of rechter response hand)e
GR mapping:
Transform  recode into different variable  select variabele response  output variabele:
responsehand  change  old and new values  old value 0: new value 1  add  old value 1:
new value 0  add  contnue

, Values labelen: variable view  values  value 0: label links  add  value 1: label rechts
 add  ok
RR mapping:
Transform  compute variabele  Target variable: responsehand  numeric expression: response
- ok
Values labelen: variable view  values  value 0: label links  add  value 1: label rechts
 add  ok

Controletabel SGR:
responsehand
Cumulative
Frequency Percent Valid Percent Percent
Valid Links 1809 50,3 50,3 50,3
Rechts 1791 49,8 49,8 100,0
Total 3600 100,0 100,0


Controletabel SRR:
responsehand
Cumulative
Frequency Percent Valid Percent Percent
Valid Links 1806 50,2 50,2 50,2
Rechts 1794 49,8 49,8 100,0
Total 3600 100,0 100,0




Opdracht 4:
Alhoewel de taak van de proefpersoon in dit soort gecomputeriseerde taken meestal heel
eenvoudig is, is het gebruikelijk dat de proefpersonen soms toch een fout maken. Daarnaast zijn
de reacties op sommige trials zo snel of zo langzaam dat ze niet bruikbaar worden geacht voor
verdere analyse. In dit onderzoek is er voor gekozen trials met reactietijden korter dan 200 ms of
langer dan 1200 ms uit de analyses te laten (maar zie bijvoorbeeld Heathcote, Popiel, & Mewhort,
1991, voor een discussie over het trimmen van data).
Controle
In totaal zijn er in de GR mapping 81 fouten gemaakt en zijn er 23 outliers.
Proefpersoon 8 heef 17 fouten gemaakt en geen outliers.
a) Bepaal met behulp van SPSS op welke trials een fout is gemaakt en welke trials
aangemerkt moeten worden als outlier. Gooi dit soort trials niet uit het bestand, maar
maak nieuwe variabelen om aan te geven welke trials goed en fout zijn en welke trials wel
of geen outliers zijn.

Outlier (beide bestanden)e:
Transform  recode into different variable  select variable rt  output variable: outlier  change
 old and new values  old value: range 200 through 1200 = new value: 1  add  old value: all
other values = new value: 0  add  contnue  ok.
Values labelen: variable view  values  value 1: label goed  add  value 0: label
outliers  add  ok

Correcte/incorrecte trials
Gewerkt met variabelen: response en kleur

GR:
Response: 0 = rechts en 1 = links & Kleur: 0 = rood en 1 = groen

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

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

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

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 jpsychology. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €6,49. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 72042 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€6,49  1x  verkocht
  • (3)
  Kopen