EENWEG ANOVA (tussenproefpersoon)
Achtergrond: toetsen van verschillen tussen gemiddelden van twee of meer groepen.
Eenweg betekent dat er 1onafhankelijke variabele is. Univariaat betekend dat er 1
afhankelijke variabele is.
Casus: Stel, je hebt alle cijfers van het landelijke examen, en wilt weten of de gemiddelde
cijfers van de talen Nederlands, Engels, Frans en Duits van elkaar verschillen.
Je hebt meer dan twee groepen, dus je kunt de t-toets niet gebruiken. Je voert dan een
ANOVA uit.
Stap 1: SPSS data bestand
1. Ga naar Analyze > General Linear Model > Univariate
2. Bij ‘Fixed Factor(s)’ vul je de onafhankelijke variabele in, in dit geval vak.
Bij ‘Dependent Variable’ vul je de afhankelijke variabele in, in dit geval ce (centraal
examen).
3. Klik dan op ‘Options’ en vink ‘Descriptive statistics’, ‘estimates of effect size’ en
‘homogeneity tests’ aan. Klik op continue.
4. Selecteer EM Means. Bij de ‘EM Means’ breng je de onafhankelijke variabele naar
het vak ‘Display means for’.
5. Klik op paste → run
Stap 2: assumpties
1. Populaties zijn normaalverdeeld
2. Er zijn onafhankelijke random steekproeven getrokken
3. Homogeniteit van varianties
• Je gaat ervan uit dat de groepen gelijke varianties hebben
• De homogeniteit van de varianties kun je toetsen met de levene’s test:
Uit de levene’s test kan je aflezen of de varianties van de groepen even groot
zijn. Je wil eigenlijk dat deze toets niet significant. Als hij niet significant is, kun
je stellen dat er onvoldoende bewijs is dat de varianties van elkaar verschillen.
Dus ze zijn bij niet significant, homogeen verdeeld. In geval van schending van
deze assumptie en ongelijke N’s: raadpleeg een statisticus
Stap 3: interpreteren
In de output vind je het antwoord op de vraag of er een effect is van ‘vak’ op de score, m.a.w.
of er een verschil is tussen de gemiddelde scores op de vakken. Dat is hier het geval (p <
.001).
In de output zie je ook de gemiddelde scores op de 4 vakken en de SD.
,In de output krijg je ook alle paarsgewijze
vergelijkingen tussen de vakken en kun je zien
(onder Sig.) of het verschil significant is.
(dankzij de bonferroni correctie).
Dat is hier voor alle vergelijkingen het geval.
Stap 3: rapporteren
Je rapporteert de resultaten als volgt:
Uit een eenwegvariantie-analyse van het soort vak op score van het centraal examen bleek
een significant hoofdeffect van soort vak (F(3,367017) = 6822.44, p < .001, Partial Eta
Squared =...).
→ aflezen bij Test of Between-Subjects Effects
De score op het centraal examen van Engels (M = 66.76, SD = 13.33) bleek hoger dan die van
Nederlands (p <.001, Bonferroni-correctie: M = 65.23, SD = 7.91), Frans (p <.001, Bonferroni-
correctie: M = 61.22, SD = 12.37) en Duits (p <.001, Bonferroni-correctie: M = 59.70, SD =
11.13). De score op Nederlands was hoger dan die op Frans (p <.001) en op Duits (p < .001).
De score op Frans was hoger dan die op Duits (p < .001).
→ aflezen M en SD bij descriptive statistics en de significantie bij multiple comparisons na
Bonferroni correctie
, TWEEWEG ANOVA (tussenproefpersoon)
Achtergrond: toetsen van het effect van twee onafhankelijke variabelen op een afhankelijke
variabele.
Wanneer je meer dan 1 onfhankelijke variabele hebt, en je afhankelijke variabele is minimaal
op intervalniveau gemeten, kun je een meerweganova uitvoeren.
Casus: Stel je wilt weten of het zo is dat meisjes hoger scoren op Nederlands en jongens
hoger scoren op Wiskunde. Je hebt dan twee onafhankelijke variabelen: Geslacht en Vak
Stap 1: SPSS data bestand
1. Ga naar Analyze > General Linear Model > Univariate
2. Bij ‘Fixed Factor(s)’ vul je de onafhankelijke variabelen in, in dit geval geslacht en vak.
Bij ‘Dependent Variable’ vul je de afhankelijke variabele in, in dit geval ce (score op
centraal examen).
3. Klik dan op ‘Options’ en vink ‘Descriptive statistics’, ‘estimates of effect size (alleen
MA)’ en ‘homogeneity tests’ aan. Klik op continue.
4. Selecteer EM Means. Bij de ‘EM Means’ breng je de onafhankelijke variabelen naar
het vak ‘Display means for’.
5. Klik op paste → run
Stap 2: assumpties
1. Populaties zijn normaalverdeeld
2. ANOVA is robust tegen schendingen
3. Er zijn onafhankelijke random steekproeven getrokken
4. Homogeniteit van varianties
• Je gaat ervan uit dat de groepen gelijke varianties hebben
• De homogeniteit van de varianties kun je toetsen met de levene’s test:
Uit de levene’s test kan je aflezen of de varianties van de groepen even groot
zijn. Je wil eigenlijk dat deze toets niet significant. Als hij niet significant is, kun
je stellen dat er onvoldoende bewijs is dat de varianties van elkaar verschillen.
Dus ze zijn bij niet significant, homogeen verdeeld. In geval van schending van
deze assumptie en ongelijke N’s: raadpleeg een statisticus
Stap 3: interpreteren
Uit de output haal je het volgende: Er is een hoofdeffect van vak. Daarnaast is er een
hoofdeffect van sexe. Bovendien is er een interactie van vak en sexe.
Achtergrond: toetsen van verschillen tussen gemiddelden van twee of meer groepen.
Eenweg betekent dat er 1onafhankelijke variabele is. Univariaat betekend dat er 1
afhankelijke variabele is.
Casus: Stel, je hebt alle cijfers van het landelijke examen, en wilt weten of de gemiddelde
cijfers van de talen Nederlands, Engels, Frans en Duits van elkaar verschillen.
Je hebt meer dan twee groepen, dus je kunt de t-toets niet gebruiken. Je voert dan een
ANOVA uit.
Stap 1: SPSS data bestand
1. Ga naar Analyze > General Linear Model > Univariate
2. Bij ‘Fixed Factor(s)’ vul je de onafhankelijke variabele in, in dit geval vak.
Bij ‘Dependent Variable’ vul je de afhankelijke variabele in, in dit geval ce (centraal
examen).
3. Klik dan op ‘Options’ en vink ‘Descriptive statistics’, ‘estimates of effect size’ en
‘homogeneity tests’ aan. Klik op continue.
4. Selecteer EM Means. Bij de ‘EM Means’ breng je de onafhankelijke variabele naar
het vak ‘Display means for’.
5. Klik op paste → run
Stap 2: assumpties
1. Populaties zijn normaalverdeeld
2. Er zijn onafhankelijke random steekproeven getrokken
3. Homogeniteit van varianties
• Je gaat ervan uit dat de groepen gelijke varianties hebben
• De homogeniteit van de varianties kun je toetsen met de levene’s test:
Uit de levene’s test kan je aflezen of de varianties van de groepen even groot
zijn. Je wil eigenlijk dat deze toets niet significant. Als hij niet significant is, kun
je stellen dat er onvoldoende bewijs is dat de varianties van elkaar verschillen.
Dus ze zijn bij niet significant, homogeen verdeeld. In geval van schending van
deze assumptie en ongelijke N’s: raadpleeg een statisticus
Stap 3: interpreteren
In de output vind je het antwoord op de vraag of er een effect is van ‘vak’ op de score, m.a.w.
of er een verschil is tussen de gemiddelde scores op de vakken. Dat is hier het geval (p <
.001).
In de output zie je ook de gemiddelde scores op de 4 vakken en de SD.
,In de output krijg je ook alle paarsgewijze
vergelijkingen tussen de vakken en kun je zien
(onder Sig.) of het verschil significant is.
(dankzij de bonferroni correctie).
Dat is hier voor alle vergelijkingen het geval.
Stap 3: rapporteren
Je rapporteert de resultaten als volgt:
Uit een eenwegvariantie-analyse van het soort vak op score van het centraal examen bleek
een significant hoofdeffect van soort vak (F(3,367017) = 6822.44, p < .001, Partial Eta
Squared =...).
→ aflezen bij Test of Between-Subjects Effects
De score op het centraal examen van Engels (M = 66.76, SD = 13.33) bleek hoger dan die van
Nederlands (p <.001, Bonferroni-correctie: M = 65.23, SD = 7.91), Frans (p <.001, Bonferroni-
correctie: M = 61.22, SD = 12.37) en Duits (p <.001, Bonferroni-correctie: M = 59.70, SD =
11.13). De score op Nederlands was hoger dan die op Frans (p <.001) en op Duits (p < .001).
De score op Frans was hoger dan die op Duits (p < .001).
→ aflezen M en SD bij descriptive statistics en de significantie bij multiple comparisons na
Bonferroni correctie
, TWEEWEG ANOVA (tussenproefpersoon)
Achtergrond: toetsen van het effect van twee onafhankelijke variabelen op een afhankelijke
variabele.
Wanneer je meer dan 1 onfhankelijke variabele hebt, en je afhankelijke variabele is minimaal
op intervalniveau gemeten, kun je een meerweganova uitvoeren.
Casus: Stel je wilt weten of het zo is dat meisjes hoger scoren op Nederlands en jongens
hoger scoren op Wiskunde. Je hebt dan twee onafhankelijke variabelen: Geslacht en Vak
Stap 1: SPSS data bestand
1. Ga naar Analyze > General Linear Model > Univariate
2. Bij ‘Fixed Factor(s)’ vul je de onafhankelijke variabelen in, in dit geval geslacht en vak.
Bij ‘Dependent Variable’ vul je de afhankelijke variabele in, in dit geval ce (score op
centraal examen).
3. Klik dan op ‘Options’ en vink ‘Descriptive statistics’, ‘estimates of effect size (alleen
MA)’ en ‘homogeneity tests’ aan. Klik op continue.
4. Selecteer EM Means. Bij de ‘EM Means’ breng je de onafhankelijke variabelen naar
het vak ‘Display means for’.
5. Klik op paste → run
Stap 2: assumpties
1. Populaties zijn normaalverdeeld
2. ANOVA is robust tegen schendingen
3. Er zijn onafhankelijke random steekproeven getrokken
4. Homogeniteit van varianties
• Je gaat ervan uit dat de groepen gelijke varianties hebben
• De homogeniteit van de varianties kun je toetsen met de levene’s test:
Uit de levene’s test kan je aflezen of de varianties van de groepen even groot
zijn. Je wil eigenlijk dat deze toets niet significant. Als hij niet significant is, kun
je stellen dat er onvoldoende bewijs is dat de varianties van elkaar verschillen.
Dus ze zijn bij niet significant, homogeen verdeeld. In geval van schending van
deze assumptie en ongelijke N’s: raadpleeg een statisticus
Stap 3: interpreteren
Uit de output haal je het volgende: Er is een hoofdeffect van vak. Daarnaast is er een
hoofdeffect van sexe. Bovendien is er een interactie van vak en sexe.
