HOORCOLLEGE AANTEKENINGEN KWOM
Hoorcollege 01 op 4-9 kwantitatieve onderzoeksmethoden
Boek van Fields wordt in de komende jaren gebruikt, misschien handig om aan te schaffen.
LEERDOELEN
• Variantie - covariantie – correlatie (1)
• Partiële en semi-partiële correlatie (2)
• Dit alles berekenen in SPSS en de resultaten interpreteren
Samenhang tussen twee variabelen (voorbeeld field)
Is er een samenhang tussen het aantal advertenties dat men van toffees ziet, en de mate waarin men
toffees koopt?
Zie de oefenvraag over wat zijn maten voor samenhang tussen twee variabelen
Juist: correlatie, covariantie, regressiecoëfficiënt
Onjuist: gemiddelde, standaarddeviatie, variantie
SAMENHANG TUSSEN TWEE VARIABELEN (FIELD H7)
Maten voor de samenhang tussen twee variabelen: covariantie en correlatie.
– de samenhang kan positief zijn : hoe meer advertenties gezien zijn, des te meer toffees gekocht
zijn. Maar ook: hoe minder advertenties, hoe minder toffees. Het gaat dus dezelfde kant op. De ene
omhoog, de andere omhoog. De ene omhoog, de andere omhoog.
– de samenhang kan negatief zijn : hoe meer advertenties gezien zijn, des te minder toffees gekocht
zijn. Deze gaat juist de andere kant op. Hoe minder advertenties, hoe meer toffees.
– de samenhang kan afwezig zijn : advertenties en aantal gekochte toffees hebben niets met elkaar
te maken
Maat voor afwijkingen van het gemiddelde: standaarddeviatie (spreiding rondom het gemiddelde).
Je variantie is de deviatie in het kwadraat. Dat totaal deel je door N-1.
Standaarddeviatie is de wortel van de variantie nemen.
FORMULES OP P 10 UIT JE HOOFD LEREN!!!
COVARIANTIE
• Hoe berekenen we de mate waarin de scores van de ene variabele variëren met de scores van de
andere?
• Door de afwijking van het gemiddelde (deviation) van de ene variabele te vermenigvuldigen met de
afwijking van het gemiddelde van de andere.
– Als de afwijking dezelfde kant opgaat (beide positief of beide negatief) krijg je een positieve
waarde.
– Als ze tegengesteld zijn, krijg je een negatieve waarde.
• Het resultaat zijn cross-product deviations.
• Als je deze optelt en deelt door N-1, dan krijg je de covariantie.
,Als je covariantie wilt berekenen doe je de afwijking x keer de afwijking y. Als je deze bij elkaar optelt
krijg je een getal en als je dat deelt door N-1 krijg je uiteindelijk de covariantie.
Nadeel covariantie: Als je andere eenheden gebruikt, verandert ook de grootte van de covariantie.
De grootte van de covariantie zegt dus eigenlijk niets. Zie dia 24, het getal 42,50 is nu tien keer zo
groot geworden. De samenhang van de eenheden verandert namelijk niet.
Het nadeel van de covariantie als maat van samenhang is dat de waarde afhangt van de
meeteenheden. Kies je een andere schaal, dan verandert ook de grootte van de covariantie. We
kunnen dus ook niet beoordelen of de covariantie sterk of zwak is. Om deze reden kunnen we beter
de covariantie omzetten in standaardeenheden (standaardisatie).
• Standaardeenheden = standaarddeviaties
• Als we elke afwijking van het gemiddelde delen door de standaarddeviatie, krijgen we de afstand
tot het gemiddelde in standaarddeviaties
• M.a.w. we drukken de afstand tot het gemiddelde uit in standaarddeviaties = eenheden
standaarddeviatie.
• Oftewel: z-scores!
Als je eerst z-scores maakt van x en y … , en dan de covariantie berekent dan krijg je een
gestandaardiseerde covariantie.
Ofwel: de Pearson product-moment correlatiecoëfficiënt.
Aan correlaties kan je wel zien hoe de relatie is. Hij kan zitten tussen 1 en -1. Correlaties zijn
onafhankelijk van het aantal eenheden.
COVARIANTIE EN CORRELATIE
,PEARSON CORRELATIE COËFFICIËNT
• De Pearson correlatie coëfficiënt varieert tussen –1 en 1:
– -1 betekent perfecte negatieve samenhang
– 1 betekent perfecte positieve samenhang
– 0 betekent geen enkele samenhang
• De correlatiecoëfficiënt wordt gebruikt als indicator voor de sterkte van een effect (effect size)
(Field, 82):
– r = .10 klein effect: verklaart 1 % van de variantie
– r = .30 medium effect: verklaart 9 % van de variantie
– r = .50 groot effect: verklaart 25 % van de variantie
PEARSON CORRELATIE COËFFICIËNT EN R2
• Het kwadraat van de correlatiecoëfficiënt R 2 is een maat voor hoeveel variantie in de ene variabele
die verklaard wordt door de andere.
– De verschillen in toffeeconsumptie worden voor (.87) 2 verklaard door het kijken naar advertenties
(=.76, dus 76 %).
– Tussen welke waarden varieert dus R2? R2 tussen 0 en 1.
Sum of Squares and Cross-products: afwijkingen keer elkaar of afwijking x keer y
Bij de tabel op pagina 38 kan ze bijvoorbeeld 4.250 weglaten en vragen wat dat is als vraag voor een
oefentoets.
De covariantie van de variabele met zichzelf is variantie.
, Wat betekent de correlatie van .37 tussen game-self-ideal-self convergence en intrinsic motivation in
studie 1? B. Hoe sterker de intrinsieke motivatie des te sterker de game-self-ideal-self
convergentie C. Hoe zwakker de intrinsieke motivatie des te zwakker de game-self-ideal-self
convergentie D. Antwoord B en C kloppen allebei
Wat betekent de correlatie van -.37 tussen intrinsic motivation en positive postplay affect in studie
2? A. Hoe sterker de intrinsieke motivatie des te zwakker het positive postplay affect
VOORBEELD NOTATIE CORRELATIE
Results of the analyses revealed significant and negative correlations between age and idealistic
expressions, r(281) = -.22, p < .001,a
• Let op de notatie: aantal cases = 281, p-value = overschrijdingskans = de kans op een correlatie van
-.22 terwijl die in de populatie 0 is, is kleiner dan .001, heel klein dus
• Dus significant op niveau 0.1 %
Uitspraak 1: Hoe ouder des te zwakker de idealistic expressions
Uitspraak 2: Hoe jonger des te sterker de idealistic expressions
BEIDE UITSPRAKEN KLOPPEN
ASSUMPTIES PEARSON CORRELATIE COËFFICIËNT
• De data zijn van interval of ratio meetniveau
• Als getoetst wordt of de correlatie significant is:
– normaal verdeelde sampling distributions (bij normaal verdeelde data of een grote N)
– of 1 van beide is dichotoom (sekse bijvoorbeeld)
• Als de assumpties geschonden worden, zijn er non-parametrische alternatieven voor de Pearson
correlatie:
– Spearman’s rho
– Kendall’s tau
Deze namen moet je kennen!!!!
