Samenvattingen en stappenplannen bij SPSS (versie 24) - Bundel

 

Deze bundel bevat samenvattingen en stappenplannen bij de meestgebruikte onderdelen en analyses van SPSS en is gebaseerd op de 24e versie.

Bundle items:
Wat is SPSS? Een introductie (1)

Wat is SPSS? Een introductie (1)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk bevat een algemene introductie met betrekking tot SPSS. Aan bod komt:

  • Wat is SPSS?
  • IBM SPSS openen
  • Een bestaand SPSS bestand openen
  • Een databestand opslaan
  • Een ander databestand openen
  • Een nieuwe databestand maken
  • De Data Editor
  • De Viewer Editor
  • De Pivot Table Editor
  • Het Chart Editor scherm
  • Het Syntax Editor scherm
  • Een proefpersoon verwijderen uit de data
  • Een proefpersoon toevoegen tussen de andere proefpersonen
  • Een variabele verwijderen
  • Een variabele toevoegen tussen andere variabelenaam
  • Data van Excel gebruiken
  • Dialoogvensters
  • IBM SPSS afsluiten
Welke definities en begrippen komen voor in SPSS? (2)

Welke definities en begrippen komen voor in SPSS? (2)

Hoe plan je het opzetten van een onderzoek?

Een goed onderzoek is sterk afhankelijk van een uitvoerige planning. Het boek geeft de volgende tips bij het opstarten van een onderzoek:

  • Kies het design van je onderzoek (bijvoorbeeld experiment, vragenlijst, observationeel). Weeg alle voor- en nadelen van elke methode af.

  • Als je kiest voor een experiment: beslis of je kiest voor een between-groups design (verschillende proefpersonen in elke experimentele conditie) of een repeated measures design (alle proefpersonen in alle condities).

  • Als je kiest voor een experiment: zorg voor genoeg niveaus in je onafhankelijke variabele.

  • Selecteer altijd meer proefpersonen dan nodig (gezien de grote kans op uitval).

  • Indien mogelijk, wijs proefpersonen random toe aan elke experimentele conditie. Het is van belang dat deze groepen niet op andere zaken van elkaar verschillen (check dit met een covariantie-analyse).

  • Kies betrouwbare en valide afhankelijke variabelen.

  • Anticipeer op mogelijke confounding variabelen. Dit zijn variabelen anders dan de onafhankelijke variabele die een mogelijke verklaring kunnen geven voor je resultaat. Controleer indien mogelijk voor deze confounding variabelen.

  • Als je kiest voor een vragenlijststudie (survey), check dan van tevoren of de instructies, vragen en schalen duidelijk zijn. Dit doe je door middel van pilot testing.

Hoe kies je de juiste schalen en methoden?

Bij het kiezen van de juiste schaal en methode zijn twee begrippen van belang: betrouwbaarheid en validiteit. Beide begrippen kunnen de kwaliteit van je data beïnvloeden.

Betrouwbaarheid

De betrouwbaarheid (reliability) van een schaal indiceert in welke mate de schaal vrij is van random error. Er zijn twee soorten betrouwbaarheid:

  1. Test-hertest betrouwbaarheid (test-retest reliability): deze wordt gemeten door de desbetreffende schaal aan te bieden aan twee verschillende personen in twee verschillende situaties en vervolgens de correlatie tussen

  2. ......Read more
Activities abroad, study fields and work areas: 
Wat zijn afhankelijke en onafhankelijke variabelen? (3)

Wat zijn afhankelijke en onafhankelijke variabelen? (3)

Wat is een variabele?

Een variabele is een element dat een bepaalde waarde kan aannemen. Het is een element dat je graag wilt meten en analyseren. Voorbeelden van een variabele zijn ‘geslacht’, ‘leeftijd’, ‘opleidingsniveau’ en ‘IQ’. Middels SPSS kun je onderzoeken of je variabelen met elkaar samenhangen (bijvoorbeeld opleidingsniveau en IQ) of dat een bepaalde variabele een andere variabele voorspelt (bijvoorbeeld: behalen mannen hogere IQ-scores dan vrouwen?).

De afhankelijke variabele

De afhankelijke variabele is de variabele waarover je een voorspelling doet of de uitkomst van je meting. In het Engels wordt dit de dependent variable genoemd. Een voorbeeld is intelligentie. Je kunt dan onderzoeken welke factoren (onafhankelijke variabelen) invloed hebben op intelligentie (de afhankelijke variabele). In weze hangt de uitkomst van de afhankelijke variabele dus af van andere variabelen (vandaar de naam).

De onafhankelijke variabele

De onafhankelijke variabele is een factor waarvan je gaat meten of deze een verandering veroorzaakt bij de afhankelijke variabele. In het Engels wordt de onafhankelijke variabele de independent variable genoemd. (ID). Als men bijvoorbeeld een onderzoek wilt doen over de invloed van het drinken van alcohol op tentamenresultaten, is de onafhankelijke variabele de hoeveelheid alcohol en de afhankelijke variabele het tentamenresultaat....Read more

Activities abroad, study fields and work areas: 
Wat zijn meetschalen van variabelen? (4)

Wat zijn meetschalen van variabelen? (4)

Wat zijn meetschalen?

Het is van belang om te weten van welk meetniveau je variabele is om vervolgens een goede keuze te maken voor je statistische test (de methode waarmee je je onderzoeksvraag wilt onderzoeken). Een dergelijk meetniveau wordt ook wel een meetschaal genoemd. Er bestaan grofweg vier meetschalen: nominaal, ordinaal, interval en ratio. Deze schalen worden hieronder besproken.

Wat is een discrete variabele?

Een discrete variabele kan slechts een paar vaste waarden aannemen. Hieronder vallen de nominale schaal en de ordinale schaal. De nominale schaal is een kwalitatieve meetschaal met losstaande categorieën, bijvoorbeeld geslacht (man/vrouw). Metingen op ordinaal niveau kennen een natuurlijke ordening. De volgorde is duidelijk, maar de verschillen zijn niet te interpreteren. Een voorbeeld is het opleidingsniveau (VMBO-HAVO-VWO). De verschillen tussen deze opleidingsniveaus zijn niet allemaal even groot.

Wat is een continue variabele?

Een continue variabele is een variabele die gemeten kan worden in getallen, waarbij de tussenliggende waarden betekenis hebben. Hieronder vallen de interval schaal en de ratio schaal. Bij een interval schaal zijn de verschillen tussen scores in tegenstelling tot een ordinale schaal wél gelijk. Het verschil tussen 10 en 11 op een test is net zo groot als het verschil tussen 50 en 51. Een intervalschaal heeft echter geen absoluut nulpunt. Daarom kun je niet zeggen hoeveel hoger een waarde is. Een goed voorbeeld hiervan is de Fahrenheit-schaal: 30 graden is niet twee keer zo warm als 15 graden.

Een ratioschaal heeft dezelfde eigenschappen als een intervalschaal, maar een ratioschaal heeft wel een absoluut nulpunt. 50 centimeter is immers twee keer zo lang als 25 centimeter.

Wat is een categorische variabele?

Een categorische variabele is een variabele die geen getallen aanneemt, maar onderverdeeld wordt in categorieën. Het meest gebruikte voorbeeld is man/vrouw.

Wat is een dichotome variabele?

Een dichotome variabele is een variabele die......Read more

Hoe berekent SPSS gemiddelden? (5)
Hoe berekent SPSS variantie? (6)

Hoe berekent SPSS variantie? (6)

Dit is de gemiddelde gekwadrateerde afwijking van het gemiddelde. Je kan de variantie berekenen door eerst het gemiddelde van alle observaties af te trekken. Dan krijg je alle afwijkingen van het gemiddelden. Deze afwijkingen kwadrateer je om ze daarna bij elkaar op te tellen. Op deze manier bereken je de sum of squares. Wanneer we deze delen door het aantal observaties komen we uiteindelijk uit op de gemiddelde gekwadrateerde afwijking van het gemiddelde, dus de variantie.

In SPSS bereken je de variantie met ‘Frequencies’. Je volgt dan de volgende stappen:

  1. Kies Analyze en daarna Descriptive statistics. Vervolgens kies je voor Frequencies.

  2. Kies de variabele waarin je geïnteresseerd bent en selecteer deze door op de pijltjestoets (rechts wijzend) te klikken.

  3. Vervolgens klik je op Statistics en bij Dispersion klik je Variance aan.

  4. Klik vervolgens op Continue en dan op OK (of op Paste als je de analyse wil opslaan wil in de Syntax Editor).

De syntax wordt gegenereerd met het volgende commando:

FREQUENCIES VARIABLES=leeftijd

/STATISTICS=VARIANCE

/ORDER=ANALYSIS....Read more

Activities abroad, study fields and work areas: 
Hoe berekent SPSS betrouwbaarheidsintervallen? (7)
Wat houdt de SPSS methode Sum of Squares in? (8)
Hoe berekent SPSS de standaarddeviatie? (9)

Hoe berekent SPSS de standaarddeviatie? (9)

De standaarddeviatie of standaardafwijking is gelijk aan de wortel van de variantie en dus eigenlijk een maat voor min of meer hetzelfde. De variantie heeft de meer aantrekkelijke wiskundige eigenschappen, bijvoorbeeld dat de variantie van de som van onafhankelijke variabelen gelijk is aan de som van de varianties van de afzonderlijke variabelen. De standaarddeviatie is beter interpreteerbaar. Aangezien de variantie gebaseerd is op gekwadrateerde getallen, is hij niet van dezelfde ordegrootte als de observaties. Door er de wortel uit te trekken, dus de standaarddeviatie te nemen, wordt hij weer teruggebracht tot de ordegrootte van de observaties. Symbolen voor de standaarddeviatie zijn S (of s), en SD (of sd); de populatiestandaarddeviatie duiden we aan met de Griekse letter s (sigma).

In SPSS kan de standaarddeviatie worden berekend door middel van Frequencies. Je volgt dan de volgende stappen:

  1. Ga naar Analyze en vervolgens naar Descriptive statistics. Ga dan naar Frequencies.

  2. Vervolgens klik je op Statistics en vink je links onderaan bij ‘Dispersion de volgende optie aan: Std. Deviation.

  3. Klik daarna op Continue en op OK (of op Paste als je de analyse wil opslaan in de Syntax Editor).

De syntax wordt gegenereerd met de volgende commando’s:

FREQUENCIES VARIABLES=leeftijd

/STATISTICS=STDDEV

/ORDER=ANALYSIS....Read more

Activities abroad, study fields and work areas: 
Wat zijn vrijheidsgraden (10) en eenzijdige en tweezijdige toesten (11)?

Wat zijn vrijheidsgraden (10) en eenzijdige en tweezijdige toesten (11)?


Vrijheidsgraden (10)

Met ‘vrijheidsgraden’ (degrees of freedom) wordt bedoeld het aantal onafhankelijke schattingen die je kunt maken van een bepaalde waarde. Het symbool van vrijheidsgraden is (df) = n – 1.

Eenzijdige en tweezijdige toesten (11)

Dit hoofdstuk behandeld twee soorten toetsen. Achtereenvolgens komt aan de orde:

  • Tweezijdige toetsen
  • Eenzijdige toetsen

Zie aangehecht .pdf-bestand.

Welke soorten effect sizes zijn er te onderscheiden? (12)

Welke soorten effect sizes zijn er te onderscheiden? (12)

Het is belangrijk om te weten hoe belangrijk of veelzeggend een gevonden effect is. Een effect is bijvoorbeeld niet altijd betekenisvol of belangrijk zelfs als de statistische test een significant effect aangeeft. De effect size is de maat die je gebruikt wanneer je wilt meten hoe sterk een gemeten effect is binnen een populatie. Deze maat geeft een simpele, objectieve en gestandaardiseerde grootte van het gevonden effect aan. De test is gestandaardiseerd, dus men kan de effect sizes vergelijken met andere studies waarin andere variabelen zijn gebruikt. Een effect size is dus een manier van het kwantificeren van het verschil tussen twee groepen.

Er zijn veel verschillende soorten ‘effect sizes’. De bekendste zijn partial eta square en Cohen’s d. Partial eta square is een indicatie van de mate waarin de variantie van de afhankelijke variabele wordt verklaard door de onafhankelijke variabele. Waarden komen voor van 0 tot 1. Een kleine waarde is .01, een medium waarde .06 en een grote waarde .138. Cohen’s d presenteert het verschil tussen groepen in termen van standaardafwijkingen. Een kleine effect size hierbij is tot .2, een medium effect vanaf .5 en een groot effect vanaf .8....Read more

Activities abroad, study fields and work areas: 
Wat is het onderscheidingsvermogen van een statistische toets (power)? (13)

Wat is het onderscheidingsvermogen van een statistische toets (power)? (13)

Het onderscheidend vermogen, of onderscheidingsvermogen van een statistische toets is de kans om een nulhypothese terecht te verwerpen, dus de kans dat de toets niet een fout van de tweede soort (type II-fout) maakt. Aangezien de alternatieve hypothese vaak samengesteld is, zal het onderscheidend vermogen een functie zijn, aangegeven door γ (of ook wel door β), van de mogelijke waarden van de betrokken parameter onder de nulhypothese. Ideaal is een power van minstens .8....Read more

Activities abroad, study fields and work areas: 
Wat houden de SPSS designs Within- en between-subjects in? (14)

Wat houden de SPSS designs Within- en between-subjects in? (14)

Within subjects design

In het within-subjects design worden voor elke meting dezelfde participanten gebruikt. Een voorbeeld hiervan is een longitudinale studie waarbij één participant op meerdere momenten getest wordt.

Between subjects design

In het between-subjects design worden verschillende groepen met elkaar vergeleken, zoals bij een experimentele en een controlegroep....Read more

Activities abroad, study fields and work areas: 
Hoe werkt het voorbereiden van SPSS data? (15)

Hoe werkt het voorbereiden van SPSS data? (15)

Voordat je alle informatie van vragenlijsten en experimenten in IBM SPSS kan invoeren is het noodzakelijk om een ‘codeboek’ te maken. Dit is een samenvatting van de instructies die je gaat gebruiken om de informatie van elke proefpersoon om te zetten in een format dat IBM SPSS kan begrijpen. Het voorbereiden van een codeboek bestaat uit (1) het definiëren en labelen van elke variabele, en (2) het toekennen van nummers aan alle mogelijke antwoorden.

Op bladzijde 12 van het boek vind je een voorbeeld van een codeboek. Zoals te zien is in dit voorbeeld bestaat een codeboek uit vier kolommen:

  1. de afgekorte naam van de variabele (bijvoorbeeld ‘ID’ voor ‘identification number’)

  2. de uitgeschreven naam van de variabele (bijvoorbeeld ‘identification number’)

  3. uitleg over hoe de mogelijke antwoorden worden gedoceerd (bijvoorbeeld 1 = mannen, 2 = vrouwen)

  4. de meetschaal (bijvoorbeeld nominaal)

Aan welke regels dient een variabelenaam te voldoen?

Elke vraag of item in je vragenlijst dient een unieke variabelenaam te krijgen. Er bestaat een aantal regels waar een variabelenaam aan moet voldoen:

  • elke variabele moet een andere naam krijgen en dient dus uniek te zijn

  • elke variabele moet beginnen met een letter (niet met een cijfer)

  • een variabele kan geen symbool (bijvoorbeeld !, ?) of spatie bevatten

  • een variabele kan geen woord bevatten die door IBM SPSS wordt gebruikt als commando (bijvoorbeeld all, ne, eq)

  • een variabele kan niet meer dan 64 karakters bevatten

  • ...Read more
Activities abroad, study fields and work areas: 
Wat vertonen de Variabele View en Data View op het SPSS hoofdscherm? (16)

Wat vertonen de Variabele View en Data View op het SPSS hoofdscherm? (16)

De Data Editor (het hoofdscherm van SPSS) is onderverdeeld in twee verschillende tabbladen; Data View en Variabele View (deze tabbladen vind je linksonder in het scherm). Voordat je data kan invoeren moeten er eerst variabelen worden gecreëerd. In het tabblad 'Variabelen View' kun je je variabelen definiëren. In het tabblad ‘Data view’ voer je vervolgens al je data in. Wanneer je een analyse hebt uitgevoerd verschijnt het output scherm.

Variabele View

In dit tabblad kun je de variabelen aanmaken. Iedere rij staat voor een variabele. Je kan in elke kolom informatie over de variabele invoeren.

  • Name: De naam van de variabele

  • Type: Type data, vaak zijn dit gewoon nummers oftewel ‘numeric variables’. Ook kan het voorkomen dat er bijvoorbeeld data of letters worden gebruikt. Wil je het type invoeren, selecteer dan de cel en druk op het blauwe vierkantje met puntjes. Vervolgens kun je in een nieuw scherm het type variabele kiezen (bijvoorbeeld numeric, dollar, of date).

  • Width: Hoeveel posities er beschikbaar zijn

  • Decimals: Aantal decimalen

  • Labels: Tekst waarmee je de naam van de variabele kan toelichten

  • Values: Hier vul je de waarden van de labels in. Een voorbeeld kan zijn dat je variabele geslacht is en de code dan 0 voor man en 1 voor vrouw is. Om de waarden in te vullen selecteer je de cel en klik je op het blauwe vierkantje met de puntjes. Vervolgens schrijf je bij value bijvoorbeeld ‘0’ in en bij label ‘man’.

  • Missing: Hier kun je een waarde opgeven die je gebruikt hebt om 'geen antwoord' aan te geven. Ook hierbij selecteer je het blauwe vierkantje om de waarden in te voeren.

  • Columns: Breedte van de kolom in data-view.

  • Align: Uitlijning

  • Measure:

  • ......Read more
Activities abroad, study fields and work areas: 
Hoe werkt het invoeren van variabelen en data (17) en wat zijn missing values (18) in SPSS?

Hoe werkt het invoeren van variabelen en data (17) en wat zijn missing values (18) in SPSS?


Variabelen en data invoeren (17)

Een praktische handleiding voor het invoeren van data kan op twee manieren:

  • Manier 1: nieuwe variabele, data handmatig invoeren
  • Manier 2: nieuwe variabele, gebaseerd op bestaande variabelen

Zie aangehecht .pdf-bestand.

Missing values (18)

Het komt vaak voor dat je niet alle data van een proefpersoon hebt verzameld aan het einde van een onderzoek. Dit kan bijvoorbeeld komen doordat iemand een vraag niet wilt beantwoorden of hem simpelweg vergeten is. Je zou de participant dan uit de steekproef kunnen weghalen maar dit zou zonde zijn omdat je dan alle wel ingevulde antwoorden ook weggooit. Een oplossing in deze situatie is de respondent een missing value te geven voor de onbekende waarde.

De missing value is een code die door SPSS wordt herkend, niet als echte code maar wel als een ontbrekende waarde. Het zorgt ervoor dat een participant bij de statistische berekeningen waar die variabele bij betrokken is niet wordt meegenomen in de analyse. Je kan je missing values opgeven onder 'Variabele View' de cel bij een bepaalde variabele aan te klikken in de kolom 'missing'.

  • no missing values: alle waardes zijn bekend.

  • discrete missing values: de ontbrekende waarde wordt weergegeven door middel van een getal. In SPSS kiest men meestal voor 9, 99, 999 of 9999.

  • range plus one optional discrete missing value: bij deze optie kan je een volledig interval opgegeven als missing value en alternatief een discrete waarde dat buiten dit interval valt.

Hoe worden outliers (extreme waarden) gecontroleerd in SPSS? (19)
Wat zijn mogelijke assumpties bij parametrische testen in SPSS? (20)

Wat zijn mogelijke assumpties bij parametrische testen in SPSS? (20)

Assumpties zijn voorwaarden waaraan je data moet voldoen om een bepaalde toets uit te voeren. Deze assumpties verschillen bij elke toets. Wanneer er aan deze assumpties inderdaad voldaan is, geeft een parametrische toets doorgaans een beter onderscheidingsvermogen dan een niet-parametrische test. Bij een niet-parametrische test zijn er geen veronderstellingen wat betreft een normale distributie.

Er zijn vier assumpties bij parametrische testen:

  1. De data moet normaal verdeeld zijn. Dit kun je testen met de Kolmogorov-Smirnov test.

  2. De variaties door de data heen moeten hetzelfde zijn. De Levene test kan gebruikt worden om dit te testen.

  3. De data moeten op zijn minst op interval schaal gemeten zijn.

  4. De data moet onafhankelijk van elkaar zijn.

Voor veel toetsen is de normale verdeling een assumptie omdat anders de logica van de test niet meer klopt. Het checken van een normaal verdeling kan gecheckt worden aan de hand van grafieken. Ook kan je de Kolmogoroc-Smirnov test doen.

Het meten van normaliteit

Hier volgt de procedure om normaliteit te meten door middel van Explore.

  1. Kies Analyze en selecteer Descriptive statistics en vervolgens Explore.

  2. Klik de variabelen aan waarin je geïnteresserd bent. Klik op de pijltjestoets (wijzend naar rechts) en sleep deze variabelen naar de Dependent list.

  3. Plaats in de Labels Cases by je onafhankelijke variabele.

  4. In de Display sectie: zorg ervoor dat Both is geselecteerd.

  5. Klik op Statistics en klik Descriptives en Outliers aan. Klik daarna op Continue.

  6. Klik daarna op Plots en klik onder Descriptives aan: Histogram. Vervolgens vink je Stem-and-leaf uit. Klik Normality plots with tests aan en klik daarna op Continue.

  7. Klik op Options. In de Missing Values sectie klik je op Exclude cases pairwise. Klik daarna op Continue

  8. ......Read more
Activities abroad, study fields and work areas: 
Hoe werkt het aanmaken van labels (21) en het splitsen van databestanden in SPSS? (22)

Hoe werkt het aanmaken van labels (21) en het splitsen van databestanden in SPSS? (22)


Labels aanmaken (21)

Je gebruikt deze functie wanneer je cijfers in je databestand gebruikt die niet meteen de werkelijke betekenis aanduiden. Zo kun je bijvoorbeeld aan de numerieke codes 0 en 1 de waarde ‘man’ en ‘vrouw’ toekennen. Het kader 'define value labels' wordt opgeroepen door in desbetreffende cel te staan van de kolom 'values'. Op dat ogenblik staat er in die cel de waarde 'none'. Als je de cel aanklikt, verschijnt er een blauw blokje met puntjes. Bij het aanklikken van dit blokje verschijnt het kader waarin je kan aangeven welke betekenis bepaalde cijfers hebben.

Databestand splitsen (22)

Dit hoofdstuk geeft een praktische handleiding voor het splitsen van een databestand en beschrijft de te volgen procedure. Zie aangehecht .pdf-bestand.

Hoe werkt het selecteren van data in SPSS? (23)
Hoe werkt het spiegelen van variabelen in SPSS? (24)
Hoe werkt het opschonen van data in SPSS? (25)

Hoe werkt het opschonen van data in SPSS? (25)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk geeft een praktische handleiding voor het opschonen van data. Aan bod komt:

  • Typefouten
  • Het screenen en opschonen van de data
    • Stap 1: Het controleren op errors
    • Stap 2: Het vinden en corrigeren van error in het databestand
  • Case summaries
Hoe werkt het aanmaken van dummy's in SPSS? (26)

Hoe werkt het aanmaken van dummy's in SPSS? (26)

Met een dummy variabele kun je een categorische predictor variabele hanteerbaar maken voor verschillende analyses. Dummy-coderen houdt eigenlijk in dat je van een nominale variabele een intervalvariabele maakt. Dummy- codering gebruikt alleen maar 0 en 1-waarden.

Een voorbeeld:

Bij een nominale variabele geslacht krijgt ‘vrouw zijn’ dan als code 0 en 'man zijn' als code 1. Je moet deze waarde eigenlijk zien als een score op een schaal, bijvoorbeeld de schaal 'mannelijkheid'. Het is dus niet hetzelfde als wanneer je waardes een ‘Label’ geeft. Vrouwen scoren (als het goed is) hier 0 en mannen 1, dus denkt SPSS dan dat het om een intervalvariabele gaat, zodat je hier bijvoorbeeld een regressieanalyse mee kunt uitvoeren. Het aantal dummy’s dat je aanmaakt is altijd 1 minder dan het aantal groepen. Kies één van je groepen als baseline groep (meestal de controle groep), deze groep krijgt voor alle dummy variabele een 0.

Aanmaken van een Dummy:

  • Selecteer de categorische variabele die je wilt dummy coderen. Noteer het aantal categorieën. Dat is dus zoals hierboven al genoemd werd het aantal categorieën je hebt -1.

  • Klik op Transform en selecteer ‘Recode into different variables’. Selecteer daarna de data die je wilt recoderen, klik en nu kom je in het scherm ‘Numeric Variable’

  • Klik hierna op de Output Variable en typ daar de naam voor je nieuwe variabele. Klik op Change. Klik op Old and New Values. Er opent nu een nieuw scherm.

  • Recode nu de values of de variabele door één categorie met 1 te coderen en de andere met 0. Onder ‘new value’ typ je een ‘1’ en daarna voeg je deze toe door op ‘Add’ te drukken. Onder Old Value selecteer je de knop All other Values en vul je ‘0’ in bij ‘New Value’.

  • ......Read more
Activities abroad, study fields and work areas: 
Wat is de essentie van beschrijvende statistiek? (27)
Wat doet de functie frequencies in SPSS? (28)
Wat houdt de Kolmogorov-Smirnov test in? (29)
Wat houdt Levene’s test in? (30)
Hoe werkt het analyseren van SPSS data (31) en correlaties (32)?

Hoe werkt het analyseren van SPSS data (31) en correlaties (32)?


SPSS data analyseren (31)

Eenvoudige analyses die je kunt gebruiken om diverse onderzoeksvragen te onderzoeken zijn de correlatie, de variantieanalyses (ANOVA en ANCOVA), regressieanalyses en de onafhankelijke t-toets.

Correlaties analyseren (32)

Een correlatieanalyse wordt gebruikt om de sterkte en de richting van een lineaire relatie tussen twee variabelen te beschrijven. Er zijn verschillende statistieken beschikbaar in IBM SPSS om een correlatie te meten, waaronder de Pearson productmoment correlation cofficient (r) en de Spearman Rank Order Correlation (rho). Pearson r wordt gebruikt bij variabelen op intervalniveau terwijl de Spearman rho wordt gebruikt bij variabelen op ordinaal niveau.

Een correlatie geeft aan in hoeverre twee variabelen samenhangen, bijvoorbeeld het zijn van een vrouw en het dragen van roze kleding. Let op: een correlatie vertelt niets over een causale relatie tussen twee variabelen. Je kunt dus niet direct stellen dat de ene variabele de andere variabele beïnvloedt.

Positieve en negatieve correlaties

Correlaties worden ook vaak gebruikt om data te beschrijven en de data te checken op assumpties. De correlatiecoëfficiënt kan zowel negatief als positief zijn en ligt altijd tussen -1 en 1. Een correlatie van -1 is een perfect negatieve correlatie. Hierbij is sprake van een verband tussen twee tegenovergestelde dingen. Denk hierbij aan het dragen van een bikini en het niet dragen van handschoenen. Een correlatie van 1 is een perfecte positieve correlatie. Hierbij is sprake van een verband tussen twee positieve of twee negatieve variabelen. Bijvoorbeeld: het dragen van een bikini en......Read more

Activities abroad, study fields and work areas: 
Wat kenmerkt de Pearson correlatie? (33)

Wat kenmerkt de Pearson correlatie? (33)

Zie aangehecht .pdf-bestand.

In het vorige hoofdstuk werd de Pearson productmoment correlation cofficient (r), hierna verder afgekort met Pearson r, reeds geïntroduceerd. De Pearson r meet het verband of de relatie tussen twee variabelen van intervalniveau.

Wat houden de Spearman Correlation & Kendall’s Tau in? (34)
Hoe werkt ANOVA in SPSS? (35)

Hoe werkt ANOVA in SPSS? (35)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk bespreekt de eenweg variantieanalyse (one-way analysis of variance). Aan bod komt:

  • Introductie
  • Eenweg variantieanalyse between-groups ANOVA met post-hoc tests
    • Procedure voor een eenweg variantieanalyse between groups ANOVA met post-hoc tests
    • De output interpreteren
Hoe werkt ANCOVA in SPSS? (36)

Hoe werkt ANCOVA in SPSS? (36)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk bespreekt de ANCOVA (analysis of covariance) en geeft een praktische handleiding voor het verrichten daarvan. Aan bod komt:

  • Samenvatting ANCOVA

     

    • Procedure voor het checken van lineariteit
    • Procedure voor het verrichten van een ANCOVA
    • Interpretatie van de ANCOVA
Hoe verschillen regressie en correlatie (37) en hoe werkt enkelvoudige regressieanalyse in SPSS (38)?

Hoe verschillen regressie en correlatie (37) en hoe werkt enkelvoudige regressieanalyse in SPSS (38)?


Regressie vs. correlatie (37)

Regressie is een specifieke samenhang tussen verschillende gegevens. Het lijkt in weze op een correlatie, echter is een regressie iets gecompliceerder. Een regressiecoëfficiënt (ß) geeft aan in welke mate de waarde van een afhankelijke variabele zal veranderen wanneer er sprake is van een verandering in de onafhankelijke variabele. Een regressieanalyse geeft een idee hoe twee variabelen aan elkaar zijn gerelateerd, echter geeft het niet aan hoe sterk deze associatie is. Deze wordt gemeten met een correlatiecoëfficiënt. Samengevat: met een regressie probeert men te onderzoeken hoe de waarde van een afhankelijke variabele gemiddeld zal toenemen of afnemen wanneer de waarde van een onafhankelijke variabele toeneemt of afneemt. Met een correlatie wordt onderzocht hoe sterk het verband is tussen twee variabelen.

Enkelvoudige regressieanalyse (38)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk geeft een praktische handleiding voor het uitvoeren van een enkelvoudige regressieanalyse. Aan bod komt:

  • Assumpties
  • Procedure
  • Interpretatie van de output
Hoe werkt de onafhankelijke T-toets in SPSS? (39)
Hoe werkt de multipele regressieanalyse in SPSS? (40)
Hoe werkt het analyseren van complexe SPSS data (41) met bijvoorbeeld de Mann-Whitney test (42)?

Hoe werkt het analyseren van complexe SPSS data (41) met bijvoorbeeld de Mann-Whitney test (42)?


SPSS data analyseren II (41)

Een complexe analyse omvat is onder meer de Mann-Whitney test; een non-parametrisch alternatief voor de onafhankelijke t-toets. Daarnaast zijn nog een aantal statistische analyses van gevorderd niveau die kunnen worden gebruikt.

Mann-Whitney test (42)

De Mann-Whitney test wordt gebruikt om de verschillen tussen twee onafhankelijke groepen te toetsen met betrekking tot een continue uitkomst. Een voorbeeld is: verschillen mannen en vrouwen in depressiescores? Deze test is een niet-parametrisch alternatief voor een t-toets voor onafhankelijke steekproeven. In tegenstelling tot het toetsen van twee gemiddelden test de Mann-Whitney test de medianen.

Voorbeeld onderzoeksvraag

Nu volgt een voorbeeld van een onderzoeksvraag die je kunt onderzoeken met de Mann-Whitney test.

Onderzoeksvraag: Verschillen mannen en vrouwen met betrekking tot hun depressiescores? Hebben vrouwen hogere depressiescores dan mannen?

Wat heb je nodig: twee variabelen:

  • één categorische variabele met twee groepen (geslacht)

  • één continue variabele (depressiescores)

Procedure

Nu volgt de procedure voor het uitvoeren van een Mann-Whitney test.

  1. Klik op Analyze en selecteer Nonparametric Tests en klik dan op Independent Samples.

  2. In het blad genaamd Objective klik je op Customize analysis in de sectie “What is your objective?”.

  3. Klik op Fields.

  4. Selecteer je categorische (onafhankelijke) variabele (geslacht) en sleep deze naar de Groups sectie.

  5. Selecteer je continue (afhankelijke) variabele (depressiescores) en sleep deze naar de Test field sectie.

  6. Klik op Settings en selecteer

  7. ......Read more
Activities abroad, study fields and work areas: 
Hoe werkt de complexe regressieanalyse (43), zoals de logistische regressie (44) in SPSS?

Hoe werkt de complexe regressieanalyse (43), zoals de logistische regressie (44) in SPSS?


Complexe regressieanalyse (43)

Naast de eerder besproken eenvoudige en multipele regressieanalyse, is er ook een meer complexe regressieanalyse, namelijk de logistische regressie.

Logistische regressie (44)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk geeft een praktische handleiding voor het uitvoeren van een logistische regressieanalyse. Aan bod komt:

  • Assumpties
  • Voorbeeld onderzoeksvraag
  • Procedure
  • Interpretatie van de output
Hoe werkt de afhankelijke (gepaarde) t-toets in SPSS? (45)

Hoe werkt de afhankelijke (gepaarde) t-toets in SPSS? (45)

Een afhankelijke (gepaarde) t-toets (in het Engels aangeduid met paired-sample t-test) wordt gebruikt wanneer er slechts één groep is en je graag data wil verzamelen van deze groep in twee verschillende situaties of onder twee verschillende condities. Een voorbeeld is een pre-test/post-test experimenteel design waarbij elke persoon van de groep wordt gemeten op dezelfde afhankelijke variabele op twee verschillende tijdstippen: tijdstip 1 (vóór de experimentele manipulatie) en tijdstip 2 (na de experimentele manipulatie). De gepaarde afhankelijke t-toets wordt ook gebruik wanneer sprake is van gematchte paren van proefpersonen (bijvoorbeeld elke persoon wordt gematcht aan een andere persoon op basis van geslacht). Scores op een continue variabele worden dan vervolgens met elkaar vergeleken voor elk paar.

Assumpties

Bij de gepaarde afhankelijke t-toets horen de volgende assumpties:

  • normale verdeling

  • de groepen moeten afhankelijk zijn

  • de groepen moeten even groot zijn

Procedure

Nu volgt de procedure voor het uitvoeren van een afhankelijke t-toets.

  1. Kies Analyze selecteer vervolgens Compare Means en klik dan op Paired Samples T-test.

  2. Klik de twee variabelen aan die je met elkaar wilt vergelijken voor elke proefpersoon (bijvoorbeeld depressiescores op tijdstip 1 en depressiescores op tijdstip 2). Sleep deze variabelen naar de sectie genaamd Paired Variables door te klikken op de pijltjestoets (wijzend naar rechts). Klik op OK (of op Paste om de analyse op te slaan in de Syntax Editor).

  3. ...Read more
Activities abroad, study fields and work areas: 
Hoe berekent SPSS de point-biserial correlatie? (46)
Hoe werkt het uitvoeren van de Wilcoxon signed rank test in SPSS? (47)
Hoe werkt. de one way repeated measures ANOVA toets in SPSS? (48)
Hoe werkt de Kruskal-Wallis test in SPSS? (49)
Hoe werkt de Friedman test in SPSS? (50)
Hoe werken factor-analyse (51) en de chi-kwadraattoets (52) in SPSS?

Hoe werken factor-analyse (51) en de chi-kwadraattoets (52) in SPSS?


Factor-analyse (51)

Een factor-analyse is op diverse vlakken anders dan de eerder besproken analyses. Een factor-analyse is namelijk niet ontworpen om hypothesen te testen of om te onderzoeken of een groep significant verschilt van een andere groep. Factor-analyse is een zogenaamde ‘data-reductie techniek’. Het neemt een groot aantal variabelen en kijkt of de data kan worden gereduceerd in een kleinere set factoren of componenten. Er bestaan diverse soorten factor-analyses die in de volgende hoofdstukken worden besproken.

Chi-kwadraattoets (52)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk bevat een praktische handleiding voor het uitvoeren van de Chi-kwadraattoets. Aan bod komt:

  • Voorbeeld onderzoeksvraag
  • Procedure
  • Interpretatie van de output
Hoe werkt de log-lineair analyse in SPSS? (53)
Hoe werkt de independent factorial ANOVA analyse in SPSS? (54)
Hoe werkt de factorial repeated measures ANOVA analyse in SPSS? (55)
Hoe werkt de factorial mixed ANOVA analyse in SPSS? (56)
Hoe werkt de MANOVA analyse in SPSS? (57)

Hoe werkt de MANOVA analyse in SPSS? (57)

Zie aangehecht .pdf-bestand.

Dit hoofdstuk geeft een praktische handleiding voor het uitvoeren van een Multivariate Analysis of Variance (MANOVA). Aan bod komt:

  • Assumpties
  • Voorbeeld onderzoeksvraag
  • Procedure
  • Interpretatie van de output
Hoe werkt de factoriale MANOVA analyse in SPSS? (58)
Toepassen van onderzoeksmethoden en statistiek: Samenvattingen, uittreksels, aantekeningen en oefenvragen - UU
Image
Crossroad:
Follow the author: Psychology Supporter
Content categories
Contributions, Comments & Kudos

Add new contribution

CAPTCHA
This question is for testing whether or not you are a human visitor and to prevent automated spam submissions.
Image CAPTCHA
Enter the characters shown in the image.
Image
Access level of this page
  • Public
  • WorldSupporters only
  • JoHo members
  • Private
Statistics
4651 5 3
Last updated
03-06-2024