Resume
Statistiek - Data-Analyse: Samenvatting
- Cours
- Statistiek: data-analyse
- Établissement
- Universiteit Gent (UGent)
Samenvatting van alle kennisclips SPSS colleges
[Montrer plus]
2 revues
Par: MBGZHZ • 3 année de cela
Par: lien_dhondt • 5 année de cela
Aperçu du contenu
Samenvatting toetsenHistogram (is variabele normaal verdeeld?):
- Analyze < descriptives statistics < frequencies < charts < ‘Show nrml curve’ aanklikken
- Graphs < legacy dialogs < histogram < display normal curve
Boxplot:
- Analyze < descriptives statistics < explore
- Graphs < legacy dialogs < boxplot < simple < define < summaries of separated variables
Correlatie:
= verband tss 2 KWANTITATIEVE variabelen
Hoe? Analyze < correlate < bivariate < Pearson
Rapportage: Correlatiecoefficient (afronden tot 2 decimalen)
P waarde (Indien P niet sign, besluit: er is geen verband)
(Indien P wel sign, besluit: er is een significant neg/pos verband)
Voorbeeld:
2 testen vergelijken, de veldtest en de labotest. Is er een verband tussen hen? Bij elke test zijn er
scores op 20.
Kruistabellen en chi-kwadraten:
= verband tss 2 KWALITATIEVE variabelen
Hoe? - Analyze < descriptives statistics < crosstabs
- Data < weight cases < weight cases by en dan analyze < descript stat < crosstabs
Rapportage: Pearson Chi- Square Value
P waarde (Indien P wel sign, besluit: tabel interpreteren)
(Indien P niet sign, tabel niet interpreteren, besluit: er is geen verband)
Let op: Bij onvoldoende aantallen (minder dan 5) per cel cellen samenvoegen !
,Voorbeeld:
Is er een verband tussen het aantal uren tv en de BMI?
Zowel uren tv als BMI is gecategoriseerd waardoor dezez kwalitatief zijn.
T-toetsen:
= verschil tss 1 KWANTITATIEVE en 1 KWALITATIEVE variabele (gemiddelden vergelijken)
Hoe? - Analyze < Compare Means < independent samples t-test
- Analyze < Compare Means < paired- sample t-test (VOOR en NA)
- Analyze < Compare Means < one-sample t-test (VASTE WAARDE/ NORM)
Rapportage: Gemiddelde(n) & standaardafwijking(en)
t waarde(n)
P waarde(n)
Voorbeeld:
Een onderzoeker wil nagaan of tennissers zich beter kunnen concentreren dan voetballers.
F-toetsen = One-way anova:
= verschil tss 1 KWANTITATIEVE en 1 KWALITATIEVE (die bestaat uit meer dan 2 groepen)
Hoe? - Analyze < Compare Means < One-way Anova < Dependent en Factor invullen
< options: ‘descriptives’ en ‘homogenity of variances’ aanklikken
F- toets
Geen hypothese Wel hypothese
Levenes niet Sign Levenes SIGN Levenes NIET sign Levenes SIGN
F sign F niet sign non param
POST HOC geen verschil CONTRAST CONTRAST
(Turkey/Scheffe) equal variances not assume equal
,Rapportage: F waarde
P waarde
(t waarde)
Voorbeeld:
Sporten kinderen uit hogere sociale klasse meer? Er zijn 4 soorten sociale klassen.
Two-way anova:
= verschil tss 1 KWANTITATIEVE en 2 KWALITATIEVE variabelen
Je berekent : 2 hoofdeffecten + 1 interactieeffect + EVENTUEEL COVARIAAT
Hoe? 1) Analyze < General Linear Model < Univeriate < dependent en fixed factors invullen
2) plot opvragen (deze enkel interpreteren bij significant interactie effect)
3) bij ‘options’: klikken op ‘descriptives’
Rapportage: gemiddelden
F waarde en P waarde van de 2 hoofdeffecten
F waarde en P waarde van het interactieeffect
Plot (enkel als er een significant interactieeffect is)
Let op: Als je een kwalitatieve variabele hebt die bestaat uit 3 groepen of meer
post hoc test uitvoeren!
Voorbeeld:
Een onderzoeker wil nagaan of de fitheid van jongeren tss 14 en 18 jaar (Laag, Matig, Hoog) en het
geslacht (M of V) een verschil maakt op demate waarin jongeren zich kunnen concentreren op de
concentratietest (hoe hoger de score hoe beter de concentratie).
Repeated Measures anova:
= gemiddelden vergelijken zowel BETWEEN als WITHIN
Als je meerdere metingen van dezelfde variabele per persoon hebt.
Je berekent: 2 hoofdeffecten (keer Within en keer between)
1 interactieeffect (tussen Within en between)
Hoe? 1) Analyze < General Linear Model < Repeated Measures < within subject factor name invullen
2) Number of levels invullen (vb. 4 pogingen 4 levels)
3) Define
4) Between subject factor
5) eventueel covariaat toevoegen
6) bij ‘options’: descriptives aanklikken
Rapportage: Lambda: F waarde en P waarde van de hoofdeffecten
Lambda: F waarde en P waarde van het interactieeffect
Gemiddelden
Plot (alleen als er een significant interactieeffect is)
Let op: Als je 3 of meer groepen hebt post hoc test uitvoeren!
( als je niet op boxplot kan drukken, moet je gaan naar ‘options’ en dan ‘display means for’
en dan ‘Compare main effects’)
, Voorbeeld:
In een bedrijf krijgen 10 werknemers uit 3 personeelsgroepen een training in klantvriendelijkheid
(bedienden, arbeiders, kaderpersoneel). De onderzoeker wil nagaan of de werknemers vooruitgaan in
klantvriendelijkheid en of er specifieke groepen zijn die meer vooruit gaan dan andere.
(Vooruitgang van de pre naar de post test)
Lineaire regressie:
= voorspellen, verklaren van KWANTITATIEVE afhankelijke variabele (Y)
2 soorten: -Enkelvoudige LR: één x die Y zal verklaren
-Meervoudige LR: verschillende x-en die Y zullen verklaren
Hoe?: 1) Beschrijvende gegevens, zijn er uitbijters ?
2) Simple scatters maken van elke x met de y (je mag geen U-vorm zien)
3) Correlaties berekenen tussen de x-en (mag niet meer dan 0.60 zijn)
Indien > 0.60 die x-en correleren met de y de sterkste blijf
4) Analyze < regression < lineair < dependent en indepent invullen
Rapportage: Adjusted R square (...% van de variantie wordt verklaar door)
F waarde met bijhorende P waarde
t waardes met bijhorende P waarde
β waarden (grootste β heef grootste invloed)
B waarden (om vergelijking op te stellen: y= a + bx of y = a + bx + cx)
Voorbeeld:
Kunnen de scores op wiskunde, wetenschappen en Engels de totaalscores voorspellen?
Wisk, wet en Engels zijn de 3 X-en en de totaalscore is Y
Totaalscore is KWANTITATIEF
Logistische regressie:
= voorspellen, verklaren van KWALITATIEVE afhankelijke variabele (Y) die DICHOTOOM is
Hoe? 1) Analyze < regression < Binary Logistic < dependent en covariates invullen
2) bij ‘categrorical’: alle predictoren overbrengen, allemaal selecteren en op ‘First’ klikken en
dan op ‘Change’ klikken
3) bij ‘options’ : ‘CI 95%’ aanklikken
Rapportage: Lower en upper (als 1 er NIET in ligt significant ! )
Exp (B) van de significante predictoren (vb. 2.5 2.5 keer meer kans om...)
Let op: Als oddsratio < 1 : Analyse opnieuw uitvoeren maar alleen voor de desbetreffende
predictor aanduiden ‘last’ ipv ‘first’ interpretatie is dan wel anders !!
Voorbeeld:
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur jorisverhoevenugent. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €6,49. Vous n'êtes lié à rien après votre achat.
Peut-on faire confiance à Stuvia ?
4.6 étoiles sur Google & Trustpilot (+1000 avis)
80364 résumés ont été vendus ces 30 derniers jours
Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans