Data transformeren

Meest gebruikte toepassingen Omzetten van veel categorieen naar beperkt

aantal categorieen
Omzetten van testitems in negatieve scores
naar positieve scores

2 manieren van coderen Same variable

Meest gebruikte Different variable
Different variable Nieuwe variabele wordt achteraan toegevoegd

Negatieve scores naar positieve scores 5 schaal

1 5
2 4
3 3
4 2
5 1

Meervoudige categorien naar enkele categorien of 9 categorien naar 3 items

Range 1 tem range 3 1

Range 4 tem range 6 2
7 tem 9 3

Dichotoom variabele : via mediaan: diegene onder 36 hebben waarde 1 boven 36 waarde 2

Range lowest to value 36 1

Range highest to value 36 2

BEREKENEN van variabelen

Resultaat berekenen van een oorspronkelijke variabelen

Som

Zonder missing values Plusteken

Met missingvalues Function: komma

Nadeel met missing values: vertekening van resultaten hoe oplossen

Som (score1,score2) /2 aantal items dat opgeteld wordt

Terug omzetten naar categorien
Per persoon aaantal items /nvalid
Validiteit per score en persoon Nvalid (score1,score2)
Mean Gemiddelde + som dus ipv nvalid
Scheef verdeling

Log10 Variabele scheefverdeling aanvoegen

FREQUENTIES LATEN LOPEN

Variabelen bekijken Kwantitatief en kwalitatief onderscheiden
Kwantitatief vb BMI, leeftijd , score op 5
Kwalitatief vb Categorie BMI, sociale klasse, geslacht

Variabele vieuw

Controle Labels, values, missing values per variabele

Frequenties laten lopen kwalitatieve variabelen en kwantitatieve variabelen

Analyze- frequenties Laten lopen

Zien we Hh valide en hh missing values
Controle typfouten Bij valid
Beperkt Weinig gegevens over kwantitatief

Frequenties laten lopen kwantitatief

Descriptives Statis alles aanduiden

Overzicht met alle aangeduide waarden Outliers

Frequenties laten lopen kwantitatief explore

Gegevens Overzetten naar dependent

Grafiek krijg je weergegeven Boxplot
Stem en leaf

Visuele weergave
Keuze Afhankelijk van de doel van de grafiek
Kwalitatief Staafdiagram los van elkaar
Taartdiagram % verhoudingen
Kwantitatief Histogram
QQ plot Nagaan normale verdeling kwalitatief
Geobserveerde waarde tegenover verwachtte
waarde
Boxplot Spreiding
 Doos lijn Mediaan
Doos 50% waarnemingen in de doos
Doos onderste lijn 1rste kwartiel
Doos bovenste lijn Derde kwartiel
Snor onder Minimum waardee
Snor boven Maximum
Rond punt Outlier
Outlier Waarde tussen de waarde grotere afstand dan
1x de lengte
Sterreteje Extreme waarde
Extreme waarde Waarde van de afstand tussen 1 en 3 groter dan
3x de lengte van de box
Scatterplot Verband hoe groter bmi hoe groter cholesterol

Graphs

Kolommen Geslacht
Naast elkaar vrouwen en mannen

Descriptive stem en lef plots

Histogramstem en leaf

Les 6 PEARSON CORRELATIE/ SPEARMANCORRELATIE

Parametrisch Non parametriscch

2 kwantitatieve variabelen
Pearson
-1 getal dicht erbij: negatief verband
PWAARDE: <0,05 = significant
Analyze correlate bivariate
2 kwantitatieve variabelen
Spearman
+1 getal dicht erbij: positief verband
Pwaarde < 0,05= significant
Analyze correlate bivariate

Les 7 CHI KWADRAAT

2 kwalitatieve variabelen: vb.: verband SES en fruit eten

SES Variable views label coderen

SES 1 laag
2 midden
3 hoog
Fruit eten Coderen variable view: value label
Variable view < 3 stukken fruit( 1) en > 3 stukken fruit (2)

crosstabs
 Rijen
Kolommen
Crosstabs aandacht
Stats
Options
ANALYSE : 3 tabellen
Tabel chi2 test: onderste
Significant verband tussen ses
en fruit?
Value= pearson chi2
P waarde= 0,051
0,05 en 0,1= randsignificantie
Voorwaarden
80% cellen >5 pp
Andere manier van invoegen stel: verband tussen geslacht en studie keuze ( psychologie, wiskunde,
vp)
3 kolommen/3 variabelen: geslacht studie keuze en aantal
Weight cases by aantal
Chi kwadraat
Interpretatie hetzelfde
T test
One sample t test
Paired sample ttest
Independent – levene test
SES
Fruit
Chi kwadraat: om de maat in de out put te
verkrijgen
Percentages per groep alles aanduiden
Kruistabel
Interpretatie op %
Acount: aantal pp
Kolommen: eerst <3 fruit
Dan in rij soc. Klasse naar fruit
Recorderen Fisher exact toets
Stad en gemeente Cross 2x2 dus 2 categorien
samennemen tegenover 2 categorien
Dorp en platteland
samennemen
Stad gemeente dorp platteland Verschijnt automatisch als de
voorwaarden niet voldaan zijn
Cellen samennemen Verder interpreteren
Gemiddelde vergelijken met een
standaardwaarde 1 rij
Prémeting en postmeting
Dichotoom: J/M
 Kwali en kwanti variabele
Levene test gelijkheid van varianties Links: hoger dan 0,05 = gelijkheid varianties
Interpretatie Assumed rechts
Levene test Significant = verschillen
Niet betrouwbaar
Interpretatie Not assumed
Ingeven 2 kolommen

WILCOXON SIGNED INDEPENDENT GROUPS

MWU 2 RELATED GROUPS

FTOETS
ANOVA 1 kwanti 1 kwali
Meerdere groepen
3 gemiddelden

Welke? A-B
B-C?
Hoe 1. Post hoc
2. Contrast
Post hoc Geen hypothese
Contrast Wel hypothese

Anova hypotheses:

Wel hypothese A> B en C

Gewicht naar O A= + 2
BC= -2
0
Niets verwacht O

Interpretatie voorwaarden

Post hoc

Geen hypothese Levene test significant

Dan Post hoc interpreteren

contrast

Wel hypothese Levene test niet of wel significant

Niet Significant Assumed
significant Not assumed
NON PARAMETRISCH F

1kwantitatief of kwalie
3 kwali ( groepen)
Variantie levenetest Niet significant bij anova
Dan Kruskall wallis test
K independent sample
Chi2 P<0,05

Groepen vergelijken

2a2 MWU
Groepen te vergelijken ingeven
Interpretatie Normaal significantieniveau: 0,05/ aantal
groepen dat is de P waarde 0,0175 3 groepen

Two way anova

Constructie 1 kwantitatieve
2 kwalitatieve
OV 2 onafhankelijke variabelen

Constructie voorbeeld

Ov Av
Geslacht
Opleiding ALCOHOLGEBRUIK

Categorie geslacht Jongens

meisjes
Kruisende lijnen Interactieeffect
Links en rechts van de grafiek bekijken en de
lijnen interpreteren
Geen hoofdeffecten!!

Voorbeeld:

Aanleg 0 geen
1 matig
2 veel
Feedback 0 geen
1 wel
Kwantitatief Scores evenwichttest
Ingeven spss Proefpersonen
 Aanleg
Feedback
Scores
Aanleg Coderen aantal mensen gedeeld door 3
groepen bijvoorbeeld
Feedback De helft per 6 wel en niet is dus III, 000; III,000;
III, OOO

Testen uitvoeren de vraag interacties

Analyze univariate general Options: descriptive

Plot: x as: de groep met de meeste categorien
Post hoc: enkel de variabele met 3 groepen
Output analyse Between : F en P significant
PLOT : volgens interactie interpreteren
Descriptive interpreteren voor gemiddelden

Verdere testen omwille 3 groepen 1 factor waar is het verschil

SPLIT FILE Organised by groups

Aanleg
TEST Independent t test
Av : scores
OV: aanleg
OUTPUT Levene test : F : niet significant
Kijken naar Equal variance assumed:
T waarde, p waarde, niet significant
Verder kijken naar de groepen

Dan de hoofdeffecten stel men wilt weten aanleg onafh van methode

Wanneer Interactieeffect niet significant

Dan Tabel between bekijken
Significant Dan descriptive

OEFENING

Output

Between F interactie niet significant

Plot Hoofdeffecten tav gemiddelde av
Tabel van gemiddelden Kijken naar significantie hoofdeffecten
Posthoc testen Tijden vergelijken
Scores De beste score ifv de afh variabele