SPSS Introduktionsguide

Guide: Introduktion til SPSS

Introduktion
SPSS er et databehandlingsprogram med mange forskellige funktioner. Denne guide giver dig en
introduktion til interfacet i SPSS og forklarer, hvordan man udfører basale funktioner som
deskriptiv statistik og t-tests. Hvis man er ekstra interesseret og ønsker at blive en SPSS-haj, er der
et hav af videoer på YouTube, som viser smarte SPSS-tricks og forklarer, hvordan man udfører
mere komplicerede funktioner.
Guiden er delt op i tre dele:
1. SPSS-interface og nyttige funktioner er en gennemgang af, hvordan man taster variable
ind, hvilke egenskaber man kan justere på, samt nyttige funktioner som at udregne en ny
variabel (Compute Variable).
2. Deskriptiv statistik i SPSS gennemgår, hvordan man udregner deskriptive størrelser som
middelværdi, range og varians, samt hvordan man laver grafer som f.eks. boxplots.
3. t-test i SPSS er en gennemgang af, hvordan man laver en one sample t-test og en paired
sample t-test i SPSS.
Denne guide dækker langt fra alle de funktioner i SPSS, der er relevante for pensum i Statistik 1. Vi
vil derfor stærkt opfordre jer til at blive ved med at udbygge guiden i løbet af semestret, når I
lærer nye SPSS-kommandoer – individuelt eller som et fælles projekt for stamholdet – så I kan få
en fuldstændig guide til SPSS.

God fornøjelse!
Instruktorerne i Statistik og Kvantitative Forskningsdesign 1

1
 SPSS Introduktionsguide

Indholdsfortegnelse
Introduktion.............................................................................................................................................1
1. SPSS-interface og nyttige funktioner.....................................................................................................3
1.1 Data view vs. variable view.....................................................................................................................3
1.1.1 Data View........................................................................................................................................3
1.1.2 Variable View..................................................................................................................................4
1.2 Indtastning og egenskaber ved variable.................................................................................................5
1.2.1 Name...............................................................................................................................................5
1.2.2 Label................................................................................................................................................6
1.2.3 Measure (skalatype)........................................................................................................................6
1.2.4 Type.................................................................................................................................................6
1.2.5 Width...............................................................................................................................................8
1.3 Indtastning af data..................................................................................................................................8
1.4 Udregning af ny variabel (Compute Variable).........................................................................................8
1.5 Udvælgelse af datasæt (Select Cases)...................................................................................................10
1.6 Vægtning af data (Weight Cases)..........................................................................................................13
2. Deskriptiv statistik i SPSS.....................................................................................................................16
2.1 Deskriptiv statistik for den samlede data..............................................................................................17
2.2 Deskriptiv statistik for to grupper.........................................................................................................20
2.3 Mean plot i SPSS...................................................................................................................................23
2.4 Box plot i SPSS......................................................................................................................................25
3. t-tests i SPSS.......................................................................................................................................28
3.1 One sample t-test.................................................................................................................................29
3.1.1 Generel One Sample t-test APA-konklusion...................................................................................31
3.2 Paired samples t-test............................................................................................................................31
3.2.1 Generel Paired Sample t-test APA-konklusion...............................................................................33

2
 SPSS Introduktionsguide

1. SPSS-interface og nyttige funktioner

1.1 Data view vs. variable view
I SPSS kan du både vælge at se hele dit datasæt eller at se en oversigt over dine variable. For at se
dit datasæt skal du være i Data View, og for at se oversigten over variable, skal du være i Variable
View. Når du åbner SPSS, vil programmet automatisk åbne Data view. Du kan vælge mellem Data
View og Variable View ved at trykke på fanerne nederst på siden (Figur 1.1).

Figur 1.1: SPSS-interface i Data view. Man kan skifte til Variable View i bunden af siden.

1.1.1 Data View

I Data View kan du se hele dit datasæt. Hver kolonne angiver en variabel, og hver række angiver
en forsøgsperson. I toppen af hver variabel står variablens navn samt et symbol, der angiver,
hvilken skalatype variablen er på. Du kan frit skrive data ind ved at klikke på et felt og skrive deri.
Eksempel
I et studie har man undersøgt, om en ny type medicin hjælper på forhøjet blodtryk. Man har
rekrutteret 10 forsøgspersoner og inddelt dem i en eksperimentgruppe og en placebogruppe.
Deres blodtryk blev målt før og efter behandling/placebo, og man noterede sig deltagernes køn og
alder. På Figur 1.2 ses Data View for datasættet. Der er i alt 5 variable (5 kolonner):
1. Køn (M/F)
2. Alder (år)
3. Gruppe (1 = ny medicin, 0 = placebo)

3
 SPSS Introduktionsguide

4. Blodtryk_før
5. Blodtryk_efter
Vi kan desuden se, at der er 10 forsøgspersoner med i studiet (10 rækker).

Figur 1.2: Datasæt for studie om ny blodtryksmedicin.

1.1.2 Variable View

Variable View viser os en oversigt over vores variable og detaljerne om dem. Hver variabel har sin
egen række, og hver kolonne angiver en egenskab ved variablen; vi vil gennemgå de enkelte
egenskaber i næste afsnit. I eksemplet fra før om undersøgelsen af en ny type blodtryksmedicin,
kan vi se de 5 variable på hver sin række, når vi vælger Variable View (Figur 1.3).

4
 SPSS Introduktionsguide

Figur 1.3: Variable View.

1.2 Indtastning og egenskaber ved variable

Vi vil nu gennemgå udvalgte egenskaber ved variable, som SPSS lader os definere i Variable View.
Vi vil gennemgå egenskaberne ved et simpelt eksempel, hvor vi ønsker at indtaste tre variable:
Køn (nominal skala), Alder (ordinal skala) og Blodtryk_før (intervalskala).
1.2.1 Name
Første kolonne i Variable View, Name, angiver variablens navn. SPSS tillader ikke navnet at
indeholde mellemrum, men man kan bruge _ (underscore), hvis man ønsker at adskille ord, f.eks.
”Blodtryk_før”.
Vi laver en ny variabel ved at skrive variablens navn i dette felt. I vores eksempel laver vi tre
variable: ”Køn”, ”Alder” og ”Blodtryk_før” (Figur 1.4).

Figur 1.4: Indtastning af variablenes navne.

Tip Det er en god ide at give sin variabel et navn, der indikerer, hvad den går ud på, så man undgår
forvirring, når man skal forstå og fortolke sine resultater senere. F.eks. er det nemmere at forstå,

5
 SPSS Introduktionsguide

at variablen ”Blodtryk_før” angiver blodtrykket før behandling, end hvis man f.eks. havde kaldt
den ”Variabel_4”.
1.2.2 Label
Under Label kan vi skrive det navn, vi gerne vil kalde vores variabel, uden at SPSS har nogen regler
for, hvilke tegn der må være med. For variablen ”Blodtryk_før”, kunne vi give variablen en label
ved navn ”Blodtryk før behandling” (Figur 1.5). Labelen angiver det navn, der kommer til at stå på
grafer og tabeller. For de to andre variable, Køn og Alder, er label bare det samme som variablens
navn.

Figur 1.5: Indtastning af labels for variable.

1.2.3 Measure (skalatype)

Vi kan angive variablens skalatype under Measure. Før vi har angivet skalatypen, vil der stå
”Unknown”. Når vi klikker på Measure-feltet for vores variabel, har vi tre valgmuligheder:
Nominal, Ordinal og Scale (interval/ratio). Vi vælger nominal skala for Køn, ordinal skala for Alder
og intervalskala for Blodtryk_før (Figur 1.6).

Figur 1.6: Valg af skalatyper for variable.

1.2.4 Type
Under Type kan vi angive, om variablens værdier er Numeric (tal) eller en String (ord). Når vi
indtaster en ny variabel, vil SPSS automatisk vælge typen Numeric. Det er fint, når vores variabel
har talværdier; det gælder, i vores eksempel, for variablene Alder og Blodtryk_før.
Hvis vi derimod ønsker at kunne skrive variablens værdier i ord eller bogstaver, skal vi ændre
variablens Type. Det kunne f.eks. være i variablen Køn, hvor vi kunne ønske at angive værdierne
som Kvinde eller Mand. I så fald skal vi trykke på de tre små prikker i højre hjørne af feltet under
Type (Figur 1.7).

6
 SPSS Introduktionsguide

Figur 1.7: Ændring af Type.

Der vil nu dukke en dialogboks op, hvor man kan vælge typen String (Figur 1.8).

Figur 1.8: Ændring af Type.

Når vi trykker OK (Figur 1.8), vil vi i Variable View kunne se, at variablens Type er blevet ændret til
en String (Figur 1.9).

Figur 1.9: Ændring af Type.

Tip Vi kunne også have defineret Køn som en Numeric type ved f.eks. at skrive 1 for kvinde og 0
for mand. I så fald havde vi ikke behøvet at ændre variablens type. Til gengæld skal man så huske
at skrive ned et sted, hvilket tal, der er kvinde, og hvilket der er mand – ellers kan man hurtigt få
forvirret sig selv senere :-)

7
 SPSS Introduktionsguide

1.2.5 Width
Width angiver hvor mange tegn, der må være i variables værdier. F.eks. har tallet ”39” en width på
2, og ordet ”Kvinde” har en width på 6. SPSS sætter automatisk width på 8, og det er typisk
tilstrækkeligt for de fleste datasæt. Men hvis vi forestiller os, at vi havde glemt at notere alderen
på en af vores forsøgspersoner, kunne det være, at vi gerne ville skrive ”Ikke defineret” under
personens alder. I så fald ville vi være nødt til at ændre Width for Alder fra 8 til 14 (og ændre
Alders type til en string).

1.3 Indtastning af data

Vi har nu defineret vores variable, givet dem en label, angivet deres skalatype samt deres type.
Hvis vi går ind i Data View, kan vi nu se vores 3 variable som 3 kolonner. Vi kan nu indtaste vores
data ved at klikke på de hvide felter og begynde at skrive (Figur 1.10).

Figur 1.10: Indtastning af data.

1.4 Udregning af ny variabel (Compute Variable)

Man kan til tider være interesseret i at udregne en ny variabel på baggrund af ens eksisterende
variable, f.eks. hvis man ønsker at udregne differencescorer. Lad os vende tilbage til vores første
eksempel med studiet, der undersøgte effekten af en ny type blodtryksmedicin på forhøjet
blodtryk. Vi har både en blodtryksmåling før og efter behandling: Blodtryk_før og Blodtryk_efter.
Vi kunne nu være interesserede i at udregne forskellen på forsøgspersonernes blodtryk før og
efter behandling (differencescoren) ved hjælp af SPSS. Det gør vi på følgende måde:
1. Tryk på ”Transform” i menuen øverst på siden og vælg ”Compute Variable…” i drop down-
menuen.

8
 SPSS Introduktionsguide

2. Der dukker nu en dialogboks op.

 Navngiv den nye variabel under ”Target Variable”, f.eks. ”Blodtryk_diff”.
 Under ”Numeric Expression” skriver du, hvordan den nye variabel skal udregnes. Vi
ønsker at udregne forskellen på blodtrykkene, dvs. ”Blodtryk_før – Blodtryk_efter”.
Man kan enten skrive variablenes navne i feltet eller hive dem over fra kolonnen til
venstre.
 Tryk på ”OK”.

3. Den nye variabel dukker nu op i vores Data View.

9
 SPSS Introduktionsguide

1.5 Udvælgelse af datasæt (Select Cases)

Vi er til tider interesserede i kun at undersøge en udvalgt del af vores datasæt. I vores eksempel
kunne det være, vi var interesserede i at undersøge effekten af den nye medicin for kvinder alene.
I stedet for at kopiere data for hver enkel kvindelig forsøgsperson ind i et nyt dataark, kan SPSS
gøre det for os ved hjælp af funktionen ”Select Cases”.
1. Tryk på ”Data” i menuen øverst på siden og vælg ”Select Cases…” nederst i drop-down
menuen.

10
 SPSS Introduktionsguide

2. Vælg ”If condition is satisfied” og tryk på boksen ”If…”

3. Vi ønsker at udvælge data for kvinderne, og betingelsen for at komme med i det nye datasæt
er derfor, at Køn skal have værdien F (for Female). Det angiver vi ved at skrive Køn = ”F” i den
øverste boks. Tryk dernæst på ”Continue”.

11
 SPSS Introduktionsguide

4. Vi kan vælge at få SPSS til at lave et nyt datasæt med data kun for kvinderne ved at vælge
”Copy selected cases to a new dataset”. Vi navngiver det nye datasæt ”Blodtryk_kvinder”.
Tryk på OK.

12
 SPSS Introduktionsguide

5. Vi har nu et nyt datasæt med data kun for kvinderne.

1.6 Vægtning af data (Weight Cases)

Hvis vi har mange datapunkter og få kategorier, kan det nogle gange være lettere at indtaste data
som en frekvenstabel. For at få SPSS til at forstå data, skal man vægte dem med funktionen

13
 SPSS Introduktionsguide

”Weight cases”. Lad os forestille os, at vi har spurgt 100 mennesker på gaden, hvad deres
yndlingsfarve er. Deres svar fordeler sig sådan:

Rød Grøn Blå Lyserød Orange Lilla Anden

Antal svar 14 18 19 11 13 15 10

1. Vi definerer to variable i Variable View: 1) Yndlingsfarve med skalatypen nominal og typen

String og 2) Frekvens med skalatypen intervalskala og typen Numeric.
I Data View indtaster vi nu de 7 svarmuligheder under Yndlingsfarve og antal svar under
Frekvens.

2. Tryk på ”Data” i menuen øverst på siden og vælg ”Weight Cases…” nederst i drop-down
menuen.

14
 SPSS Introduktionsguide

3. Tryk på ”Weight cases by” og hiv “Frekvens” over i linjen under ”Frequency Variable”. Tryk OK.

4. SPSS fortæller ikke, at den har vægtet variablene, men det har den – så selvom der ikke sker
noget i output, er kommandoen alligevel gået igennem.

15
 SPSS Introduktionsguide

2. Deskriptiv statistik i SPSS

I denne del af guiden, vil vi tage udgangspunkt i følgende eksempel:
I et studie har man undersøgt effekten af en ny terapiform til behandling af depression. Man har
rekrutteret 30 forsøgspersoner og inddelt dem i en behandlingsgruppe og en kontrolgruppe.
Behandlingsgruppen modtager behandling med den nye terapiform, mens kontrolgruppen
modtager den behandling, der ellers er standard practice (treatment as usual, TAU). Køn, alder og
depressionsscore (Beck Depression Inventory, BDI) måles før behandlingen startes og efter 4 mdr.
behandling (Figur 2.1).

Figur 2.1: På billedet ses data for 25 ud af de 30 forsøgspersoner

16
 SPSS Introduktionsguide

2.1 Deskriptiv statistik for den samlede data

Hvis vi ønsker at kende den deskriptive statistik for vores indsamlede data, kan vi klikke ind i
Analyze  Descriptive Statistics  Descriptives (kun for variable på scale (interval/ratio) og
ordinal skala).

Alternativ metode: Vi kunne også have klikket Analyze  Descriptive Statistics  Frequencies
(også for variable på nominal skala) for at få den deskriptive statistik for vores variable.

Følgende vindue dukker op:

17
 SPSS Introduktionsguide

De variable vi ønsker at kende den deskriptive statistik for, trækker vi over under Variable(s):

Det er ikke nødvendigvis alle variable, vi ønsker statistik for, så vi vælger bare de relevante (her
vælger vi alle for eksemplets skyld).

Hernæst klikker vi os ind i Options og vælger de statistikker, vi ønsker:

18
 SPSS Introduktionsguide

Her har vi valgt gennemsnit, standardafvigelse, varians og range.

Vi trykker nu Continue og derefter OK, og så får vi vores output:

2.1.1 Aflæsning af output

Her kan vi se, at samplestørrelsen er n=30.

For Alder kan vi se, at range er 10. Dvs. at der er 10 år mellem den yngste og den ældste
forsøgsperson. Vi kan se, at gennemsnitsalderen er M Alder =25 , 47 år , og standardafvigelsen er
s Alder =2 , 7 år (hvilket betyder, at den gennemsnitlige afvigelse fra aldersgennemsnittet er 2,7 år).
Variansen for Alder er s2Alder =7,361 å r 2 .

For depressionsscore før behandlingen kan vi se, at der er 15 point mellem de to forsøgspersoner
med den hhv. laveste og højeste BDI (fordi range er 15). Vi kan se, at den gennemsnitlige
depressionsscore i samplet før behandlingen er M BDI =26 , 1 point , og at standardafvigelsen er
før

s BDI =4 ,1 point . Variansen for BDI før behandling er s2BDI =16 , 7 poin t 2.
før før

For depressionsscore efter 4 mdr. behandling kan vi se, at der er 18 point mellem de to
forsøgspersoner med den hhv. laveste og højeste BDI (fordi range er 18). Vi kan se, at den
gennemsnitlige depressionsscore i samplet efter 4 mdr. behandling er M BDI . =21 , 57 point , og at
4 mdr

standardafvigelsen er s BDI .=5 ,3 point . Variansen for BDI efter 4 mdr. behandling er
4mdr

2 2
sBDI 4mdr . =27 , 8 poin t .

2.1.2 Tolkning af output

På baggrund af vores deskriptive statistik kan vi konstatere, at den gennemsnitlige
depressionsscore i samplet er faldet fra 26,1 point til 21,57 point, så uden at tage højde for
behandlingsformen, ser det altså ud til, at der er sket en reduktion af depressionssymptomer efter
4 mdr. MEN i dette studie har vi ønsket at sammenligne to behandlingsformer, nemlig den nye og
den gamle (TAU).

19
 SPSS Introduktionsguide

2.2 Deskriptiv statistik for to grupper

Vi kan finde den deskriptive statistik for hver af de to grupper (Ny/TAU) ved at trykke Analyze 
Compare Means  Means:

Følgende vindue dukker op:

20
 SPSS Introduktionsguide

Fordi depressionsscorer er det vi måler på/undersøger, er de to variable ”Depressionsscore før

behandling” og ”Depressionsscore efter 4 mdr. behandling” vores afhængige variable, og de
trækkes derfor over i Dependent List. Behandlingsformen er den variabel, som er
fastsat/manipuleret af forsøgslederne på forhånd og er derfor en uafhængig variabel, og den
trækker vi over i Layer 1 of 1:

Hernæst kan vi klikke ind i Options og vælge, hvilke statistikker vi ønsker:

21
 SPSS Introduktionsguide

Per default er der valgt både gennemsnit og standardafvigelse, men hvis man ønsker andre
statistikker som fx median, range eller varians, så kan man trække dem over her.

Hernæst klikker vi Continue og OK, og så får vi vores output:

Aflæsning af output
Vi kan se, at den gennemsnitlige depressionsscore i den nye behandlingsgruppe før behandlingen
er M Ny =26 , 34 point , og efter 4 mdr. behandling er den M Ny . =19 ,54 point . Depressionsscoren
før 4mdr

i den nye behandlingsgruppe er altså faldet gennemsnitligt omkring 7 point fra før til efter 4 mdr.
behandling.

Vi kan se, at den gennemsnitlige depressionsscore for TAU før behandlingen er

M TAU =25 , 87 point , og efter 4 mdr. behandling er den M TAU .=23 ,6 point . Depressionsscoren i
før 4 mdr

den gamle behandlingsgruppe (TAU) er altså faldet gennemsnitligt omkring 2 point fra før til efter
4 mdr. behandling.

Tolkning af output
Vores deskriptive statistik tyder altså på, at effekten af den nye behandling er bedre end effekten
af den gamle behandling. Vi kan teste om forskellen er signifikant med en t-test, som gennemgås i
afsnittet ”t-tests i SPSS”.

22
 SPSS Introduktionsguide

Ønsker vi en visuel repræsentation af den deskriptive statistik, kan vi fx lave et mean plot eller et
boxplot.

2.3 Mean plot i SPSS

For at lave et mean plot klikker vi Graphs  Chart Builder:

Følgende vindue dukker op:

23
 SPSS Introduktionsguide

Det lille billede med Simple Error Bar trækkes op i det hvide felt med blå skrift i:

Herefter placeres den uafhængige variabel i X-Axis og den afhængige variabel i Y-axis:

24
 SPSS Introduktionsguide

Til sidst trykker vi OK og får vores mean plot:

95% konfidens-
95% konfidensintervallet
intervallet for den
for TAU-gruppens
nye behandlings-
depressionsscore
gruppes
depressionsscore

Gennemsnit for den nye

behandlingsgruppe

Gennemsnit for den gamle

behandlingsgruppe (TAU)

Vi har her lavet et mean plot for depressionsscore før behandling, og vi kan tilsvarende lave et for
depressionsscore efter 4 mdr. behandling ved i stedet at vælge variablen ”Depressionsscore efter
4 mdr. behandling” som afhængig variabel (og placere den på Y-aksen).

25
 SPSS Introduktionsguide

2.4 Box plot i SPSS

For at lave et boxplot klikker vi igen Graphs  Chart Builder. Følgende vindue dukker op, og vi
klikker på Boxplot:

Det lille billede med Simple Box Plot trækkes op i det hvide felt med blå skrift i:

26
 SPSS Introduktionsguide

Herefter placeres den uafhængige variabel i X-Axis og den afhængige variabel i Y-axis:

Til sidst trykker vi OK og får vores boxplot:

Outlier

Median Maksimum

3. kvartil

1. kvartil

Minimum

27
 SPSS Introduktionsguide

Vi har her lavet et boxplot for depressionsscore efter 4 mdr. behandling, og vi kan tilsvarende lave
et for depressionsscore før behandling ved i stedet at vælge denne som afhængig variabel (og
placere den på Y-aksen).

28
 SPSS Introduktionsguide

3. t-tests i SPSS
I denne del af guiden tager vi udgangspunkt i et eksempel med Alzheimers patienter, og hvordan de scorer
forskelligt på en depressionsskala i forhold til gennemsnittet i normalbefolkningen.

Vi har givet 25 Alzheimerpatienter Beck Depression Inventory, på hvilken gennemsnitsscoren i

normalbefolkningen er 25. Vi gentager målingen efter et år, for at se om der er sket ændringer.

Figur 3.1 På billedet ses data for 8-25 af patienterne

29
 SPSS Introduktionsguide

3.1 One sample t-test

One sample t-test bruges når vi kun har én stikprøve, og vi kender populationens μ.

For at lave selve testen skal du:

1. Trykke ”Analyze” og vælge ”Compare means” og derefter ”One Sample T test”

2. Vælge den variable vi er interesseret i at undersøge (Hint! Det skal være en kontinuert
variabel) og flytte den over til under ’Test variables(s)’

30
 SPSS Introduktionsguide

3. Skriv den test-værdi vi tester op i mod ind under ’Test Value’

4. Trykke ”OK” og få følgende output, hvor man kan aflæse t-værdi og p-værdi

Vælg efter om vi
har en et- eller to-
halet!
Ofte kender vi også
de her fra
opgaveteksten

5. Bruge outputtet til at skrive en APA-konklusion

Man får næsten altid langt flere informationer end man skal bruge i et SPSS-output, så derfor er
det klogt for hver slags statistisk test at have markeret tydeligt i sine noter hvad man skal bruge,
og hvor det hører til i en APA-konklusion. Et eksempel på hvordan man kan gøre kommer
herunder:

31
 SPSS Introduktionsguide

3.1.1 Generel One Sample t-test APA-konklusion

Konklusion: En {to/et}-halet One sample t-test viste, at {n} {hvem er de?}’s gennemsnitlige score
på {test} ( M ={}) var signifikant forskellig fra gennemsnittet for {populationen} ( μ={}),
t ( {df })={}, p={} .

One Sample t-test APA-konklusion på denne opgave

Konklusion: En to-halet One Sample t-test viste, at 25 Alheimerpatienters gennemsnitlige score på

Beck Depression Inventory ( M =23 , 4 ) var signifikant forskellig fra gennemsnittet for
normalbefolkningen ( μ=25), t ( 24 )=−2.692 , p=.013 .

3.2 Paired samples t-test

Paired Samples t-test burger vi når vi har målt den samme sample to gange. OBS! For at opnå
samme resultat kan man også lave en one sample t-test på differencescoren.
For at lave testen skal du:
1. Trykke ”Analyze” og vælge ”Compare means” og derefter ”Paired Samples T test”

32
 SPSS Introduktionsguide

2. Vælge de to variable vi ønsker at teste mod hinanden (altså en variabel for hver gang vi har
målt vores sample) og sæt dem ind under ’Paired variables’. Husk at tjekke ’Estimate effect
sizes’ for at få Cohens d.

3. Tryk ”OK” og få følgende output, hvor man kan aflæse t-værdi og p-værdi

Vælg den
der passer!

33
 SPSS Introduktionsguide

4. Bruge SPSS-outputtet til at skrive en APA-konklusion

Vi gør som i one sample t-test. OBS! I dette eksempel er resultatet ikke signifikant! Det skal du
selvfølgelig ændre hvis det er i din opgave!
3.2.1 Generel Paired Sample t-test APA-konklusion
Konklusion: En paired samples t test ({one/two}-tailed, α =.05) af {n} {hvem er de?} viste ingen
signifikant forskel på {variabel vi er interesseret i} mellem først måling M ={}( SD={}) og anden
måling M ={}( SD={}) , t ( {df })={}, p={}, d={}. 95% konfidensintervallet for {variabel vi er
interesseret i} var { } til { }.
One Paired t-test APA-konklusion på denne opgave
Konklusion: En paired samples t test (two-tailed, α =.05) af 25 Alzheimerpatienter viste ingen
signifikant forskel på symptomer på depression målt på Becks Depression Inventory mellem første
måling M =23 , 4 ( SD=2.97 ) og anden måling M =21 , 4 ( SD=3.07 ) , t ( 24 )=2.023 , p=0.54 , d=.41.
95% konfidensintervallet for forskel på symptomer på depression var -0.39 til 3.96

34