Om te bepalen of de verdeling van één categorische variabele overeenkomt met een theoretische verdeling.
Gegevens zijn afkomstig uit 1 populatie
Meet niveau is categorisch (nominaal of ordinaal)
De nulhypothese verwacht een geobserveerde verdeling gelijk aan een theoretische verdeling.
Beoordeelt het verschil tussen geobserveerde frequenties en theoretische frequenties.
Vrijheidsgraden → df = #categorieën – 1
𝑥2
Effectmaat: W=√
𝑛
Wordt gebruikt om te bepalen of twee variabelen gerelateerd zijn.
De gegevens zijn afkomstig uit één populatie
Het meetniveau van alle twee de variabelen is categorisch (nominaal of ordinaal)
De nulhypothese verwacht géén relatie tussen de variabelen en verwacht dus dat ze onafhankelijk zijn.
De toets beoordeelt het verschil tussen de geobserveerde en de verwachte frequenties.
Aantal vrijheidsgraden: df = (r − 1) × (c − 1)
Effectmaten:
Om te achterhalen of twee of meer populaties gelijk zijn verdeeld op één variabele
Gegevens afkomstig van twee of meer populaties
Meetniveau is categorisch (nominaal of ordinaal)
De nulhypothese verwacht gelijke proporties of gelijke verdelingen
De toets beoordeelt het verschil tussen geobserveerde en verwachte frequenties
Vrijheidsgraden: df = (r − 1) × (c − 1)
Effectmaten:
T-toets → Wanneer je wil weten of het gemiddelde van 1 continue variabele verschilt van een bepaalde waarde in de
populatie, maar wanneer 𝜎 onbekend is. Df = n-1 .
Z-toets → wanneer 𝜎 wel bekend is.
De one-sample t-toets is gelijk aan de one-sample z-toets,
BEHALVE dat de standaarddeviatie van de populatie (𝜎) geschat wordt met de standaard deviatie van de steekproef (s) en de
standaarddeviatie van de steekproevenverdeling van 𝑥̅ met SE𝑥̅ = s/√𝑛.
EN dat daardoor de standaard normaalverdeling N(0,1) vervangen wordt door de t-verdeling t (df).
Independent samples t-test → Als je de gemiddeldes van twee verschillende groepen mensen of condities wil vergelijken.
Levene’s test voor equality of variance (In spss)→
Levene’s test for equality of variances toetst het verschil tussen twee varianties. De nulhypothese verwacht geen verschil.
Significant → wel verschil
Niet significant → geen verschil →gebruik pooled variance.
Het verschil tussen de steekproefgemiddelden 𝑥̅ 1 – 𝑥̅ 2 wordt vergeleken met het te verwachten verschil tussen de
populatiegemiddelden µ1 − µ2 onder H0.
Effectmaat:
Beoordeling: 0,01 = small 0,06 = moderate 0,14 is large.
Beoordelen: .20 = small effect, .50 = medium effect, and .80 = large effect
Paired sample t-test → Als je de gemiddeldes van dezelfde groep tijdens twee verschillende gebeurtenissen wil vergelijken of
als je aan elkaar gelinkte paren hebt.
Afhankelijke samples zijn aan de orde wanneer iedere observatie in sample 1 matcht met een observatie in sample 2.
Om het verschil tussen twee afhankelijke metingen te toetsen. We toetsen of dit verschil gelijk aan nul is of niet. We
berekenen verschil scores en doen daar een one-sample t-test op.
Effectmaat:
Beoordeling: 0,01 = small 0,06 = moderate 0,14 is large.
Beoordelen: .20 = small effect, .50 = medium effect, and .80 = large effect
De Wilcoxon’s Rank Sum toets voor onafhankelijke steekproeven → bepaalt of één van de twee verdelingen systematisch
grotere (of kleinere) waarden heeft dan de andere verdeling.
Effectmaat:
Is een geschatte correlatie van r en ligt tussen de 0 en 1.
Hierbij is n het totaal aantal observaties, dus n1 + n2
En de waarde van Z is absoluut. Mocht de z een negatief getal zijn, dan vervalt het minteken hier.
Cohen (1988): 0.1 = small effect, 0.3 = medium effect en 0.5 = large effect.
In SPSS → Mann-Whitney U.
Twee belangrijke redenen voor een niet-parametrische toets: Voor gepaarde data: De signed rank toets bepaalt of één van de twee verdelingen systematisch grotere (of kleinere) waarden
- Het meetniveau van de scores is numeriek (interval/ratio), maar n is niet groot en heeft dan de andere verdeling. Toetst of de medianen gelijk zijn.
de scores zijn niet normaal verdeeld.
- Het meetniveau van de scores is ordinaal. Effectmaat:
Geschatte correlatie r. Waarden liggen tussen 0 en 1.
N is het aantal scores, dus aantal cases x 2
Z is de absolute score, dus zonder + of – teken.
Cohen (1988): 0.1 = small effect, 0.3 = medium effect en 0.5 = large effect
Gegevens zijn afkomstig uit 1 populatie
Meet niveau is categorisch (nominaal of ordinaal)
De nulhypothese verwacht een geobserveerde verdeling gelijk aan een theoretische verdeling.
Beoordeelt het verschil tussen geobserveerde frequenties en theoretische frequenties.
Vrijheidsgraden → df = #categorieën – 1
𝑥2
Effectmaat: W=√
𝑛
Wordt gebruikt om te bepalen of twee variabelen gerelateerd zijn.
De gegevens zijn afkomstig uit één populatie
Het meetniveau van alle twee de variabelen is categorisch (nominaal of ordinaal)
De nulhypothese verwacht géén relatie tussen de variabelen en verwacht dus dat ze onafhankelijk zijn.
De toets beoordeelt het verschil tussen de geobserveerde en de verwachte frequenties.
Aantal vrijheidsgraden: df = (r − 1) × (c − 1)
Effectmaten:
Om te achterhalen of twee of meer populaties gelijk zijn verdeeld op één variabele
Gegevens afkomstig van twee of meer populaties
Meetniveau is categorisch (nominaal of ordinaal)
De nulhypothese verwacht gelijke proporties of gelijke verdelingen
De toets beoordeelt het verschil tussen geobserveerde en verwachte frequenties
Vrijheidsgraden: df = (r − 1) × (c − 1)
Effectmaten:
T-toets → Wanneer je wil weten of het gemiddelde van 1 continue variabele verschilt van een bepaalde waarde in de
populatie, maar wanneer 𝜎 onbekend is. Df = n-1 .
Z-toets → wanneer 𝜎 wel bekend is.
De one-sample t-toets is gelijk aan de one-sample z-toets,
BEHALVE dat de standaarddeviatie van de populatie (𝜎) geschat wordt met de standaard deviatie van de steekproef (s) en de
standaarddeviatie van de steekproevenverdeling van 𝑥̅ met SE𝑥̅ = s/√𝑛.
EN dat daardoor de standaard normaalverdeling N(0,1) vervangen wordt door de t-verdeling t (df).
Independent samples t-test → Als je de gemiddeldes van twee verschillende groepen mensen of condities wil vergelijken.
Levene’s test voor equality of variance (In spss)→
Levene’s test for equality of variances toetst het verschil tussen twee varianties. De nulhypothese verwacht geen verschil.
Significant → wel verschil
Niet significant → geen verschil →gebruik pooled variance.
Het verschil tussen de steekproefgemiddelden 𝑥̅ 1 – 𝑥̅ 2 wordt vergeleken met het te verwachten verschil tussen de
populatiegemiddelden µ1 − µ2 onder H0.
Effectmaat:
Beoordeling: 0,01 = small 0,06 = moderate 0,14 is large.
Beoordelen: .20 = small effect, .50 = medium effect, and .80 = large effect
Paired sample t-test → Als je de gemiddeldes van dezelfde groep tijdens twee verschillende gebeurtenissen wil vergelijken of
als je aan elkaar gelinkte paren hebt.
Afhankelijke samples zijn aan de orde wanneer iedere observatie in sample 1 matcht met een observatie in sample 2.
Om het verschil tussen twee afhankelijke metingen te toetsen. We toetsen of dit verschil gelijk aan nul is of niet. We
berekenen verschil scores en doen daar een one-sample t-test op.
Effectmaat:
Beoordeling: 0,01 = small 0,06 = moderate 0,14 is large.
Beoordelen: .20 = small effect, .50 = medium effect, and .80 = large effect
De Wilcoxon’s Rank Sum toets voor onafhankelijke steekproeven → bepaalt of één van de twee verdelingen systematisch
grotere (of kleinere) waarden heeft dan de andere verdeling.
Effectmaat:
Is een geschatte correlatie van r en ligt tussen de 0 en 1.
Hierbij is n het totaal aantal observaties, dus n1 + n2
En de waarde van Z is absoluut. Mocht de z een negatief getal zijn, dan vervalt het minteken hier.
Cohen (1988): 0.1 = small effect, 0.3 = medium effect en 0.5 = large effect.
In SPSS → Mann-Whitney U.
Twee belangrijke redenen voor een niet-parametrische toets: Voor gepaarde data: De signed rank toets bepaalt of één van de twee verdelingen systematisch grotere (of kleinere) waarden
- Het meetniveau van de scores is numeriek (interval/ratio), maar n is niet groot en heeft dan de andere verdeling. Toetst of de medianen gelijk zijn.
de scores zijn niet normaal verdeeld.
- Het meetniveau van de scores is ordinaal. Effectmaat:
Geschatte correlatie r. Waarden liggen tussen 0 en 1.
N is het aantal scores, dus aantal cases x 2
Z is de absolute score, dus zonder + of – teken.
Cohen (1988): 0.1 = small effect, 0.3 = medium effect en 0.5 = large effect
