Oefenles 1 SPSS – Univariate analyse, factor, Cronbach
Q1: Is er een relatie tussen socio demo’s en type eter?
Socio demografische factoren:
- Gender
- Opleiding
- Leeftijd
- Woonplaats
- Opleidingsniveau
Type eter (Q44):
- 1: vegetariër
- 2: veganist
We hebben hier enkel rek gehouden met de respondenten, niet met de non
respondenten (missing values, mensen die dit niet moesten invullen, de
vleeseters) -> hoe lossen we dit op? Gewoon die missing values ook een code
geven = hercoderen!
Relatie tussen type eter en socio demo’s:
Type eter is afh van de socio demografische kenmerken
Type eter is de afhankelijke var
Type eter: nominaal
Socio demografische groepen:
- zijn onafhankelijke groepen
type eter en gender
- man of vrouw: 2 steekproeven/observaties
- 2 onafhankelijke groepen
- nominaal
- type eter: afh var & nominaal
1
, - Conclusie: Chi kwadraat*
Type eter en gender is SPSS (min 53’ van les 22/10/2025)
Analyse -> descr stat -> crosstabs -> rows : afh var dieet type & columns: gender
(dummy) => we werken hier met beide gehercodeerde variabele -> statistics: Chi-square
-> cells: column percentages -> PASTE -> run
Output: Is er een verband tussen dieet type en gender?
Chi-square tabel: p-waarde = <0.001 < 0.05 dus H0 verwerpen, er is een significant
verband tussen type dieet en gender!
Maar chi-kwadraat is moeilijk te interpreteren dus daarom hebben we dus kolom %
gemaakt:
o Er zijn meer vegetarisch en zware flexitariër vrouwen dan mannen.
o Er zijn meer mannen dan vrouwen zware vleeseters.
*chi kwadraat test: voldoende cellen met min expected count is 0.50
Je kan hier ook kiezen voor mannen/vrouwen/X, maar als je dan bij je Chi kwadraat niet
voldoet aan de voorwaarde dat er voldoende cellen voldoen aan de expected count dan
kan 2 dingen doen: verwijderen of samenvoegen en samenvoegen is moeilijk bij deze
categorieën… Dus met 2 zoals we het deden is goed
2
,Check:
- Zitten er genoeg mensen (N) in elke cel? Zo niet samenvoegen/verwijderen
- Heb ik alle cases meegenomen, rekening gehouden met missing values? Zo niet
hercoderen!
Type eter en diploma
- Zie variable view: 5 groepen/steekproeven
- 5 onafhankelijke groepen
- Geen, laag, hoger, unif, …: ordinaal
- type eter: afh var & nominaal
- Conclusie: chi kwadraat
Type eter en woonplaats
- Var view: ‘none’
- Postcode/woonplaats is onafhankelijk
- Interval/ratio
o Je zal zien aan de output dat je veel 0 en 1 in je tabel bekomt. Er zijn te
weinig mensen per postcode om een degelijke tabel te maken.
o Hoe kunnen we dit oplossen? Hoe kunnen we een goede chi kwadraat
uitvoeren? Je zou postcodes kunnen groeperen in groepen die logisch en
groot genoeg zij, bv. per stad, provincie, grootsteden, …
- type eter: afh var & nominaal
- chi kwadraat
3
, Type eter en gender is SPSS (min 56’ van les 22/10/2025)
we hebben postcode gehergroepeerd o.b.v. provincie
- 1000-1999 = 1000
- Alle postcodes die beginnen met een 2 is Antwerpen
- Alle postcodes die beginnen met een 8 is West-Vlaanderen
- Alle postcodes die beginnen met een 9 is Oost-Vlaanderen
- …
Analyse -> stat desc -> cross tabs -> kolom: type dieet -> rij: postcode
(gehergroepeerde var) -> paste
OF syntax kopiëren en plakken van
crosstabs type eter en gender en gwn 1 iets aanpassen
(ziet foto) -> selecteer syntax en laten runnen
Output: Is er een verband tussen dieet type en
postcode?
We zien aan de output dat we een probleem hebben met de chi kwadraat tabel:
p-waarde = 0.001 < 0.05 significant!
4
Q1: Is er een relatie tussen socio demo’s en type eter?
Socio demografische factoren:
- Gender
- Opleiding
- Leeftijd
- Woonplaats
- Opleidingsniveau
Type eter (Q44):
- 1: vegetariër
- 2: veganist
We hebben hier enkel rek gehouden met de respondenten, niet met de non
respondenten (missing values, mensen die dit niet moesten invullen, de
vleeseters) -> hoe lossen we dit op? Gewoon die missing values ook een code
geven = hercoderen!
Relatie tussen type eter en socio demo’s:
Type eter is afh van de socio demografische kenmerken
Type eter is de afhankelijke var
Type eter: nominaal
Socio demografische groepen:
- zijn onafhankelijke groepen
type eter en gender
- man of vrouw: 2 steekproeven/observaties
- 2 onafhankelijke groepen
- nominaal
- type eter: afh var & nominaal
1
, - Conclusie: Chi kwadraat*
Type eter en gender is SPSS (min 53’ van les 22/10/2025)
Analyse -> descr stat -> crosstabs -> rows : afh var dieet type & columns: gender
(dummy) => we werken hier met beide gehercodeerde variabele -> statistics: Chi-square
-> cells: column percentages -> PASTE -> run
Output: Is er een verband tussen dieet type en gender?
Chi-square tabel: p-waarde = <0.001 < 0.05 dus H0 verwerpen, er is een significant
verband tussen type dieet en gender!
Maar chi-kwadraat is moeilijk te interpreteren dus daarom hebben we dus kolom %
gemaakt:
o Er zijn meer vegetarisch en zware flexitariër vrouwen dan mannen.
o Er zijn meer mannen dan vrouwen zware vleeseters.
*chi kwadraat test: voldoende cellen met min expected count is 0.50
Je kan hier ook kiezen voor mannen/vrouwen/X, maar als je dan bij je Chi kwadraat niet
voldoet aan de voorwaarde dat er voldoende cellen voldoen aan de expected count dan
kan 2 dingen doen: verwijderen of samenvoegen en samenvoegen is moeilijk bij deze
categorieën… Dus met 2 zoals we het deden is goed
2
,Check:
- Zitten er genoeg mensen (N) in elke cel? Zo niet samenvoegen/verwijderen
- Heb ik alle cases meegenomen, rekening gehouden met missing values? Zo niet
hercoderen!
Type eter en diploma
- Zie variable view: 5 groepen/steekproeven
- 5 onafhankelijke groepen
- Geen, laag, hoger, unif, …: ordinaal
- type eter: afh var & nominaal
- Conclusie: chi kwadraat
Type eter en woonplaats
- Var view: ‘none’
- Postcode/woonplaats is onafhankelijk
- Interval/ratio
o Je zal zien aan de output dat je veel 0 en 1 in je tabel bekomt. Er zijn te
weinig mensen per postcode om een degelijke tabel te maken.
o Hoe kunnen we dit oplossen? Hoe kunnen we een goede chi kwadraat
uitvoeren? Je zou postcodes kunnen groeperen in groepen die logisch en
groot genoeg zij, bv. per stad, provincie, grootsteden, …
- type eter: afh var & nominaal
- chi kwadraat
3
, Type eter en gender is SPSS (min 56’ van les 22/10/2025)
we hebben postcode gehergroepeerd o.b.v. provincie
- 1000-1999 = 1000
- Alle postcodes die beginnen met een 2 is Antwerpen
- Alle postcodes die beginnen met een 8 is West-Vlaanderen
- Alle postcodes die beginnen met een 9 is Oost-Vlaanderen
- …
Analyse -> stat desc -> cross tabs -> kolom: type dieet -> rij: postcode
(gehergroepeerde var) -> paste
OF syntax kopiëren en plakken van
crosstabs type eter en gender en gwn 1 iets aanpassen
(ziet foto) -> selecteer syntax en laten runnen
Output: Is er een verband tussen dieet type en
postcode?
We zien aan de output dat we een probleem hebben met de chi kwadraat tabel:
p-waarde = 0.001 < 0.05 significant!
4
