1. Practicum 2
1.1 Welke methode moet ik gebruiken?
Methode Parametrisch? Gepaard? Doel
Bepalen of er een significant verschil is tussen de
Ongepaarde T-test Ja Nee
gemiddelden van 2 groepen
Bepalen of het gemiddelde van de verschilverdeling
Gepaarde T-test Ja Ja
significant verschillend is van 0
Mann-Whitney U- Bepalen of er een significant verschil is tussen de
Nee Nee
test mediaan van 2 groepen
Bepalen of de mediaan van de verschilverdeling
Wilcoxon test Nee Ja
significant verschillend is van 0
Bepalen OF er een verschil is tussen het gemiddelde
One-Way ANOVA Ja Nee
van meer dan 2 groepen
Bepalen of er een significant verschil is tussen de ranks
Kruskal-Wallis Nee Nee
van meer dan 2 groepen
Post-Hoc Bepalen welke groep(en) significant verschillend is/zijn
(bij ANOVA of Ja of nee Nee na het uitvoeren van een One-way ANOVA of een
Kruskal) Kurskal-Wallis test
Test om het verband te determineren tussen 2 cat.
Chi²-test nvt nvt variabelen, te gebruiken indien de e.c. van hoogstens
20% van de cellen onder 5 is.
Test om het verband te determineren tussen 2 cat.
Fischer-exact test nvt nvt variabelen, te gebruiken indien de e.c. van meer dan
20% van de cellen onder 5 is.
Test die weergeeft hoe sterk het verband is tussen 2 cat.
Odds Ratio nvt nvt
variabelen van 2 niveaus
Pearson test Ja nvt Testen wat het verband is tussen 2 continue variabelen
Spearman test Nee nvt en determineren hoe sterk deze is
Test die het verband toont tussen 1 afhankelijke
Simple linear
nvt nvt continue variabele en 1 onafhankelijke continue
regression
variabelen
Test die het verband toont tussen 1 afhankelijke
Multiple linear
nvt nvt continue variabele en 2 of meer onafhankelijke continue
regression
variabelen
Test die het verschil toont tussen 1 afhankelijke
2-Way ANOVA nvt nvt
continue variabele en 2 of meer categorische variabelen
ANCOVA
Pagina 1 van 18
,1.2 Parametrisch of niet?
Men kan bepalen of een dataset parametrisch is op 3 manieren...
Op basis van het aantal datapunten (N) in de aparte groepen
N < 10: gebruik altijd niet-parametrische testen.
10 ≤ N < 40: bij twijfel: gebruik een formele test
N ≥ 40: afgaan op visuele analyse
Visuele analyse
Als N ≥ 10 ⤑ visueel bekijken (d.m.v. histogrammen, boxplots en QQ-plots)
Outliers?
Symmetrische verdeling? (meer data in het midden van de verdeling dan in de staarten)
Hoe meer observaties, hoe minder strikt (N > 40)
Shapiro-Wilks test
H0: de data zijn normaal verdeeld
P > 0,05 ⤑ normaal verdeeld
P < 0,05 ⤑ niet-normaal verdeeld
Bij grote aantallen niet te vertrouwen.
Ook met p < 0.05 geeft, kunnen soms toch parametrische testen gebruikt worden
OPMERKING: indien de p-waarde onder 0,05 zit dan wordt de H0 verworpen!
Pagina 2 van 18
, 1.3 P2: video 1: ongepaarde student T-test
Is er een significant verschil tussen de gemiddelden van 2 groepen?
2 variabelen: 1 categorische variabele van 2 niveaus en 1 continue variabele
De data zijn ongepaard + je gaat parametrisch testen (=data zijn bij benadering normaal verdeeld)
Vb. zijn mannen gemiddeld groter dan vrouwen? (cat. variabele: geslacht, cont. Variabele (lengte))
Nulhypothese: er is geen verschil tussen de gemiddelden van beide groepen
Student T-test heeft 2 varianten: 1 voor gelijke en 1 voor ongelijke variantie
Welke kies je nu? Gebruik de Levene’s test om na te gaan welke je kiest:
Nulhypothese (H0): er is geen verschil tussen de varianties
P < 0,05: ongelijke variantie
P > 0,05: gelijke variantie
Dus: Levene’s test bepaalt welke van de 2 p-waarden voor de T-test je moet bekijken!n
Ongepaarde T-test in SPSS: Analyze/CompareMeans/Independent Samples T-testt
Ongepaarde T-test voorbeeld: sample ‘IndepTtest’
Continue variabele: value
Categorische variabele: group; group 1 = 1 en group 2 = 2
Na het bekomen van de menu voor de T-test zet je de continue variabelen bij ‘Test Variable(s)’; hier value
Bij ‘Grouping Variable’ zet je uw categorische variabele; hier group
Nadien ga je nog bij ‘Grouping Variable’ nog specifiëren welke groepen je nu wilt testen (moet!)
Na het uitvoeren van de test kan je bij ‘output’ in de kader ‘Independ Samples Test’ belangrijke waarden
terugvinden incl. je p-waarde voor zowel ongelijke als gelijke variantie (te vinden in aparte rijen)
Je gaat kijken naar de ‘2-sided p’
Maar gaan we nu de gelijke of ongelijke variantie nemen?
Hiervoor gaan we kijken naar de 1ste kolom; ‘Levene’s Test for Equality of Variances’; de rij ‘Equal variances
not assumed’ is leeg en bij de rij ‘Equal variances assumed’ zie je bij ‘Sig.’ 1 staan; er is geen verschil in
variantie ⤑ we gaan dus naar de p-waarde van de 1ste kolom kijken (‘2-sided p’)
Bij deze test zijn de p-waarden gelijk maar dat is niet altijd het geval, altijd kiezen a.d.h.v. Levene’s Test !!
Pagina 3 van 18
1.1 Welke methode moet ik gebruiken?
Methode Parametrisch? Gepaard? Doel
Bepalen of er een significant verschil is tussen de
Ongepaarde T-test Ja Nee
gemiddelden van 2 groepen
Bepalen of het gemiddelde van de verschilverdeling
Gepaarde T-test Ja Ja
significant verschillend is van 0
Mann-Whitney U- Bepalen of er een significant verschil is tussen de
Nee Nee
test mediaan van 2 groepen
Bepalen of de mediaan van de verschilverdeling
Wilcoxon test Nee Ja
significant verschillend is van 0
Bepalen OF er een verschil is tussen het gemiddelde
One-Way ANOVA Ja Nee
van meer dan 2 groepen
Bepalen of er een significant verschil is tussen de ranks
Kruskal-Wallis Nee Nee
van meer dan 2 groepen
Post-Hoc Bepalen welke groep(en) significant verschillend is/zijn
(bij ANOVA of Ja of nee Nee na het uitvoeren van een One-way ANOVA of een
Kruskal) Kurskal-Wallis test
Test om het verband te determineren tussen 2 cat.
Chi²-test nvt nvt variabelen, te gebruiken indien de e.c. van hoogstens
20% van de cellen onder 5 is.
Test om het verband te determineren tussen 2 cat.
Fischer-exact test nvt nvt variabelen, te gebruiken indien de e.c. van meer dan
20% van de cellen onder 5 is.
Test die weergeeft hoe sterk het verband is tussen 2 cat.
Odds Ratio nvt nvt
variabelen van 2 niveaus
Pearson test Ja nvt Testen wat het verband is tussen 2 continue variabelen
Spearman test Nee nvt en determineren hoe sterk deze is
Test die het verband toont tussen 1 afhankelijke
Simple linear
nvt nvt continue variabele en 1 onafhankelijke continue
regression
variabelen
Test die het verband toont tussen 1 afhankelijke
Multiple linear
nvt nvt continue variabele en 2 of meer onafhankelijke continue
regression
variabelen
Test die het verschil toont tussen 1 afhankelijke
2-Way ANOVA nvt nvt
continue variabele en 2 of meer categorische variabelen
ANCOVA
Pagina 1 van 18
,1.2 Parametrisch of niet?
Men kan bepalen of een dataset parametrisch is op 3 manieren...
Op basis van het aantal datapunten (N) in de aparte groepen
N < 10: gebruik altijd niet-parametrische testen.
10 ≤ N < 40: bij twijfel: gebruik een formele test
N ≥ 40: afgaan op visuele analyse
Visuele analyse
Als N ≥ 10 ⤑ visueel bekijken (d.m.v. histogrammen, boxplots en QQ-plots)
Outliers?
Symmetrische verdeling? (meer data in het midden van de verdeling dan in de staarten)
Hoe meer observaties, hoe minder strikt (N > 40)
Shapiro-Wilks test
H0: de data zijn normaal verdeeld
P > 0,05 ⤑ normaal verdeeld
P < 0,05 ⤑ niet-normaal verdeeld
Bij grote aantallen niet te vertrouwen.
Ook met p < 0.05 geeft, kunnen soms toch parametrische testen gebruikt worden
OPMERKING: indien de p-waarde onder 0,05 zit dan wordt de H0 verworpen!
Pagina 2 van 18
, 1.3 P2: video 1: ongepaarde student T-test
Is er een significant verschil tussen de gemiddelden van 2 groepen?
2 variabelen: 1 categorische variabele van 2 niveaus en 1 continue variabele
De data zijn ongepaard + je gaat parametrisch testen (=data zijn bij benadering normaal verdeeld)
Vb. zijn mannen gemiddeld groter dan vrouwen? (cat. variabele: geslacht, cont. Variabele (lengte))
Nulhypothese: er is geen verschil tussen de gemiddelden van beide groepen
Student T-test heeft 2 varianten: 1 voor gelijke en 1 voor ongelijke variantie
Welke kies je nu? Gebruik de Levene’s test om na te gaan welke je kiest:
Nulhypothese (H0): er is geen verschil tussen de varianties
P < 0,05: ongelijke variantie
P > 0,05: gelijke variantie
Dus: Levene’s test bepaalt welke van de 2 p-waarden voor de T-test je moet bekijken!n
Ongepaarde T-test in SPSS: Analyze/CompareMeans/Independent Samples T-testt
Ongepaarde T-test voorbeeld: sample ‘IndepTtest’
Continue variabele: value
Categorische variabele: group; group 1 = 1 en group 2 = 2
Na het bekomen van de menu voor de T-test zet je de continue variabelen bij ‘Test Variable(s)’; hier value
Bij ‘Grouping Variable’ zet je uw categorische variabele; hier group
Nadien ga je nog bij ‘Grouping Variable’ nog specifiëren welke groepen je nu wilt testen (moet!)
Na het uitvoeren van de test kan je bij ‘output’ in de kader ‘Independ Samples Test’ belangrijke waarden
terugvinden incl. je p-waarde voor zowel ongelijke als gelijke variantie (te vinden in aparte rijen)
Je gaat kijken naar de ‘2-sided p’
Maar gaan we nu de gelijke of ongelijke variantie nemen?
Hiervoor gaan we kijken naar de 1ste kolom; ‘Levene’s Test for Equality of Variances’; de rij ‘Equal variances
not assumed’ is leeg en bij de rij ‘Equal variances assumed’ zie je bij ‘Sig.’ 1 staan; er is geen verschil in
variantie ⤑ we gaan dus naar de p-waarde van de 1ste kolom kijken (‘2-sided p’)
Bij deze test zijn de p-waarden gelijk maar dat is niet altijd het geval, altijd kiezen a.d.h.v. Levene’s Test !!
Pagina 3 van 18
