Samenvatting SPSS psychometrie

Samenvatting SPSS psychometrie

Schaal scores van gemiddelde maken; Transform  Compute  Target Variabele naam
geven; mean van bepaalde variabele  in Numeric Expression de berekening; (met zo min
mogelijk missing values, dus bepalen hoeveel items min ingevuld) MEAN.N(variabele to
variabele, variabele to variabele) (N = drempel hoeveel items minimaal ingevuld, variabele =
bepaald item)  OK  in data set nieuwe kolom voor gemiddelden
Kijk goed of alle variabelen in data set in goede volgorde naast elkaar staan als je to
gebruikt, zodat je niet per ongeluk de verkeerde variabelen erin zet
Totaalscore maken;
- Checken missing values; Analyse  Descriptives  Descriptives  Variables ; alle
nodige variabelen  OK  kijken of bij N overal het totaal aantal participanten staat,
zo ja; je kan sum functie gebruikt, zo niet; mean functie gebruiken
- Totaal score; Transform  Compute Variables  Target Variable ; naam geven met
totaal score  Numeric Expression; SUM(variabele to variabele)  OK  in data set
nieuwe variabele
Nieuwe variabele maken (proportie correct/incorrect); Transform  Compute  Target
Variable; Correct/incorrect  Numeric Expression; SUM(variabele to variabele)  OK 
nieuwe variabele in data set
Variabele hercoderen (bv geslacht) ; Transform  Compute  Target Variable; variabele_d
 Numeric Expression; variabele – 1  OK  nieuwe variabele in data set  evt labels
koppelen aan nieuwe variabele voor overzichtelijkheid
Interactie variabele maken ; Transform  Compute  Target Variable; naam geven met
‘interactie’  Numerix Expression; twee variabelen met elkaar interacteren door te
vermenigvuldigen  OK  nieuwe variabele in data set
Descriptives aanvragen; Analyse  Descriptives  Descriptives  Options ; evt aanvragen
mean, sd, minimum, maximum etc.  in Variables ; gewilde variabelen invullen  OK
Histrogram maken ; Graphs  Legacy Dialogs  Histogram  in Variables de gewilde
variabele  OK
Norm scores/gestandaardiseerde scores maken;
- Z-scores; Analyse  Descriptives  Descriptives  aanvinken ; save standardised
variables as values  OK  nieuwe kolom in data set met z-scores
- T-scores; Transform  Compute  Target Variable ; T van variabele noemen 
Numeric Expression; (Z-score van variabele x 10) + 50  OK  in data set nieuwe
kolom voor t-scores
- Percentiel scores; Transform  Rank Cases  Rank Types; aan of uitvinken Rank,
Fractional Ranks as percentage etc.  Ties; High of Low etc.  Variables; kies
variabele bv gemiddelde, z-score of t-score  OK  in data set nieuwe variabele
Decimalen aanpassen; in variable view  decimals  aanpassen
Norm tabel maken; Analyse  Reports  Case Summeries  Variables;
gestandaardiseerde scores invullen bv z-score, t-score, percentiel score  Grouping
Variables; variabele bv gemiddelde  aan of uitvinken bv Display cases en in Statistics  OK
Split-half methode;
1. Bepalen hoe items verdelen, dmv sd en gemiddelde; Analyse, Descriptives 
Descriptives  Options; Mean en Sd aanvinken  Variables; alle nodige items
aanvinken  OK

, 2. Paren maken van items die op elkaar lijken; gemiddelden die op elkaar lijken, zijn een
paar (opschrijven paren!)
3. Toepassen; Analyse  Scale  Reliability Analysis  Items; paren opsplitten door
één item uit een paar in de bovenste helft de zetten en de andere onderaan, wel op
zelfde volgorde van paar!
4. Specificeren; Model; kiezen split-half  Statistics; Descriptives for Scale  OK
5. Interpreteren; betrouwbaarheid = Spearman-Brown Coëfficient, equal of unequal
length  volgens COTAN normen conclusie trekken over betrouwbaarheid
Cronbach’s Alpha; Analyse  Scale  Reliability Analysis  Model ; Alpha  Items; nodige
items inzetten, volgorde maakt niet uit  Statistics evt iets aanvinken bv scale if item
deteled  OK
- Bepalen welk item grootste invloed heeft op betrouwbaarheid; aanvinken ‘Scale if
item deleted’  in tabel; kijken welk item zorgt voor lagere of hogere
betrouwbaarheid als deze verwijderd wordt
- Evt items verwijderen die betrouwbaarheid verslechteren; Analyse  Scale 
Reliability Analysis  Item weghalen die zorgt voor lagere betrouwbaarheid  OK 
check of betrouwbaarheid hoger is en of er nog andere items zijn die de
betrouwbaarheid verminderen en deze evt ook weglaten
Berekenen of toevoegen van items de betrouwbaarheid zal verbeteren; Spearman-Brown
formule; Rxx−revised = N*Rxx−original / 1 + (n − 1)Rxx−original
N = verleng factor = nieuw aantal items/origineel aantal items, Rxx = betrouwbaarheid
zonder items te hebben verwijderd
Correlatie tabel; Analyse  Correlate  Bivariate  Variables; volgorde maakt uit! Bv
methoden bij elkaar en zelfde volgorde van traits  OK  dubbel klik op tabel  Pivoting
Trays  statistics wegslepen, zodat alleen correlaties te zien zijn
MTMMM maken; correlaties uit correlatie tabel overnemen in tabel op word, alleen links
onder de diagonale 1  op de 1en de betrouwbaarheden van elke test zetten
Distributie inspecteren;
- Boxplot; Graphs  Legacy Diaglogs  Boxplots  Simple  aanvinken summeries
of separate variables  Boxes Represent; gewilde variabelen invoeren  OK 
kijken of ze normaal verdeeld zijn  efficiënter alle variabelen in één keer
- Histrogram; voor elke variabele apart invoeren; Graphs  Legacy Dialogs 
Histogram  Variable; gewilde variabele invoeren  display normal curve aanvinken
 OK  kijk naar normaal verdeeld  preciezere weergave per variabele
Checken of data geschikt is voor PCA; kijk naar steekproef grootte (>300), Bartlett’s test
(significant, maar niet echt belangrijk, aangezien bijna altijd significant) en KMO waarde =
som van gekwadrateerde correlaties / som van gekwadrateerde correlaties + som van
gedeeltelijke correlaties (>0.7 is goed)
Uitvoeren PCA; Analyse  Dimension Reduction  Factor  Variables; nodige variabelen
 Rotation; Method None of bepaalde rotatie, Loading plots aanvinken  Descriptives;
KMO en Bartlett’s test  Extractions; Scree plots en Eigenvalues greater then…  Options;
Sorted by size  OK  kijken of Bartlett’s test significant is en KMO hoger dan 0.7  in
table Total Variance Explained; Total = eigenwaardes (eigenwaardes groter dan 1 criterium =
alle componenten groter dan 1 zijn aantal gezoden componenten) óf in Scree Plot;
(knikcriterium = knik - 1)