One sample T-test: gemiddelde van een kwantitatieve variabele uit 1 steekproef toetsen tegen VASTE waarde.
1 AV (interval/ratio) tov VASTE WAARDE
• Creëer een dummy variabele met 2 waarden 0 naast de kolom data
• ///Gegevens//Gegevensanalyse > T-toets: twee steekproeven met ongelijke varianties
• Geef databereiken van de beide groepen apart op. Vink optie Labels aan, als je in je selectie ook de kolomtitels opneemt!
• Bij ‘schatting van verschil tussen gemiddelden’, typ de vaste waarde
• Geef waarde van α op.
Hypothesen Interpretatie bij tweezijdig, resp. eenzijdig toetsen
H0: µ = vaste waarde Ga uit van de two tailed waarde p Ga uit van de one-tailed waarde p
p < α → nulhypothese verwerpen p < α → nulhypothese verwerpen
H1:µ ≠ vaste waarde(tweezijdige toets ) p >= α → nulhypothese aanvaarden p >= α →nulhypothese aanvaarden
µ < vaste waarde(linkseenzijdige toets)
µ > vaste waarde(rechtseenzijdige toets) rapport (voorbeeld)
Keuze α: .1 of .05 of .001 Er werd geen significant verschil gevonden tussen de mate van fysieke activiteit
Output: van TGW studenten en de aanbevolen norm van 30 min /dag, t (32) = 0.67, p =
Sample mean (= steekproefgemiddelde) .507.
Waarde toetsingsgrootheid t = T-statistische gegevens; bv. 0.67
Studenten TGW zijn gemiddeld 32.55 minuten per dag fysiek actief (SD = 21.8).
aantal vrijheidsgraden df; bv. 32
p-waarden; bv. .507
➔ Notatie: t (#vrijheidsgraden) = waarde, p = waarde
Hier: t (32) = 0.67, p = .507
Independent sample T-test (=onafhankelijke T-test): gevraagd naar verschil in gemiddelde tussen 2 groepen niet gepaarde data
1 AV (interval/ratio) en 1 OV met 2 groepen
• Herschik gegevens, zodat alle waarden gemeten bij groep 1, resp. bij groep 2 onder elkaar komen te staan.
• ///Gegevens//Gegevensanalyse > T-toets: twee steekproeven met ongelijke varianties
///Gegevens//Gegevensanalyse > T-toets: twee gepaarde steekproeven met gelijke varianties (wo bedoeld twee steekproeven met gelijke variantie)
Wellicht blijkt uit de beschrijvende statistiek van de 2 groepen dat de standaarddeviatie (en daarmee ook de variantie) in de 2 groepen ongelijk is. Het
betreft echter 2 “steekproeven” en er kan dus sprake zijn van toeval. Je moet dus nog een extra toets uitvoeren om te besluiten welke t-toets (gelijke of
ongelijke variantie) je gebruikt. In SPSS gebeurt deze toetsing door de Levene’s test for equality of variances. Je kan dit ook zelf testen.
• Geef databereiken van de beide groepen apart op. Interpretatie bij tweezijdig resp. eenzijdige toetsen
Vink optie Labels aan, als je in je selectie ook de kolomtitels opneemt! Ga uit van de tweezijdige waarde p Ga uit van de eenzijdige waarde p
• Geef waarde van α op.
p < α → nulhypothese verwerpen p < α → nulhypothese verwerpen
Hypothesen :
p >= α → nulhypothese aanvaarden p >= α → nulhypothese aanvaarden
Groep 1 (𝑥̅ 1 , s1) en Groep 2 (𝑥̅ 2 , s2)
H0: µ1= µ2 (geen verschil tussen beide groepen)
H1: µ1≠ µ2 (tweezijdige toets ) rapport voorbeeld
µ1 < µ2 (linkseenzijdige toets)
Met een t-waarde van 1.42 werd geen significant verschil gevonden tussen
µ1 > µ2 (rechtseenzijdige toets)
de mate van fysieke activiteit tussen mannen en vrouwen (p =.169).
Keuze α: 0,1 of 0,05 of 0,001
Vrouwen zijn gemiddeld 33.71 minuten per dag FA (SD = 16.28) in
Toetsingsgrootheid bij gelijke varianties verschilt van
Toetsingsgrootheid bij ongelijke varianties vergelijking met mannen die gemiddeld 27.56 minuten per dag FA zijn
output ( SD = 9.77).
Gemiddelde van elke groep
Variantie van elke groep ➔ we hebben standaardafwijking nodig!!
Aantal waarnemingen per groep
aantal vrijheidsgraden
T-statistische gegevens (= waarde toetsingsgrootheid t)
p-waarden
➔ Notatie: t(#vrijheidsgraden) = waarde, p = waarde
paired sample T-test (=afhankelijke t-test): gevraagd naar verschil in gem. tussen 2 groepen gepaarde data // 1 AV (interval/ratio) met 2 gepaarde metingen
vb: zelfde variabele wordt tweemaal in de tijd gemeten (voor en na interventie)
• Herschik gegevens: alle waarden van de pre-meting en alle waarden van de post-meting onder elkaar staan.
• ///Gegevens//Gegevensanalyse > T-toets: twee gepaarde steekproeven voor gemiddelden
• Geef databereiken van de beide groepen apart op. output
Vink optie Labels aan, als je in je selectie ook de kolomtitels opneemt! • Gemiddelde van elke groep
• Geef waarde van α op • Variantie van elke groep ➔ we hebben standaardafwijking nodig!!
Hypothesen: • Aantal waarnemingen per groep
Groep 1 (𝑥̅ 1 , s1) en Groep 2 (𝑥̅ 2 , s2) • aantal vrijheidsgraden
H0: gemiddeld verschil tss de paren = 0 • T-statistische gegevens (= waarde toetsingsgrootheid t)
H1: gemiddeld verschil tss de paren ≠0(tweezijdige toets ) • p-waarden
gemiddeld verschil tss de paren < 0(linkseenzijdige toets) ➔ Notatie: t(#vrijheidsgraden) = waarde, p = waarde
gemiddeld verschil tss de paren > 0(rechtseenzijdige toets) interpretatie bij tweezijdig, resp. eenzijdig toetsen
Keuze α: 0,1 of 0,05 of 0,001 Ga uit van de tweezijdige waarde p Ga uit van de eenzijdige waarde p (= helft
Toetsingsgrootheid p < α → nulhypothese verwerpen van two-tailed waarde)
Geen onderscheid tss gelijke/ongelijke varianties van de steekproeven p >= α → nulhypothese aanvaarden p < α nulhypothese verwerpen
p >= α nulhypothese aanvaarden
Rapport voorbeeld: er werd een signicifant verschil gevonden tussen de mate van fysieke activiteit voor en na de interventie, t (2)=2.97,
p < .001. Voor de campagne waren de deelnemers gemiddeld 25.21 minuten per dag FA (SD = 13.79) ivm gemiddele van 30.87 minuten per
dag na de campagne (SD = 13.85).
1 AV (interval/ratio) tov VASTE WAARDE
• Creëer een dummy variabele met 2 waarden 0 naast de kolom data
• ///Gegevens//Gegevensanalyse > T-toets: twee steekproeven met ongelijke varianties
• Geef databereiken van de beide groepen apart op. Vink optie Labels aan, als je in je selectie ook de kolomtitels opneemt!
• Bij ‘schatting van verschil tussen gemiddelden’, typ de vaste waarde
• Geef waarde van α op.
Hypothesen Interpretatie bij tweezijdig, resp. eenzijdig toetsen
H0: µ = vaste waarde Ga uit van de two tailed waarde p Ga uit van de one-tailed waarde p
p < α → nulhypothese verwerpen p < α → nulhypothese verwerpen
H1:µ ≠ vaste waarde(tweezijdige toets ) p >= α → nulhypothese aanvaarden p >= α →nulhypothese aanvaarden
µ < vaste waarde(linkseenzijdige toets)
µ > vaste waarde(rechtseenzijdige toets) rapport (voorbeeld)
Keuze α: .1 of .05 of .001 Er werd geen significant verschil gevonden tussen de mate van fysieke activiteit
Output: van TGW studenten en de aanbevolen norm van 30 min /dag, t (32) = 0.67, p =
Sample mean (= steekproefgemiddelde) .507.
Waarde toetsingsgrootheid t = T-statistische gegevens; bv. 0.67
Studenten TGW zijn gemiddeld 32.55 minuten per dag fysiek actief (SD = 21.8).
aantal vrijheidsgraden df; bv. 32
p-waarden; bv. .507
➔ Notatie: t (#vrijheidsgraden) = waarde, p = waarde
Hier: t (32) = 0.67, p = .507
Independent sample T-test (=onafhankelijke T-test): gevraagd naar verschil in gemiddelde tussen 2 groepen niet gepaarde data
1 AV (interval/ratio) en 1 OV met 2 groepen
• Herschik gegevens, zodat alle waarden gemeten bij groep 1, resp. bij groep 2 onder elkaar komen te staan.
• ///Gegevens//Gegevensanalyse > T-toets: twee steekproeven met ongelijke varianties
///Gegevens//Gegevensanalyse > T-toets: twee gepaarde steekproeven met gelijke varianties (wo bedoeld twee steekproeven met gelijke variantie)
Wellicht blijkt uit de beschrijvende statistiek van de 2 groepen dat de standaarddeviatie (en daarmee ook de variantie) in de 2 groepen ongelijk is. Het
betreft echter 2 “steekproeven” en er kan dus sprake zijn van toeval. Je moet dus nog een extra toets uitvoeren om te besluiten welke t-toets (gelijke of
ongelijke variantie) je gebruikt. In SPSS gebeurt deze toetsing door de Levene’s test for equality of variances. Je kan dit ook zelf testen.
• Geef databereiken van de beide groepen apart op. Interpretatie bij tweezijdig resp. eenzijdige toetsen
Vink optie Labels aan, als je in je selectie ook de kolomtitels opneemt! Ga uit van de tweezijdige waarde p Ga uit van de eenzijdige waarde p
• Geef waarde van α op.
p < α → nulhypothese verwerpen p < α → nulhypothese verwerpen
Hypothesen :
p >= α → nulhypothese aanvaarden p >= α → nulhypothese aanvaarden
Groep 1 (𝑥̅ 1 , s1) en Groep 2 (𝑥̅ 2 , s2)
H0: µ1= µ2 (geen verschil tussen beide groepen)
H1: µ1≠ µ2 (tweezijdige toets ) rapport voorbeeld
µ1 < µ2 (linkseenzijdige toets)
Met een t-waarde van 1.42 werd geen significant verschil gevonden tussen
µ1 > µ2 (rechtseenzijdige toets)
de mate van fysieke activiteit tussen mannen en vrouwen (p =.169).
Keuze α: 0,1 of 0,05 of 0,001
Vrouwen zijn gemiddeld 33.71 minuten per dag FA (SD = 16.28) in
Toetsingsgrootheid bij gelijke varianties verschilt van
Toetsingsgrootheid bij ongelijke varianties vergelijking met mannen die gemiddeld 27.56 minuten per dag FA zijn
output ( SD = 9.77).
Gemiddelde van elke groep
Variantie van elke groep ➔ we hebben standaardafwijking nodig!!
Aantal waarnemingen per groep
aantal vrijheidsgraden
T-statistische gegevens (= waarde toetsingsgrootheid t)
p-waarden
➔ Notatie: t(#vrijheidsgraden) = waarde, p = waarde
paired sample T-test (=afhankelijke t-test): gevraagd naar verschil in gem. tussen 2 groepen gepaarde data // 1 AV (interval/ratio) met 2 gepaarde metingen
vb: zelfde variabele wordt tweemaal in de tijd gemeten (voor en na interventie)
• Herschik gegevens: alle waarden van de pre-meting en alle waarden van de post-meting onder elkaar staan.
• ///Gegevens//Gegevensanalyse > T-toets: twee gepaarde steekproeven voor gemiddelden
• Geef databereiken van de beide groepen apart op. output
Vink optie Labels aan, als je in je selectie ook de kolomtitels opneemt! • Gemiddelde van elke groep
• Geef waarde van α op • Variantie van elke groep ➔ we hebben standaardafwijking nodig!!
Hypothesen: • Aantal waarnemingen per groep
Groep 1 (𝑥̅ 1 , s1) en Groep 2 (𝑥̅ 2 , s2) • aantal vrijheidsgraden
H0: gemiddeld verschil tss de paren = 0 • T-statistische gegevens (= waarde toetsingsgrootheid t)
H1: gemiddeld verschil tss de paren ≠0(tweezijdige toets ) • p-waarden
gemiddeld verschil tss de paren < 0(linkseenzijdige toets) ➔ Notatie: t(#vrijheidsgraden) = waarde, p = waarde
gemiddeld verschil tss de paren > 0(rechtseenzijdige toets) interpretatie bij tweezijdig, resp. eenzijdig toetsen
Keuze α: 0,1 of 0,05 of 0,001 Ga uit van de tweezijdige waarde p Ga uit van de eenzijdige waarde p (= helft
Toetsingsgrootheid p < α → nulhypothese verwerpen van two-tailed waarde)
Geen onderscheid tss gelijke/ongelijke varianties van de steekproeven p >= α → nulhypothese aanvaarden p < α nulhypothese verwerpen
p >= α nulhypothese aanvaarden
Rapport voorbeeld: er werd een signicifant verschil gevonden tussen de mate van fysieke activiteit voor en na de interventie, t (2)=2.97,
p < .001. Voor de campagne waren de deelnemers gemiddeld 25.21 minuten per dag FA (SD = 13.79) ivm gemiddele van 30.87 minuten per
dag na de campagne (SD = 13.85).
