SPSS stappenplan
Psychometrie 2021-2022
Inhoud
Practical 1 – Norm tables ........................................................................................................... 2
Practical 2 - Split-Half Method / Cronbach’s Alpha ................................................................... 3
Practical 3 – MTMM matrix ........................................................................................................ 4
Practical 4 – Constructvaliditeit & PCA ...................................................................................... 4
Practical 5 – CFA in R (volledig R) ............................................................................................ 6
Practical 6 – IRT in R (R & deels SPSS) ................................................................................... 7
Practical 7 – bias ........................................................................................................................ 8
Practical 8 – classification .......................................................................................................... 9
Overige vaardigheden .............................................................................................................. 11
Topic 5 - CFA in R: ............................................................................................................................. 11
Topic 8 – Classification: .................................................................................................................... 11
COTAN-normen ....................................................................................................................... 11
1
, Practical 1 – Norm tables
- compute total scores / scale scores berekenen
o (door gemiddelde van relevante items te vinden)
transform → compute → specificeer target variable → formuleer in het numeric expression
venster de blauwe formule hieronder;
- item1 + item2 + item3 + itemp
o only use if you have no missing values
- SUM(item1 to itemp) / SUM(item1 + item2 + item3 + itemp)
o als items een missing value bevatten, niet gebruiken
o kijk voor missing values bij ‘analyze→ descript. stat. → DESCRIPTIVES’
o SUM.n(): n is the number of valid (or non-missing) values per case that need
to be present, in order to generate a result
- MEAN(item1 + item2 + item3 + itemp) / MEAN(item1 to itemp)
o the result is less dependent upon the number of items used
o possible when having missing values
o MEAN.n(): number n of items with valid values that need to be present → use
this one
▪ gebruik voor n minimaal de helft van het totaal aantal items
- Report creëren over onderzoeksgroep:
o relevante statistieken los van elkaar geven voor de beide scales
analyze → descriptive statistics → descriptives → plaats variabele in variable box → options:
mean, SD, minimum, maximum → continue → OK
o produceer graphs van de verdeling van de scale scores (histogram/boxplot)
graphs → legacy dialogs → histogram (2x aanvragen als je voor beide scales wil weten) →
OK
- normscores berekenen:
o z-scores berekenen
analyze → descriptive statistics → descriptives → voeg relevante variabele(n) toe + selecteer
“save standardized values as variables” → OK
o t-scores berekenen
transform → compute variable → specificeer target variable → vul in numeric expression
venster in: 50 + 10 * Zx (vul de naam in van de z-score zoals in data gelabeld) → OK
Zijn er meerdere z-scores? doe dit bovenstaande dan voor beiden apart
o percentielen berekenen
transform → rank cases → plaats variabelen in variable box → Rank Types: uncheck Rank,
selecteer “Fractional rank as %” → continue → Ties: selecteer “High” (ipv Mean) → continue
→ OK
- percentages afronden, decimalen aanpassen
variable view → kolom decimals → ga naar relevante variabele → pas decimalen aan
2
Psychometrie 2021-2022
Inhoud
Practical 1 – Norm tables ........................................................................................................... 2
Practical 2 - Split-Half Method / Cronbach’s Alpha ................................................................... 3
Practical 3 – MTMM matrix ........................................................................................................ 4
Practical 4 – Constructvaliditeit & PCA ...................................................................................... 4
Practical 5 – CFA in R (volledig R) ............................................................................................ 6
Practical 6 – IRT in R (R & deels SPSS) ................................................................................... 7
Practical 7 – bias ........................................................................................................................ 8
Practical 8 – classification .......................................................................................................... 9
Overige vaardigheden .............................................................................................................. 11
Topic 5 - CFA in R: ............................................................................................................................. 11
Topic 8 – Classification: .................................................................................................................... 11
COTAN-normen ....................................................................................................................... 11
1
, Practical 1 – Norm tables
- compute total scores / scale scores berekenen
o (door gemiddelde van relevante items te vinden)
transform → compute → specificeer target variable → formuleer in het numeric expression
venster de blauwe formule hieronder;
- item1 + item2 + item3 + itemp
o only use if you have no missing values
- SUM(item1 to itemp) / SUM(item1 + item2 + item3 + itemp)
o als items een missing value bevatten, niet gebruiken
o kijk voor missing values bij ‘analyze→ descript. stat. → DESCRIPTIVES’
o SUM.n(): n is the number of valid (or non-missing) values per case that need
to be present, in order to generate a result
- MEAN(item1 + item2 + item3 + itemp) / MEAN(item1 to itemp)
o the result is less dependent upon the number of items used
o possible when having missing values
o MEAN.n(): number n of items with valid values that need to be present → use
this one
▪ gebruik voor n minimaal de helft van het totaal aantal items
- Report creëren over onderzoeksgroep:
o relevante statistieken los van elkaar geven voor de beide scales
analyze → descriptive statistics → descriptives → plaats variabele in variable box → options:
mean, SD, minimum, maximum → continue → OK
o produceer graphs van de verdeling van de scale scores (histogram/boxplot)
graphs → legacy dialogs → histogram (2x aanvragen als je voor beide scales wil weten) →
OK
- normscores berekenen:
o z-scores berekenen
analyze → descriptive statistics → descriptives → voeg relevante variabele(n) toe + selecteer
“save standardized values as variables” → OK
o t-scores berekenen
transform → compute variable → specificeer target variable → vul in numeric expression
venster in: 50 + 10 * Zx (vul de naam in van de z-score zoals in data gelabeld) → OK
Zijn er meerdere z-scores? doe dit bovenstaande dan voor beiden apart
o percentielen berekenen
transform → rank cases → plaats variabelen in variable box → Rank Types: uncheck Rank,
selecteer “Fractional rank as %” → continue → Ties: selecteer “High” (ipv Mean) → continue
→ OK
- percentages afronden, decimalen aanpassen
variable view → kolom decimals → ga naar relevante variabele → pas decimalen aan
2
