Experimenteel en correlationeel
onderzoek
College 1 – Correlaties en maten voor
effectgrootte
Zaken van vorige cursus die terug komen
1. Hyptohesetoetsing
2. Steekpreovenverdeling
3. Maten voor efectgrootte
Correlatie
Je kan een toets van correlatie gebruiken als je 2 getallen met elkaar toetst (getal + getal)
Voor meer variabelen dan 2 kan je ANOVA gebruiken (groep + groep + getal)
Voor meer variabelen dan 2 kan je regressie doen (getal + getal + getal)
Groep = nominaal of ordinaal meetniveau
Getal = ratio of interval meetniveau
Correlatie = niet causaliteit
Correlatie = samenhang
Causatie = iets veroorzaakt iets anders, hiervoor moeten de zaken hieronder er ook zijn:
❖ Covariantie
❖ Directionaliteit
❖ Interne validiteit
Scatterplots
Non-lineair: boogje, bijvoorbeeld plantjes zaaien en temperatuur. Hierbij is er geen sprake van
correlatie.
Homogeen/heterogeen: groepen
Covariantie
= een maat voor lineaire samenhang (kan negatief (\) of positief (/) zijn
Correlatie (pearson r) is de gestandaardiseerde versie van covariantie
Hoe groter het getal, hoe sterker de samenhang
Als we gaan standaardiseren krijgen we pearson r
Pearson product-moment correlatie (r)
,Het maakt niet uit welke formule je gebruikt.
Pearson r is makkelijker te interpreteren dan de covariantie
Factoren die pearson r beinvloeden
1. Een niet-lineair verband kan je niet meten met pearson r.
2. Uitbijters
3. Heterogene subgroepen ? bijvoorbeeld dat er in de groepen een negatief verband is,
maar tussen de groepen een positief verband.
4. Restriction of range > je kan maar naar een deel van de resultaten kijken, dus
misschien als je uitzoomt is er wel een verband
Pearson r
Berekening
Z score = getal – gemiddelde / standaarddeviatie
Alternatieve correlatiecoëfficiënten
Eigenlijk als iemand correlatie zegt, dan bedoelen we pearson r, maar er zijn er meer.
Pearson r is als we getal (kwanititatief) – getal hebben
❖ Dichotoom is groep met 2 niveaus (bijv. ja of nee)
Overal beetje zelfde manier behalve bij phi.
Spearman’s rho (rs)
Zelfde als r, maar dan zijn de getallen vervangen door de rangscores
Kan je goed gebruiken bij uitbijters en bij zwakke niet-lineairiteit, maar het moet wel
enigszins lineair zijn.
Zelfde formule
Scatterplot
In de scatterplot staan nu niet de getallen op de x- en y-as, maar nu staan er de rangnummers
Berekening
Je geeft voor x rangnummers 1 t/m omhoog en voor y 1 t/m omhoog
Punt-biseriële correlatie
Voor een dichotoom + kwantitatief (is bijv. ook bij independent t-toets)
Voor de groep maak je getallen, dus bijv. ja=1 en nee=2, kan ook 0 en 1
zijn. Zelfde formule
,Je kan ook de t-toets gebruiken.
Scatterplot
Scatterplot ziet er een beetje gek uit bij deze correlatietoets.
Je zou ook een boxplot kunnen maken.
Je kan positief/negatief niet echt zeggen, want je kan de groepen ook omdraaien.
Berekening
z-score is voor 1 groep allemaal hetzelfde (x).
Phi coëfficiënt (Ø)
Effectmaat bij de chi-kwadraat toets
Kan hetzelfde als bij pearson r, groepen dan weer 1 en 0 maken. Zo kan je ook pearson
r berekenen, maar is heeeellll veel moeite dan.
Je kan de twee variabele dezelfde getallen geven.
A en D staan voor positieve samenhang, C en B staan voor een negatieve samenhang.
Berekening
Getallen invullen in de formule.
Significantie van r
Dit is voor getal + getal
P = samenhang, correlatie
Toets voor correlatie doe je met een t-toets. Je doet niet een t-toets, maar je gebruikt wel een t-
waarde
, Significantietoetsing van r
Voorbeeld
P = 0 betekent dat er geen verband is.
t-waarde weer invullen in de website en dan krijg je de p-waarde en dan weet je of je H0 moet
verwerpen of niet.
Correlatie in SPSS
Pearson r
1. Bivariate correlations
2. 2 variabelen invullen
3. Je kan pearson of spearman invullen
Correlatie = .759 (positief
p-waarde < .001
Spearman’s rho
Scatterplot met rangscores
Correlatie = .759
p-waarde < .001
Conclusie in APA-stijl: Er is een significante, positieve relatie tussen het percentage
internetgebruikers in een land en de gemiddelde levensverwachting in jaren in dat land,
rs(81) = .78, p < .001). Een hoger percentage internetgebruikers hangt samen met een
hogere gemiddelde levensverwachting.
Effectmaten
Correlatie en significantie
Bij een grotere n, krijg je vaak een kleinere p-waarde, dus sneller een significant resultaat. Dit
zegt niks over hoe sterk het verband is (grootte effect).
onderzoek
College 1 – Correlaties en maten voor
effectgrootte
Zaken van vorige cursus die terug komen
1. Hyptohesetoetsing
2. Steekpreovenverdeling
3. Maten voor efectgrootte
Correlatie
Je kan een toets van correlatie gebruiken als je 2 getallen met elkaar toetst (getal + getal)
Voor meer variabelen dan 2 kan je ANOVA gebruiken (groep + groep + getal)
Voor meer variabelen dan 2 kan je regressie doen (getal + getal + getal)
Groep = nominaal of ordinaal meetniveau
Getal = ratio of interval meetniveau
Correlatie = niet causaliteit
Correlatie = samenhang
Causatie = iets veroorzaakt iets anders, hiervoor moeten de zaken hieronder er ook zijn:
❖ Covariantie
❖ Directionaliteit
❖ Interne validiteit
Scatterplots
Non-lineair: boogje, bijvoorbeeld plantjes zaaien en temperatuur. Hierbij is er geen sprake van
correlatie.
Homogeen/heterogeen: groepen
Covariantie
= een maat voor lineaire samenhang (kan negatief (\) of positief (/) zijn
Correlatie (pearson r) is de gestandaardiseerde versie van covariantie
Hoe groter het getal, hoe sterker de samenhang
Als we gaan standaardiseren krijgen we pearson r
Pearson product-moment correlatie (r)
,Het maakt niet uit welke formule je gebruikt.
Pearson r is makkelijker te interpreteren dan de covariantie
Factoren die pearson r beinvloeden
1. Een niet-lineair verband kan je niet meten met pearson r.
2. Uitbijters
3. Heterogene subgroepen ? bijvoorbeeld dat er in de groepen een negatief verband is,
maar tussen de groepen een positief verband.
4. Restriction of range > je kan maar naar een deel van de resultaten kijken, dus
misschien als je uitzoomt is er wel een verband
Pearson r
Berekening
Z score = getal – gemiddelde / standaarddeviatie
Alternatieve correlatiecoëfficiënten
Eigenlijk als iemand correlatie zegt, dan bedoelen we pearson r, maar er zijn er meer.
Pearson r is als we getal (kwanititatief) – getal hebben
❖ Dichotoom is groep met 2 niveaus (bijv. ja of nee)
Overal beetje zelfde manier behalve bij phi.
Spearman’s rho (rs)
Zelfde als r, maar dan zijn de getallen vervangen door de rangscores
Kan je goed gebruiken bij uitbijters en bij zwakke niet-lineairiteit, maar het moet wel
enigszins lineair zijn.
Zelfde formule
Scatterplot
In de scatterplot staan nu niet de getallen op de x- en y-as, maar nu staan er de rangnummers
Berekening
Je geeft voor x rangnummers 1 t/m omhoog en voor y 1 t/m omhoog
Punt-biseriële correlatie
Voor een dichotoom + kwantitatief (is bijv. ook bij independent t-toets)
Voor de groep maak je getallen, dus bijv. ja=1 en nee=2, kan ook 0 en 1
zijn. Zelfde formule
,Je kan ook de t-toets gebruiken.
Scatterplot
Scatterplot ziet er een beetje gek uit bij deze correlatietoets.
Je zou ook een boxplot kunnen maken.
Je kan positief/negatief niet echt zeggen, want je kan de groepen ook omdraaien.
Berekening
z-score is voor 1 groep allemaal hetzelfde (x).
Phi coëfficiënt (Ø)
Effectmaat bij de chi-kwadraat toets
Kan hetzelfde als bij pearson r, groepen dan weer 1 en 0 maken. Zo kan je ook pearson
r berekenen, maar is heeeellll veel moeite dan.
Je kan de twee variabele dezelfde getallen geven.
A en D staan voor positieve samenhang, C en B staan voor een negatieve samenhang.
Berekening
Getallen invullen in de formule.
Significantie van r
Dit is voor getal + getal
P = samenhang, correlatie
Toets voor correlatie doe je met een t-toets. Je doet niet een t-toets, maar je gebruikt wel een t-
waarde
, Significantietoetsing van r
Voorbeeld
P = 0 betekent dat er geen verband is.
t-waarde weer invullen in de website en dan krijg je de p-waarde en dan weet je of je H0 moet
verwerpen of niet.
Correlatie in SPSS
Pearson r
1. Bivariate correlations
2. 2 variabelen invullen
3. Je kan pearson of spearman invullen
Correlatie = .759 (positief
p-waarde < .001
Spearman’s rho
Scatterplot met rangscores
Correlatie = .759
p-waarde < .001
Conclusie in APA-stijl: Er is een significante, positieve relatie tussen het percentage
internetgebruikers in een land en de gemiddelde levensverwachting in jaren in dat land,
rs(81) = .78, p < .001). Een hoger percentage internetgebruikers hangt samen met een
hogere gemiddelde levensverwachting.
Effectmaten
Correlatie en significantie
Bij een grotere n, krijg je vaak een kleinere p-waarde, dus sneller een significant resultaat. Dit
zegt niks over hoe sterk het verband is (grootte effect).
