Samenvatting Stappenplannen voor Statistiek 3

Statistiek
stappenplannen:
2023-2024



Leandra Berkhout




1

,Verschillenden toetsen:
Typen gegevens
 Discrete data/nominaal/kwalitatieve data -> 'labels'. (kleur ogen of plek waar iets vandaan
komt) -> labels kun je tellen, dit geeft aantallen/percentages
 Continue data/numeriek/kwantitatief -> 'alles is mogelijk'. Komma getalwaarde
(concentraties, volume)

 Onafhankelijke variabele/ factoren -> 'X' -> 'dit varieer je' (bekende data)
 Afhankelijke variabele/respons -> 'Y' -> 'meet je' (onbekende waarde)

 Overzichtje:
onafhankelijk
- discreet continue

discreet Chi2 Geen lesstof

continue ANOVA regressie

 Typen toetsen: (zie notitie blok)
o Regressie, ANOVA, χ 2
 Regressie: twee waardes die je moet meten (zoutconcentratie in vergelijking
met bloeddruk) (scatterplot)
 ANOVA: X waarde is bekend (groep) Y waarde is bloeddruk (waarde)
(bloeddruk vergeleken met testgroep)
 Chi2: 2 discrete waarde, X en Y zijn labels/aantallen (kleur ogen in 2 groepen
mensen) (groep is onafhankelijk, oogkleur is afhankelijk
o ANOVA keuzes:
 1 way-ANOVA: 1 set labels met getallen
 2-way ANOVA: 2 sets met labels en hun waardes
 Combined ANOVA: als er interactie is bi 2-way dient deze ook
uitgevoerd te worden
 BLOCK-ANOVA: 2 factoren met labels, maar geen herhaalde metingen
 Latin square ANOVA: 3 factoren met labels, geen herhaalde meting, en soms
geen meting bij verschillende gemixte factoren
 ANCOVA: continue ruisfactoren corrigeren
 2 continu en 2 discrete factoren
 1-way RFX-ANOVA: 1 random factor
 2-way RFX-ANOVA: 2 random factoren
o χ2
 1-way χ 2 toets: 1 factor voor aantallen
 2-way χ 2 toets: 2 factoren voor aantallen
 Repeated measure χ 2: 2 factoren maar beide met dezelfde labels
 (bv. 1e meting leukocyten en 2e meting op ander moment van
leukocyten)




2

, Regressie grafieken maken en data analyse
Voor regressie gaat alles in Excel, de enige uitzondering is als er in het tentamen wordt gevraagd om
een grafiek te maken in SPSS (zie laatste kopje) of een ingewikkelde niet lineaire formule zoals
Michealis-Mentis.

 Handmatig
1. Type data bepalen:
Typen gegevens
 Discrete data/nominaal/kwalitatieve data -> 'labels'. (kleur ogen of plek waar iets
vandaan komt) -> labels kun je tellen, dit geeft aantallen/percentages
 Continue data/numeriek/kwantitatief -> 'alles is mogelijk'. Komma getalwaarde
(concentraties, volume)


 Onafhankelijke variabele/ factoren -> 'X' -> 'dit varieer je' (bekende data)
 Afhankelijke variabele/respons -> 'Y' -> 'meet je' (onbekende waarde)
2. Van data eerst een scatterplot maken
a. (met titel, labels, trendlijn etc.) (wanneer X 2 -> trendlijn als 'polynoom' en macht
selecteren als 'graad en waarde in tabel ook x^2 maken'.
Grafiek maken: 'Zet A uit als functie van B'. A = Y-as, B = x-as
3. Vervolgens model bepalen.
a. 4 opties:
i. Y = a1 * X + a0
ii. Y = a1 * X
iii. Y = a1 * X + a2 * X2 + a0
iv. Y= a1 * X + a2 * X2
4. Data analyse toolpack -> regressie selecteren.
a. Invoerbereiken invoeren.
b. Labels aanvinken wanneer labels ook geselecteerd zijn.
c. Wanneer er geen a0 is, 'door oorsprong' selecteren.
d. Wanneer uitbijters berekend moeten worden: 'storingen' aanvinken.
5. Verander labels
a. snijpunt en .. In a0 en a1. als er geen a0 is, rij zwart kleuren
6. P waardes controleren. F waarde geeft weer of Y van X afhangt ( heeft ook te maken met
kleiner of groter dan 0,05
a. P < 0,05 = significant (er is een verband) (kleur dit groen)
b. P > 0,05 = niet significant ( er is dus geen verband) (kleur dit rood)
7. Wanneer het model geen a0 bevat, zelf Radj opstellen:
a. Parameters toevoegen aan tabel (aantal a waardes.)
b. Formule: Radj2 = 1 − (1−R2 ) * n / (n–P) invullen
i. N -> aantal waarnemingen. P -> parameters
c. Op basis van deze waarde R2 goedkeuren of afkeuren
d. R2 -> Relevantie -> Effectsterkte -> ''Hoe sterk is het verband''
e. Aangeven of R2 effect oke is.
i. > 0,01 -> zwak effect
ii. > 0,09 -> matig effect
iii. > 0,25 -> sterk effect
f. Post-hoc test -> ''wat is de vorm/aard van het effect''




3