Samenvatting Revalidatiewetenschappen 3 (theorie)

Revalidatiewetenschappen 3

H0: Inleiding (herhaling)

1. MEETNIVEAU BEPALEN

• Kwalitatief
o Nominaal = minst informatief, onderscheid tussen
categorieën, geen natuurlijke ordening (geslacht)
o Ordinaal = natuurlijke ordening (opleidingsniveau)
• Kwanitatief = scale
o Interval: willekeurig nulpunt (IQ)
o Ratio: absoluut nulpunt (leeftijd, tijd)


2. PARAMETRISCH VS NIET-PARAMETRISCH

• Niet-parametrisch testen
o Nominale/ordinale variabele
o Scale steekproef klein (<30 en 10) + variabele niet-normaal
verdeeld (in minstens 1 groep)
o Scale variabele heel klein (<10 per groep)

• Parametrisch testen → meer power
o Scale steekproeven voldoende groot (30 per groep)
o Steekproef klein (<30 en >10), variabele wel normaal verdeeld

3. GEPAARD VS NIET-GEPAARD

• Gepaard = afhankelijk
o Twee of meer keer dezelfde meting uitvoeren
o Indien metingen betrekking hebben op dezelfde patiënt
o Vb. voor en na behandeling
• Ongepaard = onafhankelijk
o Aparte, onafhankelijke groepen
o Indien metingen betrekking hebben op verschillende groepen
o Vb. lengte mannen en vrouwen

4. P-WAARDE

• P-waarde = hoe groot is kans dat gevonden resultaat toevallig is
o Significantie:  = 0,05 = 5%
o P >  : nulhypothese (H0) behouden
o P  : geen toeval, nulhypothese verworpen, alternatieve hypothese (H1) aanvaarden

• Alternatieve manier van testen
o Kritieke waarden
o Betrouwbaarheidsintervallen




1

, 5. EENZIJDIG VS TWEEZIJDIG

• Tweezijdig testen: effect kan twee kanten uitgaan
o Als H1: populatieparameter  waarde van
nulhypothese
o Altijd bij kine

• Eenzijdig testen: effect kan maar één kant uit gaan
(enkel verbetering/verslechtering)
o Als H1: populatieparameter > waarde van
nulhypothese (rechtseenzijdig alternatief)
o Als H1: populatieparameter < waarde van
nulhypothese (linkseenzijdig alternatief

 Formulering van alternatieve hypothese bepaalt
of we één- of tweezijdig testen

6. NORMALITEIT

• Normaliteit testen
o Nulhypothese = variabele is normaal verdeeld
o Kolmogorov-Smirnov test
▪ Non-parametrische test
▪ Legacy dialogs <-> One-sample (beide mogelijk, zelf kiezen)
▪ 1-sample K-S
o Bij gepaarde metingen moet verschil tussen metingen normaal verdeeld zijn
▪ Meting 1 – meting 2 → verschillen moeten normaal verdeeld zijn




7. UITVOERING TESTEN

1) Beschrijvende statistiek
2) Parametrisch testen?
3) Test
4) Beoordeling
5) Rapportering




2

,H1: T-testen en hun parametrische analogen

1. KOLMOGOROV-SMIRNOV TEST

• One sample t-test: om op basis van een steekproefgemiddelde te testen of een
populatiegemiddelde gelijk is aan een opgegeven populatie- of theoretisch gemiddelde
o H0 : µ = µ0 → µ0 = theoretisch gemiddelde uit literatuur/eerder ondezoek
o H1 : µ  µ0
o Niet-parametrisch analoog: Wilcoxon rang teken test
o Voorbeeld: ROM knieflexie van 20 knie-artrosepatiënten vergelijken met norm (135°)

Voorbeeld 1: voldoen paracommando’s aan gemiddelde lengte van 1,82m van Belgische man?
1) Beschrijvende statistiek
• Analyze > descriptive statistics > descriptives >
variable: lengte in cm
• Options: mean aanvinken
• N = 28

2) Parametrisch? → Kolmogorov Smirnov test
• Analyze > nonparametric test > legacy dialogs >
1-sample K-S
• Variabele: lengte in cm & aanvinken normal
• P>0,05 → H0 behouden → normaal verdeeld
 parametrisch testen

3) One sample t-test → beslissingsboom
• Analyze > compare means > one sample t test
• Test variabele: lengte in cm
• Test value: 182 → theoretisch gemiddelde
• Options: confidence interval = 95%

4) Beoordeling
• Overschrijdingskans
o P = 0,097 > 0,05
o H0 behouden: µ = µ0
• Betrouwbaarheidsinterval
o 0  {-0,4179 ; 4,7465} → p > 0,05
o H0 behouden
 Steekproefgemiddelde niet • Kritieke waarde (t)
significant verschillend van o T-waarde opzoeken in tabellen voor
populatiegemiddelde tweezijdige testen met a = 5%
o 1,72 < 2,05 → kritieke waarde wordt
niet overschreden → H0 behouden
5) Rapportering
• Door het uitvoeren van de K-S-test werd de normaliteit van de gegeven bevestigd
• M.b.v. one-sample t-test kunnen we concluderen dat steekproefgemiddelde van de lengte van
de paracommando’s overeenkomt met het populatiegemiddelde van de Belgische man




3

, 2. WILCOXON RANGTEKEN TEST

• Wilcoxon rangteken test: niet-parametrische analyse van one sample t-test met mediaan
(rangvolorde) i.p.v. gemiddelde (want data worden ordinaal behandeld)

Voorbeeld 2: voldoen paracommando’s aan gemiddelde lengte van 1,82m van Belgische man?
(niet-parametrisch testen)
1) Beschrijvende statistiek
• Analyze > descriptive statistics > frequencie >
variabele: lengte in cm
• Statistics: aanvinken median

2) Parametrisch testen?
• Nee zie opgave
3) Wilcoxon rangtekentest
• Analyze > nonparametric test > one sample
• Objective: customize analysis
• Fields: test field = lengte in cm
• Setting: customize test > wilcoxon signed…
o Hypothesized median = 182
4) Beoordeling
• Overschrijdingskans
• P = 0,086 > 0,05 → H0 behouden
• Geen significant verschil tussen
steekproefmediaan en populatie mediaan
5) Rapportering
• Omwille van kleine steekproef werd Wilcoxon rangtekentest uitgevoerd die aantoont dat de
mediaan van de lengte van de paracommando’s uit de steekproef gelijk mag gesteld worden
aan het populatiegemiddelde van de Belgisch man (182cm)

3. NIET-GEPAARDE T-TEST

• Niet gepaarde = onafhankelijke t-test: om op basis van twee onafhankelijke steekproeven te
testen of gemiddelden van twee groepen (populaties) aan elkaar gelijk zijn
o H0 : µ1 = µ2 of µ1 - µ2 = 0
o H1 : µ1  µ2 of µ1 - µ2  0
o Niet-parametrisch analoog: Mann-Whitney U test
o Voorbeeld: ROM knieflexie artrosepatiënten vergelijken met ROM gezonde personen

Voorbeeld 3: Is er een verschil in gemiddelde tijd op de loopband tussen beide trainingsgroepen?

1) Beschrijvende statistiek
• Per groep: data > split file > compare groups >
groups based on: training
• Analyze > descriptive statistics > descriptive
• Variabele: max. test loopband
• Options: mean aanvinken




4