Tabel descriptives
− Bvb.: Gender mean = .54 en codering: vrouw = 0 en man = 1
➔ 54% van de participanten zijn mannen.
− Skewness: positief = rechtsscheef, negatief = linksscheef
− Kurtosis: positief = leptokurtisch, negatief = platykurtisch
Grafieken
− Scatterplot ➔ homo- of heteroscedasticiteit
− P-P plot & histogram ➔ Normaalverdeling
Meervroudige regressie
− Anova:
o p < .05 ➔ er is minstens 1 significante voorspeller
Logistische regressie
Block 0:
− Classification:
o Een model zonder afhankelijke variabele, enkel met een constante term, levert X%
goede classificering.
Block 1:
− Omnibus test:
o p < .05 ➔ er is minstens 1 ß significant
− Hosmer & Lemeshow test:
o p > .05 ➔ Voorspellingen sluiten zeer nauw aan bij de waarnemingen
− Variables in the Equation:
o Exp(B) > 1 ➔ Als de covatiate (onafhankelijke) variabele toeneemt met 1 eenheid
dan zullen mijn odds/kansverhouding toenemen met Exp(B).
o Exp(B) > 1 ➔ Als de covariate (onafhankelijke) variabele met 1 eenheid toeneemt,
zullen mijn odds/kansverhouding/kans op succes dalen.
Waarde voorspellen:
− Waarde door SPSS berekend = kans op succes, m.a.w. kans op 1. Vanaf dat dit onder de .5 (of
onder de 50%) ligt voorspellen ze dat het onder 0 zal vallen.
Eén-factor variantie-analyse
− Test of homogeneity of Variances:
o H0: σ12 = σ22 = σ32 = σ42 ➔ Homoscedasticiteit (p > .05) (of verhouding tussen de
grootste en kleinste standaardafwijking moet ≤ 2)
➔ Contrast Tests: Assume equal variances
o HA: H0 is niet waar ➔ Heteroscedasticiteit (p ≤ .05)
➔ Contrast Tests: Does not assume equal
− Anova:
o p ≤ .05 ➔ er zijn minstens 2 gemiddelden verschillend van elkaar
− One-Sample Kolmogorov Smirnov Test:
o p > .05 ➔ Normaal verdeeld (H0 aanvaarden) (of als er in elke groep meer dan 30
participanten zitten (centrale limiet stelling))
− Multiple Comparisions:
o LSD of Bonferoni: H0: µ1 = µ2; HA: µ1 ≠ µ2
o p ≤ .05 ➔ Er is een significant verschil tussen de 2 gemiddelden
Twee-factor variantie-analyse
− Levene’s Test of Equality of Error Variances:
o p > .05 ➔ Homoscedasticiteit (H0 aanvaarden)
− One-Sample Kolmogorov-Smirnov Test:
o p > .05 ➔ Normaal verdeeld (H0 aanvaarden)
o Indien te weinig waarnemingen, “Exact” aanvinken
− Bvb.: Gender mean = .54 en codering: vrouw = 0 en man = 1
➔ 54% van de participanten zijn mannen.
− Skewness: positief = rechtsscheef, negatief = linksscheef
− Kurtosis: positief = leptokurtisch, negatief = platykurtisch
Grafieken
− Scatterplot ➔ homo- of heteroscedasticiteit
− P-P plot & histogram ➔ Normaalverdeling
Meervroudige regressie
− Anova:
o p < .05 ➔ er is minstens 1 significante voorspeller
Logistische regressie
Block 0:
− Classification:
o Een model zonder afhankelijke variabele, enkel met een constante term, levert X%
goede classificering.
Block 1:
− Omnibus test:
o p < .05 ➔ er is minstens 1 ß significant
− Hosmer & Lemeshow test:
o p > .05 ➔ Voorspellingen sluiten zeer nauw aan bij de waarnemingen
− Variables in the Equation:
o Exp(B) > 1 ➔ Als de covatiate (onafhankelijke) variabele toeneemt met 1 eenheid
dan zullen mijn odds/kansverhouding toenemen met Exp(B).
o Exp(B) > 1 ➔ Als de covariate (onafhankelijke) variabele met 1 eenheid toeneemt,
zullen mijn odds/kansverhouding/kans op succes dalen.
Waarde voorspellen:
− Waarde door SPSS berekend = kans op succes, m.a.w. kans op 1. Vanaf dat dit onder de .5 (of
onder de 50%) ligt voorspellen ze dat het onder 0 zal vallen.
Eén-factor variantie-analyse
− Test of homogeneity of Variances:
o H0: σ12 = σ22 = σ32 = σ42 ➔ Homoscedasticiteit (p > .05) (of verhouding tussen de
grootste en kleinste standaardafwijking moet ≤ 2)
➔ Contrast Tests: Assume equal variances
o HA: H0 is niet waar ➔ Heteroscedasticiteit (p ≤ .05)
➔ Contrast Tests: Does not assume equal
− Anova:
o p ≤ .05 ➔ er zijn minstens 2 gemiddelden verschillend van elkaar
− One-Sample Kolmogorov Smirnov Test:
o p > .05 ➔ Normaal verdeeld (H0 aanvaarden) (of als er in elke groep meer dan 30
participanten zitten (centrale limiet stelling))
− Multiple Comparisions:
o LSD of Bonferoni: H0: µ1 = µ2; HA: µ1 ≠ µ2
o p ≤ .05 ➔ Er is een significant verschil tussen de 2 gemiddelden
Twee-factor variantie-analyse
− Levene’s Test of Equality of Error Variances:
o p > .05 ➔ Homoscedasticiteit (H0 aanvaarden)
− One-Sample Kolmogorov-Smirnov Test:
o p > .05 ➔ Normaal verdeeld (H0 aanvaarden)
o Indien te weinig waarnemingen, “Exact” aanvinken
