SPSS
Inhoud
Practicum 1: Validiteit en betrouwbaarheid ..............................................................................2
Betrouwbaarheidsanalyse ....................................................................................................2
T-Test ...................................................................................................................................2
Factoranalyse ......................................................................................................................3
Practicum 2: Effectonderzoek en onderzoeksdesigns ................................................................4
ANCOVA ..............................................................................................................................4
Practicum 3: Meta-analyse ......................................................................................................5
Effectgrootte .......................................................................................................................5
Fail-safe number..................................................................................................................7
Moderatoranalyses uitvoeren?..............................................................................................7
Uitvoering van modoratoranalyse .........................................................................................8
Practicum 4: Survival-analyse ................................................................................................ 10
Kaplan-Meijer .................................................................................................................... 10
Cox-regressieanalyse ......................................................................................................... 12
Practicum 5: Multilevel-analyse ............................................................................................. 12
Variantie (level 1 en 2) ........................................................................................................ 12
Wald-Z-statistiek ............................................................................................................... 13
Intraklasse-correlatie ......................................................................................................... 14
Chi-Kwadraat..................................................................................................................... 14
Regressiecoëfficiënt en de bijbehorende t-waarde .............................................................. 15
Methode Hox ..................................................................................................................... 15
Voor statistische grootheden en steekproefgroottes (zoals p, t, F, n, N) zijn de symbolen altijd
cursief. Griekse tekens daarentegen zijn nooit cursief (dus je schrijft “β”en “χ2”)
n = deel steekproef (bijv aantal jongens en aantal meisjes los)
N = totale steekproefgrootte
d = Cohen's d
r = correlatie
Q = homogeniteit
Qbetween = moderator analyse
Wald Z = wald z score
Chi 2(1) = Chi Kwadraat noteren
β = helling van de regressielijn, risico op type II fout
𝝌2 = Log-Rank (Mantel Cox) → bij survival analyse
𝜶 = Cronbachs alpha
1
,Practicum 1: Validiteit en betrouwbaarheid
Betrouwbaarheidsanalyse
Als vuistregel in onderzoek wordt gehanteerd dat Cronbach’s alfa minimaal .80 dient te zijn.
Hoe hoger de waarde, hoe beter. Voor een summatieve toets is een waarde van 0,8 of hoger
gewenst; minder dan 0,7 is matig en minder dan 0,6 is onacceptabel.
- Een hoge alfa-waarde betekent dat de items op de schaal goed met elkaar
samenhangen en dus waarschijnlijk hetzelfde onderliggende construct meten.
- Een te hoge alfa-waarde, bijvoorbeeld boven de .90, kan echter wijzen op redundantie
tussen de items. Dit betekent dat de items bijna hetzelfde meten en er weinig unieke
informatie wordt toegevoegd door de verschillende vragen. Er wordt een
maximumwaarde van .90 aangeraden (Streiner, 2003b).
Door het verwijderen van kwalitatief minder goede items kan de betrouwbaarheid mogelijk
verhoogd worden. Kijk in de tabel in de kolom "Alfa if item
deleted" van de tabel “Item-total statistics”. Je verwijdert de
items waarvan de "Alfa if item deleted" hoger is dan de
gevonden Alpha.
T-Test
Een t-test is een nuttige manier om te testen of er een significant verschil is tussen de
gemiddelden van twee groepen.
Independent samples t-test (ongepaarde t-test)
Wordt gebruikt wanneer je het gemiddelde van twee onafhankelijke groepen met elkaar wilt
vergelijken. Bijvoorbeeld, je wilt het gemiddelde cijfer van studenten in twee verschillende
klassen vergelijken. Of het verschil tussen jongens en meisjes (zie voorbeeld).
Voorbeeld: Het verschil tussen jongens en meisjes in cognitieve empathie
APA:
- (M = …, SD = …) → (M = 48,29, SD = 4,50)
APA:
- (t(df van …. ) = t van …. , p …) → (t(248,09) = -5,785, p < ,001
Levene’s test significant = kijken naar equal variances not assumed (varianties ongelijk)
Levene’s test niet significant = kijken naar equal variances assumed (varianties gelijk)
2
, Conclusie:
Hieruit blijkt dat meisjes (M = 48,29, SD = 4,50) significant meer cognitieve empathie
vertonen dan jongens (M = 44,38, SD = 6,65; t(248,09) = -5,785, p < ,001).
Paired samples t-test (gepaarde t-test)
Wordt gebruikt wanneer je het gemiddelde van twee metingen bij dezelfde groep wilt
vergelijken. Bijvoorbeeld, je wilt het gemiddelde verschil in gewicht van een groep mensen
meten vóór en na een dieetinterventie.
Voorbeeld: We vergelijken van dezelfde meisjes hun cognitieve empathie en hun affectieve
empathie
APA:
- (M = …, SD = …) → (M = 4,39, SD = 0,41)
APA:
- (t(df) = t-waarde, p …) → (t(139) = 15.54, p < ,001)
Conclusie:
Meisjes vertonen significant meer cognitieve empathie (M = 4,39, SD = 0,41) dan affectieve
empathie (M = 3,51, SD = 0,71; t(139) = 15.54, p < ,001).
Factoranalyse
Factoranalyse is een statistische methode die wordt gebruikt om de onderliggende structuur in
een dataset te onderzoeken, meestal in de context van vragenlijsten die bedoeld zijn om een
complex construct te meten (zoals persoonlijkheid, intelligentie of tevredenheid). Het doel is
om te begrijpen hoe de vragen op een vragenlijst samenhangen en of ze bepaalde
subschaalstructuren of facetten van een groter construct weerspiegelen.
Exploratieve factoranalyse (PCA) wordt gebruikt om patronen te ontdekken zonder
voorafgaande aannames, terwijl confirmatieve factoranalyse wordt gebruikt om bestaande
ideeën over de structuur te bevestigen. Dit proces is cruciaal bij het ontwikkelen en valideren
van meetinstrumenten.
In de tabel “Rotated Component Matrix” zijn het aantal factoren te zien. Clustert factoren
samen en geeft de factorlading weer. Dit houdt de samenhang tussen items in. 0.4 is de
ondergrens. Een lage waarde (< 0.3) kan erop wijzen dat een variabele weinig bijdraagt aan de
factoren en mogelijk verwijderd kan worden. Items die bij geen een factor horen dienen ook
verwijderd te worden.
3
Inhoud
Practicum 1: Validiteit en betrouwbaarheid ..............................................................................2
Betrouwbaarheidsanalyse ....................................................................................................2
T-Test ...................................................................................................................................2
Factoranalyse ......................................................................................................................3
Practicum 2: Effectonderzoek en onderzoeksdesigns ................................................................4
ANCOVA ..............................................................................................................................4
Practicum 3: Meta-analyse ......................................................................................................5
Effectgrootte .......................................................................................................................5
Fail-safe number..................................................................................................................7
Moderatoranalyses uitvoeren?..............................................................................................7
Uitvoering van modoratoranalyse .........................................................................................8
Practicum 4: Survival-analyse ................................................................................................ 10
Kaplan-Meijer .................................................................................................................... 10
Cox-regressieanalyse ......................................................................................................... 12
Practicum 5: Multilevel-analyse ............................................................................................. 12
Variantie (level 1 en 2) ........................................................................................................ 12
Wald-Z-statistiek ............................................................................................................... 13
Intraklasse-correlatie ......................................................................................................... 14
Chi-Kwadraat..................................................................................................................... 14
Regressiecoëfficiënt en de bijbehorende t-waarde .............................................................. 15
Methode Hox ..................................................................................................................... 15
Voor statistische grootheden en steekproefgroottes (zoals p, t, F, n, N) zijn de symbolen altijd
cursief. Griekse tekens daarentegen zijn nooit cursief (dus je schrijft “β”en “χ2”)
n = deel steekproef (bijv aantal jongens en aantal meisjes los)
N = totale steekproefgrootte
d = Cohen's d
r = correlatie
Q = homogeniteit
Qbetween = moderator analyse
Wald Z = wald z score
Chi 2(1) = Chi Kwadraat noteren
β = helling van de regressielijn, risico op type II fout
𝝌2 = Log-Rank (Mantel Cox) → bij survival analyse
𝜶 = Cronbachs alpha
1
,Practicum 1: Validiteit en betrouwbaarheid
Betrouwbaarheidsanalyse
Als vuistregel in onderzoek wordt gehanteerd dat Cronbach’s alfa minimaal .80 dient te zijn.
Hoe hoger de waarde, hoe beter. Voor een summatieve toets is een waarde van 0,8 of hoger
gewenst; minder dan 0,7 is matig en minder dan 0,6 is onacceptabel.
- Een hoge alfa-waarde betekent dat de items op de schaal goed met elkaar
samenhangen en dus waarschijnlijk hetzelfde onderliggende construct meten.
- Een te hoge alfa-waarde, bijvoorbeeld boven de .90, kan echter wijzen op redundantie
tussen de items. Dit betekent dat de items bijna hetzelfde meten en er weinig unieke
informatie wordt toegevoegd door de verschillende vragen. Er wordt een
maximumwaarde van .90 aangeraden (Streiner, 2003b).
Door het verwijderen van kwalitatief minder goede items kan de betrouwbaarheid mogelijk
verhoogd worden. Kijk in de tabel in de kolom "Alfa if item
deleted" van de tabel “Item-total statistics”. Je verwijdert de
items waarvan de "Alfa if item deleted" hoger is dan de
gevonden Alpha.
T-Test
Een t-test is een nuttige manier om te testen of er een significant verschil is tussen de
gemiddelden van twee groepen.
Independent samples t-test (ongepaarde t-test)
Wordt gebruikt wanneer je het gemiddelde van twee onafhankelijke groepen met elkaar wilt
vergelijken. Bijvoorbeeld, je wilt het gemiddelde cijfer van studenten in twee verschillende
klassen vergelijken. Of het verschil tussen jongens en meisjes (zie voorbeeld).
Voorbeeld: Het verschil tussen jongens en meisjes in cognitieve empathie
APA:
- (M = …, SD = …) → (M = 48,29, SD = 4,50)
APA:
- (t(df van …. ) = t van …. , p …) → (t(248,09) = -5,785, p < ,001
Levene’s test significant = kijken naar equal variances not assumed (varianties ongelijk)
Levene’s test niet significant = kijken naar equal variances assumed (varianties gelijk)
2
, Conclusie:
Hieruit blijkt dat meisjes (M = 48,29, SD = 4,50) significant meer cognitieve empathie
vertonen dan jongens (M = 44,38, SD = 6,65; t(248,09) = -5,785, p < ,001).
Paired samples t-test (gepaarde t-test)
Wordt gebruikt wanneer je het gemiddelde van twee metingen bij dezelfde groep wilt
vergelijken. Bijvoorbeeld, je wilt het gemiddelde verschil in gewicht van een groep mensen
meten vóór en na een dieetinterventie.
Voorbeeld: We vergelijken van dezelfde meisjes hun cognitieve empathie en hun affectieve
empathie
APA:
- (M = …, SD = …) → (M = 4,39, SD = 0,41)
APA:
- (t(df) = t-waarde, p …) → (t(139) = 15.54, p < ,001)
Conclusie:
Meisjes vertonen significant meer cognitieve empathie (M = 4,39, SD = 0,41) dan affectieve
empathie (M = 3,51, SD = 0,71; t(139) = 15.54, p < ,001).
Factoranalyse
Factoranalyse is een statistische methode die wordt gebruikt om de onderliggende structuur in
een dataset te onderzoeken, meestal in de context van vragenlijsten die bedoeld zijn om een
complex construct te meten (zoals persoonlijkheid, intelligentie of tevredenheid). Het doel is
om te begrijpen hoe de vragen op een vragenlijst samenhangen en of ze bepaalde
subschaalstructuren of facetten van een groter construct weerspiegelen.
Exploratieve factoranalyse (PCA) wordt gebruikt om patronen te ontdekken zonder
voorafgaande aannames, terwijl confirmatieve factoranalyse wordt gebruikt om bestaande
ideeën over de structuur te bevestigen. Dit proces is cruciaal bij het ontwikkelen en valideren
van meetinstrumenten.
In de tabel “Rotated Component Matrix” zijn het aantal factoren te zien. Clustert factoren
samen en geeft de factorlading weer. Dit houdt de samenhang tussen items in. 0.4 is de
ondergrens. Een lage waarde (< 0.3) kan erop wijzen dat een variabele weinig bijdraagt aan de
factoren en mogelijk verwijderd kan worden. Items die bij geen een factor horen dienen ook
verwijderd te worden.
3
