Uitwerkingen casus 3 - Data Analyse

Casus 3
Opdracht 1
Lees Ellis, deel 2, sectie 14.10. Dit heeft alleen betrekking op een z-toets, maar bij andere toetsen
zijn de principes hetzelfde. Van welke factoren hangt de power af? Waarom wil men dat de power
hoog is?
Er zijn drie factoren waar de power vanaf hangt: significantieniveau (beinvloedbaar), aantal
waarnemingen oftewel N (beinvloedbaar) en effect size (niet beinvloedbaar).

Significantieniveau = kans dat je de nulhypothese verwerpt als zij waar is
Power = kans dat je de nulhypothese verwerpt als zij onwaar is
Het is van belang om de power groot te hebben, omdat de power staat voor het vinden van een
gegeven, dat ook daadwerkelijk zo is: een true negative.

Z(verwacht) geeft aan waar het centrum van de echte verdeling van Z ligt.


Opdracht 2
Lees de volgende artikelen:
- Cohen, J. (1990). Things I have learned (so far). American Psychologist, 12, 1304-1312.
- Simmons, J.P., Nelson, L.D., & Simonsohn, U. (2011). False-Positive Psychology:
Undisclosed Flexibility in Data Collection and Analysis Allows Presenting Anything as
Significant. Psychological Science, 22, 1359 - 1366. doi: 10.1177/0956797611417632
- John, L.K., Loewenstein, G., & Prelec, D. (2012). Measuring the prevalence of
questionable research practices with incentives for truth telling. Psychological Science,
23, 524 - 532. doi: 10.1177/0956797611430953


Opdracht 3
Hoeveel proefpersonen er nodig zijn, is mede afhankelijk van de analyses die worden gedaan. Als
je veel fantasie hebt zou je dat kunnen beredeneren zonder de analyses nog daadwerkelijk uit te
voeren. Dat moet dan wel fantasie op het gebied van statistiek zijn, en daarom is het voor velen
toch handiger om de analyses voor zich te zien.
De onderzoeker heeft bij je aangegeven dat de IQ-scores misschien wel kunnen worden opgedeeld
in drie klassen, omdat ze alleen wil weten of een proefpersoon gemiddeld intelligent is, of lager of
hoger dan gemiddeld scoort op intelligentie. Je kunt je afvragen of dat zinnig is. Wat zou jij de
opdrachtgevers hierover adviseren en waarom (gebruik eventueel het artikel van Cohen om je
advies te beargumenteren)?
Maak vervolgens in SPSS een bestand met data zoals die in deze casus uit het onderzoek zouden
kunnen komen. Voer daarmee de analyses uit die volgens jou nodig zijn om de onderzoeksvraag te
beantwoorden. Controleer of zij inderdaad geschikt is om de onderzoeksvraag te beantwoorden.

IQ kan beter gebruikt worden als een covariaat, want anders verlies je gegevens van personen.
Volgens Cohen (1990) verlies je namelijk kostbare informatie, gezien de correlatie in het kwadraat
(verklaarde variantie) met andere variabelen veel kleiner wordt (gemiddeld 36%). DUS: neem het als
covariaat mee.

, SPSS data-bestand maken
In SPSS bestand eerst de variabele ppnr aanmaken. In
totaal heb ik gekozen voor 20 proefpersonen. Ik heb SPSS
random nummers laten maken voor de variabelen:
- IQ: Transform → Compute Variable → Target
Variable: IQ → Numeric expression:
RND(RV.NORMAL (100,15)) → OK
RV.NORMAL valt onder function group
‘Random Numbers’ en staat onder Functions
and Special Variables. Je krijgt de RV.NORMAL
in het vak numeric expression door het pijltje
dat omhoog staat aan te klikken wanneer je
de functie geslecteerd hebt.
RND = hele getallen, zonder decimalen.
- Maat voor taal: Transform → Compute
Variable → Target Variable: taal →
Numeric expression:
RND(RV.UNIFORM(0,100)) → OK.
RV.UNIFORM valt onder function
group ‘Random Numbers’ en staat
onder Functions and Special
Variables. Je krijgt de RV.UNIFORM
in het vak numeric expression door
het pijltje dat omhoog staat aan te
klikken wanneer je de functie
geslecteerd hebt.
- Maat voor sociaal emotioneel
functioneren: Transform →
Compute Variable → Target
Variable: Soc-emo → Numeric
Expression: RND(RV.UNIFORM
(0,100))
→ OK
- Leeftijd: Transform → Compute Variable → Target Variable: Leeftijd → Numeric
expression: RND(RV.UNIFORM (2,18)) → OK.
- Geslacht: Transform → Compute Variable → Target Variable: Geslacht → Numeric
expression: RV.BINOM(1,.5) → OK.
Value label: 0=man en 1 = vrouw
RV BINOM staat voor het aantal niveau’s met de kansverdeling op elk niveau, dus de 1
staat voor 2 niveaus en de kans op beiden is 50%=0.5
- Behandeling: Transform → Compute Variable → Target Variable: Behandeling →
Numeric expression: RV.BINOM(1,.5) → OK
Value label: 0 = wel en 1 = geen
- Patientgroep: Transform → Compute Variable → Target Variable: Patientgroep →
Numeric expression: RV.BINOM(2,.33333)→ Ok
Value label: 0 = groep A, 1 = groep B en 2 = controlegroep

Analyse onderzoeksvraag
Onderzoeksvraag: de onderzoekster is geïnteresseerd in de effectiviteit van de behandeling en wil
daarbij met name weten of de effectiviteit verschillend is voor de verschillende patiëntengroepen.