4SP
STATISTIEK: DATA-ANALYSE
Les 1: 13/02/2023 .................................................................................................................................. 2
1 Intikken van data (kennisclip 1) ..............................................................................................................2
2 Data transformeren (kennisclip 2)..........................................................................................................4
2.1 Data transformeren: Recode ..............................................................................................................4
2.2 Data transformeren Compute ............................................................................................................5
3 Beschrijvende statistiek (Kennisclip 3) ...................................................................................................6
4 Beschrijvende grafieken (kennisclip 4) ...................................................................................................8
5 Oefeningen Les 1: Intikken, hercoderen & beschrijven ...................................................................... 11
Les 2: 20/02/2023 ................................................................................................................................ 16
6 Correlatie Parametrisch (kennisclip 5) ................................................................................................ 16
7 Correlatie Non-parametrisch (Kennisclip 6) ........................................................................................ 17
8 Chi-kwadraat (Kennisclip 7) ................................................................................................................. 18
9 Oefeningen Les 2: Correlatie & kruistabellen...................................................................................... 20
Les 3: 27/02/2023 ................................................................................................................................ 30
10 T-Toetsen Parametrisch (Kennisclip 8) ............................................................................................ 30
11 T-toetsen Non-parametrisch (kennisclip 9) ..................................................................................... 33
12 Oefeningen Les 3: T-toetsen............................................................................................................ 35
Les 4: 06/03/2023 ................................................................................................................................ 41
13 F-toetsen Parametrisch (kennisclip 10) ........................................................................................... 41
14 F-toetsen Non-parametrisch (Kennisclip 11)................................................................................... 45
15 Oefeningen Les 4: F-Toetsen ........................................................................................................... 47
Les 5: 13/03/2023 ................................................................................................................................ 58
16 Enkelvoudige Lineaire Regressie (Kennisclip 12) ............................................................................. 58
17 Multiple lineaire regressie (Kennisclip 13) ...................................................................................... 61
18 Oefeningen Les 5: Lineaire Regressie .............................................................................................. 64
Les 6: 20/03/2023 ................................................................................................................................ 75
19 Logistische regressie (Kennisclip 14) ............................................................................................... 75
20 Oefeningen Les 6: Logistische regressie .......................................................................................... 77
Les 7: 27/03/2023 ................................................................................................................................ 87
21 Two-way ANOVA (Kennisclip 15) ..................................................................................................... 87
22 Oefeningen Les 7: Two-way ANOVA en ANCOVA ........................................................................... 97
Les 8: 17/04/2023 .............................................................................................................................. 104
23 Repeated measures ANOVA Parametrisch (Kennisclip 16) ........................................................... 104
24 Repeated measures ANOVA Non-PARAMETRISCH (KENNISCLIP 17) ............................................ 108
25 Oefeningen Les 8: Repeated Measures ......................................................................................... 109
Les 9: 24/04/2023 .............................................................................................................................. 117
26 Integratie-oefening Les 9 ............................................................................................................... 117
Les 10: 08/05/2023 Proefexamen ....................................................................................................... 122
Les 11: 15/05/2023 Verbetering proefexamen .................................................................................... 128
,Les 1: 13/02/2023
• Examen: schriftelijk examen
❖ Examen op computer en dan op papier antwoorden invullen maar misschien nu digitaal
antwoorden invullen
❖ Je krijgt databestand met 3 vragen die je moet oplossen (redenering bijschrijven) = 2,5u tijd voor
examen
❖ Document terugvinden op pc: lokale c-schijf – users – gebruikersnaam – downloads of
documenten
• Einde semester: proefexamen
1 INTIKKEN VAN DATA (KENNISCLIP 1)
Twee schermen in SPSS:
1. Data view: hier kan je de data ingeven
2. Variable view: hier kan je variabelen (de naam) en karakteristieken van de variabelen benoemen
Wat vindt je terug bij variable view?
Variable view = overzicht van alle variabelen
Name Hier kan je de variabelen benoemen bv: proefpersonen, naam, geslacht, test 1, test 2
Type = Type variabele
A) Numeric = cijfers = meest voorkomend omdat alle data omgezet worden in cijfers
B) String= tekst = als je tekst intikt bv: Peter (naam) => hiermee kunnen geen
statistische procedures uitgevoerd worden
Width Vergroten (vb. 8 → 16), om de data volledig te kunnen intikken
Label Je kan per variabele een label definiëren (label geeft meer uitleg over de variabele, bv:
over welke vraag van de test ging het)
Bv: Score 1 = Score op test van Januari Score 2 = Score op test van Februari
Values Hier kan je de betekenissen van de cijfers toevoegen:
Bv; bij geslacht waarde 1,2 en 3 toevoegen en label man, vrouw en X aan koppelen
Bv: Value: 1 > Label: mannen > Add Value: 2 => Label: vrouwen
= Belangrijk bij categorische (kwalitatieve) variabelen waar we verschillende
categorieën hebben
Handig als het een groot databestand is dat ook door anderen gebruikt zal worden +
het vergemakkelijkt de interpretatie van de statistische analyses later
Missing = Als er waarden ontbreken, dan kan je cijfers ingeven die verder nergens voorkomen
(bv: 99, 999)
• Spreadsheet: rijen en kolommen => NIET EXCEL (want het is geen rekenprogramma)
❖ Kolommen = variabelen Rijen = observaties/proefpersonen
❖ NIET EXCEL: Je kan geen formules invoeren en deze op een deel van de data uitvoeren
Belangrijk: Intikken van data
• Alle data van 1 proefpersoon moet op 1 RIJ worden ingetikt
❖ Gegevens van dezelfde variabele van verschillende personen komen onder elkaar terecht
• Alle data moeten omgezet worden in cijfers
❖ NIET de naam van de proefpersonen !
❖ Bv: geslacht: Niet M voor mannen en V voor vrouwen maar gebruik 1 en 2
❖ Variabelen kunnen van kwantitatieve of kwalitatieve aard zijn
✓ Kwalitatief = variabele in categorieën bv: geslacht => cijfers in deze categorieën hebben
geen absolute waarde
✓ Kwantitatieve variabele = reeks van continue getallen bv: BMI
Pagina 2 van 128
,• Elke proefpersoon een nummer
• Rekening houden met missing values:
❖ Missing values = als er voor sommige variabelen geen waarden zijn (doordat mensen vragen
overslaan of ze vergeten in te vullen)
❖ 2 opties:
❖ A) Cel waarvoor geen data zijn open laten
✓ SPSS zal dit automatisch beschouwen als een missing value => SPSS zal het automatisch
rekenen als een variabele die we niet hebben (gaat er verder rekening mee houden)
❖ B) Code aan toe kennen in variable view (code geven: ingeven bij variable view)
✓ Klik op … bij missing => Discrete missing values: 99 invullen als verkeerd ingevuld en 999
ingeven als niet ingevuld– OK
• Meestal worden hiervoor cijfers gebruikt die in de rest van het databestand niet
voorkomen waardoor het duidelijk wordt dat dit als missing value wordt beschouwd
bv: 99 of 999
✓ Indien het een foute waarde is, kan je deze waarde ook als missing definiëren en dan gaat
SPSS deze waarde niet meer meerekenen in de analyses
• Discrete missing values => 99 en 999 typen > Daarna gaat men deze benoemen bij
VALUES => Value: 99 => Label: verkeerd ingevuld > Value: 999 => Label: Niet ingevuld
NA het ingeven van de data, kunnen de analyses uitgevoerd worden
Selecteren van data:
Deel van de data gebruiken: select cases (vb. enkel de data van mannen bekijken)
• Data > Select cases > If condition is satisfied > klik op If… > variabele aanduiden die je wil selecteren (vb.
geslacht = 1, hiermee selecteer je dan de mannen) ➔ SPSS zal dan alle rijnummer schrappen die niet
aan deze voorwaarde voldoen
• Als je terug wil verder gaan met alle data: Data > Select cases > all cases (anders ga je voor verdere
oefeningen alleen verder met de data van de mannen en dat zal andere resultaten opleveren)
Afzonderlijke analyses uitvoeren op subgroepen (vb. mannen vs vrouwen): split file
• = DATABESTAND OPSPLITSEN
• Data > Split file > Organize output by groups > Groups based on: dan kies je de variabele waarvoor je
een afzonderlijke analyse wilt uitvoeren > klik op pijltje > OK
• (vb. geslacht; indien je aparte analyses wilt uitvoeren voor mannen en vrouwen)
• Als je terug verder wil gaan met alle data => Data – Split file – Analyze all cases - OK
❖ OF Ongedaan maken door; analyze all cases, “do not create groups” aan te duiden bij Split file
VOORBEELD
• SPSS voorbeeld
❖ Kolom 0 heeft nummers, dit zijn de nummers van de rijen (kan niet in analyses gebruikt worden) +
dit nummer is niet aan de proefpersonen gekoppeld zodat het niet mee verandert als de data
herordend worden
• Ingeven data
❖ Kolom 1: nummer ingeven van de proefpersoon bv: 1
❖ Kolom 2: naam ingeven
❖ Kolom 3: 1 voor mannen en 2 voor vrouwen
❖ Kolom 4: resultaat van de eerste test bv: 5
❖ Kolom 5: resultaat van de tweede test bv: 7
Pagina 3 van 128
, 2 DATA TRANSFORMEREN (KENNISCLIP 2)
Na het ingeven in SPSS => de data transformeren
• Hercoderen van data
❖ Omzetten van oorspronkelijke categorieën in beperkt aantal nieuwe categorieën
❖ Omzetten van variabelen die negatief gescoord zijn in positieve scores
• Er zijn 2 mogelijkheden voor hercoderen van variabelen:
❖ Hercodering uitvoeren over bestaande codering = RECODE INTO SAME VARIABLE
✓ Hierbij wordt oorspronkelijke datafile onherroepelijk gewijzigd en dan kan men niet meer
terugkeren naar oorspronkelijke databestand = GEEN VOORKEUR
❖ Nieuwe variabele maken na hercodering = recode into DIFFERENT variable
✓ Voorkeur omdat er dan niets verandert aan het oorspronkelijke data bestand dus dan kan
men nog steeds naar het oorspronkelijke bestand teruggrijpen
✓ Nieuwe variabele wordt achteraan het data bestand toegevoegd
2.1 DATA TRANSFORMEREN: RECODE
RECODE: nieuwe variabele maken na hercodering => RECODE INTO DIFFERENT VARIABLE
1. RECODE: Uitvoeren in SPSS
• Transform > recode into different variables: variabele die je wil hercoderen overbrengen naar output
variabele bv: test1 > pijltje > Output variabele: (geef nieuwe naam: oorspronkelijke naam_R) > change
❖ De naam die je geeft aan de variabele na hercoderen is best zelfde naam als oorspronkelijke kolom
maar dan toevoeging doen bv: test1_r
• Met old en new values kan je aangegeven op welke manier de hercodering moet gebeuren
❖ > Old and new values > old value: 1 > new value 5 > Add > continue > OK
❖ Bij het omscoren van een negatief geformuleerde test op een 5 punten schaal => Old Value: 1 en
die wordt bij New Value: 5 – Add
❖ Een 2 wordt omgescoord naar een 4, een 3 wordt omgescoord naar een 3, een 4 wordt
omgescoord naar een 2 en een 5 wordt omgescoord naar een 1 – Continue
TRANSFORMEREN met RANGE (meerdere items op dezelfde manier omscoren kan tegelijkertijd)
• Transform > recode into different variables > reset > variabele die je wil hercoderen overbrengen naar
output variabele bv: Score2 > pijltje > geef nieuwe naam: Score2_R > change > Old and new values) >
old value Range: 1 through 3 > new value 1
❖ > range 1 through 3 – New value: 1 (waarde 1 tot 3 mag omgescoord worden naar een waarde 1) –
Add
❖ Range 4 through 6 – New value: 2 – Add EN
❖ Range 7 through 9 – New value: 3 – Add – OK
❖ = Nu hebben we variabelen met 9 categorieën omgezet naar een variabele met 3 categorieën
❖ Vervolgens gaat men een naam geven aan nieuwe variabelen
TRANSFORMEREN met RANGE (met mediaan waarde) = continue variabele opdelen in 2 categorieën
Continue variabele dichotoom maken (met mediaan als cut-off)= dummy variabele van maken
• Transform > recode into different variables > reset > variabele aanklikken die je wil aanpassen bv: score
1 > pijltje > nieuwe naam geven Name: R_geslacht > change > old and new values > old value range
Lowest through value: 20 (omdat 20 de median is) > new value: 1 > ADD
• > old value range value through highest: 21 (mediaan) > new value: 2 > Add > continue > ok
• Bv: variabelen van 1 tot 4 => opsplitsen in 2 categorieën
• = iedereen die scoorde onder mediaan, krijgt score 1 en iedereen die scoorde boven mediaan krijgt
score 2
Pagina 4 van 128
STATISTIEK: DATA-ANALYSE
Les 1: 13/02/2023 .................................................................................................................................. 2
1 Intikken van data (kennisclip 1) ..............................................................................................................2
2 Data transformeren (kennisclip 2)..........................................................................................................4
2.1 Data transformeren: Recode ..............................................................................................................4
2.2 Data transformeren Compute ............................................................................................................5
3 Beschrijvende statistiek (Kennisclip 3) ...................................................................................................6
4 Beschrijvende grafieken (kennisclip 4) ...................................................................................................8
5 Oefeningen Les 1: Intikken, hercoderen & beschrijven ...................................................................... 11
Les 2: 20/02/2023 ................................................................................................................................ 16
6 Correlatie Parametrisch (kennisclip 5) ................................................................................................ 16
7 Correlatie Non-parametrisch (Kennisclip 6) ........................................................................................ 17
8 Chi-kwadraat (Kennisclip 7) ................................................................................................................. 18
9 Oefeningen Les 2: Correlatie & kruistabellen...................................................................................... 20
Les 3: 27/02/2023 ................................................................................................................................ 30
10 T-Toetsen Parametrisch (Kennisclip 8) ............................................................................................ 30
11 T-toetsen Non-parametrisch (kennisclip 9) ..................................................................................... 33
12 Oefeningen Les 3: T-toetsen............................................................................................................ 35
Les 4: 06/03/2023 ................................................................................................................................ 41
13 F-toetsen Parametrisch (kennisclip 10) ........................................................................................... 41
14 F-toetsen Non-parametrisch (Kennisclip 11)................................................................................... 45
15 Oefeningen Les 4: F-Toetsen ........................................................................................................... 47
Les 5: 13/03/2023 ................................................................................................................................ 58
16 Enkelvoudige Lineaire Regressie (Kennisclip 12) ............................................................................. 58
17 Multiple lineaire regressie (Kennisclip 13) ...................................................................................... 61
18 Oefeningen Les 5: Lineaire Regressie .............................................................................................. 64
Les 6: 20/03/2023 ................................................................................................................................ 75
19 Logistische regressie (Kennisclip 14) ............................................................................................... 75
20 Oefeningen Les 6: Logistische regressie .......................................................................................... 77
Les 7: 27/03/2023 ................................................................................................................................ 87
21 Two-way ANOVA (Kennisclip 15) ..................................................................................................... 87
22 Oefeningen Les 7: Two-way ANOVA en ANCOVA ........................................................................... 97
Les 8: 17/04/2023 .............................................................................................................................. 104
23 Repeated measures ANOVA Parametrisch (Kennisclip 16) ........................................................... 104
24 Repeated measures ANOVA Non-PARAMETRISCH (KENNISCLIP 17) ............................................ 108
25 Oefeningen Les 8: Repeated Measures ......................................................................................... 109
Les 9: 24/04/2023 .............................................................................................................................. 117
26 Integratie-oefening Les 9 ............................................................................................................... 117
Les 10: 08/05/2023 Proefexamen ....................................................................................................... 122
Les 11: 15/05/2023 Verbetering proefexamen .................................................................................... 128
,Les 1: 13/02/2023
• Examen: schriftelijk examen
❖ Examen op computer en dan op papier antwoorden invullen maar misschien nu digitaal
antwoorden invullen
❖ Je krijgt databestand met 3 vragen die je moet oplossen (redenering bijschrijven) = 2,5u tijd voor
examen
❖ Document terugvinden op pc: lokale c-schijf – users – gebruikersnaam – downloads of
documenten
• Einde semester: proefexamen
1 INTIKKEN VAN DATA (KENNISCLIP 1)
Twee schermen in SPSS:
1. Data view: hier kan je de data ingeven
2. Variable view: hier kan je variabelen (de naam) en karakteristieken van de variabelen benoemen
Wat vindt je terug bij variable view?
Variable view = overzicht van alle variabelen
Name Hier kan je de variabelen benoemen bv: proefpersonen, naam, geslacht, test 1, test 2
Type = Type variabele
A) Numeric = cijfers = meest voorkomend omdat alle data omgezet worden in cijfers
B) String= tekst = als je tekst intikt bv: Peter (naam) => hiermee kunnen geen
statistische procedures uitgevoerd worden
Width Vergroten (vb. 8 → 16), om de data volledig te kunnen intikken
Label Je kan per variabele een label definiëren (label geeft meer uitleg over de variabele, bv:
over welke vraag van de test ging het)
Bv: Score 1 = Score op test van Januari Score 2 = Score op test van Februari
Values Hier kan je de betekenissen van de cijfers toevoegen:
Bv; bij geslacht waarde 1,2 en 3 toevoegen en label man, vrouw en X aan koppelen
Bv: Value: 1 > Label: mannen > Add Value: 2 => Label: vrouwen
= Belangrijk bij categorische (kwalitatieve) variabelen waar we verschillende
categorieën hebben
Handig als het een groot databestand is dat ook door anderen gebruikt zal worden +
het vergemakkelijkt de interpretatie van de statistische analyses later
Missing = Als er waarden ontbreken, dan kan je cijfers ingeven die verder nergens voorkomen
(bv: 99, 999)
• Spreadsheet: rijen en kolommen => NIET EXCEL (want het is geen rekenprogramma)
❖ Kolommen = variabelen Rijen = observaties/proefpersonen
❖ NIET EXCEL: Je kan geen formules invoeren en deze op een deel van de data uitvoeren
Belangrijk: Intikken van data
• Alle data van 1 proefpersoon moet op 1 RIJ worden ingetikt
❖ Gegevens van dezelfde variabele van verschillende personen komen onder elkaar terecht
• Alle data moeten omgezet worden in cijfers
❖ NIET de naam van de proefpersonen !
❖ Bv: geslacht: Niet M voor mannen en V voor vrouwen maar gebruik 1 en 2
❖ Variabelen kunnen van kwantitatieve of kwalitatieve aard zijn
✓ Kwalitatief = variabele in categorieën bv: geslacht => cijfers in deze categorieën hebben
geen absolute waarde
✓ Kwantitatieve variabele = reeks van continue getallen bv: BMI
Pagina 2 van 128
,• Elke proefpersoon een nummer
• Rekening houden met missing values:
❖ Missing values = als er voor sommige variabelen geen waarden zijn (doordat mensen vragen
overslaan of ze vergeten in te vullen)
❖ 2 opties:
❖ A) Cel waarvoor geen data zijn open laten
✓ SPSS zal dit automatisch beschouwen als een missing value => SPSS zal het automatisch
rekenen als een variabele die we niet hebben (gaat er verder rekening mee houden)
❖ B) Code aan toe kennen in variable view (code geven: ingeven bij variable view)
✓ Klik op … bij missing => Discrete missing values: 99 invullen als verkeerd ingevuld en 999
ingeven als niet ingevuld– OK
• Meestal worden hiervoor cijfers gebruikt die in de rest van het databestand niet
voorkomen waardoor het duidelijk wordt dat dit als missing value wordt beschouwd
bv: 99 of 999
✓ Indien het een foute waarde is, kan je deze waarde ook als missing definiëren en dan gaat
SPSS deze waarde niet meer meerekenen in de analyses
• Discrete missing values => 99 en 999 typen > Daarna gaat men deze benoemen bij
VALUES => Value: 99 => Label: verkeerd ingevuld > Value: 999 => Label: Niet ingevuld
NA het ingeven van de data, kunnen de analyses uitgevoerd worden
Selecteren van data:
Deel van de data gebruiken: select cases (vb. enkel de data van mannen bekijken)
• Data > Select cases > If condition is satisfied > klik op If… > variabele aanduiden die je wil selecteren (vb.
geslacht = 1, hiermee selecteer je dan de mannen) ➔ SPSS zal dan alle rijnummer schrappen die niet
aan deze voorwaarde voldoen
• Als je terug wil verder gaan met alle data: Data > Select cases > all cases (anders ga je voor verdere
oefeningen alleen verder met de data van de mannen en dat zal andere resultaten opleveren)
Afzonderlijke analyses uitvoeren op subgroepen (vb. mannen vs vrouwen): split file
• = DATABESTAND OPSPLITSEN
• Data > Split file > Organize output by groups > Groups based on: dan kies je de variabele waarvoor je
een afzonderlijke analyse wilt uitvoeren > klik op pijltje > OK
• (vb. geslacht; indien je aparte analyses wilt uitvoeren voor mannen en vrouwen)
• Als je terug verder wil gaan met alle data => Data – Split file – Analyze all cases - OK
❖ OF Ongedaan maken door; analyze all cases, “do not create groups” aan te duiden bij Split file
VOORBEELD
• SPSS voorbeeld
❖ Kolom 0 heeft nummers, dit zijn de nummers van de rijen (kan niet in analyses gebruikt worden) +
dit nummer is niet aan de proefpersonen gekoppeld zodat het niet mee verandert als de data
herordend worden
• Ingeven data
❖ Kolom 1: nummer ingeven van de proefpersoon bv: 1
❖ Kolom 2: naam ingeven
❖ Kolom 3: 1 voor mannen en 2 voor vrouwen
❖ Kolom 4: resultaat van de eerste test bv: 5
❖ Kolom 5: resultaat van de tweede test bv: 7
Pagina 3 van 128
, 2 DATA TRANSFORMEREN (KENNISCLIP 2)
Na het ingeven in SPSS => de data transformeren
• Hercoderen van data
❖ Omzetten van oorspronkelijke categorieën in beperkt aantal nieuwe categorieën
❖ Omzetten van variabelen die negatief gescoord zijn in positieve scores
• Er zijn 2 mogelijkheden voor hercoderen van variabelen:
❖ Hercodering uitvoeren over bestaande codering = RECODE INTO SAME VARIABLE
✓ Hierbij wordt oorspronkelijke datafile onherroepelijk gewijzigd en dan kan men niet meer
terugkeren naar oorspronkelijke databestand = GEEN VOORKEUR
❖ Nieuwe variabele maken na hercodering = recode into DIFFERENT variable
✓ Voorkeur omdat er dan niets verandert aan het oorspronkelijke data bestand dus dan kan
men nog steeds naar het oorspronkelijke bestand teruggrijpen
✓ Nieuwe variabele wordt achteraan het data bestand toegevoegd
2.1 DATA TRANSFORMEREN: RECODE
RECODE: nieuwe variabele maken na hercodering => RECODE INTO DIFFERENT VARIABLE
1. RECODE: Uitvoeren in SPSS
• Transform > recode into different variables: variabele die je wil hercoderen overbrengen naar output
variabele bv: test1 > pijltje > Output variabele: (geef nieuwe naam: oorspronkelijke naam_R) > change
❖ De naam die je geeft aan de variabele na hercoderen is best zelfde naam als oorspronkelijke kolom
maar dan toevoeging doen bv: test1_r
• Met old en new values kan je aangegeven op welke manier de hercodering moet gebeuren
❖ > Old and new values > old value: 1 > new value 5 > Add > continue > OK
❖ Bij het omscoren van een negatief geformuleerde test op een 5 punten schaal => Old Value: 1 en
die wordt bij New Value: 5 – Add
❖ Een 2 wordt omgescoord naar een 4, een 3 wordt omgescoord naar een 3, een 4 wordt
omgescoord naar een 2 en een 5 wordt omgescoord naar een 1 – Continue
TRANSFORMEREN met RANGE (meerdere items op dezelfde manier omscoren kan tegelijkertijd)
• Transform > recode into different variables > reset > variabele die je wil hercoderen overbrengen naar
output variabele bv: Score2 > pijltje > geef nieuwe naam: Score2_R > change > Old and new values) >
old value Range: 1 through 3 > new value 1
❖ > range 1 through 3 – New value: 1 (waarde 1 tot 3 mag omgescoord worden naar een waarde 1) –
Add
❖ Range 4 through 6 – New value: 2 – Add EN
❖ Range 7 through 9 – New value: 3 – Add – OK
❖ = Nu hebben we variabelen met 9 categorieën omgezet naar een variabele met 3 categorieën
❖ Vervolgens gaat men een naam geven aan nieuwe variabelen
TRANSFORMEREN met RANGE (met mediaan waarde) = continue variabele opdelen in 2 categorieën
Continue variabele dichotoom maken (met mediaan als cut-off)= dummy variabele van maken
• Transform > recode into different variables > reset > variabele aanklikken die je wil aanpassen bv: score
1 > pijltje > nieuwe naam geven Name: R_geslacht > change > old and new values > old value range
Lowest through value: 20 (omdat 20 de median is) > new value: 1 > ADD
• > old value range value through highest: 21 (mediaan) > new value: 2 > Add > continue > ok
• Bv: variabelen van 1 tot 4 => opsplitsen in 2 categorieën
• = iedereen die scoorde onder mediaan, krijgt score 1 en iedereen die scoorde boven mediaan krijgt
score 2
Pagina 4 van 128
