Praktijkles 1: 25/09/2018
Het doel van statistiek en SPSS
Het doel van statistiek is beschrijven (in de steekproef) en inductie (in de populatie). Bij SPSS kan
je data beheren (transform) en analyseren (analyze).
Verschillende vensters in SPSS
A. Data editor: Data-view en variable-view
Het invullen van de value (waarde) is vooral belangrijk bij categorische variabelen. Bijvoorbeeld voor
geslacht kan je de waarde 1 geven aan mannen en 2 aan vrouwen.
Valid percent: percentage van de valide waarden, dit heeft te maken met missing values.
B. Syntax venster: Computer codes opstellen, aanpassen en lezen
Syntax: code om output te genereren. Je vindt deze voor de output en kan deze kopiëren en
aanpassen om nieuwe output te genereren. Je kan de code kopiëren in het syntax-venster (dit zijn
codes die nog niet zijn uitgevoerd). Je kan het venster openen door op paste te klikken bij het
maken van een frequentietabel. Je kan een code activeren (runnen) door op de groene play-knop
te klikken.
C. Output-venster: Resultaten bekijken
Frequentietabellen maken kan je doen door te klikken op ‘Analyze’ 🡪 descriptive statistics 🡪
frequenties 🡪 kies variabelen (eventueel charts aanpassen)
Maten van centraliteit en spreiding kan je berekenen door dezelfde stappen te herhalen maar
dan rechts te klikken op statistics.
Grafieken kan je maken door:
● Mogelijke grafieken:
● Histogram: “Graphs 🡺 Legacy Dialogs 🡺 Histogram”
● Staafdiagram: “Graphs 🡺 Legacy Dialogs 🡺 Bar”
D. Chart-venster: Grafieken aanpassen
Chart editor: dubbel klik op de grafiek in output. Hier kan je de grafiek bewerken, bijvoorbeeld
door lijnen te plaatsen.
, Theoretische waarden VS praktische waarden
Theoretische waarden zijn alle mogelijke waarden voor een variabele. Mensen kunnen bijvoorbeeld
een waarde van 0 tot 10 halen op een hypothetische variabele.
Praktische waarden zijn geobserveerde waarden in een steekproef. Zo kan de theoretische waarde
bijvoorbeeld van 0 tot 10 zijn maar is de laagste waarde in de steekproef 0.56 en dus niet 0.
Meetniveau’s
Meetniveau’s zijn belangrijk want deze bepalen de analyse. Zo lopen metrische variabelen in elkaar
over (want ze zijn continu). Daarom gebruiken we voor metrische variabelen een histogram.
Kwalitatief of categorisch:
● Nominaal: onderscheid, maar geen beter/slechter. BV: geslacht
● Ordinaal: onderscheid met beter/slechter, maar niet duidelijk HOEVEEL beter/slechter.
BV: medaille
Kwantitatief of metrisch:
● Interval: gelijke afstanden tussen variabelen, wel duidelijk HOEVEEl beter/slechter. BV:
temperatuur in °C
● Ratio: gelijke afstanden tussen variabelen én een betekenisvol nulpunt. (= minder dan nul
is onmogelijk) BV: leeftijd
Praktijkles 2: 2 oktober 2019
Herhaling les 1
Voor je een oefening maakt, eerst kijken met welk meetniveau je te maken hebt en of er
missing values zijn. Als je deze missing values (bijvoorbeeld 999 of 888) meeneemt in je
analyse, zullen je berekeningen niet kloppen. Zo zal bijvoorbeeld het gemiddelde hoger liggen.
Hoe kan je deze missing values uit de berekeningen halen? = Missings definiëren
🡪 klik op de missing-kolom in de variable view. Klik hier op discrete missing values en vul de
waarden van de missing values in. Bijvoorbeeld: 999
Op deze manier komen deze waarde niet voor in de berekeningen die je bij analyze uitvoerd.
Let op dat je geen gemiddelde, standaardafwijking berekenend voor categorische variabelen.
Als je in het bewerkingsvenster op ‘Paste’ klikt, komt de syntax in je syntax-venster.
Databeheer: Count
Wat? Tellen van antwoorden op verschillende vragen. Het getelde aantal wordt de waarde van de
respondent op een nieuwe metrische variabele. Bijvoorbeeld: hoeveel keer heeft iemand ja
geantwoord op alle vragen die je gesteld hebt?
Waarom? Veel informatie samenvatten tot 1 variabele en de meetbetrouwbaarheid verhogen
Wanneer? Veel metrische variabelen samenvatten tot 1 metrische variabele of veel categorische
variabelen samenvatten tot 1 metrische variabele
Het doel van statistiek en SPSS
Het doel van statistiek is beschrijven (in de steekproef) en inductie (in de populatie). Bij SPSS kan
je data beheren (transform) en analyseren (analyze).
Verschillende vensters in SPSS
A. Data editor: Data-view en variable-view
Het invullen van de value (waarde) is vooral belangrijk bij categorische variabelen. Bijvoorbeeld voor
geslacht kan je de waarde 1 geven aan mannen en 2 aan vrouwen.
Valid percent: percentage van de valide waarden, dit heeft te maken met missing values.
B. Syntax venster: Computer codes opstellen, aanpassen en lezen
Syntax: code om output te genereren. Je vindt deze voor de output en kan deze kopiëren en
aanpassen om nieuwe output te genereren. Je kan de code kopiëren in het syntax-venster (dit zijn
codes die nog niet zijn uitgevoerd). Je kan het venster openen door op paste te klikken bij het
maken van een frequentietabel. Je kan een code activeren (runnen) door op de groene play-knop
te klikken.
C. Output-venster: Resultaten bekijken
Frequentietabellen maken kan je doen door te klikken op ‘Analyze’ 🡪 descriptive statistics 🡪
frequenties 🡪 kies variabelen (eventueel charts aanpassen)
Maten van centraliteit en spreiding kan je berekenen door dezelfde stappen te herhalen maar
dan rechts te klikken op statistics.
Grafieken kan je maken door:
● Mogelijke grafieken:
● Histogram: “Graphs 🡺 Legacy Dialogs 🡺 Histogram”
● Staafdiagram: “Graphs 🡺 Legacy Dialogs 🡺 Bar”
D. Chart-venster: Grafieken aanpassen
Chart editor: dubbel klik op de grafiek in output. Hier kan je de grafiek bewerken, bijvoorbeeld
door lijnen te plaatsen.
, Theoretische waarden VS praktische waarden
Theoretische waarden zijn alle mogelijke waarden voor een variabele. Mensen kunnen bijvoorbeeld
een waarde van 0 tot 10 halen op een hypothetische variabele.
Praktische waarden zijn geobserveerde waarden in een steekproef. Zo kan de theoretische waarde
bijvoorbeeld van 0 tot 10 zijn maar is de laagste waarde in de steekproef 0.56 en dus niet 0.
Meetniveau’s
Meetniveau’s zijn belangrijk want deze bepalen de analyse. Zo lopen metrische variabelen in elkaar
over (want ze zijn continu). Daarom gebruiken we voor metrische variabelen een histogram.
Kwalitatief of categorisch:
● Nominaal: onderscheid, maar geen beter/slechter. BV: geslacht
● Ordinaal: onderscheid met beter/slechter, maar niet duidelijk HOEVEEL beter/slechter.
BV: medaille
Kwantitatief of metrisch:
● Interval: gelijke afstanden tussen variabelen, wel duidelijk HOEVEEl beter/slechter. BV:
temperatuur in °C
● Ratio: gelijke afstanden tussen variabelen én een betekenisvol nulpunt. (= minder dan nul
is onmogelijk) BV: leeftijd
Praktijkles 2: 2 oktober 2019
Herhaling les 1
Voor je een oefening maakt, eerst kijken met welk meetniveau je te maken hebt en of er
missing values zijn. Als je deze missing values (bijvoorbeeld 999 of 888) meeneemt in je
analyse, zullen je berekeningen niet kloppen. Zo zal bijvoorbeeld het gemiddelde hoger liggen.
Hoe kan je deze missing values uit de berekeningen halen? = Missings definiëren
🡪 klik op de missing-kolom in de variable view. Klik hier op discrete missing values en vul de
waarden van de missing values in. Bijvoorbeeld: 999
Op deze manier komen deze waarde niet voor in de berekeningen die je bij analyze uitvoerd.
Let op dat je geen gemiddelde, standaardafwijking berekenend voor categorische variabelen.
Als je in het bewerkingsvenster op ‘Paste’ klikt, komt de syntax in je syntax-venster.
Databeheer: Count
Wat? Tellen van antwoorden op verschillende vragen. Het getelde aantal wordt de waarde van de
respondent op een nieuwe metrische variabele. Bijvoorbeeld: hoeveel keer heeft iemand ja
geantwoord op alle vragen die je gesteld hebt?
Waarom? Veel informatie samenvatten tot 1 variabele en de meetbetrouwbaarheid verhogen
Wanneer? Veel metrische variabelen samenvatten tot 1 metrische variabele of veel categorische
variabelen samenvatten tot 1 metrische variabele
