Samenvatting aantekeningen sample sessions en hoorcolleges PDA

 Opties spss aanpassen

Filter off als je filter hebt gebruikt  Via het menu krijg je dit voor elkaar door in Data>Select Cases
weer te opteren voor All cases. Levert op na paste:

FILTER OFF.

USE ALL.

EXECUTE.


 Recode niet zomaar gebruiken want spss verwijdert gegevens niet
 Check de P!!! /2 of niet?
 Niet in de juiste richting? 1-p!!!

,SAMPLE SESSION 1: puntschattingen

PUNTSCHATTINGEN

Verdeling variabele in de populatie wordt populatieverdeling genoemd

Continue variabele: ratio/interval  steekproefgemiddelde goede puntschatting!  DESCRIPTIVES

Discrete variabelen: nominaal/ordinaal  steekproefproportie goede puntschatting! (aantal mensen
die iets zeggen)  MODUS/MEDIAAN

Proportie is gelijk aan gemiddelde 0-1 variabele, dus methode om gemiddelde te berekenen
(descriptives) kan worden toegepast bij het schatten van populatiegemiddelde continue variabele.



Modus en mediaan kunnen ook te pas komen voor gemiddelden.



▪ De populatiestandaardafwijking (sigma; σ) wordt geschat door de ) wordt geschat door de
steekproefstandaardafwijking/deviatie (s of SD). De noemer van s is n-1 en wordt ook wel
"vrijheidsgraden" genoemd.



BETROUWBAARHEIDSINTERVALLEN

Steekproefverdeling = verschillende puntschattingen achter elkaar

Sigma: de steekproef standaarddeviatie

Betrouwbaarheidsintervallen is een bereik van getallen

Kleinere standaardfout -> accurater puntschatting

Standaardfout: SE = Sigma/√n

Foutkans = alpha (1-betrouwbaarheidscoëfficiënt)

 Een 95% CI houdt in dat we met 95% zekerheid kunnen zeggen dat het
betrouwbaarheidsinterval van de puntschatting de daadwerkelijke POPULATIE parameter
omvat. Dus 95% van de betrouwbaarheidsintervallen bevat, met herhaaldelijke
steekproeven, het populatiegemiddelde.



BETROUWBAARHEIDSINTERVAL OVER HET GEMIDDELDE

Standaardfout steekproef: SEgemiddelde = Sigma / √n



BETROUWBAARHEIDSINTERVAL VOOR EEN PROPORTIE

Standaardfout steekproefproportie: SEpi-voorspeld = √𝑝𝑖 ×(1−𝑝𝑖) 𝑛

,We kunnen stellen dat Ha een eenzijdige hypothese is, aangezien we expliciet een richting
benoemen. Als er niet een specifieke verwachting is over een toename of een afname in het
percentage van katholieken in Ha dan is er sprake van een tweezijdige hypothese.

~= notatie staat in SPSS voor “niet gelijk”.

CI95% = steekproefgemiddelde - 1.96 × SE; steekproefgemiddelde + 1.96 × SE

SEgemiddelde = Sigma / √n

ALS JE RICHTING VAN HYPOTHESE TOETSING NIET KLOPT, 1-P DOEN.



 z-score is t statistiek in spss

Dit impliceert dat het gemiddelde van de steekproef X aantal standaardfout valt boven het
gemiddelde van de populatie die wordt gespecificeerd onder de H0.



MERK OP: SPSS rapporteert altijd de tweezijdige p-waarden dus in het geval van een eenzijdige
hypothese moet je de p-waarde delen door 2.



In plaats van teststatistiek (t-test), kan er ook getoetst worden met betrouwbaarheidsintervallen

CI: 90%  eenzijdig

CI: 95%  tweezijdig

Testen met betrouwbaarheidsinterval:

- Testwaarde achterhalen
- Testwaarde 0 invoeren
- Kijken of 90 of 95% interval
- t-test met betrouwbaarheidsinterval uitvoeren
- conclusies trekken over betrouwbaarheidsintervallen + wat testwaarde was. Klopt dit met
hypothese?

Gebruik met betrouwbaarheidsintervallen de ‘filter by’ optie i.p.v. de select if optie.

Als er een overlap tussen betrouwbaarheidsintervallen is, zouden we kunnen concluderen dat er
geen bewijs is dat het gemiddelde bedrag in donaties verschilt tussen mannen en vrouwen. Maar de
twee betrouwbaarheidsintervallen zijn niet genoeg om een definitief antwoord te kunnen geven

Levene’s test; significant? Onderste rij!

Levene’s test niet significant? Bovenste rij!



Bij t-test t-waarde en p-waarde rapporteren!

Type I fout -> H0 onterecht afwijzen

Type II fout -> H0 onterecht behouden

, ALTIJD RICHTING CHECKEN! VERKEERDE RICHTING? 1-P WAARDE!

Groep opsplitsen in twee gelijke groepen: LO THRU … & … THRU HI




SAMPLE SESSION 2: kruistabellen

KRUISTABELLEN: is er een samenhang tussen variabele X en Y?

Met resultaten ospchrijven: Cochran’s rule en chi kwadraat!

Adjusted R (residuen analyse)  wat is de samenhang?
ONDERVERTEGENWOORDIGING/OVERVERTEGENWOORDIGING. Is dit in lijn met wat je zou
verwachten?

Onafhankelijke: kolommen

Afhankelijke: rijen

Aantal waarnemingen wordt frequentie genoemd

Reeks frequenties in rij of kolom wordt conditionele verdeling genoemd  HC2!

Alle waarnemingen in de rijen of kolommen is marginale verdeling  HC2!

- Als het aantal mogelijke tabellen met dezelfde marginale frequenties groot is, kan het zijn
dat we moeten zitten en wachten . In dergelijke situaties kunnen we ook Monte Carlo-
simulatie gebruiken. Dat wil zeggen dat niet alle mogelijke tabellen door SPSS worden
gevormd, maar slechts een willekeurige steekproef om zo de berekeningstijd te
verminderen.
- Aantal observaties klein  exacte testen

Set alle frequenties: gezamenlijke verdeling

Deze verwachte frequenties worden aangegeven als fe(i,j). .De geobserveerde steekproeffrequenties
worden weergegeven als fo(i,j) of alleen f(i, j).




 verwachte frequentie berekenen

i bovenste rij staat voor totaal in die rij, j bovenste rij staat voor totaal in kolom

(totaal i x totaal j)/totaal participanten

Chi kwadraat: hoge waarden  H0 wordt nauwelijks ondersteund

Lage waarden  H0 wordt veel ondersteund



Crosstabs om te onderzoeken of variabelen afhankelijk zijn van elkaar