Grasple experimenteel:
Het kiezen van de juiste toets en het invullen van de goede variabelen is nog niet alles. Zoals je je
misschien nog wel kunt herinneren van de cursus KOM, moeten we altijd eerst controleren of er aan
bepaalde voorwaarden is voldaan voordat we de t-toets mogen uitvoeren. Een belangrijke assumptie
die we voor de t-toets moeten controleren is de assumptie van homogeniteit van varianties. Het
betekent dat de spreiding in scores van de twee groepen ongeveer aan elkaar gelijk zijn. Hierbij zijn
er twee mogelijkheden:
1. De spreiding in scores van de twee groepen verschillen niet van elkaar
2. De spreiding in scores van de twee groepen verschillen wel van elkaar
Om te controleren of de twee groepen niet verschillen in spreiding van scores (mogelijkheid 1),
hoeven we in JASP alleen maar de optie 'Equality of variances' aan te vinken!
We weten nu dus hoe we bij een t-toets kunnen controleren of er is voldaan aan de voorwaarde van
homogeniteit van varianties. Nog even een korte samenvatting van de stappen die je doorloopt:
- T-Tests > Independent Samples T-Test
- Dependent Variables: afhankelijke variabele
- Grouping Variable: onafhankelijke variabele
- Assumption Checks: Equality of variances.
Wanneer de p-waarde van Levene's test groter is dan \alpha=.05α=.05, mogen we ervan uitgaan dat
de spreiding in scores in beide groepen gelijk is.
Wanneer de p-waarde van Levene's test kleiner is dan \alpha=.05α=.05, mogen we ervan uitgaan dat
de spreiding in scores in beide groepen significant verschillend is.
Afhankelijke t-toets gebruiken wanneer de groepen afhankelijk zijn van elkaar. Als het gaat over
scores van dezelfde mensen.
Je gaat in deze les leren hoe je een ANOVA kunt uitvoeren. Een ANOVA is een statistische toets die je
net als een t-toets kunt gebruiken om te kijken of verschillende groepen van elkaar verschillen op
een bepaalde variabele.
Bij een t-toets kun je dit alleen maar doen wanneer je twee groepen hebt. Een ANOVA kan gebruikt
worden wanneer je méér dan twee groepen hebt.
Om te kijken welke groepen van elkaar verschillen, kun je een post-hoc toets doen.
Bayes factor
Wanneer de steun in de data voor de nulhypothese 4 keer groter is dan de steun voor de alternatieve
hypothese, welke Bayes Factor is er dan gevonden 0,25 of 4,0
In de eerste tabel staat de hypothese die getest wordt. De tweede tabel heet Bain ANOVA Result. In
deze tabel staat de Bayes Factor die de steun in de data voor H1 aangeeft. Deze wordt aangegeven
door BF.c.
Maar eerst gaan we in deze les Bayesian Updating simuleren. Dat is het idee dat wanneer je een
toets uitvoert met behulp van de data die je verzameld hebt uit een steekproef, je de resultaten kunt
updaten nadat je méér data verzameld hebt.
Het kiezen van de juiste toets en het invullen van de goede variabelen is nog niet alles. Zoals je je
misschien nog wel kunt herinneren van de cursus KOM, moeten we altijd eerst controleren of er aan
bepaalde voorwaarden is voldaan voordat we de t-toets mogen uitvoeren. Een belangrijke assumptie
die we voor de t-toets moeten controleren is de assumptie van homogeniteit van varianties. Het
betekent dat de spreiding in scores van de twee groepen ongeveer aan elkaar gelijk zijn. Hierbij zijn
er twee mogelijkheden:
1. De spreiding in scores van de twee groepen verschillen niet van elkaar
2. De spreiding in scores van de twee groepen verschillen wel van elkaar
Om te controleren of de twee groepen niet verschillen in spreiding van scores (mogelijkheid 1),
hoeven we in JASP alleen maar de optie 'Equality of variances' aan te vinken!
We weten nu dus hoe we bij een t-toets kunnen controleren of er is voldaan aan de voorwaarde van
homogeniteit van varianties. Nog even een korte samenvatting van de stappen die je doorloopt:
- T-Tests > Independent Samples T-Test
- Dependent Variables: afhankelijke variabele
- Grouping Variable: onafhankelijke variabele
- Assumption Checks: Equality of variances.
Wanneer de p-waarde van Levene's test groter is dan \alpha=.05α=.05, mogen we ervan uitgaan dat
de spreiding in scores in beide groepen gelijk is.
Wanneer de p-waarde van Levene's test kleiner is dan \alpha=.05α=.05, mogen we ervan uitgaan dat
de spreiding in scores in beide groepen significant verschillend is.
Afhankelijke t-toets gebruiken wanneer de groepen afhankelijk zijn van elkaar. Als het gaat over
scores van dezelfde mensen.
Je gaat in deze les leren hoe je een ANOVA kunt uitvoeren. Een ANOVA is een statistische toets die je
net als een t-toets kunt gebruiken om te kijken of verschillende groepen van elkaar verschillen op
een bepaalde variabele.
Bij een t-toets kun je dit alleen maar doen wanneer je twee groepen hebt. Een ANOVA kan gebruikt
worden wanneer je méér dan twee groepen hebt.
Om te kijken welke groepen van elkaar verschillen, kun je een post-hoc toets doen.
Bayes factor
Wanneer de steun in de data voor de nulhypothese 4 keer groter is dan de steun voor de alternatieve
hypothese, welke Bayes Factor is er dan gevonden 0,25 of 4,0
In de eerste tabel staat de hypothese die getest wordt. De tweede tabel heet Bain ANOVA Result. In
deze tabel staat de Bayes Factor die de steun in de data voor H1 aangeeft. Deze wordt aangegeven
door BF.c.
Maar eerst gaan we in deze les Bayesian Updating simuleren. Dat is het idee dat wanneer je een
toets uitvoert met behulp van de data die je verzameld hebt uit een steekproef, je de resultaten kunt
updaten nadat je méér data verzameld hebt.
