Uitvoeringen in SPSS voor bepaalde statistische toetsen
ANOVA & Lineaire Regressie
ANOVA krijg je ook altijd als je een lineaire regressie uitvoert. Formule van lineaire regressie
is: y = B0 + B1*x.
Stappenschema:
1. Wat is de dependent variable (uitkomst) en de independent variable (determinant)?
2. Wat is het meetniveau van de variabelen? Dummy’s aanmaken als de variabele
categoriaal is.
3. Wat voor analyse? Lineaire regressie als de uitkomstvariabele continu is.
4. Wat is de onderzoeksvraag en H0/Ha?
5. Missende/extreme waardes coderen. Je voert 999 in voor deze waardes. Vervolgens
ga je naar variable view en vul je bij het kopje ‘Missing’ ook de waarde 999 in bij de
variabele waar het bij van toepassing is. Dit hoeft niet als er al een puntje staat op de
plaats van de waarde.
6. Checken van de voorwaardes: residuen normaal verdeeld, homogene
populatievarianties en lineair verband.
- Residuen normaal verdeeld: analyze > regression > linear > uitkomst in
dependent zetten, determinant in independent zetten > plots > zpred op x-as,
zresid op y-as > histogram en normal probability plot aanvinken.
Zijn de residuen normaal of scheef verdeeld? Loopt de grijze lijn gelijk met de
zwarte lijn? Zo ja, dan geldt deze voorwaarde.
- Populatievarianties homogeen: analyze > regression > linear > uitkomst in
dependent zetten, determinant in independent zetten > save > standardized
residuals > continue.
Graphs > chart builder > scatterplot met lijn erin slepen > standardized
residuals op de y-as, determinant op x-as > continue.
- Lineariteit: zelfde als hierboven op de scatterplot. Loopt de lijn daarvan mooi
lineair naar boven of naar beneden.
Kan ook via: transform > recode into different variables > dummy variabelen
aanmaken door een range in te geven en zo 4 ongeveer gelijke groepen te
maken en te kijken of de regressiecoëfficiënt netjes op of afloopt zoals je bij
een lineair verband zou verwachten.
7. Analyze uitvoeren in SPSS (heb je hierboven eigenlijk ook al gedaan): analyze >
regression > linear > independent en dependant variable invullen > statistics >
confidence intervals aanvinken.
8. Trek conclusie op basis van output en beantwoord onderzoeksvraag op basis van p-
waarde en confidence intervals. P-waarde moet kleiner zijn dan 0,05 en confidence
interval mag niet het getal 0 bevatten. Geef zo antwoord: In het licht van de H0
hypothese (herhaal je H0 hypothese) is de kans dat we toch een verschil/verband
vinden (in dit geval onze regressiecoëfficiënt…. Dit is hoger/lager dan onze gekozen
alpha van 0,05, dus verwerpen/behouden we onze H0 hypothese.
Dummy variabelen
Dit moet je aanmaken als de determinant categoriaal is zowel bij lineaire als logistische
regressie. Dit doe je als volgt in SPSS: transform > recode into different variables > hierbij
zetten we de determinant in het grote vak en geven het de naam dummy 1 en klik op change
, > old and new variables > vul de oude value in bij de linkerkant en aan de rechterkant vul je
de nieuwe value in en klik op add, dus stel voor onze eerste categorie is als 1 gecodeerd de
nieuwe value wordt 1 1>1 en all other values zijn 0, dit doe je door de knop all other values
aan te klikken en 0 rechts in te voeren en add te doen > pasten en herhaal dit voor elke
variabele (de tweede variabele heeft dan als old value 2 en new value 0, dus 2>1 en all
other values zijn dan weer 0).
Als je vervolgens de lineaire regressie wilt draaien moet je al je dummy variabelen in het
independent vak zetten.
Logistische Regressie
Is nog steeds dezelfde formule als de lineaire regressie: y = B0 + B1*x
Door de e-macht te nemen van de regressiecoëfficiënt vinden we de Odds Ratio tussen de
twee groepen.
Stappenschema:
1. Wat is de dependent variable (uitkomst) en de independent variable (determinant)?
2. Wat is het meetniveau van de variabelen?
3. Wat voor analyse? Logistische regressie als de uitkomst variabele dichotoom is.
4. Wat is de onderzoeksvraag en H0/Ha?
5. Missende/extreme waardes coderen. Je voert 999 in voor deze waardes. Vervolgens
ga je naar variable view en vul je bij het kopje ‘Missing’ ook de waarde 999 in bij de
variabele waar het bij van toepassing is. Dit hoeft niet als er al een puntje staat op de
plaats van de waarde.
6. Voorwaarde alleen als determinant continu is: lineariteit. Dan moet je kwartielen
aanmaken: transform > rank cases > rank types > rank uitzetten en bij n-tiles 4
invoeren (4 gelijke groepen).
7. Logistische regressie uitvoeren: analyze > regression > binary logistic > bij
dependent de uitkomstvariabele invoeren en bij covariates de determinant(en). Als
determinant categoriaal is (of continu maar je hebt ze in categorieën opgedeeld):
categorial > determinant slepen in categorial covariates > first > change > continue.
Daarna: options > confidence intervals. Daarna op ok drukken.
8. Kijken of er lineair verband is, lopen de regressiecoëfficiënten gelijk op of af?
9. Interpreteer de uitkomsten. Je moet kijken bij de bovenste sig. voor de p-waarde.
Confounding en effectmodificatie bij regressie analyse
Confounding
Voeg de determinant toe waarvan je verwacht dat hij een confounder is aan het
independent/covariates vakje bij de regressie analyse. Als de regressiecoëfficiënt van de
oorspronkelijke determinant redelijk wat veranderd bij deze analyse ten opzichte van de
normale analyse zonder de confounder, is er sprake van confounding.
Effectmodificatie
Voor effectmodificatie kan je een interactieterm maken tussen de determinant en de
effectmodificator determinant. Dit doe je via: transform > compute variable > die twee
variabelen keer elkaar doen en het een naam geven. Vervolgens voeg je de
effectmodificator en de interactieterm toe aan je independent/covariate vakje bij de
regressieanalyse. Als de interactieterm significant is, is er sprake van effectmodificatie.
ANOVA & Lineaire Regressie
ANOVA krijg je ook altijd als je een lineaire regressie uitvoert. Formule van lineaire regressie
is: y = B0 + B1*x.
Stappenschema:
1. Wat is de dependent variable (uitkomst) en de independent variable (determinant)?
2. Wat is het meetniveau van de variabelen? Dummy’s aanmaken als de variabele
categoriaal is.
3. Wat voor analyse? Lineaire regressie als de uitkomstvariabele continu is.
4. Wat is de onderzoeksvraag en H0/Ha?
5. Missende/extreme waardes coderen. Je voert 999 in voor deze waardes. Vervolgens
ga je naar variable view en vul je bij het kopje ‘Missing’ ook de waarde 999 in bij de
variabele waar het bij van toepassing is. Dit hoeft niet als er al een puntje staat op de
plaats van de waarde.
6. Checken van de voorwaardes: residuen normaal verdeeld, homogene
populatievarianties en lineair verband.
- Residuen normaal verdeeld: analyze > regression > linear > uitkomst in
dependent zetten, determinant in independent zetten > plots > zpred op x-as,
zresid op y-as > histogram en normal probability plot aanvinken.
Zijn de residuen normaal of scheef verdeeld? Loopt de grijze lijn gelijk met de
zwarte lijn? Zo ja, dan geldt deze voorwaarde.
- Populatievarianties homogeen: analyze > regression > linear > uitkomst in
dependent zetten, determinant in independent zetten > save > standardized
residuals > continue.
Graphs > chart builder > scatterplot met lijn erin slepen > standardized
residuals op de y-as, determinant op x-as > continue.
- Lineariteit: zelfde als hierboven op de scatterplot. Loopt de lijn daarvan mooi
lineair naar boven of naar beneden.
Kan ook via: transform > recode into different variables > dummy variabelen
aanmaken door een range in te geven en zo 4 ongeveer gelijke groepen te
maken en te kijken of de regressiecoëfficiënt netjes op of afloopt zoals je bij
een lineair verband zou verwachten.
7. Analyze uitvoeren in SPSS (heb je hierboven eigenlijk ook al gedaan): analyze >
regression > linear > independent en dependant variable invullen > statistics >
confidence intervals aanvinken.
8. Trek conclusie op basis van output en beantwoord onderzoeksvraag op basis van p-
waarde en confidence intervals. P-waarde moet kleiner zijn dan 0,05 en confidence
interval mag niet het getal 0 bevatten. Geef zo antwoord: In het licht van de H0
hypothese (herhaal je H0 hypothese) is de kans dat we toch een verschil/verband
vinden (in dit geval onze regressiecoëfficiënt…. Dit is hoger/lager dan onze gekozen
alpha van 0,05, dus verwerpen/behouden we onze H0 hypothese.
Dummy variabelen
Dit moet je aanmaken als de determinant categoriaal is zowel bij lineaire als logistische
regressie. Dit doe je als volgt in SPSS: transform > recode into different variables > hierbij
zetten we de determinant in het grote vak en geven het de naam dummy 1 en klik op change
, > old and new variables > vul de oude value in bij de linkerkant en aan de rechterkant vul je
de nieuwe value in en klik op add, dus stel voor onze eerste categorie is als 1 gecodeerd de
nieuwe value wordt 1 1>1 en all other values zijn 0, dit doe je door de knop all other values
aan te klikken en 0 rechts in te voeren en add te doen > pasten en herhaal dit voor elke
variabele (de tweede variabele heeft dan als old value 2 en new value 0, dus 2>1 en all
other values zijn dan weer 0).
Als je vervolgens de lineaire regressie wilt draaien moet je al je dummy variabelen in het
independent vak zetten.
Logistische Regressie
Is nog steeds dezelfde formule als de lineaire regressie: y = B0 + B1*x
Door de e-macht te nemen van de regressiecoëfficiënt vinden we de Odds Ratio tussen de
twee groepen.
Stappenschema:
1. Wat is de dependent variable (uitkomst) en de independent variable (determinant)?
2. Wat is het meetniveau van de variabelen?
3. Wat voor analyse? Logistische regressie als de uitkomst variabele dichotoom is.
4. Wat is de onderzoeksvraag en H0/Ha?
5. Missende/extreme waardes coderen. Je voert 999 in voor deze waardes. Vervolgens
ga je naar variable view en vul je bij het kopje ‘Missing’ ook de waarde 999 in bij de
variabele waar het bij van toepassing is. Dit hoeft niet als er al een puntje staat op de
plaats van de waarde.
6. Voorwaarde alleen als determinant continu is: lineariteit. Dan moet je kwartielen
aanmaken: transform > rank cases > rank types > rank uitzetten en bij n-tiles 4
invoeren (4 gelijke groepen).
7. Logistische regressie uitvoeren: analyze > regression > binary logistic > bij
dependent de uitkomstvariabele invoeren en bij covariates de determinant(en). Als
determinant categoriaal is (of continu maar je hebt ze in categorieën opgedeeld):
categorial > determinant slepen in categorial covariates > first > change > continue.
Daarna: options > confidence intervals. Daarna op ok drukken.
8. Kijken of er lineair verband is, lopen de regressiecoëfficiënten gelijk op of af?
9. Interpreteer de uitkomsten. Je moet kijken bij de bovenste sig. voor de p-waarde.
Confounding en effectmodificatie bij regressie analyse
Confounding
Voeg de determinant toe waarvan je verwacht dat hij een confounder is aan het
independent/covariates vakje bij de regressie analyse. Als de regressiecoëfficiënt van de
oorspronkelijke determinant redelijk wat veranderd bij deze analyse ten opzichte van de
normale analyse zonder de confounder, is er sprake van confounding.
Effectmodificatie
Voor effectmodificatie kan je een interactieterm maken tussen de determinant en de
effectmodificator determinant. Dit doe je via: transform > compute variable > die twee
variabelen keer elkaar doen en het een naam geven. Vervolgens voeg je de
effectmodificator en de interactieterm toe aan je independent/covariate vakje bij de
regressieanalyse. Als de interactieterm significant is, is er sprake van effectmodificatie.
