1
COLLEGES 4.4C APPLIED MULTIVARIATE
DATA ANALYSIS
INHOUDSOPGAVE
➢ Introcollege blz. 2
➢ College 1 blz. 3
➢ College 2: lineaire regressie I blz. 9
➢ College 3: lineaire regressie II blz. 17
➢ College 4: lineaire regressie III blz. 25
➢ College 5A: ANOVA blz. 33
➢ College 5B: ANCOVA I blz. 39
➢ College 6A: ANCOVA II blz. 45
➢ College 6B: Follow-up Analyse blz. 49
➢ College 6C: Factorial Designs blz. 53
➢ College 7A: Repeated Measures ANOVA I blz. 55
➢ College 7B: Repeated Measures ANOVA II blz. 60
➢ College 8A: Mixed & Multifactoriële ANOVA-designs blz. 65
➢ SPSS college 1A blz. 71
➢ SPSS college 1B blz. 74
➢ SPSS college 2 blz. 76
➢ SPSS college 3 blz. 81
➢ SPSS college 4 blz. 85
, 2
INTROCOLLEGE
HOE ZIET HET BLOK ERUIT?
Maandag en donderdag:
- Vooraf opgenomen ‘reguliere’ colleges
- Tutorial meetings (8x)
o Huiswerkoefeningen en opdrachten
- Extra Q&A college in de middag op campus
➔ Deelnemen aan deze meetings is vrijwillig.
Woensdag:
- Vooraf opgenomen SPSS colleges en extra clips.
- SPSS-sessies (4x): oefeningen
➔ Deelnemen aan deze meetings is vrijwillig.
Examens:
- Woensdag 7 februari: bloktentamen
o 40 mc-vragen
- Vrijdag 9 februari: SPSS-tentamen
o 20 open vragen
WAT MOET JE DOEN?
Zie ook pagina op Canvas met precieze voorbereiding per week:
- De vooraf opgenomen colleges bekijken
- De Flied-hoofdstukken bestuderen.
- Opdrachten en oefeningen maken.
o Steekproef uit de data halen met een SPSS-syntax
o Laat SPSS de passende analyse runnen
o Beantwoord de vragen, presenteer de resultaten (+ groepsdiscussie)
➔ Wat je precies moet lezen staat op Canvas → Information about the course → Required Readings.
Hier staat ook welk huiswerk je moet maken als je naar beneden scrolt.
SPSS
Woensdagen: zie 4.4P pagina
SPSS exercises: per week 1.
, 3
COLLEGE 1 WEEK 1
STATISTISCHE MODELLEN:
In statistiek wordt een model gebruikt om de werkelijkheid te representeren. Modellen bestaan uit variabelen
en parameters. Variabelen zijn meetbare constructen (bijv. vermoeidheid) en verschillen tussen mensen in
dezelfde steekproef. Parameters zijn schattingen uit de data en representeren constante relaties tussen
variabelen in het model. We berekenen de parameters van het model in de steekproef om de waarde in de
populatie te schatten.
Het gemiddelde is een model van wat er gebeurt in de echte wereld: de typische score. Het is geen perfecte
representatie van de data. Hoe dichter bij het gemiddelde, hoe beter de fit.
Sum of squared errors:
Mean squared error: de gemiddelde error die je hebt voor het
beschrijven van je data voor elke persoon.
➔ We maken er een gemiddelde van door de 10 te delen door de ‘degrees of freedom’ (N – 1), omdat we
steekproefdata gebruiken om de fit van het model te schatten in de populatie.
➔ We ‘verliezen’ 1 degree of freedom, omdat we het populatiegemiddelde schatten met het
steekproefgemiddelde.
Algemeen principe van model fit:
- Hoe groter de SSE of de MSE zijn, hoe slechter je fit is.
- Wanneer het model het gemiddelde is, wordt de MSE ‘variantie’ genoemd.
- De wortel van de variantie (s2) wordt de standaarddeviatie (s) genoemd.
Mean squared errors = variantie.
STANDAARDDEVIATIES
Grote standaarddeviatie Kleine standaarddeviatie:
, 4
Standaard normaalverdeling:
De normaalverdeling is niet zomaar een belvormige curve, het is een specifieke belvormige curve met een
vreselijke formule:
Hoewel we deze formule nooit gaan gebruiken, is het wel een feit dat alle kleine dingen die je uitrekent te
maken hebben met deze formule, en dus ook met normaalverdelingen. Dit is het ‘geschenk’ waardoor je
daadwerkelijk heel veel dingen kunt doen met statistisch onderzoek.
VAN STEEKPROEF NAAR POPULATIE
Gemiddelde (𝑋̅) en SD (s) zijn verkregen uit een steekproef, maar worden gebruikt om het gemiddelde (µ) en
SD (σ) van de populatie te schatten.
Stel voor dat we geïnteresseerd zijn in het samenvatten van het effect van een therapie in de
behandelpopulatie.
➔ Bereken ‘vooruitgang in vermoeidheid’-scores.
➔ Gemiddelde vooruitgang in de steekproef = het ware effect van het model CBT in de
behandelpopulatie.
➔ De representativiteit van het steekproefgemiddelde op het populatiegemiddelde kunnen we afleiden
van de steekproeferror.
Steekproefverdeling:
Eén steekproef zal alleen maar een schatting van de ware populatie parameter
geven. Afhankelijk van de variabiliteit en de steekproefgrootte zal de schatting
meer of minder precies zijn, zoals je ook ziet in het plaatje hiernaast.
Standaard error van het gemiddelde:
Central limit theorem: voor een steekproef van minimaal 30 deelnemers zal de
steekproefverdeling van de steekproefgemiddelden een normale verdeling zijn
met gemiddelde (µ) en SD (σ).
𝑠
Hier wordt σ geschat door: 𝑆𝐸 = .
√𝑁
COLLEGES 4.4C APPLIED MULTIVARIATE
DATA ANALYSIS
INHOUDSOPGAVE
➢ Introcollege blz. 2
➢ College 1 blz. 3
➢ College 2: lineaire regressie I blz. 9
➢ College 3: lineaire regressie II blz. 17
➢ College 4: lineaire regressie III blz. 25
➢ College 5A: ANOVA blz. 33
➢ College 5B: ANCOVA I blz. 39
➢ College 6A: ANCOVA II blz. 45
➢ College 6B: Follow-up Analyse blz. 49
➢ College 6C: Factorial Designs blz. 53
➢ College 7A: Repeated Measures ANOVA I blz. 55
➢ College 7B: Repeated Measures ANOVA II blz. 60
➢ College 8A: Mixed & Multifactoriële ANOVA-designs blz. 65
➢ SPSS college 1A blz. 71
➢ SPSS college 1B blz. 74
➢ SPSS college 2 blz. 76
➢ SPSS college 3 blz. 81
➢ SPSS college 4 blz. 85
, 2
INTROCOLLEGE
HOE ZIET HET BLOK ERUIT?
Maandag en donderdag:
- Vooraf opgenomen ‘reguliere’ colleges
- Tutorial meetings (8x)
o Huiswerkoefeningen en opdrachten
- Extra Q&A college in de middag op campus
➔ Deelnemen aan deze meetings is vrijwillig.
Woensdag:
- Vooraf opgenomen SPSS colleges en extra clips.
- SPSS-sessies (4x): oefeningen
➔ Deelnemen aan deze meetings is vrijwillig.
Examens:
- Woensdag 7 februari: bloktentamen
o 40 mc-vragen
- Vrijdag 9 februari: SPSS-tentamen
o 20 open vragen
WAT MOET JE DOEN?
Zie ook pagina op Canvas met precieze voorbereiding per week:
- De vooraf opgenomen colleges bekijken
- De Flied-hoofdstukken bestuderen.
- Opdrachten en oefeningen maken.
o Steekproef uit de data halen met een SPSS-syntax
o Laat SPSS de passende analyse runnen
o Beantwoord de vragen, presenteer de resultaten (+ groepsdiscussie)
➔ Wat je precies moet lezen staat op Canvas → Information about the course → Required Readings.
Hier staat ook welk huiswerk je moet maken als je naar beneden scrolt.
SPSS
Woensdagen: zie 4.4P pagina
SPSS exercises: per week 1.
, 3
COLLEGE 1 WEEK 1
STATISTISCHE MODELLEN:
In statistiek wordt een model gebruikt om de werkelijkheid te representeren. Modellen bestaan uit variabelen
en parameters. Variabelen zijn meetbare constructen (bijv. vermoeidheid) en verschillen tussen mensen in
dezelfde steekproef. Parameters zijn schattingen uit de data en representeren constante relaties tussen
variabelen in het model. We berekenen de parameters van het model in de steekproef om de waarde in de
populatie te schatten.
Het gemiddelde is een model van wat er gebeurt in de echte wereld: de typische score. Het is geen perfecte
representatie van de data. Hoe dichter bij het gemiddelde, hoe beter de fit.
Sum of squared errors:
Mean squared error: de gemiddelde error die je hebt voor het
beschrijven van je data voor elke persoon.
➔ We maken er een gemiddelde van door de 10 te delen door de ‘degrees of freedom’ (N – 1), omdat we
steekproefdata gebruiken om de fit van het model te schatten in de populatie.
➔ We ‘verliezen’ 1 degree of freedom, omdat we het populatiegemiddelde schatten met het
steekproefgemiddelde.
Algemeen principe van model fit:
- Hoe groter de SSE of de MSE zijn, hoe slechter je fit is.
- Wanneer het model het gemiddelde is, wordt de MSE ‘variantie’ genoemd.
- De wortel van de variantie (s2) wordt de standaarddeviatie (s) genoemd.
Mean squared errors = variantie.
STANDAARDDEVIATIES
Grote standaarddeviatie Kleine standaarddeviatie:
, 4
Standaard normaalverdeling:
De normaalverdeling is niet zomaar een belvormige curve, het is een specifieke belvormige curve met een
vreselijke formule:
Hoewel we deze formule nooit gaan gebruiken, is het wel een feit dat alle kleine dingen die je uitrekent te
maken hebben met deze formule, en dus ook met normaalverdelingen. Dit is het ‘geschenk’ waardoor je
daadwerkelijk heel veel dingen kunt doen met statistisch onderzoek.
VAN STEEKPROEF NAAR POPULATIE
Gemiddelde (𝑋̅) en SD (s) zijn verkregen uit een steekproef, maar worden gebruikt om het gemiddelde (µ) en
SD (σ) van de populatie te schatten.
Stel voor dat we geïnteresseerd zijn in het samenvatten van het effect van een therapie in de
behandelpopulatie.
➔ Bereken ‘vooruitgang in vermoeidheid’-scores.
➔ Gemiddelde vooruitgang in de steekproef = het ware effect van het model CBT in de
behandelpopulatie.
➔ De representativiteit van het steekproefgemiddelde op het populatiegemiddelde kunnen we afleiden
van de steekproeferror.
Steekproefverdeling:
Eén steekproef zal alleen maar een schatting van de ware populatie parameter
geven. Afhankelijk van de variabiliteit en de steekproefgrootte zal de schatting
meer of minder precies zijn, zoals je ook ziet in het plaatje hiernaast.
Standaard error van het gemiddelde:
Central limit theorem: voor een steekproef van minimaal 30 deelnemers zal de
steekproefverdeling van de steekproefgemiddelden een normale verdeling zijn
met gemiddelde (µ) en SD (σ).
𝑠
Hier wordt σ geschat door: 𝑆𝐸 = .
√𝑁
