SPSS sessie 1
1. MEAN.N functie: wordt gebruikt om de scale score uit te rekenen van de som van
alle items. Je kan bijv. alleen mensen gebruiken die minimaal 20 valide responses
hebben. Dit doe je als volgt:
Transform compute RND(MEAN.20(antwoord1 to antwoord 30)*30)
Je doet dus keer het aantal vragen.
2. Bar chart maken voor gemiddelde scores voor mannen/vrouwen: je maakt een
barchart om de gemiddelde scores uit te drukken in een grafiek per geslacht. Dit doe
je als volgt:
Graphs legacy dialogs bar simple en summaries for groups of cases laten
staan bars represent other statistic (en dan kies je mean van die scale score)
categorie as doe je gender en dan ok
3. Z-scores maken:
Descriptive statistics save standardized values as variables
4. Independent samples t-test:
Je kijkt naar equal variances not assumed als de Levene’s test significant is. Dit is
omdat de 0 hypothese altijd zegt dat er geen verschil is. Als die test dus significant is,
wordt de 0 hypothese verworpen en dan is het dus NIET gelijk. Daarom kijk je naar
equal variances not assumed bij een significante Levene’s.
5. Kans uitrekenen dat iemand een lagere score heeft: dit doe je met Function
CDF.normal. Je noemt deze variabele p-value. Dit doe je als volgt:
Transform compute vul in CDF.NORMAL (Zscalescore, 0, 1)
Je gebruikt 0 en 1 omdat bij z-scores het gemiddelde altijd 0 is de standaardafwijking
1. Je kan dan in de dataset kijken bij de nieuwe variabele (p-value) wanneer iemand
een score van 20 (bij Z-score) heeft of lager. Het getal bij p-value is dus de kans.
6. Checken of iets normaal verdeeld is: dit doe je als volgt:
Analyze descriptive statistics explore score in de dependent list ga naar
plots en vink histogram aan en normality plots with tests kijk naar skewness,
kurtosis,, Kolmogorov-Smirnov test, histogram, en Q-Q plot.
Skewness: deze waarde moet je delen door standaard error. Als de verdeling
normaal is moet het liggen tussen -1.96 en 1.96.
, Kurtosis: deze waarde moet je ook delen door de standaard error. Als de verdeling
normaal is moet het liggen tussen de -1.96 en 1.96.
Kolmogorov-Smirnov test: deze is significant en dat betekent dus dat het niet
normaal verdeeld is.
Histogram: moet je gewoon ff kijken of het normaal is maar dat zie je vanzelf
Q-q plot: als alle puntjes op de lijn liggen is het normaal verdeeld, anders niet.
7. Percentiel scores uitrekenen: dit doe je als volgt:
Transform rank cases variabele invullen bij rank types met je fractional rank
as % aanvinken je krijgt dan een nieuwe variabele en daar kan je percentiel scores
aan aflezen bij een bepaalde score.
8. Score berekenen bij een bepaalde percentiel score: welke scale score hoort bij
percentiel 85? Dit doe je als volgt
Analyze descriptive statistics explore scale score in dependent list bij
statistics vink je percentiles aan klik op paste, dan krijg je een syntax vul in bij
percentiles (85) en dan moet je de syntax runnen dan ga je naar je output en zie je
staan dat bij percentiel 85 een score van 49.65 hoort.
9. Scores in genormaliseerde, afgeronde scores omzetten met een bepaalde mean en
standaard deviatie: wat is de genormaliseerde score van een kind met een originele
score van 45? Dit doe je als volgt:
Transform rank cases selecteer alleen normal scores en rankit dan ok dan
krijg je nieuwe variabele
Transform compute RND(Nscalesc*5+20) invullen nieuwe variabele en dan
kijken bij originele score welke nieuwe erbij hoort
Je doet altijd keer de standaarddeviatie en plus de nieuwe mean
10. Vergelijken van de means van genormaliseerde scores voor een bepaald item en
wat is de effect size (eta square) van dit effect?: dit doe je om means van
genormaliseerde scores voor de respons van een bepaald item te vergelijken. Je
moet dan de effect size (eta square) voor het effect krijgen. Dit doe je als volgt:
c
Als de effect size .4 is betekent het dat 40% van de variantie in de genormaliseerde
scores verklaard kan worden door de verschillende categorieën van item 1. Dit is een
groot effect.
1. MEAN.N functie: wordt gebruikt om de scale score uit te rekenen van de som van
alle items. Je kan bijv. alleen mensen gebruiken die minimaal 20 valide responses
hebben. Dit doe je als volgt:
Transform compute RND(MEAN.20(antwoord1 to antwoord 30)*30)
Je doet dus keer het aantal vragen.
2. Bar chart maken voor gemiddelde scores voor mannen/vrouwen: je maakt een
barchart om de gemiddelde scores uit te drukken in een grafiek per geslacht. Dit doe
je als volgt:
Graphs legacy dialogs bar simple en summaries for groups of cases laten
staan bars represent other statistic (en dan kies je mean van die scale score)
categorie as doe je gender en dan ok
3. Z-scores maken:
Descriptive statistics save standardized values as variables
4. Independent samples t-test:
Je kijkt naar equal variances not assumed als de Levene’s test significant is. Dit is
omdat de 0 hypothese altijd zegt dat er geen verschil is. Als die test dus significant is,
wordt de 0 hypothese verworpen en dan is het dus NIET gelijk. Daarom kijk je naar
equal variances not assumed bij een significante Levene’s.
5. Kans uitrekenen dat iemand een lagere score heeft: dit doe je met Function
CDF.normal. Je noemt deze variabele p-value. Dit doe je als volgt:
Transform compute vul in CDF.NORMAL (Zscalescore, 0, 1)
Je gebruikt 0 en 1 omdat bij z-scores het gemiddelde altijd 0 is de standaardafwijking
1. Je kan dan in de dataset kijken bij de nieuwe variabele (p-value) wanneer iemand
een score van 20 (bij Z-score) heeft of lager. Het getal bij p-value is dus de kans.
6. Checken of iets normaal verdeeld is: dit doe je als volgt:
Analyze descriptive statistics explore score in de dependent list ga naar
plots en vink histogram aan en normality plots with tests kijk naar skewness,
kurtosis,, Kolmogorov-Smirnov test, histogram, en Q-Q plot.
Skewness: deze waarde moet je delen door standaard error. Als de verdeling
normaal is moet het liggen tussen -1.96 en 1.96.
, Kurtosis: deze waarde moet je ook delen door de standaard error. Als de verdeling
normaal is moet het liggen tussen de -1.96 en 1.96.
Kolmogorov-Smirnov test: deze is significant en dat betekent dus dat het niet
normaal verdeeld is.
Histogram: moet je gewoon ff kijken of het normaal is maar dat zie je vanzelf
Q-q plot: als alle puntjes op de lijn liggen is het normaal verdeeld, anders niet.
7. Percentiel scores uitrekenen: dit doe je als volgt:
Transform rank cases variabele invullen bij rank types met je fractional rank
as % aanvinken je krijgt dan een nieuwe variabele en daar kan je percentiel scores
aan aflezen bij een bepaalde score.
8. Score berekenen bij een bepaalde percentiel score: welke scale score hoort bij
percentiel 85? Dit doe je als volgt
Analyze descriptive statistics explore scale score in dependent list bij
statistics vink je percentiles aan klik op paste, dan krijg je een syntax vul in bij
percentiles (85) en dan moet je de syntax runnen dan ga je naar je output en zie je
staan dat bij percentiel 85 een score van 49.65 hoort.
9. Scores in genormaliseerde, afgeronde scores omzetten met een bepaalde mean en
standaard deviatie: wat is de genormaliseerde score van een kind met een originele
score van 45? Dit doe je als volgt:
Transform rank cases selecteer alleen normal scores en rankit dan ok dan
krijg je nieuwe variabele
Transform compute RND(Nscalesc*5+20) invullen nieuwe variabele en dan
kijken bij originele score welke nieuwe erbij hoort
Je doet altijd keer de standaarddeviatie en plus de nieuwe mean
10. Vergelijken van de means van genormaliseerde scores voor een bepaald item en
wat is de effect size (eta square) van dit effect?: dit doe je om means van
genormaliseerde scores voor de respons van een bepaald item te vergelijken. Je
moet dan de effect size (eta square) voor het effect krijgen. Dit doe je als volgt:
c
Als de effect size .4 is betekent het dat 40% van de variantie in de genormaliseerde
scores verklaard kan worden door de verschillende categorieën van item 1. Dit is een
groot effect.
