SAMENVATTING – STATISTIEK: DATA-ANALYSE
LES 1
Kennisclip 1: Inleiding SPSS en intikken van data
– 2 schermen in SPSS
o Dataview: data ingeven
• Nummer dat automatisch verschijnt uiterst links; duid enkel de rij aan waarin
men zich bevind, kan niet in analyses gebruikt worden
• Dit nummer is NIET aan de proefpersoon gekoppeld
• Dus als je je data herordend, verandert dit niet mee
• Steeds nummer geven aan proefpersoon
o Variable view: variabelen en karakteristieken van de variabelen benoemen
• NAME: variabelen moet je zelf benoemen
• TYPE
▪ Numeric: meest gebruikte, omdat steeds alle data omgezet worden
in cijfers
▪ String: uitzonderlijk kan tekst worden ingetikt, bijvoorbeeld: naam
van de proefpersoon
❖ Met string variabele kunnen geen statistische procedures
worden uitgevoerd
• WIDTH
• DECIMALS
• LABEL: geeft meer uitleg over de variabele
▪ Bijvoorbeeld: vraag die gesteld werd, wanneer test plaatsvond, …
▪ Bijvoorbeeld: “test anatomie 2014”
• VALUES: betekenis van de cijfers
▪ Bijvoorbeeld: 1 = mannen, 2 = vrouwen
▪ Vergemakkelijkt de interpretatie van de statistische analyses later
▪ Ook handig bij groot databestand dat ook nog door andere personen
zal gebruikt worden
• MISSING: voor sommige variabelen, geen waarden.
▪ Cel gewoon openlaten → SPSS beschouwd dit automatisch als
missing value
▪ Of missing value definiëren door andere code toe te kennen voor
niet ingevuld OF verkeerd ingevuld → cijfers die in de rest van het
databestand niet voorkomen → code 99, 999 → benoemen bij
values
, • COLUMS
• ALIGN
• MEASURE
• ROLE
– Spreadsheet: rijen en kolommen → Geen rekenprogramma zoals excel! Niet mogelijk om op
een snelle manier formules in te voeren en op deel van de data ui te voeren
o Kolommen = variabelen die gemeten werden
o Rijen = observaties/proefpersonen
Intikken van de data
Belangrijke principes
– Alle data van 1 proefpersoon op 1 rij intypen
– Gegevens van dezelfde variabelen van verschillende personen in dezelfde kolom ingeven
onder elkaar
– Alle data omzetten in cijfers
o NIET: M=mannen, V= Vrouwen
o MAAR WEL: 1 = mannen, 2 = vrouwen
– Variabelen kunnen van kwantitatieve OF kwalitatieve aard zijn
o Kwantitatief: reeks van continue getallen (voorbeeld: BMI)
o Kwalitatief: cijfers die aan deze categorieën worden gegeven, hebben geen absolute
waarden (voorbeeld: geslacht)
– Missing values
o Bij het invullen van vragenlijsten of bij het uitvoeren van metingen → heb je soms
geen waarde voor sommige variabelen
o Hoe komt dat? Vragen openlaten, mis invullen, vergeten invullen; metingen en
observaties kunnen eens mislopen
o Op 2 manieren omgaan met missing values in SPSS
• Cel openlaten: spss beschoudt dit sowieso als een missing value
• Missing value definiëren in variable view → missing value een code geven in
variable view
,Selecteren van data
Na ingeven van de data, kunnen analyses worden uitgevoerd
– Deel van de data: select cases
o In sommige analyses is het nodig om niet alle data te gebruiken, maar slechts een
deel ervan (bijvoorbeeld: enkel de mannen)
o Commando
• Data > select cases > if condition is satisfied > if > variabele aanduiden die
je wilt selecteren
• Bijvoorbeeld: geslacht verslepen = 1 (daarmee selecteer je de mannen)
• SPSS zal daarna in uiterst linkse kolom, alle rijnummers schrappen die niet
aan deze voorwaarde voldoen
• Op die manier kan je analyses uitvoeren op een deel van het databestand
• Nadien: alle cases opnieuw selecteren vooraleer je wil verdergaan met
verdere analyses: data > select cases > all cases > OK
– Databestand opsplitsen: split file
o Aparte analyses uitvoeren op subgroepen
o Commando
• Data > split file > organize output by groups > groups based on
• Bijvoorbeeld geslacht: je wil dus aparte analyses voor mannen en vrouwen
• Nadien: alle cases opnieuw selecteren vooraleer je wil verdergaan met
verdere analyses: data > split file > analyze all cases, do not create groups >
OK
, Kennisclip 2: Data transformeren
Nadat alle data werd ingegeven, kunnen we data transformeren
RECODE (1e vorm van transformeren)
= Hercoderen van data
– Nieuwe categorieën
o Omzetten van oorspronkelijke categorieën in een beperkt aantal nieuwe categorieën
– Omscoren van negatieve items
o Omscoren van test-items die negatief geformuleerd werden in positieve scores
o Into SAME: hercodering uitvoeren over bestaande codering
• Oorspronkelijke data wordt onheroepelijk gewijzigd, niet mogelijk om
oorspronkelijke codes terug op te roepen
o Into DIFFERENT: nieuwe variabele maken na hercodering
• Deze nieuwe variabele wordt dan toegevoegd achteraan het databestand
• Geniet de voorkeur, want er verandert niets aan oorspronkelijke data bestand
• Naam geven aan nieuwe variabele
• Commando
▪ Transform
▪ Recode into different variables
▪ Input variabele = variabele die je wilt hercoderen
▪ Output variabele = nieuwe naam die je geeft aan variabele na
hercodering
❖ Name: zelfde naam gebruiken _ R
❖ Change
▪ Old and new values: aangeven op welke manier de hercodering
moet gebeuren
❖ Bijvoorbeeld: hercodering 5-punten schaal die negatief
gescoord werd; 1 → 5, 2 → 4, 3 → 3, 4 → 2, 5 → 1
▪ Continue
▪ OK
o Indien meerdere items op dezelfde manier omgescoord moeten worden, kan dit
allemaal tegelijkertijd gebeuren
LES 1
Kennisclip 1: Inleiding SPSS en intikken van data
– 2 schermen in SPSS
o Dataview: data ingeven
• Nummer dat automatisch verschijnt uiterst links; duid enkel de rij aan waarin
men zich bevind, kan niet in analyses gebruikt worden
• Dit nummer is NIET aan de proefpersoon gekoppeld
• Dus als je je data herordend, verandert dit niet mee
• Steeds nummer geven aan proefpersoon
o Variable view: variabelen en karakteristieken van de variabelen benoemen
• NAME: variabelen moet je zelf benoemen
• TYPE
▪ Numeric: meest gebruikte, omdat steeds alle data omgezet worden
in cijfers
▪ String: uitzonderlijk kan tekst worden ingetikt, bijvoorbeeld: naam
van de proefpersoon
❖ Met string variabele kunnen geen statistische procedures
worden uitgevoerd
• WIDTH
• DECIMALS
• LABEL: geeft meer uitleg over de variabele
▪ Bijvoorbeeld: vraag die gesteld werd, wanneer test plaatsvond, …
▪ Bijvoorbeeld: “test anatomie 2014”
• VALUES: betekenis van de cijfers
▪ Bijvoorbeeld: 1 = mannen, 2 = vrouwen
▪ Vergemakkelijkt de interpretatie van de statistische analyses later
▪ Ook handig bij groot databestand dat ook nog door andere personen
zal gebruikt worden
• MISSING: voor sommige variabelen, geen waarden.
▪ Cel gewoon openlaten → SPSS beschouwd dit automatisch als
missing value
▪ Of missing value definiëren door andere code toe te kennen voor
niet ingevuld OF verkeerd ingevuld → cijfers die in de rest van het
databestand niet voorkomen → code 99, 999 → benoemen bij
values
, • COLUMS
• ALIGN
• MEASURE
• ROLE
– Spreadsheet: rijen en kolommen → Geen rekenprogramma zoals excel! Niet mogelijk om op
een snelle manier formules in te voeren en op deel van de data ui te voeren
o Kolommen = variabelen die gemeten werden
o Rijen = observaties/proefpersonen
Intikken van de data
Belangrijke principes
– Alle data van 1 proefpersoon op 1 rij intypen
– Gegevens van dezelfde variabelen van verschillende personen in dezelfde kolom ingeven
onder elkaar
– Alle data omzetten in cijfers
o NIET: M=mannen, V= Vrouwen
o MAAR WEL: 1 = mannen, 2 = vrouwen
– Variabelen kunnen van kwantitatieve OF kwalitatieve aard zijn
o Kwantitatief: reeks van continue getallen (voorbeeld: BMI)
o Kwalitatief: cijfers die aan deze categorieën worden gegeven, hebben geen absolute
waarden (voorbeeld: geslacht)
– Missing values
o Bij het invullen van vragenlijsten of bij het uitvoeren van metingen → heb je soms
geen waarde voor sommige variabelen
o Hoe komt dat? Vragen openlaten, mis invullen, vergeten invullen; metingen en
observaties kunnen eens mislopen
o Op 2 manieren omgaan met missing values in SPSS
• Cel openlaten: spss beschoudt dit sowieso als een missing value
• Missing value definiëren in variable view → missing value een code geven in
variable view
,Selecteren van data
Na ingeven van de data, kunnen analyses worden uitgevoerd
– Deel van de data: select cases
o In sommige analyses is het nodig om niet alle data te gebruiken, maar slechts een
deel ervan (bijvoorbeeld: enkel de mannen)
o Commando
• Data > select cases > if condition is satisfied > if > variabele aanduiden die
je wilt selecteren
• Bijvoorbeeld: geslacht verslepen = 1 (daarmee selecteer je de mannen)
• SPSS zal daarna in uiterst linkse kolom, alle rijnummers schrappen die niet
aan deze voorwaarde voldoen
• Op die manier kan je analyses uitvoeren op een deel van het databestand
• Nadien: alle cases opnieuw selecteren vooraleer je wil verdergaan met
verdere analyses: data > select cases > all cases > OK
– Databestand opsplitsen: split file
o Aparte analyses uitvoeren op subgroepen
o Commando
• Data > split file > organize output by groups > groups based on
• Bijvoorbeeld geslacht: je wil dus aparte analyses voor mannen en vrouwen
• Nadien: alle cases opnieuw selecteren vooraleer je wil verdergaan met
verdere analyses: data > split file > analyze all cases, do not create groups >
OK
, Kennisclip 2: Data transformeren
Nadat alle data werd ingegeven, kunnen we data transformeren
RECODE (1e vorm van transformeren)
= Hercoderen van data
– Nieuwe categorieën
o Omzetten van oorspronkelijke categorieën in een beperkt aantal nieuwe categorieën
– Omscoren van negatieve items
o Omscoren van test-items die negatief geformuleerd werden in positieve scores
o Into SAME: hercodering uitvoeren over bestaande codering
• Oorspronkelijke data wordt onheroepelijk gewijzigd, niet mogelijk om
oorspronkelijke codes terug op te roepen
o Into DIFFERENT: nieuwe variabele maken na hercodering
• Deze nieuwe variabele wordt dan toegevoegd achteraan het databestand
• Geniet de voorkeur, want er verandert niets aan oorspronkelijke data bestand
• Naam geven aan nieuwe variabele
• Commando
▪ Transform
▪ Recode into different variables
▪ Input variabele = variabele die je wilt hercoderen
▪ Output variabele = nieuwe naam die je geeft aan variabele na
hercodering
❖ Name: zelfde naam gebruiken _ R
❖ Change
▪ Old and new values: aangeven op welke manier de hercodering
moet gebeuren
❖ Bijvoorbeeld: hercodering 5-punten schaal die negatief
gescoord werd; 1 → 5, 2 → 4, 3 → 3, 4 → 2, 5 → 1
▪ Continue
▪ OK
o Indien meerdere items op dezelfde manier omgescoord moeten worden, kan dit
allemaal tegelijkertijd gebeuren
