Verkennen van data
Belangrijk om te beseffen aan welke data je bezig bent; wat is de verdeling van de data, zijn
er missing values, wat is de meetschaal…
--> manieren zien hoe we data kunnen verkennen
Oefening verkennen van data
bestand stress.sav
Opgave: Hebben gegevens van 199 werknemers. Het stressniveau van de werknemers wordt
gemeten. Daarnaast staan er ook nog een paar algemene zaken in zoals geslacht, leeftijd,
soort contract…
Gaan eerst eens zien hoe bepaalde zaken gecodeerd zijn, kunnen we in de Variable View
doen of kunnen ook een vlug overzicht hebben dmv. deze knop, als je op de variabelen
drukt kan je de antwoordopties zien (bv. nooi, meestal, niet vaak… is ordinale schaal)
Als we dan gaan zien naar de inhoud van de veranderlijken;
Analyze < Descriptive Statistics < Descriptives < steken alle variabelen erin < Options <
Skewness en Kurtosis < Continue < aanvinken van Save standardized values as variables (de
gestandaardiseerde waardes ga je dan als veranderlijken wegschrijven in het databestand –
ook een manier om te zien of er uitschieters zijn < laten runnen
1
,Listwise (onderaan) hebben we 171 cases die volledig ingevuld zijn, 199 is de
steekproefgrootte (maar zien bijvoorbeeld dat voor item 118 we 3 missing cases hebben)
Minimum 0 en maximum 6 dat is correct (was de schaal die we hebben gezien)
min en max geven een indicatie, bijvoorbeeld bij item 125 zien we dat het maximum 33 is
dit wijst op een foutieve invoer (wss zou dat een 3 moeten zijn)
Als we dan gaan zien in de Data View, gaan naar case 125, als je die kolom selecteert door
erop te klikken en dan op de linker muisknop aanklikken van Sort Descending; ziet 33 staan
die wss verkeerd is ingeput en dit kan je dan corrigeren na controle van papieren van de
steekproef
OPM: sommige berekeningen van gemiddelde en standaardafwijking zijn hier met een korrel
zout te nemen want op een ordinale schaal mag je dit NIET berekenen
Hebben dan een leeftijd van 18 tot 61 gemiddeld 40.23 en standaardafwijking van 10.24 dat
ziet er oke uit
Geslacht os 0-1 dus dat klopt ook
het gemiddelde 0.45 heeft toch ook een betekenis hier; dit is namelijk een percentage
doordat het gecodeerd is als 1-0, dus 0.45 zit dichter bij de 0 dus er zijn meer mannen
(nullen) dus er zijn meer mannen nml. 55% mannen en 45% vrouwen
2
,Ook hetzelfde geldt voor gehuwd aangezien dit ook gecodeerd is als 0-1; is 0.32 dus dit zit
dichter bij 0 en 0 staat voor gehuwd dus er zijn meer mensen gehuwd, dus 68% zijn gehuwd
en 32% zijn ongehuwd
Aantal kinderen tussen 0 en 8 dat lijkt een beetje veel maar is wel mogelijk,
Diploma 0 en 3 dat klopt
Aantal jaren in het bedrijf is tussen de 0 en 36 jaar dat kan
Gemiddeld aantal uren werken per week tussen de 8 en 80 die moeten we toch eens
onderzoeken, zal wss een uitschieter zijn maar is best mogelijk
Percentage arbeidsuren tussen 40 en 100 dat kan
Ploeg is 0 en 2 dat klopt
Soort contract is 0 en 2 klopt ook
Een andere manier en om met meer diepgang te kijken naar de gegevens is dmv. explore
Analyze < Descriptive Statistics < Explore < Dependent List steekt er bijvoorbeeld in ‘aantal
jaren in het bedrijf’ < Statistics < aanvinken van Outliers < Continue < Plots < aanvinken
Stem-and-leaf en Histogram < Continue < laten runnen
*bij Factor List kan je bijvoorbeeld de gegevens laten opsplitsen door een factor dus krijgt
dan aparte berekeningen voor die groepen
Aantal jaren in het bedrijf; 196 waarnemingen (dus 3 missings)
3
, Het gemiddelde is 13.7374 met een standaardfout van .7690
Het 95% BI (is berekend door de 13.7374 min 1.96*.7690 en de 13.7374 plus 1.96*.7690)
dus tussen 12.2208 en 15.2540 dus dat is een vrij klein BI
Krijgen het 5% Trimmed Mean: de 5% meest extreme waarnemingen worden verwijdert en
het gemiddelde wordt opnieuw berekend, dit kan je dus vergelijken met het oorspronkelijke
gemiddelde trimmed mean is 14.4439 en gewoon mean is 13.7374 dit is dus een indicatie
dat er geen extreme waarden zijn want dat verschil is heel miniem
Mediaan dus de middelste waarneming is 13 jaar
Een variantie van 115.901 en standaardafwijking van 10.7658
Min en max is tussen 0 en 36
Skewness is .194 is lichtes positief dus lichtjes rechts scheef
Kurtosis is – 1.365 is negatief dus is het platykurtosis
De extreme waarden zowel de hoogste als de laagtste krijgen we; case 12 die werkt 36 jaar
in het bedrijf --> kunnen dan bijvoorbeeld eens zien in de Data View voor case 12, zien dan
jaren in het bedrijf 36 jaar, werkt 14 uur – ziet er voor de rest correct uit
De laagste waarden is 0 bijvoorbeeld bij case 68 want er zijn er
met 0 jaren anciënniteit
4
Belangrijk om te beseffen aan welke data je bezig bent; wat is de verdeling van de data, zijn
er missing values, wat is de meetschaal…
--> manieren zien hoe we data kunnen verkennen
Oefening verkennen van data
bestand stress.sav
Opgave: Hebben gegevens van 199 werknemers. Het stressniveau van de werknemers wordt
gemeten. Daarnaast staan er ook nog een paar algemene zaken in zoals geslacht, leeftijd,
soort contract…
Gaan eerst eens zien hoe bepaalde zaken gecodeerd zijn, kunnen we in de Variable View
doen of kunnen ook een vlug overzicht hebben dmv. deze knop, als je op de variabelen
drukt kan je de antwoordopties zien (bv. nooi, meestal, niet vaak… is ordinale schaal)
Als we dan gaan zien naar de inhoud van de veranderlijken;
Analyze < Descriptive Statistics < Descriptives < steken alle variabelen erin < Options <
Skewness en Kurtosis < Continue < aanvinken van Save standardized values as variables (de
gestandaardiseerde waardes ga je dan als veranderlijken wegschrijven in het databestand –
ook een manier om te zien of er uitschieters zijn < laten runnen
1
,Listwise (onderaan) hebben we 171 cases die volledig ingevuld zijn, 199 is de
steekproefgrootte (maar zien bijvoorbeeld dat voor item 118 we 3 missing cases hebben)
Minimum 0 en maximum 6 dat is correct (was de schaal die we hebben gezien)
min en max geven een indicatie, bijvoorbeeld bij item 125 zien we dat het maximum 33 is
dit wijst op een foutieve invoer (wss zou dat een 3 moeten zijn)
Als we dan gaan zien in de Data View, gaan naar case 125, als je die kolom selecteert door
erop te klikken en dan op de linker muisknop aanklikken van Sort Descending; ziet 33 staan
die wss verkeerd is ingeput en dit kan je dan corrigeren na controle van papieren van de
steekproef
OPM: sommige berekeningen van gemiddelde en standaardafwijking zijn hier met een korrel
zout te nemen want op een ordinale schaal mag je dit NIET berekenen
Hebben dan een leeftijd van 18 tot 61 gemiddeld 40.23 en standaardafwijking van 10.24 dat
ziet er oke uit
Geslacht os 0-1 dus dat klopt ook
het gemiddelde 0.45 heeft toch ook een betekenis hier; dit is namelijk een percentage
doordat het gecodeerd is als 1-0, dus 0.45 zit dichter bij de 0 dus er zijn meer mannen
(nullen) dus er zijn meer mannen nml. 55% mannen en 45% vrouwen
2
,Ook hetzelfde geldt voor gehuwd aangezien dit ook gecodeerd is als 0-1; is 0.32 dus dit zit
dichter bij 0 en 0 staat voor gehuwd dus er zijn meer mensen gehuwd, dus 68% zijn gehuwd
en 32% zijn ongehuwd
Aantal kinderen tussen 0 en 8 dat lijkt een beetje veel maar is wel mogelijk,
Diploma 0 en 3 dat klopt
Aantal jaren in het bedrijf is tussen de 0 en 36 jaar dat kan
Gemiddeld aantal uren werken per week tussen de 8 en 80 die moeten we toch eens
onderzoeken, zal wss een uitschieter zijn maar is best mogelijk
Percentage arbeidsuren tussen 40 en 100 dat kan
Ploeg is 0 en 2 dat klopt
Soort contract is 0 en 2 klopt ook
Een andere manier en om met meer diepgang te kijken naar de gegevens is dmv. explore
Analyze < Descriptive Statistics < Explore < Dependent List steekt er bijvoorbeeld in ‘aantal
jaren in het bedrijf’ < Statistics < aanvinken van Outliers < Continue < Plots < aanvinken
Stem-and-leaf en Histogram < Continue < laten runnen
*bij Factor List kan je bijvoorbeeld de gegevens laten opsplitsen door een factor dus krijgt
dan aparte berekeningen voor die groepen
Aantal jaren in het bedrijf; 196 waarnemingen (dus 3 missings)
3
, Het gemiddelde is 13.7374 met een standaardfout van .7690
Het 95% BI (is berekend door de 13.7374 min 1.96*.7690 en de 13.7374 plus 1.96*.7690)
dus tussen 12.2208 en 15.2540 dus dat is een vrij klein BI
Krijgen het 5% Trimmed Mean: de 5% meest extreme waarnemingen worden verwijdert en
het gemiddelde wordt opnieuw berekend, dit kan je dus vergelijken met het oorspronkelijke
gemiddelde trimmed mean is 14.4439 en gewoon mean is 13.7374 dit is dus een indicatie
dat er geen extreme waarden zijn want dat verschil is heel miniem
Mediaan dus de middelste waarneming is 13 jaar
Een variantie van 115.901 en standaardafwijking van 10.7658
Min en max is tussen 0 en 36
Skewness is .194 is lichtes positief dus lichtjes rechts scheef
Kurtosis is – 1.365 is negatief dus is het platykurtosis
De extreme waarden zowel de hoogste als de laagtste krijgen we; case 12 die werkt 36 jaar
in het bedrijf --> kunnen dan bijvoorbeeld eens zien in de Data View voor case 12, zien dan
jaren in het bedrijf 36 jaar, werkt 14 uur – ziet er voor de rest correct uit
De laagste waarden is 0 bijvoorbeeld bij case 68 want er zijn er
met 0 jaren anciënniteit
4
