Overzicht van alle toetsen
CORRELATIE T TOESTEN: F-TOESTEN
Pearson correlatie: Paired sample t-test: One way-anova (Parametrische
• Verband tussen 2 kwantitatieve variabelen • 1 groep twee keer testen (bv pre-post test)à toetsen van • Gem vergelijken tussen meer dan 2 groepen
• spss Analyze < Correlate < Bivariate < Pearson. gemiddelden • Altijd 1 kwantitatief en 1 kwalitatief variabelen nodig
• 0.30 à 0.40 beschouwd als een goede validiteit • Altijd kwalitatief en kwantitatief variabel nodig à In spss ss: Analyze < Compare Means < One-Way ANOVA
à in spss: Analyze < Compare Means < Paired Samples t-test Klik op:
(Parametrische) • Options – homogeneity of variances test (nodig voor levens
• Non-parametrisch: 2 related samples test)
à in spss: Analyze < Non-parametrisch tests < Legacy dialogs < 2 • Options – descriptive klikken (nodig voor Gem en
related samples standaarddeviaties)
Spearman correlatie: One sample-test Wanneer post hoc gebruiken gebruiken
• Verband tussen 2 kwantitatieve variabelen • Altijd een kwantitatief variabel en je standaardwaarde • Als er geen hypothesen op voorhand wordt gesteld
• Hoe dichter bij 1, hoe meer valide à In spss: Analyze < Compare Means < One Sample t-test. • Bij options: tukey of scheffe aanklikken
• 0.30 à 0.40 beschouwd als een goede validiteit • Non-parametrische: Wilcoxonà spss 2 related samples • Mag NIET gebruikt worden als de algemene F-waarde NIET
à in spss: Analyze < Non-parametrisch tests < Legacy dialogs < 2 significant is
related samples (non-parametrische) • Kan NIET gebruikt worden bij een significante Levene’s test
Betrouwbaarheid: Independent sample t-test Output noteren van een post-hoctest
• SPPS Analyze > Scale > reliability > intraclass • 2 groepen met elkaar vergelijken • Gem en SD van verschillende groepen
correlatie • Altijd een kwantitatief en kwalitatief variabel nodig • F-en p-waarde van de levenstest + interpretatie
• Goede betrouwbaarheid vanaf ICC 0.70 àin spss: Analyze < Compare Means < Independent Samples t-test. • F-en p-waarde van de Anova-tabel + interpretatie
• Redelijke betrouwbaarheid vanaf 0.60 • Non-parametrische- Mann Whitney u testà in spss 2 • P-waarde van de post-hoctesten (afhankelijk van wat je hebt
• Onder 0.50 = te laag independent samples test geklikt tukey of scheve
àSignificantie hier is niet relevant à Analyze < Non-parametrisch tests < Legacy dialogs < 2 • Interpretatie en besluit
si independent samples (non-parametrische)
Chikwrdraat: Parametrisch toetsen Wanneer contrasten gebruiken
• Verband tussen twee 2 kwalitatieve variabelen nagaan • Group statistic bekijken (gemiddelde en standaarddeviatie • Als een hypothese op voorhand wordt gesteld
• spss Analyze < descriptive statistics < crosstabs. noteren) • Wegen geven aan groepen ( coefficients)
• bij kruistallen de kwantitatieve variabelen • De algemeen test : de levienstest kijken en de F en sig — Som moet 0 zijnà moet ingeven worden op basis van hoe
dichotomiseren naar 1 EN 2. Vergeet weight cases niet definiëren de data zijn ingeven (heel belangrijk voor de output anders
via DATA daarna zeker weer resetten anders heeft het — Als de levienstest significant is dan wordt gekeken bij equal heb je ander cijfers)
een invloed op je volgend data varainces not assumed!! (de t- en sig van onesided noteren) • Mag ook gebruikt worden als de algemene F-waarde NIET
— Als de L.T niet significant is dan wordt gekeken bij equal significant is (ANOVA)
variance assumed. • Kan ook gebruikt worden bij een signifcante Levene’s test →
à dus alstijd het omgekeerde: heel belangrijk voor de interpretatie equal variances notassumed
1
, • P-waarde tussen 0,05 en 0,10 spreken we van trend tot • P-waarde altijd delen door 2 bij contrasten omdat er een
significantie hypothese wordt opgesteld.
Besluit vormen
• Kijk terug naar naar het gemiddelde van de variabelen om je
besluit te vormen.
• Voorbeeld van formuleren: het gemiddelde van man bedraagt…
Kappa: Non-parametrische toest Wat noteren van de output
• Mate van overeenkomst bij categorische Kruskal wallis test • Gemiddelde en SD van de verschillende groepen
variabelen • Bestaat uit drie onafhankelijk groepen • F- & p-waarde van de Levene’s test + interpretatie
à IN SPSS Analyze > Descriptive Statistics > Crosstabs • Kwantitatieve en kwalitative variabele • Juiste t- & p-waarde + interpretatie
→‘Kappa’ aanklikken bij Statistics • Spss= k independent samples • Interpretatie/besluit in woorden
→0.40-0.70 is acceptabele overeenkomst, >0.70 is goede Wat noteren van de ouput
overeenkomst • Z-waarde noteren
• P-waarde noteren
• Mean ranks moet genoteerd worden
-à Note!!!! Indien p-waarde van kruskal wallis significant is -à
zoeken naar het verschil via mann-whtney (2 independent samples)
Chikwaadraat non-parametrisch De bonferoni correctie Kruskal wallis test(non-parametrische)
à in spss: Analyze > Non-parametric tests > Legacy
dialogs > Chi-square P-waarde delen door de aantal keer dat we de mann-whitney gaan • Bestaat uit drie onafhankelijk groepen
uitvoeren. Dus als je bijvoorbeeld 3 keer de mann-whitney gaat • Kwantitatieve en kwalitatieve variabele
uitvoeren, deel je 3 door de p-waarde ( O,05/3). Deze p-waarde • Spss= k independent samples
gebruikt je verder om je besleuit te vormen. Wat noteren bij output
• Kruskal-waliis waarde
• P-waarde
• Mean ranks per groep
• Besluit in woorden
2
CORRELATIE T TOESTEN: F-TOESTEN
Pearson correlatie: Paired sample t-test: One way-anova (Parametrische
• Verband tussen 2 kwantitatieve variabelen • 1 groep twee keer testen (bv pre-post test)à toetsen van • Gem vergelijken tussen meer dan 2 groepen
• spss Analyze < Correlate < Bivariate < Pearson. gemiddelden • Altijd 1 kwantitatief en 1 kwalitatief variabelen nodig
• 0.30 à 0.40 beschouwd als een goede validiteit • Altijd kwalitatief en kwantitatief variabel nodig à In spss ss: Analyze < Compare Means < One-Way ANOVA
à in spss: Analyze < Compare Means < Paired Samples t-test Klik op:
(Parametrische) • Options – homogeneity of variances test (nodig voor levens
• Non-parametrisch: 2 related samples test)
à in spss: Analyze < Non-parametrisch tests < Legacy dialogs < 2 • Options – descriptive klikken (nodig voor Gem en
related samples standaarddeviaties)
Spearman correlatie: One sample-test Wanneer post hoc gebruiken gebruiken
• Verband tussen 2 kwantitatieve variabelen • Altijd een kwantitatief variabel en je standaardwaarde • Als er geen hypothesen op voorhand wordt gesteld
• Hoe dichter bij 1, hoe meer valide à In spss: Analyze < Compare Means < One Sample t-test. • Bij options: tukey of scheffe aanklikken
• 0.30 à 0.40 beschouwd als een goede validiteit • Non-parametrische: Wilcoxonà spss 2 related samples • Mag NIET gebruikt worden als de algemene F-waarde NIET
à in spss: Analyze < Non-parametrisch tests < Legacy dialogs < 2 significant is
related samples (non-parametrische) • Kan NIET gebruikt worden bij een significante Levene’s test
Betrouwbaarheid: Independent sample t-test Output noteren van een post-hoctest
• SPPS Analyze > Scale > reliability > intraclass • 2 groepen met elkaar vergelijken • Gem en SD van verschillende groepen
correlatie • Altijd een kwantitatief en kwalitatief variabel nodig • F-en p-waarde van de levenstest + interpretatie
• Goede betrouwbaarheid vanaf ICC 0.70 àin spss: Analyze < Compare Means < Independent Samples t-test. • F-en p-waarde van de Anova-tabel + interpretatie
• Redelijke betrouwbaarheid vanaf 0.60 • Non-parametrische- Mann Whitney u testà in spss 2 • P-waarde van de post-hoctesten (afhankelijk van wat je hebt
• Onder 0.50 = te laag independent samples test geklikt tukey of scheve
àSignificantie hier is niet relevant à Analyze < Non-parametrisch tests < Legacy dialogs < 2 • Interpretatie en besluit
si independent samples (non-parametrische)
Chikwrdraat: Parametrisch toetsen Wanneer contrasten gebruiken
• Verband tussen twee 2 kwalitatieve variabelen nagaan • Group statistic bekijken (gemiddelde en standaarddeviatie • Als een hypothese op voorhand wordt gesteld
• spss Analyze < descriptive statistics < crosstabs. noteren) • Wegen geven aan groepen ( coefficients)
• bij kruistallen de kwantitatieve variabelen • De algemeen test : de levienstest kijken en de F en sig — Som moet 0 zijnà moet ingeven worden op basis van hoe
dichotomiseren naar 1 EN 2. Vergeet weight cases niet definiëren de data zijn ingeven (heel belangrijk voor de output anders
via DATA daarna zeker weer resetten anders heeft het — Als de levienstest significant is dan wordt gekeken bij equal heb je ander cijfers)
een invloed op je volgend data varainces not assumed!! (de t- en sig van onesided noteren) • Mag ook gebruikt worden als de algemene F-waarde NIET
— Als de L.T niet significant is dan wordt gekeken bij equal significant is (ANOVA)
variance assumed. • Kan ook gebruikt worden bij een signifcante Levene’s test →
à dus alstijd het omgekeerde: heel belangrijk voor de interpretatie equal variances notassumed
1
, • P-waarde tussen 0,05 en 0,10 spreken we van trend tot • P-waarde altijd delen door 2 bij contrasten omdat er een
significantie hypothese wordt opgesteld.
Besluit vormen
• Kijk terug naar naar het gemiddelde van de variabelen om je
besluit te vormen.
• Voorbeeld van formuleren: het gemiddelde van man bedraagt…
Kappa: Non-parametrische toest Wat noteren van de output
• Mate van overeenkomst bij categorische Kruskal wallis test • Gemiddelde en SD van de verschillende groepen
variabelen • Bestaat uit drie onafhankelijk groepen • F- & p-waarde van de Levene’s test + interpretatie
à IN SPSS Analyze > Descriptive Statistics > Crosstabs • Kwantitatieve en kwalitative variabele • Juiste t- & p-waarde + interpretatie
→‘Kappa’ aanklikken bij Statistics • Spss= k independent samples • Interpretatie/besluit in woorden
→0.40-0.70 is acceptabele overeenkomst, >0.70 is goede Wat noteren van de ouput
overeenkomst • Z-waarde noteren
• P-waarde noteren
• Mean ranks moet genoteerd worden
-à Note!!!! Indien p-waarde van kruskal wallis significant is -à
zoeken naar het verschil via mann-whtney (2 independent samples)
Chikwaadraat non-parametrisch De bonferoni correctie Kruskal wallis test(non-parametrische)
à in spss: Analyze > Non-parametric tests > Legacy
dialogs > Chi-square P-waarde delen door de aantal keer dat we de mann-whitney gaan • Bestaat uit drie onafhankelijk groepen
uitvoeren. Dus als je bijvoorbeeld 3 keer de mann-whitney gaat • Kwantitatieve en kwalitatieve variabele
uitvoeren, deel je 3 door de p-waarde ( O,05/3). Deze p-waarde • Spss= k independent samples
gebruikt je verder om je besleuit te vormen. Wat noteren bij output
• Kruskal-waliis waarde
• P-waarde
• Mean ranks per groep
• Besluit in woorden
2
