ONE SAMPLE T-TEST
Analyze – Compare means – One sample t-test
μ (van HA) invullen bij testvalue.
Voorwaarden: N ≥ 30 of normaal verdeeld
Hypothese
H0: mhu = 0
HA: Éénzijdig of tweezijdig? zie hypothes: >/< of ≠
Belangrijk om juiste sig-waarde af te lezen in de output!
Wanneer éénzijdige hypothese: contradictorische score?
Als je gemiddelden tegengesteld zijn aan wat je verwacht (hypothesen) moet je: 1 – p-waarde doen.
(bv. Je verwacht dat mhu > 24 en komt een mhu uit van 20)
Conclusie: t(df)= …, p= ….
Opmerking: wanneer p-waarde = 1 APA: p > alfa
Opmerking: indien n< 30 KS-toets uitvoeren om normaliteit na te gaan
Non-paramatic -> legacy dialog -> 1-sample KS
H0 = normaal verdeeld
Ha=niet normaal verdeeld
D=…, p=…
Opmerking: alfa niet vergeten aan te passen
Opmerking: t-waarde altijd positief vermelden
Opmerking: indien je een zeer grote p-waarde hebt (bv 0.999) dan noteer je p>alfa en indien je een
zeer kleine p-waarde hebt die zeer klein is (bv <0,001) dan neem je het gewoon over dus p<0,001
Opmerking: geen non-parametrische test -> oefening stopt als voorwaarde niet voldaan zijn
1
, ONGEPAARDE/ INDEPENDENT T-TEST
Analyse – Compare means – independent samples t-test
Test variabele (WAT?), grouping variabele (WIE?) (+ define groups!)
Voorwaarde: beide steekproeven normaal verdeeld of n>=30
Opmerking: indien n< 30 KS-toets uitvoeren om normaliteit na te gaan
Non-paramatic -> legacy dialog -> 1-sample KS
H0 = normaal verdeeld
Ha=niet normaal verdeeld
D=…, p=…
Hypothese
H0: mhu1 – mhu 2 = 0
Ha= mhu 1 – mhu 2 >/< of ≠
LEVENE (gaat spreiding na en zegt welke lijn je moet nemen):
Als Levene: p > alfa dan bovenste lijn (gelijke varianties)
Als Levene: p < alfa dan onderste lijn (ongelijke varianties)
Ge moet die Levenes test altijd rapporteren:
Levene’s test toont aan dat er een significant verschil is tussen de varianties (F(df1,df2)= …,
p<.001)
Levene’s test toont aan dat er geen significant verschil is tussen de varianties (F(df1,df2)= …,
p>alfa)
Wanneer éénzijdige hypothese: contradictorische score?
Als je gemiddelden tegengesteld zijn aan wat je verwacht (hypothesen) moet je: 1 – p-waarde doen.
Conclusie: t(df)= …, p= ….
Opmerking: wanneer p-waarde = 1 APA: p > alfa
Opmerking: Wilcoxon als alternatieve als voorwaarde niet voldaan zijn
Maar ook een voorwaarde: N>= 10
2
Analyze – Compare means – One sample t-test
μ (van HA) invullen bij testvalue.
Voorwaarden: N ≥ 30 of normaal verdeeld
Hypothese
H0: mhu = 0
HA: Éénzijdig of tweezijdig? zie hypothes: >/< of ≠
Belangrijk om juiste sig-waarde af te lezen in de output!
Wanneer éénzijdige hypothese: contradictorische score?
Als je gemiddelden tegengesteld zijn aan wat je verwacht (hypothesen) moet je: 1 – p-waarde doen.
(bv. Je verwacht dat mhu > 24 en komt een mhu uit van 20)
Conclusie: t(df)= …, p= ….
Opmerking: wanneer p-waarde = 1 APA: p > alfa
Opmerking: indien n< 30 KS-toets uitvoeren om normaliteit na te gaan
Non-paramatic -> legacy dialog -> 1-sample KS
H0 = normaal verdeeld
Ha=niet normaal verdeeld
D=…, p=…
Opmerking: alfa niet vergeten aan te passen
Opmerking: t-waarde altijd positief vermelden
Opmerking: indien je een zeer grote p-waarde hebt (bv 0.999) dan noteer je p>alfa en indien je een
zeer kleine p-waarde hebt die zeer klein is (bv <0,001) dan neem je het gewoon over dus p<0,001
Opmerking: geen non-parametrische test -> oefening stopt als voorwaarde niet voldaan zijn
1
, ONGEPAARDE/ INDEPENDENT T-TEST
Analyse – Compare means – independent samples t-test
Test variabele (WAT?), grouping variabele (WIE?) (+ define groups!)
Voorwaarde: beide steekproeven normaal verdeeld of n>=30
Opmerking: indien n< 30 KS-toets uitvoeren om normaliteit na te gaan
Non-paramatic -> legacy dialog -> 1-sample KS
H0 = normaal verdeeld
Ha=niet normaal verdeeld
D=…, p=…
Hypothese
H0: mhu1 – mhu 2 = 0
Ha= mhu 1 – mhu 2 >/< of ≠
LEVENE (gaat spreiding na en zegt welke lijn je moet nemen):
Als Levene: p > alfa dan bovenste lijn (gelijke varianties)
Als Levene: p < alfa dan onderste lijn (ongelijke varianties)
Ge moet die Levenes test altijd rapporteren:
Levene’s test toont aan dat er een significant verschil is tussen de varianties (F(df1,df2)= …,
p<.001)
Levene’s test toont aan dat er geen significant verschil is tussen de varianties (F(df1,df2)= …,
p>alfa)
Wanneer éénzijdige hypothese: contradictorische score?
Als je gemiddelden tegengesteld zijn aan wat je verwacht (hypothesen) moet je: 1 – p-waarde doen.
Conclusie: t(df)= …, p= ….
Opmerking: wanneer p-waarde = 1 APA: p > alfa
Opmerking: Wilcoxon als alternatieve als voorwaarde niet voldaan zijn
Maar ook een voorwaarde: N>= 10
2
