WPO6: Repeated Measures en Mixed Design ANOVA
Oefening 1: Bushtucker data (adaptatie uit Field, discovering statistics)
Voor een spelprogramma in Australië moesten 8 lokale beroemdheden voor een eetproef enkele
typisch Australische ‘delicatessen’ weten op te eten. Op het menu stonden een wandelende tak, een
oog van een grote inheemse vissoort, een kangoeroetestikel en een dikke witte larve.
Hoe sterk de kandidaten zich ook hielden, op een bepaald punt moesten ze toch kokhalzen. Een
onderzoeker wil nagaan welk type ‘delicatesse’ nu net het snelste een kokhalsreflex oproept en
registreerde hiervoor bij alle kandidaten de tijd tot ze (voor de eerste keer) moesten kokhalzen. De
data vind je hieronder, alsook op Canvas. Let op: er zijn twee formaten: wide en long. Hieronder zie
je de wijde versie van de data met wat extra gemiddeldes per rij/kolom.
➔ Tijd dat ze voor het eerst moesten kokhalzen = ratio
1
,Leerdoelen
1. Weten welk formaat van datafile (wide vs long) SPSS/R vereist om analyses correct te kunnen
uitvoeren
Uitleg:
Wanneer je data analyseert in SPSS of R, is het formaat van je dataset erg belangrijk. Er zijn twee
veelvoorkomende formaten:
• Wide format (breed formaat):
o Elke rij stelt één case/deelnemer voor.
o Elke kolom bevat een meting voor een specifieke conditie of tijdstip.
o → Geschikt voor analyses zoals gepaarde t-toetsen of herhaalde metingen ANOVA
in SPSS.
Long format (lang formaat):
• Elke rij is een afzonderlijke observatie.
• Er zijn aparte kolommen voor deelnemer-ID, conditie, en score.
• → Dit formaat is nodig voor mixed models of herhaalde metingen in R (bijv. met lme4).
Conclusie:
In SPSS gebruik je vaak wide format voor klassieke analyses zoals ANOVA met herhaalde metingen.
2
, 2. De student kan achterhalen welk type contrast nodig is om de hypothese te kunnen
beantwoorden
Uitleg:
Wanneer je een ANOVA uitvoert en een significant effect vindt, zegt dat alleen dat er een verschil is
tussen groepen — maar niet waar dat verschil zit. Om specifieke hypothesen te testen, gebruik je
contrasten.
Er zijn verschillende soorten contrasten, afhankelijk van je hypothese:
1. Deviation Contrast
Wat doet het?
Vergelijkt elke groep met het totaalgemiddelde van alle groepen.
Wanneer gebruiken?
Als je wil weten welke specifieke groep afwijkt van het algemeen gemiddelde.
Voorbeeld:
Stel je hebt 3 groepen: A, B, C. Je wil weten of één groep significant anders is dan het gemiddelde
van alle drie.
2. Simple Contrast
Wat doet het?
Vergelijkt elke groep met een referentiegroep (meestal de eerste of laatste groep, afhankelijk van je
keuze).
Wanneer gebruiken?
Als je een specifieke groep als baseline beschouwt en wil vergelijken met de andere groepen.
Voorbeeld:
Groep A is de controle, groepen B en C zijn behandelingen. Je vergelijkt B en C afzonderlijk met A.
3. Difference Contrast (soms ook “Reverse Helmert” genoemd)
Wat doet het?
Vergelijkt elke groep met het gemiddelde van alle voorgaande groepen.
Wanneer gebruiken?
Als je een stapsgewijze evolutie verwacht, maar in omgekeerde richting van Helmert.
Voorbeeld:
Groep C wordt vergeleken met gemiddeld van A en B, groep B met A, enz.
3
, 4. Helmert Contrast
Wat doet het?
Vergelijkt elke groep met het gemiddelde van de daaropvolgende groepen.
Wanneer gebruiken?
Bij geordende condities, waarbij je verwacht dat latere groepen systematisch verschillen van
eerdere.
Voorbeeld:
Vergelijk groep A met het gemiddelde van B en C, dan groep B met C.
5. Repeated Contrast
Wat doet het?
Vergelijkt opeenvolgende groepen met elkaar.
Wanneer gebruiken?
Ideaal voor herhaalde metingen of wanneer groepen een natuurlijke volgorde hebben (bijv.
tijdstippen, oplopende dosis).
Voorbeeld:
Groep B wordt vergeleken met A, C met B, D met C, enz.
6. Polynomial Contrast
Wat doet het?
Test of er een lineair, kwadratisch, cubisch, … patroon is over de groepen.
Wanneer gebruiken?
Als je condities een numerieke ordening hebben (bijv. dosisniveau 1-2-3-4), en je wil nagaan of er
een systematisch verloop is.
Voorbeeld:
Je onderzoekt of de prestatie lineair stijgt, of dat er een omgekeerde U-vorm is (kwadratisch effect)
Conclusie:
• Je moet je hypothese vertalen naar het juiste type contrast.
• In SPSS kun je dit instellen bij “Contrasts” in het ANOVA-menu.
• Als je bv. wil weten of groep A verschilt van groep B en C samen, gebruik je een custom
contrast met gewichten zoals [1, -0.5, -0.5].
4
Oefening 1: Bushtucker data (adaptatie uit Field, discovering statistics)
Voor een spelprogramma in Australië moesten 8 lokale beroemdheden voor een eetproef enkele
typisch Australische ‘delicatessen’ weten op te eten. Op het menu stonden een wandelende tak, een
oog van een grote inheemse vissoort, een kangoeroetestikel en een dikke witte larve.
Hoe sterk de kandidaten zich ook hielden, op een bepaald punt moesten ze toch kokhalzen. Een
onderzoeker wil nagaan welk type ‘delicatesse’ nu net het snelste een kokhalsreflex oproept en
registreerde hiervoor bij alle kandidaten de tijd tot ze (voor de eerste keer) moesten kokhalzen. De
data vind je hieronder, alsook op Canvas. Let op: er zijn twee formaten: wide en long. Hieronder zie
je de wijde versie van de data met wat extra gemiddeldes per rij/kolom.
➔ Tijd dat ze voor het eerst moesten kokhalzen = ratio
1
,Leerdoelen
1. Weten welk formaat van datafile (wide vs long) SPSS/R vereist om analyses correct te kunnen
uitvoeren
Uitleg:
Wanneer je data analyseert in SPSS of R, is het formaat van je dataset erg belangrijk. Er zijn twee
veelvoorkomende formaten:
• Wide format (breed formaat):
o Elke rij stelt één case/deelnemer voor.
o Elke kolom bevat een meting voor een specifieke conditie of tijdstip.
o → Geschikt voor analyses zoals gepaarde t-toetsen of herhaalde metingen ANOVA
in SPSS.
Long format (lang formaat):
• Elke rij is een afzonderlijke observatie.
• Er zijn aparte kolommen voor deelnemer-ID, conditie, en score.
• → Dit formaat is nodig voor mixed models of herhaalde metingen in R (bijv. met lme4).
Conclusie:
In SPSS gebruik je vaak wide format voor klassieke analyses zoals ANOVA met herhaalde metingen.
2
, 2. De student kan achterhalen welk type contrast nodig is om de hypothese te kunnen
beantwoorden
Uitleg:
Wanneer je een ANOVA uitvoert en een significant effect vindt, zegt dat alleen dat er een verschil is
tussen groepen — maar niet waar dat verschil zit. Om specifieke hypothesen te testen, gebruik je
contrasten.
Er zijn verschillende soorten contrasten, afhankelijk van je hypothese:
1. Deviation Contrast
Wat doet het?
Vergelijkt elke groep met het totaalgemiddelde van alle groepen.
Wanneer gebruiken?
Als je wil weten welke specifieke groep afwijkt van het algemeen gemiddelde.
Voorbeeld:
Stel je hebt 3 groepen: A, B, C. Je wil weten of één groep significant anders is dan het gemiddelde
van alle drie.
2. Simple Contrast
Wat doet het?
Vergelijkt elke groep met een referentiegroep (meestal de eerste of laatste groep, afhankelijk van je
keuze).
Wanneer gebruiken?
Als je een specifieke groep als baseline beschouwt en wil vergelijken met de andere groepen.
Voorbeeld:
Groep A is de controle, groepen B en C zijn behandelingen. Je vergelijkt B en C afzonderlijk met A.
3. Difference Contrast (soms ook “Reverse Helmert” genoemd)
Wat doet het?
Vergelijkt elke groep met het gemiddelde van alle voorgaande groepen.
Wanneer gebruiken?
Als je een stapsgewijze evolutie verwacht, maar in omgekeerde richting van Helmert.
Voorbeeld:
Groep C wordt vergeleken met gemiddeld van A en B, groep B met A, enz.
3
, 4. Helmert Contrast
Wat doet het?
Vergelijkt elke groep met het gemiddelde van de daaropvolgende groepen.
Wanneer gebruiken?
Bij geordende condities, waarbij je verwacht dat latere groepen systematisch verschillen van
eerdere.
Voorbeeld:
Vergelijk groep A met het gemiddelde van B en C, dan groep B met C.
5. Repeated Contrast
Wat doet het?
Vergelijkt opeenvolgende groepen met elkaar.
Wanneer gebruiken?
Ideaal voor herhaalde metingen of wanneer groepen een natuurlijke volgorde hebben (bijv.
tijdstippen, oplopende dosis).
Voorbeeld:
Groep B wordt vergeleken met A, C met B, D met C, enz.
6. Polynomial Contrast
Wat doet het?
Test of er een lineair, kwadratisch, cubisch, … patroon is over de groepen.
Wanneer gebruiken?
Als je condities een numerieke ordening hebben (bijv. dosisniveau 1-2-3-4), en je wil nagaan of er
een systematisch verloop is.
Voorbeeld:
Je onderzoekt of de prestatie lineair stijgt, of dat er een omgekeerde U-vorm is (kwadratisch effect)
Conclusie:
• Je moet je hypothese vertalen naar het juiste type contrast.
• In SPSS kun je dit instellen bij “Contrasts” in het ANOVA-menu.
• Als je bv. wil weten of groep A verschilt van groep B en C samen, gebruik je een custom
contrast met gewichten zoals [1, -0.5, -0.5].
4
