Samenvatting Aanvullende statistiek: Uitgewerkte oefeningen SPSS les 1

HERHALINGSOEFENINGEN in SPSS
1. a) Een onderzoeker wil nagaan of het aantal uren dat een student LO heeft
gehad in het secundair onderwijs (aantal uren per week overheen de
laatste 3 jaar) en het aantal uren/week sport in de vrije tijd (gedurende het
voorbije jaar) voorspellers zijn van de sportpraktijkscores in eerste Bachelor
LOBW. De sportpraktijkscores zijn een gemiddelde score op 10.

AV = scores sport
OV = voorspellers = aantal u sport en aantal u LO
 meervoudige lineaire regressie
H0: geen enkele OV voorspeld de AV
H1: minstens 1 OV voorspeld de AV
Alfa = 0,05
Scatterplot -> min of meer lineair verband
Correlatie tss voorspellers (OV’s onderling) -> analyse correlate bivariate
 r = 0,486 & p = 0,030  geen multicolinairiteit dus beide OV’s opnemen
Regressie  analyse regressie lineair (depen. is y en er onder beide xen)

Anova: F = 26,028 & P < 0,01 = sign  Ha aanvaarden en H0 verwerpen
Conclusie: min 1 predictor is een goede voorspeller van de AV
Adj R2 = 72,5% van de variantie in de AV wordt voorspeld door de predictoren
(OV’s) u sport en u LO

Regressie vergelijking noteren y= 2,351 + 0,435 uren LO + 0,340 uren sport

3 zaken per predictor: t, p en Bèta
 Uren LO = sign -> teken bèta = positieve voorspeller
 Uren sport = sign

Conclusie: beide zijn sign positieve voorspeller, hoe meer uren LO of hoe meer uren
sport hoe hoger de scores op sport zullen. Aantal u LO in middelbaar is sterkste
voorspeller

b) Bovendien wil de onderzoeker nagaan of er een verschil is in gemiddelde
score op sportpraktijk in eerste Bachelor LOBW tussen jongens en meisjes.

Student 1 2 3 4 5 6 7 8 9 10
Uren LO 6 8 7 5 2 0 10 5 6 9
Sport 2 4 8 3 2 1 6 2 1 2
Scores 7 7 8 7 4 5 9 4 5 8
Geslacht M J J M M M J J M J
Student 11 12 13 14 15 16 17 18 19 20
Uren LO 8 8 10 5 2 4 3 1 6 9
Sport 1 3 3 2 1 2 1 1 4 2
Scores 7 6 8 5 3 4 3 2 6 6
Geslacht J M J J M M J M J J

, AV= score op sportpraktijk
OV= geslacht  2 niveaus
Independent sample t test
H0: geen verschil in score sportpraktijk tss jongens en meisjes
Ha: er is wel een verschil

SPSS: analyse compare means independent sample t test -> test variabele = score
sport & groep var = geslacht (1 = meisjes & 2 jongens) -> groepen definiëren

Meisjes: gem + SD
Jongens: gem + SD

Levene’s: F = 0,113 & p= 0,740 = niet sign -> EVA: t = -2,073 en p= 0,053 (een
verschil = 2 zijdig) = niet sig -> H0 niet verwerpen en Ha niet aanvaarden

Conclusie: geen sign verschil tss score sportpraktijk tss jongens en meisjes


2. Hieronder de gegevens van 60 proefpersonen. Is er een relatie tussen
nationaliteit (1= Belg, 2 = Europeaan (niet-Belg), 3 = niet-Europeaan) en de
prestatie op een looptest (1 = laag, 2 = normaal, 3 = hoog)?

nat prestatie nat prestatie nat prestatie nat prestatie
3 3 2 2 3 1 2 2
2 1 1 2 2 2 1 2
3 3 1 2 2 3 3 2
3 1 2 2 1 1 2 3
3 3 2 1 3 1 2 2
2 2 3 3 2 2 3 3
2 3 3 1 3 3 3 2
3 1 1 3 3 3 1 2
2 2 2 2 2 2 2 1
1 2 3 1 2 3 3 1
3 1 1 2 3 3 3 1
2 2 2 2 1 2 2 2
3 1 3 3 2 1 3 2
2 2 2 2 1 3 2 2
3 3 3 2 3 3 3 2


2 kwal var: nat (3 groepen) en prestatie (3 niveaus)
chi2
H0: geen verband tss nationaliteit en prestatie op een looptest
Ha: er is wel een verband

SPSS: analyse descriptive statistics cross tabs -> 2 kwal var ingeven maakt niet uit
welke volgorde
Statistics: chi 2
Cells: observed expect row colum total