OEFENINGEN: TWO-WAY ANOVA’S
1. Een onderzoeker meet het fitheidsniveau (= Laag of Matig, Hoog) van 20
jongens (J) en meisjes (M) tussen 14 en 18 jaar, alsook de mate waarin deze
jongeren zich kunnen focussen op een concentratietest (= score op 100: hoe
hoger de score, hoe beter de concentratie). Is de concentratie van deze
jongeren afhankelijk van geslacht en fitheid?
L L M M L H H M M L L H L H L M M L H L
J M M J M J J J M M J J M M M J M J M M
88 43 98 67 85 67 72 60 84 71 89 84 86 88 79 60 83 85 89 90
AV= concentratie score
OV1= geslacht (2 niveaus: j VS m)
OV2= fitheid (3 niveaus: laag, matig en hoog)
Two-way (2x3) ANOVA
Hoofdeffect 1: geslacht
H0: Er is geen verschil in concentratietest naar gelang geslacht los van fitheidsniveau
Ha: Er is wel een verschil in concentratietest naar gelang geslacht los van fitheidsniveau
(geslacht bestaat uit 2 groepen (drm: er is wel een verschil, en NIET er is minstens 1
verschil!!) -> geen post hoc maar rechtstreeks gem interpreteren)
Hoofdeffect 2: fitheid
H0: Er is geen verschil in concentratietest naar gelang fitheidsniveau los van geslacht
Ha: Er is min. 1 verschil in concentratietest naar gelang fitheidsniveau los van geslacht
(fitheid bestaat uit 3 niveaus)
Interactie effect: geslacht & fitheidsniveau
H0: het verschil in concentratiescore naargelang fitheidsniveau is niet afhankelijk van
geslacht (zelfde voor mannen en vrouwen)
Ha: het verschil in concentratiescore naargelang fitheidsniveau is wel afhankelijk van
geslacht (verschillend voor mannen en vrouwen)
‘het verschil in (AV) naargelang (ENE FACTOR) is niet/wel afh v (ANDERE FACTOR)
Ook opm: hoe weet je welke factor je eerst moet schrijven daarin? de factor met het minst
aantal onderverdelingen moet vanachter!!
SPSS: Analyze, General linear model univariaat (want maar 1 AV = concentratiescore)
Dependent var: concentratie score
Fixed Factor(s): geslacht en fitheid
Options: Descriptive statistics en levene’s (want univariaat)
Plots (omdat 2 factoren): X-as/horizontale: fitheid (3 niveaus = meeste) EN separate lines:
geslacht (2 niveaus) + ADD!
Post hoc (indien factor uit min 3 niveaus: fitheid): tukey (univariaat)
, Levene’s: Based on mean F= 1,771 en p= 0,184 Niet sign op 0,01 EVA
Test of betweens subjects effects = ANOVA
IE (geslacht en fitheid): F= 4,961 en p = 0,024 sign: H0 verwerpen en Ha aanvaarden
Conclusie: het verschil in concentratiescore naargelang fitheidsniveau is wel afhankelijk van
geslacht (verschillend voor mannen en vrouwen)
Significant DUS 2 vervolg acties: plot + split file
Eerst F en P waarden van beide hoofdeffecten noteren:
- HE geslacht: F = 3, 099 en p = 0,100 niet sign
- HE fitheid: F= 0,587 en p = 0,569 niet sign
Conc-score
fitheid
Plot? verwachting = lijnen lopen naar elkaar toe of kruisen, want IE = sign
Schets (lijnen en assen benoemen!!!)
Lijnen kruisen: hoofdeffecten zijn niet langer zinvol te interpreteren
Split file? Data, split file, organize output by groups groups based on: geslacht (apart
output m VS v)
SPSS: zelfde als daarnet (analyse, general lineair models, univariate, … geslacht
nu uit fixed factor(s) halen
Plots: fitheid toevoegen bij seperate plots
1. Een onderzoeker meet het fitheidsniveau (= Laag of Matig, Hoog) van 20
jongens (J) en meisjes (M) tussen 14 en 18 jaar, alsook de mate waarin deze
jongeren zich kunnen focussen op een concentratietest (= score op 100: hoe
hoger de score, hoe beter de concentratie). Is de concentratie van deze
jongeren afhankelijk van geslacht en fitheid?
L L M M L H H M M L L H L H L M M L H L
J M M J M J J J M M J J M M M J M J M M
88 43 98 67 85 67 72 60 84 71 89 84 86 88 79 60 83 85 89 90
AV= concentratie score
OV1= geslacht (2 niveaus: j VS m)
OV2= fitheid (3 niveaus: laag, matig en hoog)
Two-way (2x3) ANOVA
Hoofdeffect 1: geslacht
H0: Er is geen verschil in concentratietest naar gelang geslacht los van fitheidsniveau
Ha: Er is wel een verschil in concentratietest naar gelang geslacht los van fitheidsniveau
(geslacht bestaat uit 2 groepen (drm: er is wel een verschil, en NIET er is minstens 1
verschil!!) -> geen post hoc maar rechtstreeks gem interpreteren)
Hoofdeffect 2: fitheid
H0: Er is geen verschil in concentratietest naar gelang fitheidsniveau los van geslacht
Ha: Er is min. 1 verschil in concentratietest naar gelang fitheidsniveau los van geslacht
(fitheid bestaat uit 3 niveaus)
Interactie effect: geslacht & fitheidsniveau
H0: het verschil in concentratiescore naargelang fitheidsniveau is niet afhankelijk van
geslacht (zelfde voor mannen en vrouwen)
Ha: het verschil in concentratiescore naargelang fitheidsniveau is wel afhankelijk van
geslacht (verschillend voor mannen en vrouwen)
‘het verschil in (AV) naargelang (ENE FACTOR) is niet/wel afh v (ANDERE FACTOR)
Ook opm: hoe weet je welke factor je eerst moet schrijven daarin? de factor met het minst
aantal onderverdelingen moet vanachter!!
SPSS: Analyze, General linear model univariaat (want maar 1 AV = concentratiescore)
Dependent var: concentratie score
Fixed Factor(s): geslacht en fitheid
Options: Descriptive statistics en levene’s (want univariaat)
Plots (omdat 2 factoren): X-as/horizontale: fitheid (3 niveaus = meeste) EN separate lines:
geslacht (2 niveaus) + ADD!
Post hoc (indien factor uit min 3 niveaus: fitheid): tukey (univariaat)
, Levene’s: Based on mean F= 1,771 en p= 0,184 Niet sign op 0,01 EVA
Test of betweens subjects effects = ANOVA
IE (geslacht en fitheid): F= 4,961 en p = 0,024 sign: H0 verwerpen en Ha aanvaarden
Conclusie: het verschil in concentratiescore naargelang fitheidsniveau is wel afhankelijk van
geslacht (verschillend voor mannen en vrouwen)
Significant DUS 2 vervolg acties: plot + split file
Eerst F en P waarden van beide hoofdeffecten noteren:
- HE geslacht: F = 3, 099 en p = 0,100 niet sign
- HE fitheid: F= 0,587 en p = 0,569 niet sign
Conc-score
fitheid
Plot? verwachting = lijnen lopen naar elkaar toe of kruisen, want IE = sign
Schets (lijnen en assen benoemen!!!)
Lijnen kruisen: hoofdeffecten zijn niet langer zinvol te interpreteren
Split file? Data, split file, organize output by groups groups based on: geslacht (apart
output m VS v)
SPSS: zelfde als daarnet (analyse, general lineair models, univariate, … geslacht
nu uit fixed factor(s) halen
Plots: fitheid toevoegen bij seperate plots