Overzicht R commando’s
Psychometrie:
Week 1:
# Dataset omzetten naar een dataframe
Naam_dataframe <- data.frame(naam_dataset)
# De somscore van de rijen van de dataset berekenen
rowSums(naam_dataframe)
o Dit geeft dus iemands totaalscore op de test. Dit is een optelsom van de scores per item voor die persoon.
o Wordt ook wel de schaalscore genoemd.
o Handig als er geen waardes voor items ontbreken.
o Handig als de totale score van iemand op de test waardevolle betekenis heeft, zoals op een toets.
o De waarde hangt af van het aantal items.
o VB: rowSums(naam_dataframe[ , c(“item1”, “item2”, “item3”)])
# De somscore van de kolommen van de dataset berekenen
colSums(naam_dataframe)
# De gemiddelde somscore van de rijen van de dataset berekenen
rowMeans(naam_dataframe)
o Dit geeft dus de gemiddelde score die iemand heeft gehaald op de test. Het is het gemiddelde van iemands score
op de items.
o Wordt ook wel de schaalscore genoemd.
o Handig als er ontbrekende waardes zijn voor bepaalde items.
o De waarde hangt af van de schaal van de test.
o VB: rowMeans(naam_dataframe[ , c(“item1”, “item2”, “item3”)])
# De gemiddelde somscore van de kolommen van de dataset berekenen
colMeans(naam_dataframe)
# De z-scores berekenen
scale(naam_variabele)
# Gebruik je bij het uitrekenen van percentielscores
rank(naam_variabele)
o Het geeft een ranking voor elk element van een object.
# Beschrijvende statistieken van een variabele weergeven
summary(naam_variabele)
# Standaarddeviatie berekenen
sd(naam_variabele)
, # Standaarddeviatie van meerdere items uit één object in één keer berekenen
sapply(naam_variabele, sd)
# Dubbele scores verwijderen uit je dataset/variabele
unique(naam_variabele)
# Ordenen
order(naam_variabele)
# Histogram maken
hist(naam_variabele)
# Normtabel maken
# Dataframe maken
Naam_dataframe <- data.frame(naam_dataset)
o Je maakt van de dataset een dataframe zodat je er mee kan rekenen
# Schaalscore berekenen
Naam_schaalscore <- rowSums(naam_dataframe)
o Je berekend de schaalscore voor de dataframe, dit kan zowel de rowSums zijn als de rowMeans. Welke je kiest
hangt af van of het in de vraag staat of wat voor test het is.
# Of
Naam_schaalscore <- rowMeans(naam_dataframe)
o Je berekend de schaalscore voor de dataframe, dit kan zowel de rowSums zijn als de rowMeans. Welke je kiest
hangt af van of het in de vraag staat of wat voor test het is.
# Normscores berekenen:
# Normscore; Z-score:
z_norm_score <- scale (naam_schaalscore)
o Door hier de schaalscore te gebruiken wordt in de z-score formule (X-mu)/sd het totale gemiddelde van de
steekproef afgehaald van mensen hun individuele schaalscore, in plaats van alle losse item scores. Zo krijg je per
persoon/observatie één z-score.
o Z-score met een gemiddelde van 0 en een sd van 1
# Normscore; T-score:
t_norm_score <- 10 * z_norm_score + 50
o T-score met een gemiddelde van 50 en een sd van 10.
# Normscore; Percentile score:
percentile_norm_score <- round(100 * rank(naam_schaalscore) / length(naam_schaalscore), 0)
Psychometrie:
Week 1:
# Dataset omzetten naar een dataframe
Naam_dataframe <- data.frame(naam_dataset)
# De somscore van de rijen van de dataset berekenen
rowSums(naam_dataframe)
o Dit geeft dus iemands totaalscore op de test. Dit is een optelsom van de scores per item voor die persoon.
o Wordt ook wel de schaalscore genoemd.
o Handig als er geen waardes voor items ontbreken.
o Handig als de totale score van iemand op de test waardevolle betekenis heeft, zoals op een toets.
o De waarde hangt af van het aantal items.
o VB: rowSums(naam_dataframe[ , c(“item1”, “item2”, “item3”)])
# De somscore van de kolommen van de dataset berekenen
colSums(naam_dataframe)
# De gemiddelde somscore van de rijen van de dataset berekenen
rowMeans(naam_dataframe)
o Dit geeft dus de gemiddelde score die iemand heeft gehaald op de test. Het is het gemiddelde van iemands score
op de items.
o Wordt ook wel de schaalscore genoemd.
o Handig als er ontbrekende waardes zijn voor bepaalde items.
o De waarde hangt af van de schaal van de test.
o VB: rowMeans(naam_dataframe[ , c(“item1”, “item2”, “item3”)])
# De gemiddelde somscore van de kolommen van de dataset berekenen
colMeans(naam_dataframe)
# De z-scores berekenen
scale(naam_variabele)
# Gebruik je bij het uitrekenen van percentielscores
rank(naam_variabele)
o Het geeft een ranking voor elk element van een object.
# Beschrijvende statistieken van een variabele weergeven
summary(naam_variabele)
# Standaarddeviatie berekenen
sd(naam_variabele)
, # Standaarddeviatie van meerdere items uit één object in één keer berekenen
sapply(naam_variabele, sd)
# Dubbele scores verwijderen uit je dataset/variabele
unique(naam_variabele)
# Ordenen
order(naam_variabele)
# Histogram maken
hist(naam_variabele)
# Normtabel maken
# Dataframe maken
Naam_dataframe <- data.frame(naam_dataset)
o Je maakt van de dataset een dataframe zodat je er mee kan rekenen
# Schaalscore berekenen
Naam_schaalscore <- rowSums(naam_dataframe)
o Je berekend de schaalscore voor de dataframe, dit kan zowel de rowSums zijn als de rowMeans. Welke je kiest
hangt af van of het in de vraag staat of wat voor test het is.
# Of
Naam_schaalscore <- rowMeans(naam_dataframe)
o Je berekend de schaalscore voor de dataframe, dit kan zowel de rowSums zijn als de rowMeans. Welke je kiest
hangt af van of het in de vraag staat of wat voor test het is.
# Normscores berekenen:
# Normscore; Z-score:
z_norm_score <- scale (naam_schaalscore)
o Door hier de schaalscore te gebruiken wordt in de z-score formule (X-mu)/sd het totale gemiddelde van de
steekproef afgehaald van mensen hun individuele schaalscore, in plaats van alle losse item scores. Zo krijg je per
persoon/observatie één z-score.
o Z-score met een gemiddelde van 0 en een sd van 1
# Normscore; T-score:
t_norm_score <- 10 * z_norm_score + 50
o T-score met een gemiddelde van 50 en een sd van 10.
# Normscore; Percentile score:
percentile_norm_score <- round(100 * rank(naam_schaalscore) / length(naam_schaalscore), 0)
