Bijeenkomst 1
Computing a new variable
1. Een nieuwe variabele met alleen ronde nummers
a. Function group → All → Rnd(1)
2. Een nieuwe variabele die het verschil is van 2 andere variabelen
a. De twee variabelen invoeren met een min-teken ertussen
Transform → Compute
Frequency table
Analyze → Descriptive Statistics → Frequencies
Recoding a variable
Hercoderen van een categorische variabele zodat deze minder categorieën heeft
Transform → Recode into different variables
*Nooit in dezelfde variabelen doen!
Eerst bij variable view kijken hoeveel categorieën er zijn. Je moet ook kijken of er iets
staat bij ‘missing’. Dan ga je naar Transform → Recode into different variables en klik je
op ‘System-missing or user missing’ en zorg je dat die weer als nieuwe waarde -99
krijgen. Als je de nieuwe variabele hebt gemaakt, moet je ook nog even in variable view
aangeven wat de nieuwe categorieën zijn van de nieuwe variabele en dat -99 weer als
missende waarde kan worden gezien.
Histogram
Graphs → Legacy Dialogs → Histogram
Kan ook door Graphs → Chart builder
Als je iets wil veranderen, kun je dubbelklikken op de histogram. Als je de bars wil veranderen, kun je
op de bars klikken. Als je een ander interval wil, ga je naar Binning → Custom → Width (om de
breedte aan te passen).
Frequency table met additionele statistiek en histogram
Analyze → Descriptive Statistics → Frequencies
Bij ‘Statistics’ kun je de aanvullende statistieken die je wil zien selecteren. Bij ‘Charts’ kun je
histogram aanklikken.
Explore
Je kunt de explore-functie gebruiken om groepen te vergelijken op bepaalde variabelen
(explorative/descriptive).
Analyze → Descriptive Statistics → Explore
Dependent list: de variabelen die je wil bekijken (bijv. alcoholgebruik, wiskundecijfer).
Factor list: de variabele waarvan je wil weten of er verschillen zijn op de variabelen die je gaat
bekijken (bijv. man en vrouw).
Bij ‘Plots’ kun je kiezen voor een histogram in plaats van een bladsteel diagram.
,Om op basis van de explore functie te zien of een verschil tussen groepen op een variabele niet-
toevallig/significant is, kijk je naar:
1. Std. Error: als het verschil tussen de twee gemiddelden groter is dan de som van de twee
standard errors, is het significant.
2. Betrouwbaarheidsinterval: als de twee betrouwbaarheidsintervallen elkaar niet of nauwelijks
overlappen, is het significant.
Independent samples t-test
Test voor de verschillen tussen gemiddelden van 2 onafhankelijke groepen.
Analyze → Compare Means → Independent Samples T-test
Grouping variable: de groepen die je wil vergelijken (bijv. gender).
➔ Define groups: nog even invullen welke cijfer elke groep is in je dataset (bijv. man heeft een 0
en vrouw heeft een 1).
Test variable: de variabele waarop je de groepen wil vergelijken.
Je kijkt eerst naar Levene’s test.
H0: De variantie is gelijk.
De eerste significantie (Sig.) in de tabel is voor Levene’s test. In dit geval is het niet significant. Je
kunt de nulhypothese dus niet verwerpen. Dus de variantie is gelijk, en je kijkt in de bovenste rij.
Dan kun je naar de tweede significantie (Sig.) kijken in de bovenste rij: die is voor de T-test.
De Levene's test toetst of de varianties in de twee groepen die met elkaar vergeleken worden, gelijk
zijn of niet. De nulhypothese van de Levene's test is: de varianties zijn gelijk. Dit wordt getest met
een F-toets waarvan de toetsingsgrootheid (F) en de p-waarde (Sig.) worden vermeld. De p geeft de
kans dat je zo'n grote F, of een nog grotere, vindt terwijl de nulhypothese van gelijke varianties toch
waar is.
❖ Sig. bij Levene’s van <0.05 → H0 verworpen en ga je uit van ongelijke varianties;
dan lees je verder de onderste regel bij de variabele.
❖ Sig. bij Levene’s van >0.05 → H0 niet verworpen en ga je uit van gelijke varianties.
Dan lees je de bovenste regel bij de variabele.
Paired samples T-test
Test voor verschillen tussen de gemiddelden van 2 gemiddelden die ‘paired’ zijn.
Analyze → Compare Means → Paired Samples T-test
T-testen
1. One sample t-test: analyseren of het gemiddelde van een steekproef significant verschilt van
een bepaalde waarde.
, ◆ bijv. je wilt controleren of chocoladerepen daadwerkelijk gemiddeld 300 gram wegen,
zoals op de verpakking wordt vermeld. Om dit te onderzoeken weeg je 40 repen en
vergelijk je het echte gewicht met wat het zou moeten zijn (300 gram).
◆ Een One-sample t-test dient ervoor om een gevonden groepsgemiddelde te toetsen
tegen een theoretische waarde (die niet altijd 0 hoeft te zijn). Bijvoorbeeld: verschilt
het gemiddelde IQ van jullie groep van het algemeen IQ van 100.
2. Independent samples t-test (ongepaarde t-test): gebruik je om te onderzoeken of twee
steekproefgemiddelden significant van elkaar verschillen.
◆ bijv. je wilt weten of de gemiddelde sprintsnelheid van kinderen uit groep 7 afwijkt van
die van kinderen uit groep 8.
3. Paired samples t-test (gepaarde t-test): twee gemiddelden van gepaarde steekproeven met
elkaar vergelijken. Gepaarde steekproeven zijn afhankelijk van elkaar.
◆ bijv. je meet de lengte van dezelfde personen in 2015 en 2018. Deze waarden zijn
afhankelijk van elkaar (omdat je dezelfde persoon meet), en daarom gebruik je een
paired samples t-test. Wordt soms ook gebruikt bij partners die in dezelfde omgeving
leven en daarom wellicht met elkaar samenhangen.
Computing a new variable
1. Een nieuwe variabele met alleen ronde nummers
a. Function group → All → Rnd(1)
2. Een nieuwe variabele die het verschil is van 2 andere variabelen
a. De twee variabelen invoeren met een min-teken ertussen
Transform → Compute
Frequency table
Analyze → Descriptive Statistics → Frequencies
Recoding a variable
Hercoderen van een categorische variabele zodat deze minder categorieën heeft
Transform → Recode into different variables
*Nooit in dezelfde variabelen doen!
Eerst bij variable view kijken hoeveel categorieën er zijn. Je moet ook kijken of er iets
staat bij ‘missing’. Dan ga je naar Transform → Recode into different variables en klik je
op ‘System-missing or user missing’ en zorg je dat die weer als nieuwe waarde -99
krijgen. Als je de nieuwe variabele hebt gemaakt, moet je ook nog even in variable view
aangeven wat de nieuwe categorieën zijn van de nieuwe variabele en dat -99 weer als
missende waarde kan worden gezien.
Histogram
Graphs → Legacy Dialogs → Histogram
Kan ook door Graphs → Chart builder
Als je iets wil veranderen, kun je dubbelklikken op de histogram. Als je de bars wil veranderen, kun je
op de bars klikken. Als je een ander interval wil, ga je naar Binning → Custom → Width (om de
breedte aan te passen).
Frequency table met additionele statistiek en histogram
Analyze → Descriptive Statistics → Frequencies
Bij ‘Statistics’ kun je de aanvullende statistieken die je wil zien selecteren. Bij ‘Charts’ kun je
histogram aanklikken.
Explore
Je kunt de explore-functie gebruiken om groepen te vergelijken op bepaalde variabelen
(explorative/descriptive).
Analyze → Descriptive Statistics → Explore
Dependent list: de variabelen die je wil bekijken (bijv. alcoholgebruik, wiskundecijfer).
Factor list: de variabele waarvan je wil weten of er verschillen zijn op de variabelen die je gaat
bekijken (bijv. man en vrouw).
Bij ‘Plots’ kun je kiezen voor een histogram in plaats van een bladsteel diagram.
,Om op basis van de explore functie te zien of een verschil tussen groepen op een variabele niet-
toevallig/significant is, kijk je naar:
1. Std. Error: als het verschil tussen de twee gemiddelden groter is dan de som van de twee
standard errors, is het significant.
2. Betrouwbaarheidsinterval: als de twee betrouwbaarheidsintervallen elkaar niet of nauwelijks
overlappen, is het significant.
Independent samples t-test
Test voor de verschillen tussen gemiddelden van 2 onafhankelijke groepen.
Analyze → Compare Means → Independent Samples T-test
Grouping variable: de groepen die je wil vergelijken (bijv. gender).
➔ Define groups: nog even invullen welke cijfer elke groep is in je dataset (bijv. man heeft een 0
en vrouw heeft een 1).
Test variable: de variabele waarop je de groepen wil vergelijken.
Je kijkt eerst naar Levene’s test.
H0: De variantie is gelijk.
De eerste significantie (Sig.) in de tabel is voor Levene’s test. In dit geval is het niet significant. Je
kunt de nulhypothese dus niet verwerpen. Dus de variantie is gelijk, en je kijkt in de bovenste rij.
Dan kun je naar de tweede significantie (Sig.) kijken in de bovenste rij: die is voor de T-test.
De Levene's test toetst of de varianties in de twee groepen die met elkaar vergeleken worden, gelijk
zijn of niet. De nulhypothese van de Levene's test is: de varianties zijn gelijk. Dit wordt getest met
een F-toets waarvan de toetsingsgrootheid (F) en de p-waarde (Sig.) worden vermeld. De p geeft de
kans dat je zo'n grote F, of een nog grotere, vindt terwijl de nulhypothese van gelijke varianties toch
waar is.
❖ Sig. bij Levene’s van <0.05 → H0 verworpen en ga je uit van ongelijke varianties;
dan lees je verder de onderste regel bij de variabele.
❖ Sig. bij Levene’s van >0.05 → H0 niet verworpen en ga je uit van gelijke varianties.
Dan lees je de bovenste regel bij de variabele.
Paired samples T-test
Test voor verschillen tussen de gemiddelden van 2 gemiddelden die ‘paired’ zijn.
Analyze → Compare Means → Paired Samples T-test
T-testen
1. One sample t-test: analyseren of het gemiddelde van een steekproef significant verschilt van
een bepaalde waarde.
, ◆ bijv. je wilt controleren of chocoladerepen daadwerkelijk gemiddeld 300 gram wegen,
zoals op de verpakking wordt vermeld. Om dit te onderzoeken weeg je 40 repen en
vergelijk je het echte gewicht met wat het zou moeten zijn (300 gram).
◆ Een One-sample t-test dient ervoor om een gevonden groepsgemiddelde te toetsen
tegen een theoretische waarde (die niet altijd 0 hoeft te zijn). Bijvoorbeeld: verschilt
het gemiddelde IQ van jullie groep van het algemeen IQ van 100.
2. Independent samples t-test (ongepaarde t-test): gebruik je om te onderzoeken of twee
steekproefgemiddelden significant van elkaar verschillen.
◆ bijv. je wilt weten of de gemiddelde sprintsnelheid van kinderen uit groep 7 afwijkt van
die van kinderen uit groep 8.
3. Paired samples t-test (gepaarde t-test): twee gemiddelden van gepaarde steekproeven met
elkaar vergelijken. Gepaarde steekproeven zijn afhankelijk van elkaar.
◆ bijv. je meet de lengte van dezelfde personen in 2015 en 2018. Deze waarden zijn
afhankelijk van elkaar (omdat je dezelfde persoon meet), en daarom gebruik je een
paired samples t-test. Wordt soms ook gebruikt bij partners die in dezelfde omgeving
leven en daarom wellicht met elkaar samenhangen.
