Begrippen:
α-level: De kans op het maken van een Type I fout (meestal .05).
Aangepast gemiddelde: Bij covariantie is dit de waarde van het groepsgemiddelde als je
aanpast voor het effect van de co-variant.
Aangepaste voorspelde waarde: Meting van invloed van een bepaalde datacase. Voorspelde
waarde van een case volgens het model, geschat zonder dat de case meegenomen is in de data.
Bij een kleine invloed po het model moet de voorspelde waarde ongeveer gelijk zijn ongeacht
of het meegenomen wordt in het model. Het verschil tussen voorspelde waarde case van
model als case meegenomen en weggelaten is, is de DFFit.
Aangepaste r2: Meting verliezen voorspellingspower/shrinkage in regressie. Vertelt ons
hoeveel variantie in de uitkomst verklaard wordt als het model van de populatie genomen zou
worden waaruit de steekproef getrokken is.
Alternatieve hypothese: Voorspelling dat er een effect zal zijn.
Analyse van covariantie: Statistische procedure die F-statistiek gebruikt om de algemene fit
van het lineaire model te meten, waarbij het aanpast voor het effect dat één of meerdere co-
varianten hebben op de uitkomstvariabele. Bij experimenteel onderzoek vaak in termen van
groepsverschillen gedefinieerd, waardoor de ANOVA een algemene test is voor of
groepsgemiddelden verschillen nadat de variantie in de uitkomstvariabele uitgelegd is door
co-varianten is weggenomen.
Analyse van variantie: Statistische procedure die de F-statistiek gebruikt om de algemene fit
van het lineaire model te meten. Bij experimenteel onderzoek vaak in termen van
groepsverschillen gedefinieerd, waardoor de ANOVA een algemene test is voor of
groepsgemiddelden verschillen nadat de variantie in de uitkomstvariabele uitgelegd is door
co-varianten is weggenomen.
ANOVA: Analyse van variantie.
ANCOVA: Analyse van co-variantie.
Autocorrelatie: Wanneer de residuen van twee observaties in een regressiemodel
gecorreleerd zijn.
bi: Ongestandaardiseerde regressiecoëfficiënt. Indiceert de kracht van de relatie tussen een
gegeven voorspeller (i) en de uitkomst in units van metingen van de voorspeller. Het verschil
in de uitkomst verbonden aan de unit verandering in de voorspeller.
βi: Gestandaardiseerde regressiecoëfficiënt. Indiceert de kracht tussen een gegeven
voorspeller (i) en de uitkomst in een gestandaardiseerde vorm. De verandering in uitkomst (in
standaard devianties) verbonden aan één SD verandering in de voorspeller.
β-level: De kans op het maken van een Type II meetfout.
Bar-chart: Grafiek waarin een samenvattingsstatistiek (vaak gemiddelde) geplot wordt op de
y-as tegenover een categorische variabele op de x-as. De waarde van het gemiddelde voor
iedere categorie wordt getoond door een bar. Verschillend gekleurde bars kunnen gebruikt
worden om de levels van een tweede categorische variabele te tonen.
Between-groups design: Onafhankelijk design.
Between-subjects design: Onafhankelijk design.
, Betrouwbaarheidsinterval: De range aan waardes rond de statistiek waarin vernomen wordt
de ware score (populatiewaarde) van die statistiek te vallen, in een bepaalde proportie
steekproeven (95%). Voor de overige proportie steekproeven (5%) zal het
betrouwbaarheidsinterval deze waarde dus niet vangen. Het probleem is dat je niet weet welke
categorie je steekproef onder valt.
Binaire logistieke regressie: Logistieke regressie waarin de uitkomstvariabele precies twee
categorieën heeft.
Binaire variabele: Een categorische variabele die twee elkaar uitsluitende categorieën heeft.
Bivariate correlatie: Correlatie tussen twee variabelen.
Bonferroni correctie: Een correctie voor het α-level om de algemene Type I meetfout rate bij
meerdere significantietests te controleren. Iedere test moet een criteria van significantie van
het α-level gedeeld door het aantal tests hebben. Kan té streng zijn wanneer teveel tests
uitgevoerd zijn.
Bootstrap: Techniek waarvoor de steekproefdistributie van een statistiek geschat wordt door
meerdere steekproeven (met vervanging) van de dataset te nemen. De statistiek waarin we
geïnteresseerd zijn wordt berekend voor iedere steekproef, waaruit de steekproefdistributie
van de statistiek geschat wordt. De standaard meetfout van de statistiek wordt geschat als de
standaard deviantie van de steekproefdistributie gevormd door de bootstrap steekproef.
Hieruit kunnen betrouwbaarheidsintervallen en significantietests berekend worden.
Boxplot: Grafische representatie van belangrijke karakteristieken van een set observaties. In
het midden is de mediaan, die omringt wordt door een box. De boven en onderkant zijn
limieten waarin 50% van de observaties vallen. Buiten de boven en onderkant zijn twee
uitsteeksels die naar de hoogste en laagste extreme scores strekken.
Categorische variabele: Variabele bestaande uit categorieën van objecten/entiteiten.
Continue variabele: Variabele die gemeten kan worden op ieder level van precisie.
Central limit theorem: Wanneer de steekproef groot genoeg is (n>30), zal de
steekproefverdeling ongeveer normaal verdeeld zijn, ongeacht de vorm van de populatie
waaruit de steekproef komt. Bij kleine steekproef is de t-verdeling een betere representatie.
De standaard deviantie van de steekproefverdeling zal gelijk zijn aan de standaard deviantie
van de steekproef gedeeld door de wortel van de steekproefgrootte.
Centreren: Een variabele transformeren in deviaties rond een vaststaand punt, wat iedere
gekozen waarde kan zijn maar vaak het gemiddelde is. Om dit te doen haal je het gemiddelde
van iedere score af.
Chi-square distributie: Een kansdistributie van de sum of squares van verschillende normaal
verdeelde variabelen. Vaak voor hypothesen over categorische data, en om de fit van het
model aan de geobserveerde data te testen.
Cohen’s d: Een effectgrootte die het verschil tussen twee gemiddelden in standaard deviantie
units laat zien.
Compound symmetrie: Wanneer beide varianties over condities gelijk zijn (hetzelfde als
homogeniteit van varianties) en de co-varianties tussen paren condities ook gelijk zijn.
α-level: De kans op het maken van een Type I fout (meestal .05).
Aangepast gemiddelde: Bij covariantie is dit de waarde van het groepsgemiddelde als je
aanpast voor het effect van de co-variant.
Aangepaste voorspelde waarde: Meting van invloed van een bepaalde datacase. Voorspelde
waarde van een case volgens het model, geschat zonder dat de case meegenomen is in de data.
Bij een kleine invloed po het model moet de voorspelde waarde ongeveer gelijk zijn ongeacht
of het meegenomen wordt in het model. Het verschil tussen voorspelde waarde case van
model als case meegenomen en weggelaten is, is de DFFit.
Aangepaste r2: Meting verliezen voorspellingspower/shrinkage in regressie. Vertelt ons
hoeveel variantie in de uitkomst verklaard wordt als het model van de populatie genomen zou
worden waaruit de steekproef getrokken is.
Alternatieve hypothese: Voorspelling dat er een effect zal zijn.
Analyse van covariantie: Statistische procedure die F-statistiek gebruikt om de algemene fit
van het lineaire model te meten, waarbij het aanpast voor het effect dat één of meerdere co-
varianten hebben op de uitkomstvariabele. Bij experimenteel onderzoek vaak in termen van
groepsverschillen gedefinieerd, waardoor de ANOVA een algemene test is voor of
groepsgemiddelden verschillen nadat de variantie in de uitkomstvariabele uitgelegd is door
co-varianten is weggenomen.
Analyse van variantie: Statistische procedure die de F-statistiek gebruikt om de algemene fit
van het lineaire model te meten. Bij experimenteel onderzoek vaak in termen van
groepsverschillen gedefinieerd, waardoor de ANOVA een algemene test is voor of
groepsgemiddelden verschillen nadat de variantie in de uitkomstvariabele uitgelegd is door
co-varianten is weggenomen.
ANOVA: Analyse van variantie.
ANCOVA: Analyse van co-variantie.
Autocorrelatie: Wanneer de residuen van twee observaties in een regressiemodel
gecorreleerd zijn.
bi: Ongestandaardiseerde regressiecoëfficiënt. Indiceert de kracht van de relatie tussen een
gegeven voorspeller (i) en de uitkomst in units van metingen van de voorspeller. Het verschil
in de uitkomst verbonden aan de unit verandering in de voorspeller.
βi: Gestandaardiseerde regressiecoëfficiënt. Indiceert de kracht tussen een gegeven
voorspeller (i) en de uitkomst in een gestandaardiseerde vorm. De verandering in uitkomst (in
standaard devianties) verbonden aan één SD verandering in de voorspeller.
β-level: De kans op het maken van een Type II meetfout.
Bar-chart: Grafiek waarin een samenvattingsstatistiek (vaak gemiddelde) geplot wordt op de
y-as tegenover een categorische variabele op de x-as. De waarde van het gemiddelde voor
iedere categorie wordt getoond door een bar. Verschillend gekleurde bars kunnen gebruikt
worden om de levels van een tweede categorische variabele te tonen.
Between-groups design: Onafhankelijk design.
Between-subjects design: Onafhankelijk design.
, Betrouwbaarheidsinterval: De range aan waardes rond de statistiek waarin vernomen wordt
de ware score (populatiewaarde) van die statistiek te vallen, in een bepaalde proportie
steekproeven (95%). Voor de overige proportie steekproeven (5%) zal het
betrouwbaarheidsinterval deze waarde dus niet vangen. Het probleem is dat je niet weet welke
categorie je steekproef onder valt.
Binaire logistieke regressie: Logistieke regressie waarin de uitkomstvariabele precies twee
categorieën heeft.
Binaire variabele: Een categorische variabele die twee elkaar uitsluitende categorieën heeft.
Bivariate correlatie: Correlatie tussen twee variabelen.
Bonferroni correctie: Een correctie voor het α-level om de algemene Type I meetfout rate bij
meerdere significantietests te controleren. Iedere test moet een criteria van significantie van
het α-level gedeeld door het aantal tests hebben. Kan té streng zijn wanneer teveel tests
uitgevoerd zijn.
Bootstrap: Techniek waarvoor de steekproefdistributie van een statistiek geschat wordt door
meerdere steekproeven (met vervanging) van de dataset te nemen. De statistiek waarin we
geïnteresseerd zijn wordt berekend voor iedere steekproef, waaruit de steekproefdistributie
van de statistiek geschat wordt. De standaard meetfout van de statistiek wordt geschat als de
standaard deviantie van de steekproefdistributie gevormd door de bootstrap steekproef.
Hieruit kunnen betrouwbaarheidsintervallen en significantietests berekend worden.
Boxplot: Grafische representatie van belangrijke karakteristieken van een set observaties. In
het midden is de mediaan, die omringt wordt door een box. De boven en onderkant zijn
limieten waarin 50% van de observaties vallen. Buiten de boven en onderkant zijn twee
uitsteeksels die naar de hoogste en laagste extreme scores strekken.
Categorische variabele: Variabele bestaande uit categorieën van objecten/entiteiten.
Continue variabele: Variabele die gemeten kan worden op ieder level van precisie.
Central limit theorem: Wanneer de steekproef groot genoeg is (n>30), zal de
steekproefverdeling ongeveer normaal verdeeld zijn, ongeacht de vorm van de populatie
waaruit de steekproef komt. Bij kleine steekproef is de t-verdeling een betere representatie.
De standaard deviantie van de steekproefverdeling zal gelijk zijn aan de standaard deviantie
van de steekproef gedeeld door de wortel van de steekproefgrootte.
Centreren: Een variabele transformeren in deviaties rond een vaststaand punt, wat iedere
gekozen waarde kan zijn maar vaak het gemiddelde is. Om dit te doen haal je het gemiddelde
van iedere score af.
Chi-square distributie: Een kansdistributie van de sum of squares van verschillende normaal
verdeelde variabelen. Vaak voor hypothesen over categorische data, en om de fit van het
model aan de geobserveerde data te testen.
Cohen’s d: Een effectgrootte die het verschil tussen twee gemiddelden in standaard deviantie
units laat zien.
Compound symmetrie: Wanneer beide varianties over condities gelijk zijn (hetzelfde als
homogeniteit van varianties) en de co-varianties tussen paren condities ook gelijk zijn.
