Sessie 1
a) Bereken de scale scores als de som van alle ADHD item. Bereken dit alleen voor
participanten met minimaal 22 valide antwoorden. Rond ze af op 0 decimalen. Wat is
de gemiddelde scale score?
MEAN.N functie
De N in deze functie staat voor het aantal observaties dat minimaal aanwezig moet zijn om
de scale score te berekenen. Daarnaast vermenigvuldigen we in dit geval met 26 (het aantal
vragen van de vragenlijst) om decimalen te voorkomen. Voor de overige decimalen die er
nog kunnen zijn, gebruiken we de functie RND. De functie wordt dus: RND(MEAN.20 x 26)
In compute → rnd(MEAN.22(bva01 to bva26)*26)
Descriptives → mean = 27.24
b) Maak een bar chart voor de gemiddelde scale score voor jongens en meisjes
Graphs → Legacy dialogs → bar (simple) → mean variable: scalescore →category axis: by
gender (mannen hebben hoger)
c) Bereken de Z-scores van de scale scores. Wat is de t-waarde voor het verschil in
gemiddelde tussen jongens en meisjes? .N.22 staat er dus voor dat er minimaal 22
antwoorden moeten zijn.
Descriptives → save as standardised values
Independent samples t-test (grouperen op gender)
→ equal variances not assumed (test is significant) → T = 2.654 → P = .009 (dus mannen
en vrouwen hebben niet dezelfde scalescore)
d) Bereken de kans dat een kind een score heeft van 20 of lager (p-waarde berekenen)
Transform → compute variable
CDF.NORMAL(Zscalescore, 0,1)
Kijken naar de score van 20 welke p-waarde daar bij hoort → 0.35
e) Controleer of de scale score een normaal verdeling heeft
Analyse → descriptives → explore → histogram → normality plots with tests
De skewness en Kurtosis waarden moeten gedeeld worden door hun SD. Dit moet liggen
tussen -1.96 en 1.96. De skewness is .234 en Kurtosis is -1.567. Dit ligt tussen de waarden
dus de scores zijn redelijk normaal verdeeld.
De p-waarde van Kolmogorov is echter kleiner dan 0.05 dus de scores zijn toch niet normaal
verdeeld. Dit laat de histogram ook zien. Er is meer sprake van bimodaliteit. Het Q-Q plot
laat ook afwijkingen zien van normaliteit.
f) Bereken de percentiel scores voor de scale scores
- Wat is de percentiel rank voor het kind met scale score 20 → 50.53
Rank cases → scalescore in variabele → rank types: fractional rank as %
De 50.53 is anders dan de p-waarde x 100 bij d berekend. Dit komt omdat de variabele niet
normaal verdeeld is.
g) Welke scale score hoort bij percentiel 85
Analyse → descriptives → explore
Percentiel 85 is niet een van de defaults in SPSS. We moeten syntax gebruiken. Klik op
paste en verander je de percentielen in 85. Dit hoort bij scale score 49.65.
, h) Transformeer de scale score naar een genormaliseerde, afgeronde score met een
gemiddelde van 20 en een SD van 5.
- Wat is de genormaliseerde scale score voor een kind met een originele scale
score van 45 → 23
Normaliseren: Transform → rank cases → rank types → normal scores → rankit
Dan scores nog afronden en met gemiddelde van 20 en SD van 5 → transform → compute
→ rnd(Nscalesc*5+20)
i) Vergelijk de gemiddelden van de genormaliseerde scores voor de response
categories van item 1. Wat is de effect size (eta square) voor dit effect?
Analyse van variantie gebruiken
Analyse → general linear model → univariate → options: estimates of effect size (voor
eta-squared)
De effect size is .4 (bva01). Dit betekent dat 40% van de variantie in de genormaliseerde
scores verklaard kunnen worden door verschillende categorieen van item 1. Dit is een groot
effect.
j) Transformeer de scale score in 4 groepen: groep 1 bevat de 25% laagte scores,
groep 2 bevat de 25-50% scores, groep 3 bevat de 50-75% scores en groep 4 de
hoogste 25% scores.
- Bereken de gemiddelden van de vier groepen op item 12
We gebruiken de percentile rank score gemaakt in f om in 4 groepen te recoderen.
Transform → recode → recode into different variables → Pscalesc → group (naam). Old &
new values: Lowest thru 25 → 1 etc
Gemiddelde berekenen op item 12 → analyse, compare means, means, bva12 & group: de
gemiddelden zijn 0.21, 0.22, 1.20 en 2.04
k) Maak een line chart waarin je de gemiddelden van items 20 tot 25 plot voor elk van
de score groepen die je maakte bij j.
Graph, legacy dialogs, line (multiple), summaries of separate variables, bva20-25 erin zetten
en op category axis de groepen.
Alleen de lijn van bva22 gaat niet mooi omhoog.
a) Bereken de scale scores als de som van alle ADHD item. Bereken dit alleen voor
participanten met minimaal 22 valide antwoorden. Rond ze af op 0 decimalen. Wat is
de gemiddelde scale score?
MEAN.N functie
De N in deze functie staat voor het aantal observaties dat minimaal aanwezig moet zijn om
de scale score te berekenen. Daarnaast vermenigvuldigen we in dit geval met 26 (het aantal
vragen van de vragenlijst) om decimalen te voorkomen. Voor de overige decimalen die er
nog kunnen zijn, gebruiken we de functie RND. De functie wordt dus: RND(MEAN.20 x 26)
In compute → rnd(MEAN.22(bva01 to bva26)*26)
Descriptives → mean = 27.24
b) Maak een bar chart voor de gemiddelde scale score voor jongens en meisjes
Graphs → Legacy dialogs → bar (simple) → mean variable: scalescore →category axis: by
gender (mannen hebben hoger)
c) Bereken de Z-scores van de scale scores. Wat is de t-waarde voor het verschil in
gemiddelde tussen jongens en meisjes? .N.22 staat er dus voor dat er minimaal 22
antwoorden moeten zijn.
Descriptives → save as standardised values
Independent samples t-test (grouperen op gender)
→ equal variances not assumed (test is significant) → T = 2.654 → P = .009 (dus mannen
en vrouwen hebben niet dezelfde scalescore)
d) Bereken de kans dat een kind een score heeft van 20 of lager (p-waarde berekenen)
Transform → compute variable
CDF.NORMAL(Zscalescore, 0,1)
Kijken naar de score van 20 welke p-waarde daar bij hoort → 0.35
e) Controleer of de scale score een normaal verdeling heeft
Analyse → descriptives → explore → histogram → normality plots with tests
De skewness en Kurtosis waarden moeten gedeeld worden door hun SD. Dit moet liggen
tussen -1.96 en 1.96. De skewness is .234 en Kurtosis is -1.567. Dit ligt tussen de waarden
dus de scores zijn redelijk normaal verdeeld.
De p-waarde van Kolmogorov is echter kleiner dan 0.05 dus de scores zijn toch niet normaal
verdeeld. Dit laat de histogram ook zien. Er is meer sprake van bimodaliteit. Het Q-Q plot
laat ook afwijkingen zien van normaliteit.
f) Bereken de percentiel scores voor de scale scores
- Wat is de percentiel rank voor het kind met scale score 20 → 50.53
Rank cases → scalescore in variabele → rank types: fractional rank as %
De 50.53 is anders dan de p-waarde x 100 bij d berekend. Dit komt omdat de variabele niet
normaal verdeeld is.
g) Welke scale score hoort bij percentiel 85
Analyse → descriptives → explore
Percentiel 85 is niet een van de defaults in SPSS. We moeten syntax gebruiken. Klik op
paste en verander je de percentielen in 85. Dit hoort bij scale score 49.65.
, h) Transformeer de scale score naar een genormaliseerde, afgeronde score met een
gemiddelde van 20 en een SD van 5.
- Wat is de genormaliseerde scale score voor een kind met een originele scale
score van 45 → 23
Normaliseren: Transform → rank cases → rank types → normal scores → rankit
Dan scores nog afronden en met gemiddelde van 20 en SD van 5 → transform → compute
→ rnd(Nscalesc*5+20)
i) Vergelijk de gemiddelden van de genormaliseerde scores voor de response
categories van item 1. Wat is de effect size (eta square) voor dit effect?
Analyse van variantie gebruiken
Analyse → general linear model → univariate → options: estimates of effect size (voor
eta-squared)
De effect size is .4 (bva01). Dit betekent dat 40% van de variantie in de genormaliseerde
scores verklaard kunnen worden door verschillende categorieen van item 1. Dit is een groot
effect.
j) Transformeer de scale score in 4 groepen: groep 1 bevat de 25% laagte scores,
groep 2 bevat de 25-50% scores, groep 3 bevat de 50-75% scores en groep 4 de
hoogste 25% scores.
- Bereken de gemiddelden van de vier groepen op item 12
We gebruiken de percentile rank score gemaakt in f om in 4 groepen te recoderen.
Transform → recode → recode into different variables → Pscalesc → group (naam). Old &
new values: Lowest thru 25 → 1 etc
Gemiddelde berekenen op item 12 → analyse, compare means, means, bva12 & group: de
gemiddelden zijn 0.21, 0.22, 1.20 en 2.04
k) Maak een line chart waarin je de gemiddelden van items 20 tot 25 plot voor elk van
de score groepen die je maakte bij j.
Graph, legacy dialogs, line (multiple), summaries of separate variables, bva20-25 erin zetten
en op category axis de groepen.
Alleen de lijn van bva22 gaat niet mooi omhoog.
