SPSS
Klein overzichtje
validiteit
- inhoudsvaliditeit -> in hoeverre is volledig gemeten wat gemeten moet worden (hc10)
- criteriumvaliditeit -> resultaten vergelijken externe criteria (hc11 + 12)
o concurrente validiteit
o predicatieve validiteit
- begripsvaliditeit -> in hoeverre daadwerkelijk gemeten wat je beoogt te meten
o dimensionaliteitsonderzoek (PCA) (hc 9)
o multitrait- multimethod matrix (hc10 (eigenlijk einde hc11 want Lex was te
langzaam)
o kwaliteit items (hc3 + 4)
betrouwbaarheid
Itemanalyse
Achtergrond infromatie
Gaat over toetsen en de items. Wat je moet weten is dat:
- Elk item heeft een moeilijkheidsgraad p -> de proportie die deze vraag goed beantwoord
heeft. (dus hoe hoger de p-waarde hoe makkelijker het item)
- Getal tussen de 0 en de 1
- q = proportie fout. p=q-1 dus ook p+q=1
- dan omdat er ook gegokt kan worden bestaat er zoiets als de gecorrigeerde p -> p’
' 1− p
- bereken je zo p = p−
a−1
- (meer hoef je denk ik niet voor spss te weten)
Wanneer voor de p gevraagd wordt en je hebt een bestand met alle vragen, en welk antwoord goed
is doe je als eerst Frequenties opvragen in SPSS
- Analyze -> descriptive statistics -> frequencies
Dan kun je aflezen hoe vaak het goede antwoord is gegeven. Dit aantal delen door totaal geeft je p
Daarna met die p zou je p’ kunnen berekenen zie formule
Achtergrond infromatie
Vervolgens is het handig te weten dat je voor elk item op een toets kunt kijken hoe goed deze
discrimineert -> dwz hoe goed een item onderscheid kan maken tussen goede en zwakker
respondenten.
- Dit kun je doen door rir of rit te berekenen.
, - rit -> heeft betrekking tot de totaalscore (=som van alle items van de toets)
o Berekent de correlatie tussen item- en testscore = item-totaal-correlatie
o Berekent de correlatie met de score op het item en de somscore (totaalscore)
- rir -> heeft betrekking tot de som van alle overige items (dus om te kijken of een specifiek
item correleert gebruik je i.p.v. de totaalscore, de totaalscore min het item dat je wilt
vergelijken (de rest))
o Berekent correlatie tussen item-en rest-score = item-rest-correlatie (r ir)
o Berekent de correlatie met de score op het item en de restscore
- Zijn eigenlijk dus twee manieren om dit te berekenen hebben beide hun voordelen/nadelen
niet belangrijk voor spss
- Algemene richtlijn voor de beoordeling van discriminatie-indices (r it,rir):
≥ 0.40 zeer goed
0.30 – 0.39 Goed
0.20 – 0.29 Twijfelachtig
< 0.20 slecht
- hoe groter de test hoe kleiner het verschil in de rir en de rit
o meer dan 40 items vallen de bezwaren tegen de twee weg
Dus nu de vraag hoe je dit met SPSS zou aanpakken
Stap 1
- eerst wil je hercoderen zodat alle fouten antwoorden de score 0 krijgen en alle goede
antwoorden de 1
- Transform -> Recode into Different Variables
Syntax voorbeeld wnr 1 het goede antwoord was: RECODE item1 (1=1) (ELSE=0) INTO
item1di.
Let op ELSE gebruiken want de missings zijn ook fout
en in variable view aanpassen naar scale
dan heb je dus allemaal nieuwe variabele gemaakt voor je items.
Stap 2A
Daarna heb je voor het berekenen van de rit de somscore (totaalscore) nodig.
- SPSS: transform -> compute variable
- dit doe je met de getransformeerde items, want dan geef je de goede antwoorden 1 punt.
- Voorbeeld syntax: COMPUTE Somgoed=SUM(item1di to item6di).
EXECUTE
Hier is dan een variable van gemaakt die in het voorbeeld “somgoed” heet.
Stap 3a
Met deze variabele laat je SPSS de correlatie berekenen want rit = Pearson correlatie
- Analyze -> Correlate -> Bivarate
o Variables: (zet je de items waarvan je de rit wilt berekenen met de totaalscore)
Dan bestaat er zoals hierboven ook uitgelegd de Rir
Om deze te berekenen moet je ipv de somscore de restscore gebruiken.
Stap 2b (rir, ipv rit)
Stel je wilt van item 1 de rir berekenen:
Dan maak je eerst een nieuwe variabele met de restscore van item 1 (gebruik de her gecodeerde
items zie stap 1)
- transform -> compute variable
bijvoorbeeld COMPUTE Restitem1= item2di + item3di + item4di + item5di + item6di.
vervolgens gebruik je deze restscore om de rir van item 1 te berekenen
Klein overzichtje
validiteit
- inhoudsvaliditeit -> in hoeverre is volledig gemeten wat gemeten moet worden (hc10)
- criteriumvaliditeit -> resultaten vergelijken externe criteria (hc11 + 12)
o concurrente validiteit
o predicatieve validiteit
- begripsvaliditeit -> in hoeverre daadwerkelijk gemeten wat je beoogt te meten
o dimensionaliteitsonderzoek (PCA) (hc 9)
o multitrait- multimethod matrix (hc10 (eigenlijk einde hc11 want Lex was te
langzaam)
o kwaliteit items (hc3 + 4)
betrouwbaarheid
Itemanalyse
Achtergrond infromatie
Gaat over toetsen en de items. Wat je moet weten is dat:
- Elk item heeft een moeilijkheidsgraad p -> de proportie die deze vraag goed beantwoord
heeft. (dus hoe hoger de p-waarde hoe makkelijker het item)
- Getal tussen de 0 en de 1
- q = proportie fout. p=q-1 dus ook p+q=1
- dan omdat er ook gegokt kan worden bestaat er zoiets als de gecorrigeerde p -> p’
' 1− p
- bereken je zo p = p−
a−1
- (meer hoef je denk ik niet voor spss te weten)
Wanneer voor de p gevraagd wordt en je hebt een bestand met alle vragen, en welk antwoord goed
is doe je als eerst Frequenties opvragen in SPSS
- Analyze -> descriptive statistics -> frequencies
Dan kun je aflezen hoe vaak het goede antwoord is gegeven. Dit aantal delen door totaal geeft je p
Daarna met die p zou je p’ kunnen berekenen zie formule
Achtergrond infromatie
Vervolgens is het handig te weten dat je voor elk item op een toets kunt kijken hoe goed deze
discrimineert -> dwz hoe goed een item onderscheid kan maken tussen goede en zwakker
respondenten.
- Dit kun je doen door rir of rit te berekenen.
, - rit -> heeft betrekking tot de totaalscore (=som van alle items van de toets)
o Berekent de correlatie tussen item- en testscore = item-totaal-correlatie
o Berekent de correlatie met de score op het item en de somscore (totaalscore)
- rir -> heeft betrekking tot de som van alle overige items (dus om te kijken of een specifiek
item correleert gebruik je i.p.v. de totaalscore, de totaalscore min het item dat je wilt
vergelijken (de rest))
o Berekent correlatie tussen item-en rest-score = item-rest-correlatie (r ir)
o Berekent de correlatie met de score op het item en de restscore
- Zijn eigenlijk dus twee manieren om dit te berekenen hebben beide hun voordelen/nadelen
niet belangrijk voor spss
- Algemene richtlijn voor de beoordeling van discriminatie-indices (r it,rir):
≥ 0.40 zeer goed
0.30 – 0.39 Goed
0.20 – 0.29 Twijfelachtig
< 0.20 slecht
- hoe groter de test hoe kleiner het verschil in de rir en de rit
o meer dan 40 items vallen de bezwaren tegen de twee weg
Dus nu de vraag hoe je dit met SPSS zou aanpakken
Stap 1
- eerst wil je hercoderen zodat alle fouten antwoorden de score 0 krijgen en alle goede
antwoorden de 1
- Transform -> Recode into Different Variables
Syntax voorbeeld wnr 1 het goede antwoord was: RECODE item1 (1=1) (ELSE=0) INTO
item1di.
Let op ELSE gebruiken want de missings zijn ook fout
en in variable view aanpassen naar scale
dan heb je dus allemaal nieuwe variabele gemaakt voor je items.
Stap 2A
Daarna heb je voor het berekenen van de rit de somscore (totaalscore) nodig.
- SPSS: transform -> compute variable
- dit doe je met de getransformeerde items, want dan geef je de goede antwoorden 1 punt.
- Voorbeeld syntax: COMPUTE Somgoed=SUM(item1di to item6di).
EXECUTE
Hier is dan een variable van gemaakt die in het voorbeeld “somgoed” heet.
Stap 3a
Met deze variabele laat je SPSS de correlatie berekenen want rit = Pearson correlatie
- Analyze -> Correlate -> Bivarate
o Variables: (zet je de items waarvan je de rit wilt berekenen met de totaalscore)
Dan bestaat er zoals hierboven ook uitgelegd de Rir
Om deze te berekenen moet je ipv de somscore de restscore gebruiken.
Stap 2b (rir, ipv rit)
Stel je wilt van item 1 de rir berekenen:
Dan maak je eerst een nieuwe variabele met de restscore van item 1 (gebruik de her gecodeerde
items zie stap 1)
- transform -> compute variable
bijvoorbeeld COMPUTE Restitem1= item2di + item3di + item4di + item5di + item6di.
vervolgens gebruik je deze restscore om de rir van item 1 te berekenen
