Factoranalyse
Scale if item deleted
Betrouwbaarheidsanalyse --> cronbachs alpha
Schalen maken kijken of alle items erbij passen
Randomisatie gelukt?
Verschillen tussen groepen komt door jouw condities.
Check of er in beide condities evenveel mannen/vrouwen, leeftijden etc zit.
Crosstabs bij dichotome variabele geslacht.
Check de gemiddelde leeftijd.
Anova of t-toets van de onafhankelijke op de leeftijd omdat dit een continue
variabele is.
Bij crosstabs krijg je ook een chi-square te zien. Deze laat zien of het significant of
niet is. Je wil dat het niet significant is.
Maak een crosstab per variabele in combinatie met de conditie.
Stel significant in leeftijd of geslacht dan kan je hiervoor controleren. Alle volgende
analyses moet je dan deze variabele als covariaat (controle variabele) meenemen.
Dan wordt hier geen interactie mee gemeten in de anova. Check vervolgens wel of
deze en effect heeft op de afhankelijke variabelen (via correlaties).
Draai voor alles een correlatiematrix uit (dit hoef je niet te rapporteren, maar is voor
je eigen beeld van de data).
Misschien sommige mensen uitsluiten omdat ze precies wisten waar het onderzoek
over ging.
Conditie op afhankelijke variabelen: T-toets , Anova.
Moderator = interactie
Exploratief kijken of er nog verschil is tussen mannen en vrouwen. Anova uitvoeren,
twee gemanipuleerde variabelen (o of 1). Conditie en geslacht beide in de
onafhankelijke variabele variabelen (univariate, voor elke afhankelijke variabele een
anova uitvoeren) (stop ze er in bij de ‘fix-factors’)
Als iets niet significant is hoef je hier niet op in te gaan, dan kan je dit in 1 zin
vermelden in je resultaten.
!!Mediatieanalyse!!
Meet hier de effecten van de aandacht --> attitude --> intenties
Dit in een regressie stoppen.
Scale if item deleted
Betrouwbaarheidsanalyse --> cronbachs alpha
Schalen maken kijken of alle items erbij passen
Randomisatie gelukt?
Verschillen tussen groepen komt door jouw condities.
Check of er in beide condities evenveel mannen/vrouwen, leeftijden etc zit.
Crosstabs bij dichotome variabele geslacht.
Check de gemiddelde leeftijd.
Anova of t-toets van de onafhankelijke op de leeftijd omdat dit een continue
variabele is.
Bij crosstabs krijg je ook een chi-square te zien. Deze laat zien of het significant of
niet is. Je wil dat het niet significant is.
Maak een crosstab per variabele in combinatie met de conditie.
Stel significant in leeftijd of geslacht dan kan je hiervoor controleren. Alle volgende
analyses moet je dan deze variabele als covariaat (controle variabele) meenemen.
Dan wordt hier geen interactie mee gemeten in de anova. Check vervolgens wel of
deze en effect heeft op de afhankelijke variabelen (via correlaties).
Draai voor alles een correlatiematrix uit (dit hoef je niet te rapporteren, maar is voor
je eigen beeld van de data).
Misschien sommige mensen uitsluiten omdat ze precies wisten waar het onderzoek
over ging.
Conditie op afhankelijke variabelen: T-toets , Anova.
Moderator = interactie
Exploratief kijken of er nog verschil is tussen mannen en vrouwen. Anova uitvoeren,
twee gemanipuleerde variabelen (o of 1). Conditie en geslacht beide in de
onafhankelijke variabele variabelen (univariate, voor elke afhankelijke variabele een
anova uitvoeren) (stop ze er in bij de ‘fix-factors’)
Als iets niet significant is hoef je hier niet op in te gaan, dan kan je dit in 1 zin
vermelden in je resultaten.
!!Mediatieanalyse!!
Meet hier de effecten van de aandacht --> attitude --> intenties
Dit in een regressie stoppen.
