NOVEMBER 2018
STATISTIEK II:
VERKLAREN EN VOORSPELLEN
2.2 C
JIM LEFERINK OP REININK
ERASMUS UNIVERSITEIT ROTTERDAM
Psychologie, Ba-2, 2018-2019
,SAMENVATTING ONDERWIJSGROEPEN
Geïntegreerde informatie uit MMC en Passer | Relevante SPSS-technieken
INHOUDSOPGAVE
OWG 1: EXPERIMENTEEL ONDERZOEK .............................................................................................................. 2
OWG 2: CORRELATIONEEL ONDERZOEK ............................................................................................................ 5
OWG 3: CHI-KWADRAAT TOETS ........................................................................................................................ 7
OWG 4: PEARSON CORRELATIEANALYSE ........................................................................................................... 8
OWG 5: REGRESSIEANALYSE ........................................................................................................................... 10
OWG 6: 1-FACTOR ANOVA.............................................................................................................................. 12
OWG 7: 2-FACTOR ANOVA.............................................................................................................................. 15
OWG 8: REPEATED-MEASURES ANOVA ........................................................................................................... 17
OVERZICHT STATISTISCHE TOETSEN ................................................................................................................ 19
1
, OWG 1: EXPERIMENTEEL ONDERZOEK
In een experimenteel onderzoek manipuleert de onderzoeker een of meerdere onafhankelijke variabele(n), zodat
kan worden onderzocht wat de invloed is van deze gemanipuleerde variabele(n) op de reactie van de proefpersonen.
Deze reactie wordt vervolgens gemeten met een afhankelijke variabele. Via experimentele controle wordt getracht
de invloed van externe factoren niet te laten interfereren met de gekozen variabelen (validiteit). Naast manipulatie
is randomisatie een tweede voorwaarde voor experimenteel onderzoek, waarbij patiënten, proefpersonen of
proefdieren op basis van toeval (loting) worden toegewezen aan een van de groepen van het experimenteel
onderzoek. Door te randomiseren worden alle andere factoren die het beoogde effect van het onderzoek kunnen
beïnvloeden door het toeval verdeeld over beide groepen. Daarnaast levert randomisatie groepen op die een
willekeurige steekproef zijn van de onderzoekspopulatie.
In een experimenteel onderzoek zijn er over het algemeen twee manieren om de participanten te verdelen over de
verschillende condities:
• In een between-subjects design wordt er gebruikgemaakt van verschillende groepen voor iedere conditie,
waarbij iedere participant in een bepaalde groep louter wordt getest op één enkele conditie.
• In een within-subjects design (of repeated-measures) wordt iedere participant getest op alle mogelijke
condities in het experiment.
Variabelen in een wetenschappelijk onderzoek kunnen worden gecategoriseerd in verschillende meetniveaus, die
iets kunnen vertellen over welke statistische technieken men kan gebruiken om de data te verwerken. Er bestaan
vier meetniveaus: nominaal, ordinaal, interval, en ratio meetniveau.
• Bij een nominaal meetniveau bestaat de variabele uit verschillende waarden waar geen verschil zit tussen
beide. Er zijn dus verschillende categorieën aan te duiden, maar er zijn geen verschillen tussen deze
categorieën. Het gaat hier daarom slechts om het benoemen van de bijbehorende waarde (e.g., man of
vrouw).
• Bij een ordinaal meetniveau bestaat de variabele uit verschillende waarden waar wel verschil tussen beide
zit. Er zijn verschillende categorieën aan te duiden, waar verschillen tussen zitten (rangorde). Deze
verschillen zijn echter niet eenduidig te benoemen (e.g., oneens / neutraal / eens, of vmbo / havo / vwo).
• Bij een interval meetniveau bestaat de variabele uit verschillende waarden waar wel verschil tussen de
waarden zit. Het verschil tussen deze waarden is ook duidelijk aan te geven. De waarde kan echter nooit
voor het nulpunt staan. Het kan wel zijn dat een waarde op het intervalniveau “0” is, maar dit getal staat
dan niet voor afwezigheid (i.e., geen absoluut nulpunt). Bijvoorbeeld: de temperatuur kan 0 graden Celsius
zijn, maar dat betekent niet dat er geen temperatuur is. Een ander voorbeeld is de IQ schaal.
• Bij een ratio meetniveau bestaat de variabele uit verschillende waarden waar wel verschil tussen de
waarden zit. Het verschil tussen deze waarden is ook duidelijk aan te geven. De waarde kan wel “0” zijn,
wat betekent dat er bij de ratioschaal wel sprake is van een absoluut nulpunt. Een waarde “0” staat op een
ratioschaal dus voor afwezigheid van de waarde. Dit maakt het mogelijk om verhoudingen te berekenen
tussen verschillende waarden op de schaal (e.g., percentages, inkomen, leeftijd).
2
STATISTIEK II:
VERKLAREN EN VOORSPELLEN
2.2 C
JIM LEFERINK OP REININK
ERASMUS UNIVERSITEIT ROTTERDAM
Psychologie, Ba-2, 2018-2019
,SAMENVATTING ONDERWIJSGROEPEN
Geïntegreerde informatie uit MMC en Passer | Relevante SPSS-technieken
INHOUDSOPGAVE
OWG 1: EXPERIMENTEEL ONDERZOEK .............................................................................................................. 2
OWG 2: CORRELATIONEEL ONDERZOEK ............................................................................................................ 5
OWG 3: CHI-KWADRAAT TOETS ........................................................................................................................ 7
OWG 4: PEARSON CORRELATIEANALYSE ........................................................................................................... 8
OWG 5: REGRESSIEANALYSE ........................................................................................................................... 10
OWG 6: 1-FACTOR ANOVA.............................................................................................................................. 12
OWG 7: 2-FACTOR ANOVA.............................................................................................................................. 15
OWG 8: REPEATED-MEASURES ANOVA ........................................................................................................... 17
OVERZICHT STATISTISCHE TOETSEN ................................................................................................................ 19
1
, OWG 1: EXPERIMENTEEL ONDERZOEK
In een experimenteel onderzoek manipuleert de onderzoeker een of meerdere onafhankelijke variabele(n), zodat
kan worden onderzocht wat de invloed is van deze gemanipuleerde variabele(n) op de reactie van de proefpersonen.
Deze reactie wordt vervolgens gemeten met een afhankelijke variabele. Via experimentele controle wordt getracht
de invloed van externe factoren niet te laten interfereren met de gekozen variabelen (validiteit). Naast manipulatie
is randomisatie een tweede voorwaarde voor experimenteel onderzoek, waarbij patiënten, proefpersonen of
proefdieren op basis van toeval (loting) worden toegewezen aan een van de groepen van het experimenteel
onderzoek. Door te randomiseren worden alle andere factoren die het beoogde effect van het onderzoek kunnen
beïnvloeden door het toeval verdeeld over beide groepen. Daarnaast levert randomisatie groepen op die een
willekeurige steekproef zijn van de onderzoekspopulatie.
In een experimenteel onderzoek zijn er over het algemeen twee manieren om de participanten te verdelen over de
verschillende condities:
• In een between-subjects design wordt er gebruikgemaakt van verschillende groepen voor iedere conditie,
waarbij iedere participant in een bepaalde groep louter wordt getest op één enkele conditie.
• In een within-subjects design (of repeated-measures) wordt iedere participant getest op alle mogelijke
condities in het experiment.
Variabelen in een wetenschappelijk onderzoek kunnen worden gecategoriseerd in verschillende meetniveaus, die
iets kunnen vertellen over welke statistische technieken men kan gebruiken om de data te verwerken. Er bestaan
vier meetniveaus: nominaal, ordinaal, interval, en ratio meetniveau.
• Bij een nominaal meetniveau bestaat de variabele uit verschillende waarden waar geen verschil zit tussen
beide. Er zijn dus verschillende categorieën aan te duiden, maar er zijn geen verschillen tussen deze
categorieën. Het gaat hier daarom slechts om het benoemen van de bijbehorende waarde (e.g., man of
vrouw).
• Bij een ordinaal meetniveau bestaat de variabele uit verschillende waarden waar wel verschil tussen beide
zit. Er zijn verschillende categorieën aan te duiden, waar verschillen tussen zitten (rangorde). Deze
verschillen zijn echter niet eenduidig te benoemen (e.g., oneens / neutraal / eens, of vmbo / havo / vwo).
• Bij een interval meetniveau bestaat de variabele uit verschillende waarden waar wel verschil tussen de
waarden zit. Het verschil tussen deze waarden is ook duidelijk aan te geven. De waarde kan echter nooit
voor het nulpunt staan. Het kan wel zijn dat een waarde op het intervalniveau “0” is, maar dit getal staat
dan niet voor afwezigheid (i.e., geen absoluut nulpunt). Bijvoorbeeld: de temperatuur kan 0 graden Celsius
zijn, maar dat betekent niet dat er geen temperatuur is. Een ander voorbeeld is de IQ schaal.
• Bij een ratio meetniveau bestaat de variabele uit verschillende waarden waar wel verschil tussen de
waarden zit. Het verschil tussen deze waarden is ook duidelijk aan te geven. De waarde kan wel “0” zijn,
wat betekent dat er bij de ratioschaal wel sprake is van een absoluut nulpunt. Een waarde “0” staat op een
ratioschaal dus voor afwezigheid van de waarde. Dit maakt het mogelijk om verhoudingen te berekenen
tussen verschillende waarden op de schaal (e.g., percentages, inkomen, leeftijd).
2
