SPSS Sessies
Sessie 3
Opdracht 1
A. Make an error bar chart depicting the group means with their 95% confidence intervals.
In SPSS: Graphs – Legacy – Bar – Simple – Options: display error bars
B. Conduct an analysis to investigate the effect of duration of radiation on tumour size. Check the
homogeneity assumption in the Output.
In SPSS: Analyze – GLM – Univariate – variabelen invoeren
Model is een significante fit voor de data, F(5,114) = 269.733, p < .001. Daarnaast verklaart het
model 92% van de variantie in de uitkomstvariabele.
Echter wordt niet voldaan aan de homogeniteit assumptie. De uitkomst van de Levene’s test is
namelijk significant (p < .001). Dat betekent dat de nulhypothese die veronderstelt dat de error
variantie van de afhankelijke variabele gelijk is in de verschillende groepen, wordt verworpen.
De varianties van de residuen van alle groepen worden statistisch vergeleken met de Levene-
test. Wanneer deze test resulteert in p <.05 betekent dit dat de foutvarianties statistisch niet
gelijk zijn tussen de verschillende groepen. Kritiek: de test is (afhankelijk van o.a. de
steekproefomvang) gevoelig voor type I en type II fouten. Als alternatief zou je de variantie-ratio
kunnen berekenen (zie Field, 2013, p. 193, een grove vuistregel is dat de grootste variantie
(hoogstens) tweemaal zo groot mag zijn als de kleinste variantie). Vuistregel voor het omgaan
met heterogene varianties: als je gelijke groeps- en normaal verdeelde fouten hebt, maakt een
schending van deze aanname de statistische tests niet ongeldig.
Anders kan je de AN (C) OVA-resultaten bootstrappen en BCa 95% CI's rapporteren voor de
paarsgewijze vergelijkingen, in plaats van de bovenstaande CI's die zijn gebaseerd op de
aanname dat de t-verdeling van toepassing is.
C. Test pair-wise differences between experimental conditions. Use the Games-Howell Post Hoc
test (Why?). Interpret the results.
We gebruiken de Games-Howell Post Hoc test omdat dit een van de vier testen is die niet uitgaat
van gelijke error variantie. Testen als LSD, Bonferroi en Tukey gaan dat wel.
In SPSS: Analyze – GLM – univariate – Post Hoc – Onderaan ‘Games-Howell’
, Uit de output blijkt dat alle groepen significant van elkaar verschillen, behalve groep 4 en 5
(mean difference = -.157, p = .984)
Opdracht 2
A. Conduct an analysis to investigate the effect of teaching methods on students’ knowledge.
Check the homogeneity assumption in the Output.
In SPSS: Analyze – GLM – Univariate – Options - ‘homogeneity test’ aanvinken
Uit de output blijkt dat de Levene’s test niet significant is (p = .095) en dus mag er gesteld
worden dat er voldaan wordt aan de homogeniteit-assumptie.
De outputtabel van ANOVA laat ons zien dat, omdat de waargenomen significantiewaarde kleiner
is dan 0.05, we kunnen zeggen dat er een significant effect was van de onderwijsstijl op
examencijfers, met een partial eta squared = 0.61, wat duidt op een grote effectgrootte. In dit
stadium weten we echter nog steeds niet precies wat het effect van de lesstijl was (we weten
niet welke groepen verschillen van elkaar).
B. Repeat the analysis but now select the appropriate set of contrasts that test two predictions
(table in Field). Don’t forget to click “change” in the contrast menu. Interpret the results.
Omdat er van tevoren specifieke hypotheses zijn opgesteld, moet je kiezen voor ‘difference’-
contrasts. De eerste contrast vergelijkt punishment met indifference. De tweede contrast
vergelijkt reward met punishment en indifference.
In SPSS: Analyze – GLM – Univariate – Contrasts – Kies ‘Difference’ – Klik op Change
Het eerste contrast (en de beschrijvende statistieken) vertelt ons dat de cijfers na punishment
significant lager waren dan na indifference. Als zodanig mogen we concluderen dat beloning
significant betere examencijfers oplevert dan straf en onverschilligheid, en dat straf significant
slechtere examencijfers oplevert dan onverschilligheid.
De t-test voor het tweede contrast
vertelt ons dat beloning significant
verschilde van straf en
onverschilligheid. Als we naar de
gemiddelden kijken, vertelt dit ons
dat het gemiddelde cijfer na beloning
Sessie 3
Opdracht 1
A. Make an error bar chart depicting the group means with their 95% confidence intervals.
In SPSS: Graphs – Legacy – Bar – Simple – Options: display error bars
B. Conduct an analysis to investigate the effect of duration of radiation on tumour size. Check the
homogeneity assumption in the Output.
In SPSS: Analyze – GLM – Univariate – variabelen invoeren
Model is een significante fit voor de data, F(5,114) = 269.733, p < .001. Daarnaast verklaart het
model 92% van de variantie in de uitkomstvariabele.
Echter wordt niet voldaan aan de homogeniteit assumptie. De uitkomst van de Levene’s test is
namelijk significant (p < .001). Dat betekent dat de nulhypothese die veronderstelt dat de error
variantie van de afhankelijke variabele gelijk is in de verschillende groepen, wordt verworpen.
De varianties van de residuen van alle groepen worden statistisch vergeleken met de Levene-
test. Wanneer deze test resulteert in p <.05 betekent dit dat de foutvarianties statistisch niet
gelijk zijn tussen de verschillende groepen. Kritiek: de test is (afhankelijk van o.a. de
steekproefomvang) gevoelig voor type I en type II fouten. Als alternatief zou je de variantie-ratio
kunnen berekenen (zie Field, 2013, p. 193, een grove vuistregel is dat de grootste variantie
(hoogstens) tweemaal zo groot mag zijn als de kleinste variantie). Vuistregel voor het omgaan
met heterogene varianties: als je gelijke groeps- en normaal verdeelde fouten hebt, maakt een
schending van deze aanname de statistische tests niet ongeldig.
Anders kan je de AN (C) OVA-resultaten bootstrappen en BCa 95% CI's rapporteren voor de
paarsgewijze vergelijkingen, in plaats van de bovenstaande CI's die zijn gebaseerd op de
aanname dat de t-verdeling van toepassing is.
C. Test pair-wise differences between experimental conditions. Use the Games-Howell Post Hoc
test (Why?). Interpret the results.
We gebruiken de Games-Howell Post Hoc test omdat dit een van de vier testen is die niet uitgaat
van gelijke error variantie. Testen als LSD, Bonferroi en Tukey gaan dat wel.
In SPSS: Analyze – GLM – univariate – Post Hoc – Onderaan ‘Games-Howell’
, Uit de output blijkt dat alle groepen significant van elkaar verschillen, behalve groep 4 en 5
(mean difference = -.157, p = .984)
Opdracht 2
A. Conduct an analysis to investigate the effect of teaching methods on students’ knowledge.
Check the homogeneity assumption in the Output.
In SPSS: Analyze – GLM – Univariate – Options - ‘homogeneity test’ aanvinken
Uit de output blijkt dat de Levene’s test niet significant is (p = .095) en dus mag er gesteld
worden dat er voldaan wordt aan de homogeniteit-assumptie.
De outputtabel van ANOVA laat ons zien dat, omdat de waargenomen significantiewaarde kleiner
is dan 0.05, we kunnen zeggen dat er een significant effect was van de onderwijsstijl op
examencijfers, met een partial eta squared = 0.61, wat duidt op een grote effectgrootte. In dit
stadium weten we echter nog steeds niet precies wat het effect van de lesstijl was (we weten
niet welke groepen verschillen van elkaar).
B. Repeat the analysis but now select the appropriate set of contrasts that test two predictions
(table in Field). Don’t forget to click “change” in the contrast menu. Interpret the results.
Omdat er van tevoren specifieke hypotheses zijn opgesteld, moet je kiezen voor ‘difference’-
contrasts. De eerste contrast vergelijkt punishment met indifference. De tweede contrast
vergelijkt reward met punishment en indifference.
In SPSS: Analyze – GLM – Univariate – Contrasts – Kies ‘Difference’ – Klik op Change
Het eerste contrast (en de beschrijvende statistieken) vertelt ons dat de cijfers na punishment
significant lager waren dan na indifference. Als zodanig mogen we concluderen dat beloning
significant betere examencijfers oplevert dan straf en onverschilligheid, en dat straf significant
slechtere examencijfers oplevert dan onverschilligheid.
De t-test voor het tweede contrast
vertelt ons dat beloning significant
verschilde van straf en
onverschilligheid. Als we naar de
gemiddelden kijken, vertelt dit ons
dat het gemiddelde cijfer na beloning
