Analysetechniek Onderzoeksvraag Assumpties Meetniveau Meetniveau Nulhypotheses Alternatieve hypotheses
onafhankelijke afhankelijke
variabele(n) variabele(n)
Multipele Hoe goed kun je met 1. Participanten aselect Interval, behalve Interval Model Model
regressie predictoren de Y verklaren (en gekozen + scoren dichotoom (kan H0 = R2 = 0 H1 = R2 > 0 (regressie model
(correlationeel) welke voorspelt het sterkst)? onafhankelijk wel) Dummy verklaart variatie in Y)
2. Interval-ratio variabelen
meetniveau Predictor Predictor
3. Lineaire relatie tussen H0 = B = 0 H1 = B > 0 of B < 0 (er is
variabelen effect van X op Y)
4. Geen uitschieters Hiërarchische
Doelen: lineaire relatie, toetsen, 5. Homoscedasticiteit = regressie =
kwantificeren (effectgroottes), R2 = determinatie
per X-waarde = spreiding uitbreiden Model = F-toets
voorspellen (regressiemodel). coëfficiënt = proportie
Y-scores gelijk predictoren = Predictoren (B) = t-toets.
6. Normaal verdeeld relevant? verklaarde variantie
Vergelijking voor geobserveerde 7. Geen hoge correlatie = R-square change B = ongestandariseerd =
variabele Y = met error = R = multipele
multi-collineariteit (R > (Sig F-change) invullen regressievergelijking
modelvergelijking = Geschatte correlatiecoëfficiënt =
0.8) Bèta = gestandaardiseerde
uitkomst Ŷ = zonder error = correlatie tussen de coëfficiënt = sterkte bepalen
regressievergelijking daadwerkelijke Y en de
voorspelde Ŷ.
Eenweg ANOVA Verschillen analyseren tussen Nominaal Interval
gemiddelde van 2 of meer
onafhankelijke groepen (1
factor)
,Tweeweg ANOVA Verschillen groepen gebaseerd 1. Onafhankelijkheid (geen Nominaal Interval Model Model
(meerweg) op leeftijd (X1) en sekse (X2) in verbanden tussen (factoren) H0 = η2 = 0 H0 = η2 > 0 (verklaarde
hun kennis van getallen (Y)? personen) -minimaal 2 variantie door gemiddelden
2. Aselect toegewezen levels model)
(random) Hercoderen van
3. Nominaal X en Y-interval ratio variabelen.
niveau
4. Spreiding residuen per X- Stel X1 = 3 levels Hoofdeffect X1 Hoofdeffect X1
Gebruik groepsvariabelen om categorie gelijk = en X2 = 2 levels = H0 = μA1= μA2= μA3 = H1 = μA1 ≠ μA2 ≠ μA3 = wel
verklaring te vinden voor spreiding is gelijk in de 3 x 2 factorieel geen hoofdeffect hoofdeffect
verschillen in Y: kijken naar onderscheiden ontwerp
verschillen in gemiddelden. populaties = Hoofdeffect X1 Hoofdeffect X1
>2 factoren = interactie-effect. homoscedasticiteit H0 = geen hoofdeffect H1 = wel hoofdeffect (niet
5. Afhankelijke variabele alle gemiddelden zijn gelijk)
normaal verdeeld per Covariaat niet Interactie-effect X1*X2
groep significant is eruit H0 = geen interactie- Interactie-effect X1*X2
6. Geen outliers en halen = ANOVA effect H1 = wel interactie-effect
Doelen: gemiddeldenmodel influential cases
(puntschatting of η2 = Eta Squared Effecten = F-toets
intervalschatting) Modelvergelijking voor Een model kan wel
tweeweg ANOVA (2x3) significant zijn; niet alle
Systematisch en Y = B0 + B1xD1 + B2xD2 + factoren hoeven dat te Significant = volgende stap =
onsystematische variantie: B3xD3 + E zijn. SPSS geeft de Post-Hoc (3 levels).
model verklaart alleen partial Eta Squared =
verschillen tussen groepen. andere formule. Kan
ook per factor worden
B0 = referentiegroep berekend.
Bx = verschil t.o.v.
referentiegroep
, ANCOVA Verschil tussen jongens en Nieuwe specifiek ANCOVA: Covariaat: Interval Hypothese 1: Covariaat Hypothese 1: Covariaat
meisjes (X1) in gemiddelde 1. Meetniveau covariaat interval H0 = Bx = 0 (geen H0 = Bx ≠ 0 (covariaat heeft
rekenvaardigheid (Y), minimaal interval Factoren: lineaire relatie tussen invloed op Y)
gecorrigeerd voor 2. Covariaat onafhankelijk nominaal de covariaat en de
voorbereiding op toets (X3) van experimentele conditie afhankelijke variabele)
3. Lineaire relatie covariaat
Covariaat mag geen interactie- en Y (anders geen extra
effect vertonen = homogene variantie Hypothese 2: gec. Gem. Hypothese 2: gec. Gem.
regressie 4. Homogene regressie: H0 = uadj.1 = uadj.2 H1 = uadj.1 ≠ uadj.2
geen interactie-effect (gecorrigeerde gemiddelden
in beide groepen verschillen)
Homogene regressie Homogene regressie
Gecorrigeerde gemiddelden H0 = geen interactie- H1 = wel interactie-effect
(adjusted means). Doelen: effect
corrigeren = bias-correctie en
error-reductie (verkleinen Effectgrootte hele Kan ook een hypothese
within-group error variance). De model = η2 en opstellen voor het model
power neemt dan toe = eerder afzonderlijk = η2 partial
significant.
Herhaalde Hoe ontwikkelt zich de motoriek Sfericiteit = specifiek voor Nominaal Interval Sfericiteit (aanname) Sfericiteit (schending)
metingen ANOVA van kinderen met een herhaalde metingen = H0 = varianties gelijk H0 = varianties ongelijk (MS2-1
neurologische aandoening? spreiding van residuen per X- Binnensubject- contrasten (MS2-1 = MS3-2 ≠ MS3-2 ≠ MS3-1)
Hoofdeffect van binnensubject categorie/verschilscores. De factor = MS3-1)
factor? variaties van contrasten Gaat vaak om:
moeten aan elkaar gelijk zijn. conditie of tijd H0: σ2voor-na = σ2voor-
2
followup = σ na-followup.
Y = op meerdere momenten (X). 2 of meer
gemeten (Y1, Y2, Y3) = gepaard Moet gecorrigeerd worden. condities of
Binnensubject factor Binnensubject factor
= herhaalde metingen. groepen
H0 = geen verschillen in H1 = wel verschillen in
gemiddelden over gemiddelden over
tijd/conditie tijd/conditie
onafhankelijke afhankelijke
variabele(n) variabele(n)
Multipele Hoe goed kun je met 1. Participanten aselect Interval, behalve Interval Model Model
regressie predictoren de Y verklaren (en gekozen + scoren dichotoom (kan H0 = R2 = 0 H1 = R2 > 0 (regressie model
(correlationeel) welke voorspelt het sterkst)? onafhankelijk wel) Dummy verklaart variatie in Y)
2. Interval-ratio variabelen
meetniveau Predictor Predictor
3. Lineaire relatie tussen H0 = B = 0 H1 = B > 0 of B < 0 (er is
variabelen effect van X op Y)
4. Geen uitschieters Hiërarchische
Doelen: lineaire relatie, toetsen, 5. Homoscedasticiteit = regressie =
kwantificeren (effectgroottes), R2 = determinatie
per X-waarde = spreiding uitbreiden Model = F-toets
voorspellen (regressiemodel). coëfficiënt = proportie
Y-scores gelijk predictoren = Predictoren (B) = t-toets.
6. Normaal verdeeld relevant? verklaarde variantie
Vergelijking voor geobserveerde 7. Geen hoge correlatie = R-square change B = ongestandariseerd =
variabele Y = met error = R = multipele
multi-collineariteit (R > (Sig F-change) invullen regressievergelijking
modelvergelijking = Geschatte correlatiecoëfficiënt =
0.8) Bèta = gestandaardiseerde
uitkomst Ŷ = zonder error = correlatie tussen de coëfficiënt = sterkte bepalen
regressievergelijking daadwerkelijke Y en de
voorspelde Ŷ.
Eenweg ANOVA Verschillen analyseren tussen Nominaal Interval
gemiddelde van 2 of meer
onafhankelijke groepen (1
factor)
,Tweeweg ANOVA Verschillen groepen gebaseerd 1. Onafhankelijkheid (geen Nominaal Interval Model Model
(meerweg) op leeftijd (X1) en sekse (X2) in verbanden tussen (factoren) H0 = η2 = 0 H0 = η2 > 0 (verklaarde
hun kennis van getallen (Y)? personen) -minimaal 2 variantie door gemiddelden
2. Aselect toegewezen levels model)
(random) Hercoderen van
3. Nominaal X en Y-interval ratio variabelen.
niveau
4. Spreiding residuen per X- Stel X1 = 3 levels Hoofdeffect X1 Hoofdeffect X1
Gebruik groepsvariabelen om categorie gelijk = en X2 = 2 levels = H0 = μA1= μA2= μA3 = H1 = μA1 ≠ μA2 ≠ μA3 = wel
verklaring te vinden voor spreiding is gelijk in de 3 x 2 factorieel geen hoofdeffect hoofdeffect
verschillen in Y: kijken naar onderscheiden ontwerp
verschillen in gemiddelden. populaties = Hoofdeffect X1 Hoofdeffect X1
>2 factoren = interactie-effect. homoscedasticiteit H0 = geen hoofdeffect H1 = wel hoofdeffect (niet
5. Afhankelijke variabele alle gemiddelden zijn gelijk)
normaal verdeeld per Covariaat niet Interactie-effect X1*X2
groep significant is eruit H0 = geen interactie- Interactie-effect X1*X2
6. Geen outliers en halen = ANOVA effect H1 = wel interactie-effect
Doelen: gemiddeldenmodel influential cases
(puntschatting of η2 = Eta Squared Effecten = F-toets
intervalschatting) Modelvergelijking voor Een model kan wel
tweeweg ANOVA (2x3) significant zijn; niet alle
Systematisch en Y = B0 + B1xD1 + B2xD2 + factoren hoeven dat te Significant = volgende stap =
onsystematische variantie: B3xD3 + E zijn. SPSS geeft de Post-Hoc (3 levels).
model verklaart alleen partial Eta Squared =
verschillen tussen groepen. andere formule. Kan
ook per factor worden
B0 = referentiegroep berekend.
Bx = verschil t.o.v.
referentiegroep
, ANCOVA Verschil tussen jongens en Nieuwe specifiek ANCOVA: Covariaat: Interval Hypothese 1: Covariaat Hypothese 1: Covariaat
meisjes (X1) in gemiddelde 1. Meetniveau covariaat interval H0 = Bx = 0 (geen H0 = Bx ≠ 0 (covariaat heeft
rekenvaardigheid (Y), minimaal interval Factoren: lineaire relatie tussen invloed op Y)
gecorrigeerd voor 2. Covariaat onafhankelijk nominaal de covariaat en de
voorbereiding op toets (X3) van experimentele conditie afhankelijke variabele)
3. Lineaire relatie covariaat
Covariaat mag geen interactie- en Y (anders geen extra
effect vertonen = homogene variantie Hypothese 2: gec. Gem. Hypothese 2: gec. Gem.
regressie 4. Homogene regressie: H0 = uadj.1 = uadj.2 H1 = uadj.1 ≠ uadj.2
geen interactie-effect (gecorrigeerde gemiddelden
in beide groepen verschillen)
Homogene regressie Homogene regressie
Gecorrigeerde gemiddelden H0 = geen interactie- H1 = wel interactie-effect
(adjusted means). Doelen: effect
corrigeren = bias-correctie en
error-reductie (verkleinen Effectgrootte hele Kan ook een hypothese
within-group error variance). De model = η2 en opstellen voor het model
power neemt dan toe = eerder afzonderlijk = η2 partial
significant.
Herhaalde Hoe ontwikkelt zich de motoriek Sfericiteit = specifiek voor Nominaal Interval Sfericiteit (aanname) Sfericiteit (schending)
metingen ANOVA van kinderen met een herhaalde metingen = H0 = varianties gelijk H0 = varianties ongelijk (MS2-1
neurologische aandoening? spreiding van residuen per X- Binnensubject- contrasten (MS2-1 = MS3-2 ≠ MS3-2 ≠ MS3-1)
Hoofdeffect van binnensubject categorie/verschilscores. De factor = MS3-1)
factor? variaties van contrasten Gaat vaak om:
moeten aan elkaar gelijk zijn. conditie of tijd H0: σ2voor-na = σ2voor-
2
followup = σ na-followup.
Y = op meerdere momenten (X). 2 of meer
gemeten (Y1, Y2, Y3) = gepaard Moet gecorrigeerd worden. condities of
Binnensubject factor Binnensubject factor
= herhaalde metingen. groepen
H0 = geen verschillen in H1 = wel verschillen in
gemiddelden over gemiddelden over
tijd/conditie tijd/conditie
