Het SPSS topic #6 - En we SPSS-en nog even door....

quote:

Op dinsdag 28 januari 2014 16:18 schreef Milchat het volgende:

[..]

Nee, dit is geen output. En inderdaad, standaardgegevens, maar die F-waarde moet er echt bij.
Ik zou eigenlijk ook niet weten of je dan significant verschil berekent ten opzichte van de hele sample, of ten opzichte van de andere groepen ofzo. Geen flauw idee
Maar misschien dat iemand die hier wel bekend mee is dit leest?

Om maar even een balletje op te gooien, bedoelt hij niet het percentage Female? Dus: 100 proefpersonen (F=60%) bijvoorbeeld?

quote:

Op dinsdag 28 januari 2014 17:13 schreef Operc het volgende:

[..]

Om maar even een balletje op te gooien, bedoelt hij niet het percentage Female? Dus: 100 proefpersonen (F=60%) bijvoorbeeld?

Maar heb je daar dan ook een F-waarde van?

quote:

Op woensdag 29 januari 2014 10:28 schreef Milchat het volgende:

[..]

Maar heb je daar dan ook een F-waarde van?

Ik bedoelde meer: Zit er niet een communicatie fout tussen jullie dat hij met 'F' aantal vrouwen bedoelde maar het leek alsof hij het had over een F-waarde?

Ik ben overigens nog nooit een F-waarde op geslacht tegengekomen. Normaal is de F-waarde er een tussen verschillende groepen, gebaseerd op de afhankelijke variabelen. En tenzij je een of ander wazig kloon/DNA experiment hebt gedaan gok ik dat geslacht geen afhankelijke variabele is.

Ik denk alleen maar een fuckability-waarde. Maar dat klopt vast niet.

LOL, nee ik bedoel oprecht een F-waarde. Het zou ook tussen groepen kunnen zijn, want ik heb groepen in mijn analyse. Hoeveel procent er man is van elke groep en of dit significant is ofzo?

Ik ga mijn begeleider dan wel weer lastig vallen, blijkbaar is het toch niet zo'n domme vraag

quote:

Op woensdag 29 januari 2014 10:49 schreef motorbloempje het volgende:
Ik denk alleen maar een fuckability-waarde. Maar dat klopt vast niet.

Dan wil ik alleen het percentage mannen erin, ik voorzie een bias.

quote:

Op woensdag 29 januari 2014 11:38 schreef Milchat het volgende:
LOL, nee ik bedoel oprecht een F-waarde. Het zou ook tussen groepen kunnen zijn, want ik heb groepen in mijn analyse. Hoeveel procent er man is van elke groep en of dit significant is ofzo?

Ik ga mijn begeleider dan wel weer lastig vallen, blijkbaar is het toch niet zo'n domme vraag

Je kan wel kijken of er een significant verschil zit tussen mannen in de verschillende groepen op je afhankelijke variabelen, als je dat dan misschien bedoelt. Anders zou ik even gaan naar je begeleider ja.

quote:

Op woensdag 29 januari 2014 11:38 schreef Milchat het volgende:
LOL, nee ik bedoel oprecht een F-waarde. Het zou ook tussen groepen kunnen zijn, want ik heb groepen in mijn analyse. Hoeveel procent er man is van elke groep en of dit significant is ofzo?

Ik ga mijn begeleider dan wel weer lastig vallen, blijkbaar is het toch niet zo'n domme vraag

Verstandig als je een lager cijfer wil hebben

Overigens SPSS Ben toch maar geswitched naar wat anders, want hoe langer je met SPSS werkt hoe meer je merkt dat het een heel beperkt programma is.

quote:

Op woensdag 29 januari 2014 10:49 schreef motorbloempje het volgende:
Ik denk alleen maar een fuckability-waarde. Maar dat klopt vast niet.

Als je zo denkt ga je Andy Field briljant vinden. Volgens hem is SPSS een afkorting voor Satan's Personal Statistics Slave.

quote:

Op woensdag 29 januari 2014 11:38 schreef Milchat het volgende:
LOL, nee ik bedoel oprecht een F-waarde. Het zou ook tussen groepen kunnen zijn, want ik heb groepen in mijn analyse. Hoeveel procent er man is van elke groep en of dit significant is ofzo?

Ik ga mijn begeleider dan wel weer lastig vallen, blijkbaar is het toch niet zo'n domme vraag

Even vragen waar hij precies de F-waarde van wil hebben kan geen kwaad nee.

quote:

Op woensdag 29 januari 2014 13:29 schreef Syntix het volgende:

[..]

Verstandig als je een lager cijfer wil hebben

Overigens SPSS Ben toch maar geswitched naar wat anders, want hoe langer je met SPSS werkt hoe meer je merkt dat het een heel beperkt programma is.

Ach, je moet wel zelf nadenken, maar vragen om verduidelijking als je feedback krijgt van je begeleider is echt niet desastreus voor je cijfer.

quote:

Op woensdag 29 januari 2014 13:35 schreef Operc het volgende:

[..]

Als je zo denkt ga je Andy Field briljant vinden. Volgens hem is SPSS een afkorting voor Satan's Personal Statistics Slave.

[..]

Even vragen waar hij precies de F-waarde van wil hebben kan geen kwaad nee.

[..]

Ach, je moet wel zelf nadenken, maar vragen om verduidelijking als je feedback krijgt van je begeleider is echt niet desastreus voor je cijfer.

Eens, tijdens je feedback kun je best zulke vragen stellen. Echter, als je elke week gaat mailen om vragen over SPSS dan kan dat zeker invloed hebben of je cijfer.

quote:

Op woensdag 29 januari 2014 13:44 schreef Syntix het volgende:

[..]

Eens, tijdens je feedback kun je best zulke vragen stellen. Echter, als je elke week gaat mailen om vragen over SPSS dan kan dat zeker invloed hebben of je cijfer.

Klopt, veel universiteiten hebben ook nog wel een SPSS/statistiek helpdesk waar je beter met die vragen terecht kunt (of hier natuurlijk). Al hebben wij meer informatie nodig over wat er nu precies bedoeld wordt.

quote:

Op woensdag 29 januari 2014 13:45 schreef Operc het volgende:

[..]

Klopt, veel universiteiten hebben ook nog wel een SPSS/statistiek helpdesk waar je beter met die vragen terecht kunt (of hier natuurlijk). Al hebben wij meer informatie nodig over wat er nu precies bedoeld wordt.

Hebben jullie wel mijn plaatje van de tabel bekeken? Als jullie ook allemaal niet begrijpen wat er bedoeld wordt dan vind ik het wel een steeds vreemdere tabel worden..
Stel dat ik de F-waarde van IQ wil weten in die tabel in plaats van geslacht, en je hebt van de 4 verschillende groepen de means en standaard deviaties al in de tabel gezet. Zou het dan gaan om significant verschil in IQ tussen groepen? (Er komt maar 1 F-waarde kolom in de tabel voor verschillende variabelen, dus niet een F waarde per groep t.o.v. de sample).

Stel het gaat dan bij IQ om een significant verschil tussen groepen, hoe krijg je dat dan uit SPSS?

quote:

Op woensdag 29 januari 2014 15:49 schreef Milchat het volgende:

[..]

Hebben jullie wel mijn plaatje van de tabel bekeken? Als jullie ook allemaal niet begrijpen wat er bedoeld wordt dan vind ik het wel een steeds vreemdere tabel worden..
Stel dat ik de F-waarde van IQ wil weten in die tabel in plaats van geslacht, en je hebt van de 4 verschillende groepen de means en standaard deviaties al in de tabel gezet. Zou het dan gaan om significant verschil in IQ tussen groepen? (Er komt maar 1 F-waarde kolom in de tabel voor verschillende variabelen, dus niet een F waarde per groep t.o.v. de sample).

Stel het gaat dan bij IQ om een significant verschil tussen groepen, hoe krijg je dat dan uit SPSS?

Ah, dat verklaart. Ja dan kun je gewoon een ANOVA doen en dan komt de F waarde (en daarna de p-waarde) er vanzelf uitrollen.

quote:

Op woensdag 29 januari 2014 15:52 schreef Operc het volgende:

[..]

Ah, dat verklaart. Ja dan kun je gewoon een ANOVA doen en dan komt de F waarde (en daarna de p-waarde) er vanzelf uitrollen.

Ah! Ik wist dat het eenvoudig moest zijn, maar zo eenvoudig.. thanks!

quote:

Op woensdag 29 januari 2014 15:52 schreef Operc het volgende:

[..]

Ah, dat verklaart. Ja dan kun je gewoon een ANOVA doen en dan komt de F waarde (en daarna de p-waarde) er vanzelf uitrollen.

Dit inderdaad. Had dat meteen gezegd joh!

quote:

Op woensdag 29 januari 2014 15:56 schreef Milchat het volgende:

[..]

Ah! Ik wist dat het eenvoudig moest zijn, maar zo eenvoudig.. thanks!

Graag gedaan.

Op dit moment ben ik bezig met het analyseren van mijn gegevens voor mijn scriptie. Hierbij loop ik echter tegen een probleem aan bij het gebruik van SPSS

In de enquête hebben respondenten op een 7-punts Likertschaal beoordeeld in welke mate ze een bepaald logo (o.b.v. kleur) vinden passen bij een beschrijving van 1 van de 12 archetypen. Nu wil ik kijken of er een correlatie is tussen de donkerheid van een kleur (licht, normaal, donker) en het archetype met een Pearson's Correlation analysis. Welke variabelen moet ik hiervoor nemen? Kan ik gewoon de output van de vragenlijst nemen of moet ik hier nog dingen in aanpassen? Help!!!

Jouw variabele is van ordinaal meetniveau en daarom niet geschikt voor correlatie. One-way ANOVA moet je hebben.

Hallo!
Ik hoop dat julle mij kunnen helpen met kijken of de dingen die ik wil meten ook gemeten worden met de daarbij behorende toetsen. In oderstaand schema staan de te meten variabelen met de toets waarvan ik denk dat die daarbij hoort.



Hier onder nog een schema waar het zelfde wordt gezegd maar dan met de meetschalen



Bedankt !

Goedenavond,

Ik werk voor het eerst met SPSS en ik heb een aantal kruistabellen gemaakt voor verbanden die ik wil bekijken. Deze voldoen aan de voorwaarden voor de chi2-toets, maar ik snap niet hoe ik nou aan de hand van de observed count en de expected count een 'uitspraak' kan doen. Bij een 'ja' 'nee' vraag lukt me dat nog wel nu niet.

Zijn er hier wellicht mensen met een beetje SPSS-kennis die me kunnen helpen? als ik er eentje heb gedaan dan lukken die andere ook wel. Het gaat in het onderstaande voorbeeld-geval over het effect van gratis retour aanbieden op het percentage terugkerende klanten. Ik wil daar gewoon kortweg iets over kunnen zeggen.

http://postimg.org/image/qm35b3p65/

Zeer bedankt alvast

P.S. ja ik weet dat ik achteraf ook boven de 40 % verder had moeten tellen, maar de groep die 50 %, 60 % etc. zou antwoorden verwachte ik erg laag.

[ Bericht 3% gewijzigd door stefanschippers op 31-01-2014 21:47:04 ]

Je moet kijken bij Sig (van significance). Sig > 0,05, dus niet significant.

EDIT: Ik zal nog iets verduidelijken

Het gaat erom of de groepen die jij hebt ingedeeld, de waarden 'above chance level' beïnvloeden. Dat wil zeggen; er moet minder dan 5% kans zijn, dat de waarden door toeval gewoon zijn zoals ze zijn. De waarden moeten dus voldoende verschillen van de expected value. De expected value is meestal totaal van de rij * totaal van de kolom / totaal van rijen + kolommen bij elkaar.

Misschien als je je groepen anders indeelt, dat je wel een effect krijgt. Dat is meestal de crux bij dit soort dingen. Je deelt je groepen arbitrair in, en dan rolt er niks uit. Je moet idealiter ook een reden hebben om je groepen in te delen zoals je doet.

De statistiek hier is dus niet zo heel zinnig. Misschien kun je iets van een correlatie-test doen of zo, kijk maar in je handboek. Maar dan moet je eigenlijk eerst een significante chi square hebben? Hier eindigt mijn kennis zo'n beetje.

[ Bericht 47% gewijzigd door sirdanilot op 31-01-2014 23:11:37 ]

quote:

Op vrijdag 31 januari 2014 21:40 schreef stefanschippers het volgende:
Goedenavond,

Ik werk voor het eerst met SPSS en ik heb een aantal kruistabellen gemaakt voor verbanden die ik wil bekijken. Deze voldoen aan de voorwaarden voor de chi2-toets, maar ik snap niet hoe ik nou aan de hand van de observed count en de expected count een 'uitspraak' kan doen. Bij een 'ja' 'nee' vraag lukt me dat nog wel nu niet.

Zijn er hier wellicht mensen met een beetje SPSS-kennis die me kunnen helpen? als ik er eentje heb gedaan dan lukken die andere ook wel. Het gaat in het onderstaande voorbeeld-geval over het effect van gratis retour aanbieden op het percentage terugkerende klanten. Ik wil daar gewoon kortweg iets over kunnen zeggen.

http://postimg.org/image/qm35b3p65/

Zeer bedankt alvast

P.S. ja ik weet dat ik achteraf ook boven de 40 % verder had moeten tellen, maar de groep die 50 %, 60 % etc. zou antwoorden verwachte ik erg laag.

Ik snap je tabel niet helemaal. Wat heb je precies gedaan qua groepen en vragen?
Ik neem aan dat 'opnieuw kopen' de afhankelijke variabele is? Maar wat is gratis_retourtoepassing dan? En waar staat de ja/nee voor?

quote:

Op vrijdag 31 januari 2014 23:06 schreef sirdanilot het volgende:
Je moet kijken bij Sig (van significance). Sig > 0,05, dus niet significant.

EDIT: Ik zal nog iets verduidelijken

Het gaat erom of de groepen die jij hebt ingedeeld, de waarden 'above chance level' beïnvloeden. Dat wil zeggen; er moet minder dan 5% kans zijn, dat de waarden door toeval gewoon zijn zoals ze zijn. De waarden moeten dus voldoende verschillen van de expected value. De expected value is meestal totaal van de rij * totaal van de kolom / totaal van rijen + kolommen bij elkaar.

Misschien als je je groepen anders indeelt, dat je wel een effect krijgt. Dat is meestal de crux bij dit soort dingen. Je deelt je groepen arbitrair in, en dan rolt er niks uit. Je moet idealiter ook een reden hebben om je groepen in te delen zoals je doet.

De statistiek hier is dus niet zo heel zinnig. Misschien kun je iets van een correlatie-test doen of zo, kijk maar in je handboek. Maar dan moet je eigenlijk eerst een significante chi square hebben? Hier eindigt mijn kennis zo'n beetje.

Bedankt voor je reactie Ik heb al gehercodeerd, eerst waren er namelijk nog meer antwoordopties. Maar volgens jou moeten er nog meer groepen samengevoegd worden?

quote:

Op zaterdag 1 februari 2014 01:13 schreef Operc het volgende:

[..]

Ik snap je tabel niet helemaal. Wat heb je precies gedaan qua groepen en vragen?

Ik neem aan dat 'opnieuw kopen' de afhankelijke variabele is? Maar wat is gratis_retourtoepassing dan? En waar staat de ja/nee voor?

Jij ook bedankt voor de reactie! De hypothese die getoetst moet worden is eigenlijk dat aanbieden van gratis retour een positief effect heeft op het percentage bezoekers dat terugkeert na een aankoop. Eerst heb ik dus de winkels gevraagd in een enquête welk percentage van de bezoekers terugkeert en daarna heb ik een aantal vragen gesteld over o.a. wel of geen gratis retour (en nog 10 andere elementen die mogelijk van invloed zijn op een hoger 'terugkeer-percentage' klanten). Nu wil ik dus gaan kijken welke van deze dingen duidelijk invloed hebben.

Dat percentage 'opnieuw kopen' is dan idd de afhankelijke variabele. Maar hoe meet ik dit verband nu (of meet ik dat er geen verband is, dat zou natuurlijk ook nog kunnen ) ?

[ Bericht 3% gewijzigd door stefanschippers op 01-02-2014 14:13:35 ]