Het SPSS topic #2 - Waar we gezellig verder analyseren

quote:

Op dinsdag 11 mei 2010 14:36 schreef Z het volgende:

SPSS doet raar als je onder voorwaarde hercodeerd. Ik zou het via een omweg doen, als je bij het filteren 'delete unselected cases' doet, het bestand onder een andere naam opslaat, heocdeerd en de data via een merge weer aan elkaar plakt, lukt het wel.

Hartstikke bedankt! Het werkt via die omweg wel .

Nog een vraag over het construeren van mijn schaal. Eerst nog even de eerdere posts:

quote:

Op woensdag 28 april 2010 22:21 schreef yozd het volgende:

Mjah, dit is wat ik eigenlijk probeer te bewerkstelligen, voorbeeld:

Heeft u A?
Heeft u B?
Heeft u C?
Heeft u X?
Heeft u Y?
Heeft u Z?

Op alle vragen kan men ja of nee antwoorden --> 0 of 1. Al die vragen samen zeggen iets over het gevoerde "beleid" (betreffende dat onderwerp). Nu wil ik een totaalscore hebben van dat beleid. Ik dacht er eerst aan om alle scores op te tellen. Een respondent scoort dan, in dit voorbeeld, maximaal 6 ("veel beleid") en minimaal 0 (weinig beleid). Nu zou dat ietwat problematisch worden bij missing scores, aangezien die de totaalscores verpesten.

Bij het middelen liggen de scores tussen 0 (weinig beleid) en 1 (veel beleid). De waardes die eruit komen zijn dus niet 0 of 1, maar liggen daar tussen in (kunnen natuurlijk wel 0 of 1 zijn).

Ik zie alleen door de bomen het bos niet meer zo...

quote:

Op donderdag 29 april 2010 13:14 schreef Skv het volgende:
Volgens mij is het erg moeilijk om te kijken of je vragen het concept wel goed meten met een bivariate variabele. Je gaat er vanuit dat die zaken het 'beleid' meten, maar statistisch kan je dit met Chronbach's alpha volgens mij niet aantonen. Maar, je kan toch met het gemiddelde per groep werken? Dan flikker je de 'geen antwoord'-dingen er uit en kijk je wat het gemiddelde is per respondent? Je zal dan per respondent een score tussen de 0 en 1 krijgen, die aangeeft hoeveel mensen gemiddeld hebben.

Ik heb het nu gedaan op de hierboven beschreven manier voor begrip X. Ik ga dat ook nog doen voor begrip Y en daarna kan ik ze met elkaar gaan vergelijken.

Ik gebruik overigens een schaal gebaseerd op gemiddelde scores. Zoals iemand al eerder zei, is dat beter, omdat je bij somscores vaak te laag zit als iemand missings heeft. Neem je gemiddelde scores, dan worden die missings "geneutraliseerd". Mijn schaal is de gemiddelde score (tussen 0 en 1) over 28 vragen.

Ik wil alleen graag ook iets zeggen over de betrouwbaarheid van de schalen. Met SPSS kan je daarvoor de Reliability Analysis gebruiken. Je selecteert dan alle variabelen (in mijn geval 28 vragen) en dan krijg je via de Cronbach's alpha te zien of je schaal betrouwbaar is (valide is een ander verhaal...). Een C alpha van 0.8 of hoger is goed en van 0.6 is ongeveer de minimum vereiste.

Probleem is echter dat wanneer een case/respondent een missing value heeft op 1 van de 28 vragen (wat bij mij heel vaak het geval is), deze case wordt weggelaten uit de analyse. Gevolg is dat ik er bij het berekenen maar 7 van de oorspronkelijke 1403 respondenten worden gebruikt . Dit gebeurt bij mij o.a. doordat ik de "weet niet" scores als missing heb behandeld. Als ik die i.p.v. missing als neutraal behandel (een 0.5 score, aangezien mijn schaal tussen de 0 en 1 is), dan worden er al wat meer cases gebruikt, maar nog steeds heel weinig (65 ofzo).

Een belangrijker oorzaak van dit probleem is het volgende: 2 van de 28 vragen zijn "vervolgvragen". Die vragen hoeven alleen maar ingevuld te worden als er op eerdere vragen "ja" is geantwoord. Veel mensen hebben die vragen dus niet ingevuld, ergo: dat worden missings en de cases worden uitgesloten van de analyse. In feite zijn dit geen "echte" missings. Twee oplossingen: (1) deze vragen niet in de schaal opnemen als de betrouwbaarheid wordt getest, of (2) de dataset hercoderen. Met dit hercoderen bedoel ik dat er gekeken wordt in de dataset of er op de beginvragen een "ja" is geantwoord, is dat niet het geval, dan worden die 2 vragen waar het om gaat gehercodeerd als neutraal (0.5), zodat ze niet meer missing zijn, maar een waarde krijgen.

In beide gevallen wordt bij het testen op betrouwbaarheid meer dan 90% van de cases meegenomen, wat natuurlijk een beter beeld geeft.

Dus:

(1) Hoe moet ik mijn schaal testen op betrouwbaarheid?
a. alle 28 vragen, "weet niet" = missing
b. alle 28 vragen, "weet niet" = neutraal (0.5 score)
c. alle 28 vragen, 2 vragen gehercodeerd (missings, zijn nepmissings en worden neutraal)
d. niet alle vragen, 2 vragen eruit, 26 vragen over

(2) Welke schaal kan ik het beste gebruiken in de verdere analyses (regressie e.d.)?

Is het erg als ik een schaal gebruik, waarvan de betrouwbaarheid niet getest kan worden? Stel ik gebruik schaal a of b. Die zijn eigenlijk niet te testen. Via bovenstaande bewerkingen is wel aan te tonen dat de 28 vragen samenhangen (de alpha verandert niet veel door de bewerkingen, het enige is dat er veel meer cases worden gebruikt bij de laatste 2). Ik gebruik dan dus voor de (regressie)analyses een bepaalde schaal en om aan te tonen dat die vragen/items überhaupt zijn te combineren tot 1 schaal gebruik ik die bewerkingen. Kan dat?

Excuses voor de lange post trouwens!

Niemand?

Okay, ik weet nu dat ik met SPSS kan bepalen of mijn data al dan wel niet normaal is verdeeld. Maar hoe doe ik dit? Iemand een gemakkelijke beschrijving?

thx

tvp

Moet er denk ik ook aan geloven soon or later...

quote:

Op dinsdag 18 mei 2010 15:13 schreef Pablo88 het volgende:
Okay, ik weet nu dat ik met SPSS kan bepalen of mijn data al dan wel niet normaal is verdeeld. Maar hoe doe ik dit? Iemand een gemakkelijke beschrijving?

thx

-Analyze->Descriptives->Frequencies->Histogram met vink bij normal curve. Kijken of het histogram overeenkomt.

Analyze->descriptives->Explore->dependent var geeft een Q-Q-plot, waarbij de waarnemingen op de lijn moeten liggen voor een normale verdeling.

-Shapiro-Wilktoets geeft ook normaliteit aan:
H0: de verdeling van variabele is standaard-normaal verdeeld.
Ha: de verdeling van variabele is niet standaard-normaal verdeeld.
Komt neer op Sig <0.05: geen normale verdeling bij alpha van 5%.

Wat een but om alles te analyseren

Heb het ook sinds enkele weken, op zich een goed programma, maar je moet alle antwoorden verantwoorden

Weet iemand toevallig hoe je een variabele kunt kwadrateren in SPSS? Via compute variables moet ik iets kwadrateren, maar ik kan de juiste functie niet vinden. Ik kan het wel via excel doen en dan kopieeren in SPSS, maar met veel data wordt dat een beetje vervelend.

Compute varx = varx * varx.
exe.

Te simpel om zelf op te komen.. Thnx.

Hi,

ik vraag me af hoe ik meerdere binaire variabelen kan samen voegen tot 1 variabele waarbij ze worden gecodeerd in groepen waarbij bv bij de eerste 2 beide een 1 werd gescoord.

Dus eigenlijk wil ik een variabele maken die de scores optelt als verschillende variabelen aan een bepaalde voorwaarden voldoen.

Ik hoop dat ik het duidelijk uit heb kunnen leggen en dat iemand me kan helpen,
Bedankt

Transform - Compute variable.

Of:
compute nVar = 0.
exe.

IF var_a = 1 nVar = 1.
IF var_b = 1 nVar = 1.
IF var_c = 1 nVar = 2.
IF var_d = 1 nVar = 2.
enzovoorts
exe.

Plakken in een syntax en runnen.

Om een of andere vage reden neemt mijn SPSS 'missing values' mee wanneer ik een nieuwe variabele compute.

Bij het berekenen van de betrouwbaarheid van een nieuw te maken schaal werden netjes de missing values overgeslagen en kreeg ik een N=180. Toen ik vervolgens met dezelfde variabelen een nieuwe schaal creeerde die het gemiddelde weer geeft, kwam er een N=260 uit en werden alleen respondenten overgeslagen die over de gehele schaal missing values hadden (oftewel niets hadden ingevuld bij alle vragen van deze schaal).

Volgens mij klopt er iets niet :S

-Heb je aangegeven dat je die missende waardes wil kopieren naar de nieuwe variabele? Zie hier, system missing aanvinken.
-Staat het bij je instelling van de nieuwe variabele wel goed, dus een waarde bij de kolom missing in het veld 'Variable view'?

Hopelijk kan iemand me helpen met het volgende:
Ik moet een confidence interval van het gemiddelde van Y voorspellen en daarbij voor x1, x2 en x3 een bepaalde waarde opgeven.

Nou ben ik niet heel handig met SPSS dus hopelijk weet iemand welke functie ik moet gebruiken en hoe dat precies in te stellen.

Multiple regressieanalyse?

Hier weer een SPSS probleem:

Voor mijn scriptie ben ik bezig met een conjoint analyse. Aangezien ik de afhankelijke variabele op nominaal als interval niveau gemeten heb, maak ik zowel van dummy variable multiple regression als binary logistic regression gebruik. Nu wil ik ook interactie effecten meten (geslacht, opleiding, etc). Mijn vraag is hoe ik dit precies moet doen? Ik heb al wat gegoogled maar maar kom niks bruikbaars tegen.

Hoop dat iemand mij hiermee kan helpen. Alvast dank voor de hulp.

Deze maken we ff unsticky

quote:

Op maandag 28 juni 2010 12:39 schreef The_Eye het volgende:
Hier weer een SPSS probleem:

Voor mijn scriptie ben ik bezig met een conjoint analyse. Aangezien ik de afhankelijke variabele op nominaal als interval niveau gemeten heb, maak ik zowel van dummy variable multiple regression als binary logistic regression gebruik. Nu wil ik ook interactie effecten meten (geslacht, opleiding, etc). Mijn vraag is hoe ik dit precies moet doen? Ik heb al wat gegoogled maar maar kom niks bruikbaars tegen.

Hoop dat iemand mij hiermee kan helpen. Alvast dank voor de hulp.

Ik heb mijn twijfels of dit überhaupt kan met SPSS, voor conjoint analyses wordt vaak andere software gebruikt dan SPSS, aparte pakketten speciaal ontwikkeld voor conjoint analyses.

Na een jaar niet met SPSS gewerkt te hebben, weet ik niet meer hoe het moet

Ik wil, simpel gezegd, SPSS laten uitrekenen of 2 series met waarden significant van elkaar verschillen (P<0.05)

Ik zal het omschrijven als knikkers in een pot, ipv waar het echt om draait.
2 groepen van 5 potten met elk 100 knikkers, en er zijn 3 verschillende kleuren knikkers: rood, geel en blauw.

Groep 1:
Pot 1: 95 rood, 5 geel, 0 blauw
Pot 2: 98 rood, 2 geel, 0 blauw
Pot 3: 98 rood, 2 geel, 0 blauw
Pot 4: 85 rood, 15 geel, 0 blauw
Pot 5: 100 rood, 0 geel, 0 blauw

Groep 2:
Pot 1: 55 rood, 43 geel, 2 blauw
Pot 2: 78 rood, 22 geel, 0 blauw
Pot 3: 76 rood, 24 geel, 0 blauw
Pot 4: 72 rood, 27 geel, 2 blauw
Pot 5: 87 rood, 13 geel, 0 blauw

Het programma moet per groep het gemiddelde aantal rode, gele en blauwe knikkers uitrekenen, en de standaard deviatie.
De vraag is: zitten er in groep 2 significant meer gele knikkers in de potten dan in groep 1? Welke test moet ik daarvoor nemen? Is dat de Univariate test? Welke waarde (pot, rode knikkers, gele knikkers, blauwe knikkers) moet ik in welk vakje zetten?

Basic vraagje over H0 en H1;

Is H0 altijd gelijk aan wat je verwacht dat uit de toets komt en wat je daarna dus gaat toetsen?

Bijvoorbeeld bij 100 mensen a-select ondervraagd:

H0 = er bestaat geen signifant verschil in de seksen van de respondenten
H1 = er bestaat wel....

Of kan dit ook anders om?

quote:

Op maandag 5 juli 2010 23:36 schreef Hiya het volgende:
Basic vraagje over H0 en H1;

Is H0 altijd gelijk aan wat je verwacht dat uit de toets komt en wat je daarna dus gaat toetsen?

Bijvoorbeeld bij 100 mensen a-select ondervraagd:

H0 = er bestaat geen signifant verschil in de seksen van de respondenten
H1 = er bestaat wel....

Of kan dit ook anders om?

Het doel is om je nul-hypothese te verwerpen. Daarin veronderstel je normaliter dat er geen effect/verschil is. In je alternatieve hypothese ga je wel uit van een effect/verschil.

quote:

Op maandag 5 juli 2010 23:36 schreef Hiya het volgende:
Basic vraagje over H0 en H1;

Is H0 altijd gelijk aan wat je verwacht dat uit de toets komt en wat je daarna dus gaat toetsen?

Bijvoorbeeld bij 100 mensen a-select ondervraagd:

H0 = er bestaat geen signifant verschil in de seksen van de respondenten
H1 = er bestaat wel....

Of kan dit ook anders om?

Even wat anders. Een hypothese is nooit significant, het is namelijk een uitspraak over de populatie. En die uitspraak is waar of onwaar.

quote:

Op dinsdag 6 juli 2010 10:10 schreef mies1983 het volgende:

[..]

Even wat anders. Een hypothese is nooit significant, het is namelijk een uitspraak over de populatie. En die uitspraak is waar of onwaar.

waarbij we dan ook maar zullen toevoegen dat de criteria voor wanneer een geproduceerd effect met significantie al dan niet de nul-hypothese verwerpt, grotendeels afhankelijk zijn van het wetenschappelijke veld waarin je jezelf bevind. Uiteraard wel met wat technische correcties voor de methode zelf, maar dat spreekt voor zich.

Medici gaan bijvoorbeeld uit van zeer lage effecten (minder dan 0,1 zelfs), maar dan op zeer grote steekproeven. (waarbij je moet inzien dat de mogelijkheden van een groter effect bij een grotere steekproef steeds kleiner worden en dat de afwijking op een kleine waarde dan ook steeds waarschijnlijker wordt veroorzaakt door een niet-toevallige variatie). In vergelijking doen sociale wetenschappers het met een zeer beperkt aantal cases of op grotere schaal met de 1000-2000 aantallen, waarbij op effectgrotes van 0,1 of meer wordt gehoopt.

/2 centen of zo iets.

quote:

Op maandag 5 juli 2010 09:28 schreef Brammie1 het volgende:
Na een jaar niet met SPSS gewerkt te hebben, weet ik niet meer hoe het moet

Ik wil, simpel gezegd, SPSS laten uitrekenen of 2 series met waarden significant van elkaar verschillen (P<0.05)

Ik zal het omschrijven als knikkers in een pot, ipv waar het echt om draait.
2 groepen van 5 potten met elk 100 knikkers, en er zijn 3 verschillende kleuren knikkers: rood, geel en blauw.

Groep 1:
Pot 1: 95 rood, 5 geel, 0 blauw
Pot 2: 98 rood, 2 geel, 0 blauw
Pot 3: 98 rood, 2 geel, 0 blauw
Pot 4: 85 rood, 15 geel, 0 blauw
Pot 5: 100 rood, 0 geel, 0 blauw

Groep 2:
Pot 1: 55 rood, 43 geel, 2 blauw
Pot 2: 78 rood, 22 geel, 0 blauw
Pot 3: 76 rood, 24 geel, 0 blauw
Pot 4: 72 rood, 27 geel, 2 blauw
Pot 5: 87 rood, 13 geel, 0 blauw

Het programma moet per groep het gemiddelde aantal rode, gele en blauwe knikkers uitrekenen, en de standaard deviatie.
De vraag is: zitten er in groep 2 significant meer gele knikkers in de potten dan in groep 1? Welke test moet ik daarvoor nemen? Is dat de Univariate test? Welke waarde (pot, rode knikkers, gele knikkers, blauwe knikkers) moet ik in welk vakje zetten?

Kan iemand mij nog hier mee helpen?

Ik weet niet of het goed is, maar ik zou het zo doen:
Data zo invoeren in spss en een extra rij maken waarbij je de groep aangeeft met een cijfer.
Dan een multivariate test uitvoeren met de kleuren als dependent variables en de groep als independent variable. Bij options kun je dan descriptive statistics aanvinken voor de standaarddeviatie enzo.

thanks! Ga ik morgen proberen

En, werkte het?

misschien, ik kan er nog niet echt wijs uit worden. Maandag verder proberen.

Ha! Hier is een SPSS topic! ik heb net een post gedaan, maar ik post hem even hier:

quote:

Hoi!

Vraagje. Ik heb net een exploratory factor analysis gedraait in SPSS. Hieruit zijn 7 factoren gekomen. Nu kom ik erachter dat ik ook Z-scores moet berekenen. Nou kan dat normaal wel, maar ik heb geen flauw idee hoe ik dat moet doen en dat er dan relevante scores uitkomen waar ook conclusies aan kunnen worden verbonden.

Wie helpt me op weg?

Meer info: ik heb 26 vragen - vragenlijst gedaan, met statements waarop mensen konden reageren op een likertscale. Hier is nu een exploratieve factor analyse uit gekomen. Maar het onderzoek waar het mijne op gebaseerd is, doet conclusies n.a.v. de Z-scores die uit de factor analyze komen. Hoe o hoe?

Ik ben momenteel bezig met een dataset, alleen er is een foutje ingeslopen bij het verzamelen van de data. Bij 2 van de 4 condities heten variabelen net iets anders terwijl ze hetzelfde zijn als de variabelen in de andere condities.

Bijvoorbeeld:

Conditie 1: cinhsta

In de 2de conditie heet dezelfde var: cinh1sta

Deze variabelen moeten dus 1 worden, want ze zijn hetzelfde..

Weet iemand hoe ik deze variabelen kan samenvoegen? Want ik kan het nergens vinden :S

Hoop dat iemand kan helpen, thanks!


Voor de extra uitleg:

Ik heb dus eigenlijk 2 variabelen (ik noem ze even a en b). Deze variabelen zijn dezelfde vraag, alleen in verschillende condities (foutje die erin geslopen is) dus ik wil ze samenvoegen, omdat ik nu dus lege plekken in mijn data heb.

En wat bedoel je precies met condities?

Klink overigens als iets wat je met RECODE zou moeten kunnen doen.

quote:

Op woensdag 14 juli 2010 10:38 schreef Z het volgende:
En wat bedoel je precies met condities?

Ehm nou de enquete is soort van een experimenteel design, dus er zitten 4 vragenlijsten in (condities) die random toegewezen worden aan een persoon. Door wat gehannes moesten er op het laatste moment nogal wat namen van variabelen gewijzigd worden in elke vragenlijst (had iets te maken met exporteren) en toen is dit foutje erin geslopen. De vragen moesten dus identiek zijn, maar dat zijn ze niet, vandaar dat ik ze wil samenvoegen om het recht te trekken.

quote:

Op woensdag 14 juli 2010 10:39 schreef Z het volgende:
Klink overigens als iets wat je met RECODE zou moeten kunnen doen.

Ehm..hoe kan je dat met recode doen dan? Want ik heb het geprobeerd maar het zijn dus 2 variabelen, die 1 moeten worden..en dat wilde SPSS niet doen?

Recode into same variabeles?

quote:

Op woensdag 14 juli 2010 10:43 schreef alors het volgende:
Recode into same variabeles?

dan krijg ik alsnog 2 losse variabelen?

quote:

Op woensdag 14 juli 2010 10:45 schreef InsaneM666 het volgende:

[..]

dan krijg ik alsnog 2 losse variabelen?

Compute new variable

quote:

Op woensdag 14 juli 2010 10:49 schreef crossover het volgende:

[..]

Compute new variable

maar dat kan ik niet doen met optellen oid..weet je toevallig iets van syntax? of hoe het wel werkt?