SPSS explained (Hinton, 2004) zegt het volgende:quote:Op donderdag 21 juli 2011 16:15 schreef hetzusjevan het volgende:
Iemand goed met repeated measures? Ik snap er niets meer van.
Als je 2 condities hebt, mag je sphericity negeren want sphericity is geen issue als je maar 2 condities hebt (bron: Andy Field boek). Mauchly's test is echter wel significant dus dit zou normaliter een schending van sphericity betekenen.
Betekent dat dan dat ik:
A: ongeacht Mauchly's sig waarde, bij sphericity assumed mag kijken (in tabel test of within-subjects effects)?
B: Sphericity is geschonden dus Greenhouse Geisser correctie pakken en daarbij in tabel kijken?
C: In de multivariate test moet gaan kijken bij Wilks' Lambda?
Iemand? Alvast bedankt!
Klinkt logisch, maar is het daadwerkelijk zo simpel. Kan me namelijk voorstellen dat het niet per definitie zeker is dat ieder item evenveel extaversie meet.quote:Op dinsdag 2 augustus 2011 11:52 schreef Operc het volgende:
Je kunt kijken naar de gemiddelde totaalscores op extraversie per groep. Vervolgens test je met een T-toets of die verschillen significant zijn. Stel het gemiddelde van de Nederlanders is 10 en die van de Belgen is 15, waarbij hoger staat voor extraverter, en het verschil is significant, dan zijn de Belgen dus extraverter.
Het ligt eraan of je een bestaande schaal gebruikt, of dat je zelf de vragenlijst hebt opgezet. In dat laatste geval zou je er een factoranalyse op los kunnen laten om eerst te controleren of je alle items op de vragenlijst mee moet rekenen en welke je er eventueel uit moet gooien.quote:Op dinsdag 2 augustus 2011 16:19 schreef TIM-846 het volgende:
[..]
Klinkt logisch, maar is het daadwerkelijk zo simpel. Kan me namelijk voorstellen dat het niet per definitie zeker is dat ieder item evenveel extaversie meet.
Maar om de interne consistentie te bewaken moesten er wel een aantal items verwijderd worden.. Dus het zijn bijv de helft van alle items.quote:Op woensdag 3 augustus 2011 11:06 schreef TIM-846 het volgende:
Deze items komen toevallig uit bestaande schalen. Moet ik dan anders te werk gaan?
Komen de items uit bestaande schalen, of heb je een complete bestaande schaal gepakt? En komen de items allemaal uit dezelfde schaal? Of heb je bijvoorbeeld verschillende schalen voor extraversie gepakt en daar zelf een schaal uit geconstrueerd? Als je bijvoorbeeld een extraversie schaal had van 100 items en je hebt daar 50 items random uitgehaald, is er weinig aan de hand. Als je uit verschillende schalen jouw schaal hebt samengesteld zou ik even een factor analyse doen. Ligt er ook een beetje aan waarvoor het is. Als je eerste jaars student bent die een onderzoek doet om de wetenschappelijke cyclus een keer te doorlopen is het minder nodig dan als het je Ba/Ma project is.quote:Op woensdag 3 augustus 2011 11:06 schreef TIM-846 het volgende:
Deze items komen toevallig uit bestaande schalen. Moet ik dan anders te werk gaan?
Hoeveel items hou je over? En als je de items eruit hebt gegooid die de interne consistentie teveel aantasten, dan kun je de T-toets uitvoeren op de scores van de overige items.quote:Op woensdag 3 augustus 2011 11:07 schreef TIM-846 het volgende:
[..]
Maar om de interne consistentie te bewaken moesten er wel een aantal items verwijderd worden.. Dus het zijn bijv de helft van alle items.
Om te zeggen wat je moet doen, moeten we eerst weten wat je met de statistiek wil zeggen. Wat is het doel van het opsplitsen in twee groepen. Als ze echt andere foto's hebben gekregen kun je ze moeilijk met elkaar vergelijken me dunkt.quote:Op woensdag 3 augustus 2011 16:57 schreef ebayaccountje het volgende:
Goedemiddag beste mensen ,
Ik zit met een spss probleem en ik zou het echt ontzettend waarderen als iemand me hier een oplossing kan bieden of me in ieder geval in de juiste richting te wijzen. (ik zit ontzettend vast)
Ik heb dus 2 groepen. Deze hebben allemaal 10 foto's beoordeeld.
Groep 1 heeft 1-5 van de fotos met een object beoordeeld
Group 2 heeft 6-10 met een object beoordeeld
Dus ik heb 10 plaatjes met dat object. Toen heb ik van alle 10 dat object eruit geshopt met adobe. Toen heb ik iedere groep 5 plaatjes met en 5 plaatjes zonder laten beoordelen.
Nu heb ik een independent T test gedaan voor alle 10 de fotos (en ik heb een significant resultaat op meer dan de helft van de fotos yeah!)
Vraag1: weten jullie hoe ik kan berekenen of de resultaten gezamelijk ook significant zijn?
Vraag2: ik heb nog andere independent variables zoals (geslacht en leeftijd) waarvan ik ook wil weten of dat een significant effect heeft op de beoordeling van het al dan niet aanwezig zijn van het object.
Ja, omdat het nominale data betreft. (denk aan het verschil tussen nominaal, interval en ratio)quote:Op donderdag 4 augustus 2011 16:18 schreef Miss_Isis het volgende:
Maar: had ik dit moeten berekenen met een chi-kwadraat toets? Zo ja, waarom wel of niet?
ok, bedanktquote:Op donderdag 4 augustus 2011 16:25 schreef speknek het volgende:
[..]
Ja, omdat het nominale data betreft. (denk aan het verschil tussen nominaal, interval en ratio)
(in principe kun je nominale data als 0/1 gecodeerd volgens mij wel voor correlaties gebruiken)
Het doel van het opslitsen van de groepen is om te kijken of het object de beoordeling per fotos beinvloed. De fotos zijn exact hetzelfde alleen is bij de eene groep de eene helft met object en bij de andere de andere helft.quote:Op donderdag 4 augustus 2011 16:20 schreef speknek het volgende:
[..]
Om te zeggen wat je moet doen, moeten we eerst weten wat je met de statistiek wil zeggen. Wat is het doel van het opsplitsen in twee groepen. Als ze echt andere foto's hebben gekregen kun je ze moeilijk met elkaar vergelijken me dunkt.
Ja uit je omschrijving leek het alsof je beide groepen foto's hebt gegeven met en zonder het object. Dit kan gewoon. Het gemiddelde nemen is wat gebruikelijker dan het totaal, maar zal voor de statistische test geen verschil maken.quote:Op vrijdag 5 augustus 2011 10:55 schreef ebayaccountje het volgende:
[..]
Het doel van het opslitsen van de groepen is om te kijken of het object de beoordeling per fotos beinvloed. De fotos zijn exact hetzelfde alleen is bij de eene groep de eene helft met object en bij de andere de andere helft.
Maar ik heb het volgens mij al opgelosttotaal fotos met object- fotos zonder object en dan gewoon de twee groepen met de independent t test:P.. En met dat eerder genoemde cijfer als variable kon ik dan ook gelijk mijn andere dependants bekijken xD
Maar ik snap dat het allemaal beetje wazig is haha.(gelukkig heb ik 10 000 woorden om het te beschrijven)
nah normaal als je het totaal neemt dan wordt het een heel hoog getal waarschijnlijk wat rare resultaten oplevert. Omdat ik de fotos met object - fotos zonder object doe blijft het getal gewoon netjes tussen de -10 en +10. Maar ik kan weer opnieuw dezelfde formules toe gaan passen want mijn participant groep is in één keer veel hoger uitgevallen.. Mooi is dat heb je 150 resultaten na 2 weken doe je de berekeningen en heb je de dag erna plots 400 ingevulde questionnaires omdat iemand was vergeten alles door te sturen hahaquote:Op vrijdag 5 augustus 2011 14:41 schreef speknek het volgende:
[..]
Ja uit je omschrijving leek het alsof je beide groepen foto's hebt gegeven met en zonder het object. Dit kan gewoon. Het gemiddelde nemen is wat gebruikelijker dan het totaal, maar zal voor de statistische test geen verschil maken.
Vreemd.. Je kan eens proberen te hercoderen naar 0 en 1, zoals hierboven gezegd wordt. Ik denk echter dat het geen zin heeft. Wat wil je eigenlijk bereiken? Wat is je syntax?quote:Op vrijdag 12 augustus 2011 17:06 schreef ikrammarki89 het volgende:
Dag allemaal,
Zouden jullie mij misschien kunnen helpen met het volgende probleem?
Ik probeerde een dummy aan te maken om zodoende de dichotomie van "wel kinderen / geen kinderen" te krijgen (hierbij hercodeer ik 1 -> 2 en 2 ->1). Maar ik krijg de volgende melding:
Warnings
7.) Heeft U kinderen? is constant when HercoderingKinderen = 1.00. It will be included in any boxplots produced but other output will be omitted.
7.) Heeft U kinderen? is constant when HercoderingKinderen = 2.00. It will be included in any boxplots produced but other output will be omitted.
Ook de volgende tabel geeft iets soortgelijks aan:
[code] Case Processing Summary
Cases
Valid Missing Total
HercoderingKinderen N Percent N Percent N Percent
7.) Heeft U kinderen? 1.00 156 100.0% 0 .0% 156 100.0%
2.00 362 100.0% 0 .0% 362 100.0%
[/code]Waarom krijg ik deze warning (is het uberhaupt een probleem?) en hoe kan ik dit verhelpen??
Hoop dat jullie me kunnen helpen !! =(
groetjes,
ik
Waarschijnlijk zijn er hier mensen die het beter kunnen uitleggen, maar ik ga het proberen.quote:Op maandag 15 augustus 2011 14:08 schreef EddyAlbena het volgende:
Volgens mij is dit basiskennis voor spss, maar het is alweer een tijd geleden dat ik het heb gebrukt en heb het boek niet bij de hand.
Heb output van een enquete, nu wil ik op een meerkeuze (waarbij men meerdere antwoorden kon aanvinken) weten hoeveel van de mensen die de eerste optie hebben aangevinkt, ook een andere optie hebben aangevinkt.
Hoe doe ik dat?
Zo heb ik de variabelen ook ingevoerd, dus ik ga het ff proben. Thx!quote:Op maandag 15 augustus 2011 14:33 schreef Don_Gurgen het volgende:
[..]
Waarschijnlijk zijn er hier mensen die het beter kunnen uitleggen, maar ik ga het proberen.
Het hangt wel van je dataset af. Maar ik heb het zo gedaan, dat ik alle antwoorden op de vraag als losse variabele heb ingevoerd met de mogelijkheid 1 (aangevinkt) of 0 (niet aangevinkt). Als dit het geval is kan je middels, analyse -> multiple response -> define variable set deze variabelen aan elkaar koppelen en kan je inzicht krijgen in combinaties van antwoorden.
Ik hoop dat je hier iets mee kunt!
Ah ja. Dat is inderdaad toch anders dan ik dacht. Hmmm... wat ik me kan bedenken is dat je cases selecteerd op de eerste optie (dus via Data -> Select cases) en vervolgens de multiple analysis frequencies laat lopen. Dan krijg je te hoeveel van deze groep naast dit antwoord nog een ander antwoord hebben gekozen... denk ik... misschien even zelf proberen en anders wellicht wachten op een antwoord van een wat meer ervaren spss'er.quote:Op maandag 15 augustus 2011 14:59 schreef EddyAlbena het volgende:
Hm ik kom er niet direct uit. Ik moet eerst zo'n set aanmaken, dat heb ik gedaan, maar ik denk verkeerd.
Ik moet kiezen voor 'Dichotomies' (hier moet ik ook nog 'counted value invullen') of 'Categories' kiezen .
Ik heb serieus geen idee waar dat over gaat.
Ik heb wel wat dingen geprobeerd, maar de resultaten blijven hetzelfde. Krijg een tabel met één rij waar eigenlijk niks boeiends in staat.
Optellen. Codeer v1 en v2 als volgt: 0=werkt niet 1=werkt wel. Vervolgens draai je volgende syntax:quote:Op vrijdag 19 augustus 2011 09:49 schreef Don_Gurgen het volgende:
Fijn dat het gelukt is!
Ik heb ondertussen weer een nieuw vraagje. Ik heb twee variabelen die vragen of iemand zijn/haar ouders vragen. Dus v1 = werkt je moeder en v2 = werkt je vader. Nu wil ik op basis hiervan een derde variabele maken waar staat vermeld of geen van beide, een van de twee of beide ouders werken. Hoe doe ik dit?
Alvast bedankt!
1 2 3 4 5 6 | COMPUTE werkouders=v1+v2. EXECUTE. VARIABLE LABELS ouderswerk 'Hoeveelheid werkende ouders'. VALUE LABELS ouderswerk 0 'geen van de ouders werkt' 1 'één ouder werkt' 2 'beide ouders werken'. MISSING VALUES ouderswerk (99). |
Bedankt, zal er verder naar kijken!quote:Op maandag 22 augustus 2011 12:15 schreef thedarkside het volgende:
In onderstaande link staat uitgelegd hoe je de grafiekjes (interaction plot) in spss maakt:
In Spss: http://www.valdosta.edu/c(...)tion_LineGraph-1.pdf
Wat betreft het meten van de interactie effecten, je zou eens kunnen googlen op "ANOVA interaction".
Bedoel je dus voor meer dan 2 variabelen? Voor 2 variabelen is het namelijk makkelijk: Graphs, LegacyDialog, ScatterDotplotquote:Op donderdag 25 augustus 2011 10:41 schreef crossover het volgende:
Weet iemand hoe ik een puntenwolk / scatter plot kan maken voor meerdere variabelen? Ik heb telkens een tweetal variabelen die ik tegenelkaar wil afzetten op het gemiddelde. Dus variabele A heeft een gem. van 6,5 en variabele B van 1,6. Samen is dit één paar en vormt het één punt in de puntenwolk. Hetzelfde voor variabele C samen met variabele D.
Iemand tips?
Wellicht heeft die F-waarde en P-waarde iets te maken met een ANOVA of T-toets. Waarbij je dus voor verschillende groepen bekijken of er verschillen zijn tussen die groepen. Maar goed, dat verklaart die F-waarde nog niet, want SPSS rapporteert maar één F-waarde bij zo'n toets.quote:Op zaterdag 22 oktober 2011 13:29 schreef Sachaaa het volgende:
Dat weet ik dus niet crossover, het wordt al in de methodensectie vermeld (fictief voorbeeld "om veranderbereidheid te meten is het item "ik ben bereid te veranderen" gebruikt (F = .., p<0.05), gemeten op een Likert schaal van 1 helemaal oneens tot 5 helemaal eens. ik heb werkelijk geen idee welke toets het is, ik zou denken dat het alleen zinvol zou zijn een gemiddelde te rapporteren maar omdat ik het in veel artikelen terugvind, is er blijkbaar wel een gebruikelijke andere toets.
Inderdaad voor meer variabelen. Inmiddels is het niet meer relevant maar ik ben nog wel benieuwd of het kan.quote:Op zaterdag 22 oktober 2011 13:40 schreef RobertoCarlos het volgende:
[..]
Bedoel je dus voor meer dan 2 variabelen? Voor 2 variabelen is het namelijk makkelijk: Graphs, LegacyDialog, ScatterDotplot
Hulde, dit zocht ik dus..quote:Op dinsdag 1 november 2011 16:04 schreef Z het volgende:
Ik gebruik meestal de '100% gestapelde kolom' (wizard grafieken, kolom, en dan bij subtype de grafiek helemaal rechtsboven).
quote:Op woensdag 9 november 2011 22:17 schreef Operc het volgende:
Ik las iets over moeilijkheden met het kopiëren en plakken van cellen. Is dat ingewikkeld geworden of kun je nog gewoon slepen/plakken naar hartelust?
quote:Gij zult niet knippen, slepen en plakken, gij zult alles netjes via syntaxen doen.
quote:
Daaromquote:Op donderdag 10 november 2011 16:58 schreef Z het volgende:
Maar niettemin altijd iets om in je achterhoofd te houden.
1: is voldoende (er van uit gaande dat je experimentele design causaliteit meeneemt)quote:Op zaterdag 5 november 2011 14:07 schreef Sachaaa het volgende:
Ik heb nog een vraag in de categorie 'welke analyses moet ik gebruiken?'
Ik heb het volgende conceptuele model dat ik wil toetsen:
A --> B --> C
D (moderator tussen A & B)
(alle variabelen zijn gemeten op een schaal 1-5)
Hypothese 1 is dus: A heeft een positief effect op B, wat ik toets met een regressieanalyse. Voorafgaand heb ik correlaties en betrouwbaarheid van de schalen opgevraagd. Is dat voldoende?
Hypothese 2 is: D heeft een modererend effect op de relatie tussen A en B. Om dat te toetsen, wilde ik ook regressieanalyse gebruiken, maar ik twijfel of dat dit juist is. Kan ik gewoon de toetst van hypothese 1 herhalen maar dan in een extra blok variabele D toevoegen?
Hypothese 3 is: A heeft, middels B een positief effect op C (mediation dus). Dit wilde ik testen door eerst aan te tonen dat A significant gerelateerd is aan C (regressie) en B aan C (correlaties). Vervolgens wilde ik de mediation testen met een hierarchische regressieanalyse met C als afhankelijke variabele, alleen voer ik dan eerst A of B in in stap 1?
Ik weet niet wat je fout doet maar de sobel-test is een Z-verdeling. Je kunt de z-waarde met de bijbehorende df dus zelf naar p transformeren / opzoeken.quote:Op maandag 14 november 2011 18:42 schreef Sachaaa het volgende:
Dank je wel oomplaoompa!
Ik heb de Sobel z-test geprobeerd en krijg uit de calculator wel een z-test (37.54) en een p-waarde van 0.0, maar niet met meer decimalen waardoor ik niet weet of het effect significant is of niet. Ik heb ook een andere calculator geprobeerd, daar kwam dezelfde z-waarde uit met een p-waarde van 0, zonder decimalen. Enig idee wat ik hier verkeerd doe?
Ik begrijp je niet helemaal geloof ik. Moet ik het dan interpreteren als groter dan 1.96, dus significant op p<.05?quote:Op maandag 14 november 2011 18:49 schreef oompaloompa het volgende:
[..]
Ik weet niet wat je fout doet maar de sobel-test is een Z-verdeling. Je kunt de z-waarde met de bijbehorende df dus zelf naar p transformeren / opzoeken.
Niet helemaal mijn ding, dit onderwerp. Ik ben de cursus waarin dit behandeld wordt nu aan het volgen in mijn studie. Zo te zien is oompalooma hier beter in thuisquote:Op maandag 14 november 2011 16:45 schreef Sachaaa het volgende:
Crossover, ik durf het bijna niet te vragen maar weet je misschien ook een antwoord op mijn vragen op de vorige pagina?
Yups als het goed is welquote:Op maandag 14 november 2011 19:07 schreef Sachaaa het volgende:
[..]
Ik begrijp je niet helemaal geloof ik. Moet ik het dan interpreteren als groter dan 1.96, dus significant op p<.05?
Ik heb het meerdere keren geprobeerd met beide calculatoren en kom steeds tot dezelfde conclusie (bij een A = .164, SA = .002, B = .380 en SB = .009). Ik heb voor de A en B gekozen voor de ongestandaardiseerde regressiecoëfficient met bijbehorende SE, zou dat misschien niet kloppen?quote:Op dinsdag 15 november 2011 17:51 schreef oompaloompa het volgende:
[..]
Yups als het goed is wel
Je zou anders deze caculator kunnen gebruiken: http://www.danielsoper.com/statcalc3/calc.aspx?id=31
Weet je trouwens zeker dat je het goed hebt gedaan? Het is namelijk nogal een enorme Z-waarde die je daar hebt.
Nee dat klopt wel, zo te zien is je SD gewoon extreem laag wat zorgt voor een enorm effect.quote:Op woensdag 16 november 2011 16:27 schreef Sachaaa het volgende:
[..]
Ik heb het meerdere keren geprobeerd met beide calculatoren en kom steeds tot dezelfde conclusie (bij een A = .164, SA = .002, B = .380 en SB = .009). Ik heb voor de A en B gekozen voor de ongestandaardiseerde regressiecoëfficient met bijbehorende SE, zou dat misschien niet kloppen?
Volgens mij kun je dat gewoon doen. Ik doe het meestal mbv een ancova. (zou a en d wel even centreren)quote:Ik heb ook nog een vraag voor mijn tweede hypothese over de moderator. Ik heb Baron & Kenny erop nageslagen maar kom er niet helemaal uit. Is het voldoende om een regressieanalyse te doen met B als onafhankelijke variabele, in stap 1 A en D los in te voeren en in stap 2 het product van AXD, en dan te kijken of dit model een betere voorspeller is en of er sprake is van een significant interactie-effect? Of moet ik hierna nog een andere analyse doen?
Heb je meerdere condities?quote:Op donderdag 17 november 2011 20:28 schreef Trusten het volgende:
Hola,
In een onderzoek waar ik aan deelneem wordt nagegaan of er samenhang is tussen gedrag X en het ontstaan van probleemgedrag Y. We maken eerst een spreidingsdiagram om te kijken of er een samenhang bestaat en of deze samenhang lineair is. Als blijkt dat de samenhang lineair is, zal de Pearsons productmomentcorrelatie worden uitgevoerd. Klopt dit of zit ik fout en moet ik dit geval voor een AN(C)OVA gaan? Deze laatste gebruik je namelijk toch voor verschilvragen terwijl wij een samenhangvraag hebben....of toch niet?
Als je onderzoeksvraag is of de relatie verschilt tussen die twee landen moet je een ancova of een regressie doen. Je kunt ook een correlatie bepalen maar om dan uitspraken te doen over het verschil tussen die twee landen moet je de correlaties tegen elkaar toetsen en afaik kan dat niet met spss en zul je het met de hand moeten doen.quote:Op donderdag 17 november 2011 21:09 schreef Trusten het volgende:
[..]
Ja personen uit land A en personen uit Land B
Een ancova is een correlatie en dus niet "fouter" dan pearsons, gewoon wortel effect size en je hebt de correlatie.quote:Op donderdag 17 november 2011 21:14 schreef crossover het volgende:
Het hangt er ook vanaf wat je onderzoeksvraag is. Als je samenhang wil gaan toetsen, lijkt me Pearson's meer geschikt dan ANCOVA.
Je zou ook eens een trendanalyse uit kunnen voeren om een beeld te krijgen van de trend. Dit gaat wel met ANOVA.
Bestaat er een verband tussen opvoedgedrag X en probleemgedrag Y en is dit hetzelfde bij kinderen uit Land B als bij Nederlandse kinderen?quote:Op donderdag 17 november 2011 21:14 schreef crossover het volgende:
Het hangt er ook vanaf wat je onderzoeksvraag is. Als je samenhang wil gaan toetsen, lijkt me Pearson's meer geschikt dan ANCOVA.
Ah, weer wat geleerdquote:Op donderdag 17 november 2011 21:27 schreef oompaloompa het volgende:
[..]
Een ancova is een correlatie en dus niet "fouter" dan pearsons, gewoon wortel effect size en je hebt de correlatie.
Als je het zo stelt, denk ik eerder aan ANCOVA. Volgens mij kan dat ook met een dichotome / categorische variabele als covariaat. Maar ik zit te twijfelen over dat verband..quote:Op donderdag 17 november 2011 22:21 schreef Trusten het volgende:
[..]
Bestaat er een verband tussen opvoedgedrag X en probleemgedrag Y en is dit hetzelfde bij kinderen uit Land B als bij Nederlandse kinderen?
Een iets andere optie is om inderdaad een ancova te doen met land als independent en opvoedgedrag als random factor, dan krijg je zowel de losse effecten en de interactie. Als de interactie significant is betekent dat dat er een significant verschil zit tussen de twee condities mbt het effect van opvoedgedrag op probleemgedrag.quote:Op donderdag 17 november 2011 22:28 schreef crossover het volgende:
[..]
Ah, weer wat geleerd
[..]
Als je het zo stelt, denk ik eerder aan ANCOVA. Volgens mij kan dat ook met een dichotome / categorische variabele als covariaat. Maar ik zit te twijfelen over dat verband..
Dat is een hele vreemde vraag.quote:Op maandag 21 november 2011 15:29 schreef borisz het volgende:
Ik heb een lijstje kosten en een lijstje contact-uren. Iemand hoe ik daar via spss een % functie van kan maken? Dus bij het toenemen van 10% contact uren hoeveel stijgen de kosten dan? Dat laatste gaat natuurlijk via een regressie, maar hoe moet ik die data veranderen?
Forum Opties | |
---|---|
Forumhop: | |
Hop naar: |