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?
De vraag isquote:Op maandag 21 november 2011 15:31 schreef oompaloompa het volgende:
[..]
Dat is een hele vreemde vraag.
Stel een contactuur kost 50 euro
bij 20 contacturen is een stijging van 10% dus 100 euro
bij 50 contacturen is een stijging van 10% dan 250 euro
Dus kun je wel spreken van een bedrag per 10%?
Of begrijp ik je bedoeling niet helemaal?
Daarbij bestaat mijn data uit 48 punten van Costs & Contract urenquote:is it possible to come up with a model that predicts percentual changes in costs as a result in changes in volume?
pfoe, ik ben niet helemaal helder vandaag dus ik kan het fout hebben, maar het lijkt mij onmogelijk zo'n model te maken als het verband lineair is, ik denk dat dat alleen mogelijk is als je een kwadratisch verband hebt.quote:Op maandag 21 november 2011 15:34 schreef borisz het volgende:
De vraag is
[..]
Daarbij bestaat mijn data uit 48 punten van Costs & Contract uren
Dat is wat ik eerst dacht maar dan is het echt de meest ingewikkelde slechte vraagstelling ooitquote:Op maandag 21 november 2011 16:10 schreef speknek het volgende:
Denk je niet te moeilijk en vraagt ie niet gewoon om een correlatie?
Ik raak alleen maar verwarderquote:Op maandag 21 november 2011 16:14 schreef speknek het volgende:
Ik lees het als dat je van je ruwe kostendata (voorheen en nu) een percentage moet maken (nu gedeeld door voorheen), en dan een regressiemodel moet laten berekenen.
Vandaar mijn opmerking. Of ik denk te lastig . Maar goed de opdracht.quote:c) (againn a regression, but now with %change variables of costs and hours).
denk het ook kijkend naar onze verschillende interpretaties hierquote:Op maandag 21 november 2011 16:34 schreef borisz het volgende:
Data zit in je PM
Studiegenoten komen er ook niet uit . Maar dat zit hem er wrs in dat die vraag niet helder gesteld is, want we hebben allemaal uitgebreid statistiek + Methoden & technieken gehad.
Zoiets ja, dat je tussen iedere twee maanden de toename in kosten en uren moet bereken en daarvan een regressie moet maken. Zo intrepreteer ik de vraag ook als ik hem helemaal lees.quote:Op maandag 21 november 2011 16:14 schreef speknek het volgende:
Ik lees het als dat je van je ruwe kostendata (voorheen en nu) een percentage moet maken (nu gedeeld door voorheen), en dan een regressiemodel moet laten berekenen.
Ik begrijp niet goed wat je bij vraag 1 bedoeltquote:Op maandag 21 november 2011 23:56 schreef RobertoCarlos het volgende:
Ik heb 2 vragen over de T-toets (SPSS 19):
- hoe doe je het nou met de Grouping variable van 2 onafhankelijke samples van 2 variabelen die allebei meer dan 2 groepen hebben? Hoe definieer ik dit dan in Define groups?
- hoe maak ik een grafiek van een betrouwbaarheidsinterval (CI)?
Ik heb beide vragen al tevergeefs opgezocht. Weet iemand dit?
ad vraag 2: Misschien is het wel zo simpel idd om een normaalverdeling te tekenen, ik dacht dat er misschien een apart functie voor het tekenen van een betrouwbaarheidsinterval was.quote:Op dinsdag 22 november 2011 00:25 schreef oompaloompa het volgende:
[..]
Ik begrijp niet goed wat je bij vraag 1 bedoelt
vraag 2 is volgens mij het volgende. Stel je vind een mean van 20 met een CI van 18-22 (kun je opvragen in spss of gewoon 1.96*std) volgens mij kun je dan gewoon een normaalkromme tekenen met 20 in het midden en 18 en 22 bij de twee uiteindes van 2.5%
De grouping variable is wat je condities zijn Het klinkt alsof je daar een afhankelijke in hebt gevuld.quote:Op dinsdag 22 november 2011 08:26 schreef RobertoCarlos het volgende:
[..]
ad vraag 2: Misschien is het wel zo simpel idd om een normaalverdeling te tekenen, ik dacht dat er misschien een apart functie voor het tekenen van een betrouwbaarheidsinterval was.
En met vraag 1 bedoel ik: stel dat ik voor 2 variabelen een Independent Samples T-test wil doen. Dan moet ik van SPSS verplicht een Grouping variable invoeren. Alleen kan dat niet omdat mijn 2 (interval) variabelen beide uit heel veel values of groups bestaan (dus 'heel erg', 'erg', 'enigzins', etc) Dat kan ik dus niet allemaal definieren via Define Groups in die Grouping Variable.
Hoe los ik dit op of heb ik de verkeerde test te pakken?
Volgens mij klopt alles wat je zegt.quote:Op dinsdag 22 november 2011 12:10 schreef JohnSpek het volgende:
Hoi allemaal,
Ik gebruik SPSS
Ik heb een dataset met 3 vragen over directory updating, 3 vragen over motivatie om informatie te zoeken.
Dus ik heb een construct van beide variabelen gemaakt, cronbach alpha was 0,895 dus dat is "goed".
Toen lineaire regressie gedaan, daarna de residuen geanalyseerd met behulp van een scatterplot en of het normaal verdeeld was.
Normaal verdeeld - klopt
homogene variantie - klopt ook. Spreiding wordt niet kleiner of groter.
Lineair verband - Klopt niet?
Volgens mij is het een kwadratisch verband, aangezien negatieve residuen voorkomen bij lagere waarden van de afhankelijke variabel en positieve residuen bij hogere waarde.
Klopt dit wat ik nu zeg?
Moet ik dus een kwadratische regressie doen? (hoe?).
[ afbeelding ]
Top, dan ga ik aan de slagquote:Op dinsdag 22 november 2011 12:29 schreef oompaloompa het volgende:
[..]
Volgens mij klopt alles wat je zegt.
Een manier om een kwadratische te doen is door zelf een nieuwe variabele aan te maken die het kwadraat is van de oude en deze dan in je regressie te gebruiken
Waarschijnlijk hangen je variabelen samen.quote:Op dinsdag 22 november 2011 17:15 schreef JohnSpek het volgende:
Nog een vraagje dan maar
Ik heb drie hypotheses
A heeft positieve invloed op Y..etc
H1: A -> Y
H2: B -> Y
H3: C -> Y
Is het nu dus aan te raden om dit in één model te doen bij regressie? (dus onafhankelijke variabelen: A, B, C en afhankelijke: Y )
Als ik A -> Y en B -> Y en C -> Y apart regressie test dan zijn ze allemaal significant.
Als ik A, B , C - > Y in 1 model doe, dan zijn B en C niet meer significant (en ook echt totaal niet significant meer, p = 0.67 bij B -> Y )
Wanneer wel, wanneer niet?
dus je hebt een 2(temp)x3(subtraat) between en 4 within (bacterien)?quote:Op dinsdag 22 november 2011 15:13 schreef davako het volgende:
Ik moet voor een opdracht een statistische test uitvoeren op verkregen data of van een eigen onderzoek. Zelf heb ik gekozen om de data te gebruiken van een eigen onderzoek, alleen ik loop een beetje vast welke toets ik moet gebruiken.
Mijn research vraag is:
In a sub-arctic peat land soil, what are the consequences of increased temperature and substrate addition on the microbial community structure, and how does this change through time?
Dus ik heb grond samples waarbij ik 3 verschillende substraten heb toegevoegd(Cellen, planten en de controle) en ik heb de grond verwarmd bij 9 en 14 graden.
Ik heb voor het gekozen om vier microbiële groepen te testen in percentage ten opzichte van de totale aanwezige bacteriën.
Mijn vraag is dus welke statistische toets zou ik uitvoeren? Ik zat zelf te denken aan een repeated measure ANOVA?
Of iemand anders een beter idee ?
Ja het is eigenlijk zoquote:Op dinsdag 22 november 2011 18:20 schreef oompaloompa het volgende:
[..]
Waarschijnlijk hangen je variabelen samen.
Stel b.v. dat je het effect wilt testen van:
in de buurt bij water zijn
warm weer
weinig kleren
op het aantal muggenbulten.
Los zijn ze allemaal significant maar wanneer je ze samen neemt opeens niet meer. Dit komt doordat mensen bij warm weer vaker bij water zijn en minder kleren aan hebben. Het probleem is dat je door die samenhang niet meer goed kunt bepalen welk van de drie variabelen nou uiteindelijk echt de oorzaak is.
nou ja, mijn antwoord is dus eigenlijk dat dat niet echt kan omdat je onafhankelijken gecorreleerd zijn.quote:Op dinsdag 22 november 2011 20:07 schreef JohnSpek het volgende:
[..]
Ja het is eigenlijk zo
Ik heb drie processen(A, B, C) die samen één systeem(Q) vormen.
Nu zei de docent van "Dit is leuk om te onderzoeken, maar spits het uit per proces, want dat is wat specifieker".
Eerst had ik dus Q -> Y
Nu heb ik dus:
A -> Y
B -> Y
C -> Y
Maar hoe kan ik hieruit dan toch nog conclusies trekken? Waarom is A -> Y bijvoorbeeld wel significant en B en C niet in het "totaal model" ? Hoe moet ik de uitkomst interpreteren is eigenlijk mijn vraag dus
Is er een website met meer uitleg over het drie staps model? Ik ben een methoden en technieken leek in principequote:Op dinsdag 22 november 2011 20:10 schreef oompaloompa het volgende:
[..]
nou ja, mijn antwoord is dus eigenlijk dat dat niet echt kan omdat je onafhankelijken gecorreleerd zijn.
Je kunt een aantal zaken doen die het een beetje fixen, dus een 3staps model toetsen en elke variabele los toevoegen maar dan nog kun je geen duidelijke conclusies trekken...
(voor zover ik weet dan heh, maar ben hier redelijk zeker over)
Dat snap ik, alleen heb ik dus geen condities...quote:Op dinsdag 22 november 2011 09:14 schreef oompaloompa het volgende:
[..]
De grouping variable is wat je condities zijn Het klinkt alsof je daar een afhankelijke in hebt gevuld.
Ja. Dat is dan toch een repeated measure ANOVA. Of zou je een andere adviseren?quote:Op dinsdag 22 november 2011 18:21 schreef oompaloompa het volgende:
[..]
dus je hebt een 2(temp)x3(subtraat) between en 4 within (bacterien)?
Je kunt bij een regressie dingen per analyse toevoegen, dan kijkt spss bij elke toevoeging of dit significant meer variantie verklaart, maar in princiepe als je geen theoretisch kader hebt waarom de ene beter zou moeten werken / vooraf gaan aan de andere kun je er geen uitspraak over doen.quote:Op dinsdag 22 november 2011 20:15 schreef JohnSpek het volgende:
[..]
Is er een website met meer uitleg over het drie staps model? Ik ben een methoden en technieken leek in principe
De correlatie is inderdaad 0.6x tussen de variabelen, aardig hoog dus.
De VIF(maatstaf van multicollearity) is echter rond de 1.5, ik dacht dat dat juist zegt dat het wel goed zit met de onafhankelijkheid tussen de variabelen?
Maar een t-test is een test tussen condities...quote:Op dinsdag 22 november 2011 20:30 schreef RobertoCarlos het volgende:
[..]
Dat snap ik, alleen heb ik dus geen condities...
yeapquote:Op dinsdag 22 november 2011 20:43 schreef davako het volgende:
[..]
Ja. Dat is dan toch een repeated measure ANOVA. Of zou je een andere adviseren?
Ik heb van mijn variabel Y de variabel S gemaakt (Door compute variable en dan S = Y*Y)quote:Op dinsdag 22 november 2011 12:29 schreef oompaloompa het volgende:
[..]
Volgens mij klopt alles wat je zegt.
Een manier om een kwadratische te doen is door zelf een nieuwe variabele aan te maken die het kwadraat is van de oude en deze dan in je regressie te gebruiken
Ik bedoelde eigenlijk de onafhankelijke.quote:Op woensdag 23 november 2011 07:21 schreef JohnSpek het volgende:
[..]
Ik heb van mijn variabel Y de variabel S gemaakt (Door compute variable en dan S = Y*Y)
Nu heb ik S als afhankelijke variabel en A, B en C als onafhankelijke variabelen in de lineaire regressie gedaan.
Nu heb ik nog steeds hetzelfde patroon (iets anders dat wel, maar nog steeds een y = x lijn) in mijn scatterplot S vs residuen.
Weet jij hoe dat komt?
Het is wel zo dat de significanties ook anders zijn. Nu is variabel A opeens niet meer significant en variabel B wel!
Waarom zou je eigenlijk ook de lineaire term nemen? Aangezien de lineaire term alleen al zorgt voor een te hoge schattingslijn bij lage waarde van y (Aangezien de residuen negatief zijn bij lage waardes van y) zou een toevoeging van zowel het lineaire als (een positieve) kwadratische coefficient alleen maar zorgen voor nog een hogere schattingslijn?quote:Op woensdag 23 november 2011 08:15 schreef oompaloompa het volgende:
[..]
Ik bedoelde eigenlijk de onafhankelijke.
Even dit los zien van het andere probleem. Stel je hebt alleen maar A --> Y en het verband is kwadratisch. Wat je dan doet is een nieuwe term aanmaken a^2. Vervolgens doe je een regressie van zowel A als A^2 op Y. Dan kun je het lineaire en het kwadratische effect van A op Y testen.
Je voegt ze beiden toe omdat het een combinatie van beide kan zijn, bv: a + bx + cx^2quote:Op woensdag 23 november 2011 12:48 schreef JohnSpek het volgende:
[..]
Waarom zou je eigenlijk ook de lineaire term nemen? Aangezien de lineaire term alleen al zorgt voor een te hoge schattingslijn bij lage waarde van y (Aangezien de residuen negatief zijn bij lage waardes van y) zou een toevoeging van zowel het lineaire als (een positieve) kwadratische coefficient alleen maar zorgen voor nog een hogere schattingslijn?
(en als er een negatieve kwadratisch term zou zijn zou het begin beter kloppen maar gaat het einde helemaal raar omdat je dan een soort berg parabool krijgt terwijl de residuen bij een lineaire schattingslijn er al boven liggen!).
edit:
Als ik enkel de kwadratische"termen" toevoeg dan zit er geen patroon meer in mijn residuen (gewoon een mooi wolkje).
Als ik de kwadratische en de lineaire termen toevoeg, dan zit er weer een patroon in mijn residuen.
Betekent dit dat ik dus inderdaad enkel de kwadratische term moet toevoegen?
vreemd. Stuur anders eens je spss-file en je precieze bedoeling dan kijk ik er naar wanneer ik tijd over heb.quote:Op woensdag 23 november 2011 20:11 schreef JohnSpek het volgende:
Ik bleek te vroeg te hebben gejuigd bij beide kwadratische regressies (met en zonder lineaire termen) zit er nog steeds een y = x lijn in de scatterplot.
Dat zou echt super zijn! Ik pm je de data set.quote:Op woensdag 23 november 2011 20:34 schreef oompaloompa het volgende:
[..]
Je voegt ze beiden toe omdat het een combinatie van beide kan zijn, bv: a + bx + cx^2
Een regressie analyse kijkt wat het beste "past" dus als het puur alleen kwadratisch zou zijn zou je een niet significante b-waarde er uit krijgen.
[..]
vreemd. Stuur anders eens je spss-file en je precieze bedoeling dan kijk ik er naar wanneer ik tijd over heb.
Het eerste wat bij mij binnen schiet is 'weeggewichten', maar ik heb al een tijd niets met statistiek gedaan en het is puur een associatie.quote:Op dinsdag 22 november 2011 19:56 schreef nelisb het volgende:
Crosspost wie o wie kan mijn vrouw helpen.
SPSS hulp nodig
Ik ben bezig met mijn afstudeeronderzoek en ben in de analyse fase belandt.
Ik heb een variabele: aantal werkzame personen bij een organisatie en die heb ik gecategoriseerd in:
2-5
5-10
10-15
15-20 werkzame personen
Ik heb een representativiteitstoets uitgevoerd mbv de chi-kwadraat en daaruit blijkt dat de eerste twee categorieën (2-5 en 5-10) gewaardeerd moeten worden met respectievelijk 0,87 en 1,32.
Nu moet ik dit in gaan voeren in SPSS gaan invoeren, zodat deze waardering helemaal wordt doorgevoerd.
Nu snap ik niet hoe ik dit moet doen. Ik heb boeken voor me liggen waar het wellicht in uitgelegd staat, maar dan nog lukt het mij niet. Ik heb SPSS voor Mac.
Kan iemand mij hier door heen helpen, aangezien ik nu echt helemaal vast zit.
Ik hoop het!
Al vast bedankt voor de moeite.
Een non-parametrische toets biedt oplossing, die heeft minder sterke assumpties. Voordat je dat doet zou ik eerst de anova gewoon doen. Als daar niks uit blijkt te komen komt de non-parametrische toets ook niet uit.quote:Op donderdag 24 november 2011 19:12 schreef davako het volgende:
Ik heb vier keer een repeated measure toets welke ik moet uitvoeren. Data is als volgt opgedeeld:
Eerste waarde in mijn dataset:
Temperatuur; dit is een nominale waarde welke temp 1 of 2 kan hebben
Tweede waarde in mijn dataset
Toevoeging
Dit is wederom een nominale waarde welke 3 keuzes kunnen hebben.
derde waarde in dataset
Waarde op tijdstip 1
vierde waarde in dataset
Waarde op tijdstip 2
Ik gebruik dus een repeated measure ANOVA om een verschil te meten tussen de twee tijdstippen. Per test meet ik hoeveel een bepaalde bacterie voorkomt(staan in de derde en vierde column).
Bij twee van mijn bacterien gaat dit goed, alleen bij andere twee soorten gaat dit niet goed. Bij de twee laatste soorten zegt mijn Levene's test dat de data niet homogenous verdeelt is.
Ook mag ik niet sphericity aannemen.
Ik heb de data al proberen te transformeren maar dit zorgt er niet voor dat de data homogeen wordt.
De data punten zijn waarden van ongeveer 0.100 tot 1.999
Misschien kan iemand mij helpen of wat adviseren.
Goede antwoord was dus Eerst de data omgooien naar % en een dummy aanmaken voor de negatieve getallen. Waardoor je ziet dat de kosten er sneller bij gaan, maar minder snel af te halen zijn.quote:Op maandag 21 november 2011 17:13 schreef borisz het volgende:
Morgen weten we de juiste interpretatie is .
Vanavond even weer even verder
Je gebruikt 1 factor (leeftijd, met 5 niveaus) voor 1 afhankelijke variabele: a/b of c. Het kan ook met andere modellen, waarin je in een keer a, b en c bekijkt, maar ik weet niet hoe groot iemands statistiek kennis is. (en ik durf er zelf ook even geen eenduidige uitspraken over te doen hoe dat ook weer moet.)quote:
Ik ben even hiermee aan de slag gegaan en dit lijkt ook wel een goede oplossing. Vooral icm de Post-Hoc test die je kunt uitvoeren lijkt mij dit de beste methode. Allen bedankt!quote:Op vrijdag 2 december 2011 16:08 schreef Operc het volgende:
Je kunt een 5-puntslikertschaal ook zien als continue variabele, al is het dat strikt genomen niet helemaal. Er is wat discussie over, sommigen zeggen van wel, anderen van niet. Als je het als continue schaal ziet, kun je er een 1-factor ANOVA op loslaten per letter (a, b, c)
Het gaat dus om independent samples / unequal variances (correct me if i'm wrong)quote:The results of the Student Satisfaction Survey 2009 are published.
The researchers sent out 300.000 invitations to the survey:
35.000 to students of University of Sussex and 265.000 to students not studying at
University of Sussex. There were 80.000 responses, 10.000 of them from students of Sussex.
Can you conclude from these data that the response rate of Sussex students is statistically significant higher than the response rate of other students? Use α = 1%
Die is er niet, dat is juist het probleem, anders was het een stuk makkelijker geweest en had ik de variances via de descriptives kunnen verkrijgen en dan via compare means de t-test uit kunnen voeren.quote:
quote:Op vrijdag 6 januari 2012 15:14 schreef Asskicker14 het volgende:
[..]
Die is er niet, dat is juist het probleem, anders was het een stuk makkelijker geweest en had ik de variances via de descriptives kunnen verkrijgen en dan via compare means de t-test uit kunnen voeren.
Dan is het antwoord op de vraag 'nee'.quote:Can you conclude from these data that the response rate of Sussex students is statistically significant higher than the response rate of other students?
Ik heb het niet onderbouwd waarom dat zo is omdat ik de sample variance niet heb, dus als ik slechts nee zou beantwoorden zonder een berekening van de t-test te kunnen weerleggen, krijg ik 0 punten.quote:Op vrijdag 6 januari 2012 15:15 schreef crossover het volgende:
[..]
[..]
Dan is het antwoord op de vraag 'nee'.
Tja, volgens mij heb je gelijk en is hier de oplossing niet te berekenen zonder die informatie. Heb je andere studenten hierover gesproken?quote:Op vrijdag 6 januari 2012 15:17 schreef Asskicker14 het volgende:
[..]
Ik heb het niet onderbouwd waarom dat zo is omdat ik de sample variance niet heb, dus als ik slechts nee zou beantwoorden zonder een berekening van de t-test te kunnen weerleggen, krijg ik 0 punten.
Valt dit dan onder 'samping distributions'?quote:Op vrijdag 6 januari 2012 21:04 schreef gewooneenuser het volgende:
Dit kan je helemaal niet testen met een t-test, je moet het verschil tussen response rates testen en response rates zijn proporties, geen gemiddeldes.
Enige wat je daarvoor nodig hebt is je proportie en je n.
ANOVA?quote:Op maandag 30 januari 2012 18:35 schreef Operc het volgende:
Ik heb ook even een vraagje:
Ik heb een vragenlijst van 20 items, waarbij ik per item wil weten of er een significant verschil is tussen twee groepen mensen die de vragenlijst hebben ingevuld.
Omdat dit eigenlijk 20 testen zijn, is het niet meer zinvol om met een significantie grens van p<.05 te werken. Nu is de vraag: als ik een totale analyse doe in SPSS, waarin deze 20 items worden geanalyseerd, corrigeert SPSS dan automatisch voor de hoeveelheid variabelen?
Ja. Je kijkt dan of er effect is van X op Y, corrigerend voor Q, T en Z.quote:Op maandag 30 januari 2012 20:02 schreef JohnSpek het volgende:
Ik wil verklaren dat X een effect heeft op Y.
Nu heb ik ook Q, T, en Z gemeten (omdat uit andere onderzoeken is gebleken dat deze variabelen een significant effect hebben op Y).
Bij mijn regressie zou ik dan Q, T en Z er ook bij betrekken?
Is dat nodig dan?quote:Op maandag 30 januari 2012 22:02 schreef Operc het volgende:
[..]
Bijvoorbeeld Maar corrigeert die voor het aantal testen wat je uitvoert?
Kloptquote:Op zaterdag 10 maart 2012 01:20 schreef Meneerik2 het volgende:
Hoi!
Alvast bedankt met het helpen van mijn SPSS vraag. Het is dus de bedoeling dat ik voor Research Seminar data verwerk. Leuk, want ik snap er de ballen van. Mijn vraag is als volgt:
Ik heb meerdere keren verschillende items waar ik een construct/variabele van maak. Dat gaat goed. Echter, die items meten de antwoorden van een vraag met een likert-schaal van 1 tot en met 5. En zo nu en dan zit er een 0 tussen. Dat lijkt mij een missing variable. Als ik dat in de variable view aanmerk als missing (Missing > discrete =0), 'ziet' spss wel de missing data wanneer ik Analyze>Descripte>Frequencies doe. Echter, (en hier komt het probleem) verschijnen er dan gaten in mijn construct, precies daar waar in de items een 0 voorkomt. Dus een nul in mijn item betekent een . in mijn construct. Staan er enkel items met correcte antwoorden dan staat er wel netjes een cijfer.
Wat doe ik fout en hoe dit op te lossen?
Bedankt!
1, multi(uni)variate of lineaire regressie met dummie + interacties voor geslacht.quote:Op zondag 18 maart 2012 17:26 schreef x.steph het volgende:
Wie kan mij alsjeblieft helpen.. Ik word zo'n beetje radeloos. Ik moet voor school 3 hypothesen toetsen namelijk een moderende, een medierende en meerder oorzaken. Er is een hypothese gemaakt dat de invloed van het aantal vrienden op depressie verschillend is voor een ander geslacht (moderend)
De tweede hypothese is dat levensgebeurtenissen invloed heeft op blijheid wat invloed heeft op depressie (medierend). De derde hypothese veronderstelt dat wel of niet piekeren en wel of niet sporten invloed hebben op depressie (meerdere oorzaken)
hoe moet ik dit toetsen en welke moet ik gebruiken..
wie mij kan helpen maakt me super blij!!!!
Contrasten gebruiken, anovas zeggen nooit waar het verschil zit, is altijd een toets over de hele dataset.quote:Op maandag 19 maart 2012 19:00 schreef davako het volgende:
Wie o wie kan mij helpen. Ik heb een vraag betreffende een Repeated Measures ANOVA. Wanneer ik een repeated measure ANOVA uitvoer krijg ik vervolgens F-values en P-Values enz. enz.
Vervolgens blijken er 1 factor of combinaties van factoren significant te verschillen.
Dit is leuk en is goed, alleen hoe kan ik uit SPSS halen welke van de waarden significant verschillen.
Stel mijn waarden reageren significant op een bepaalde treatment.(Stel treatment 3 (Dit weet ik echter nog niet)) Maar hoe weet ik nou met welke treatment hij significant verschillend is.
Wat houden contrasten precies is?quote:Op maandag 19 maart 2012 19:10 schreef oompaloompa het volgende:
[..]
1, multi(uni)variate of lineaire regressie met dummie + interacties voor geslacht.
2.linear regressie & sobel (of bootstrap) moet je even googlen voor de syntax
3. zelfde multi(uni)variate maar nu hopelijk zonder uitkomst dat er een interactie effect is.
[..]
Contrasten gebruiken, anovas zeggen nooit waar het verschil zit, is altijd een toets over de hele dataset.
pfoe dat is niet heel erg gemakkelijk zo 1,2,3 uit te leggen. Waarom krijg je dit niet bij het vak waar je spss nodig voor hebt? Is een vrij basaal onderdeel van anovas?quote:
Ze werken in die opdracht puur en alleen met een One-Way ANOVA. Met gewone ANOVA's weet ik ook wel hoe je de verschillen kan vinden. Dit lijkt echter niet op te gaan voor een RM ANOVA.quote:Op maandag 19 maart 2012 19:18 schreef oompaloompa het volgende:
[..]
pfoe dat is niet heel erg gemakkelijk zo 1,2,3 uit te leggen. Waarom krijg je dit niet bij het vak waar je spss nodig voor hebt? Is een vrij basaal onderdeel van anovas?
Dt zou moeten helpen: http://www.psychology.not(...)C82MST/contrasts.pdf
Uh, met een one-way ANOVA heb je toch helemaal geen contrasts?quote:Op maandag 19 maart 2012 19:32 schreef davako het volgende:
[..]
Ze werken in die opdracht puur en alleen met een One-Way ANOVA. Met gewone ANOVA's weet ik ook wel hoe je de verschillen kan vinden. Dit lijkt echter niet op te gaan voor een RM ANOVA.
Ik zou gewoon een variate test doen, is een stuk simpeler.quote:Op maandag 19 maart 2012 21:30 schreef x.steph het volgende:
[quote][ afbeelding ] Op maandag 19 maart 2012 19:10 schreef oompaloompa het volgende:
[..]
1, multi(uni)variate of lineaire regressie met dummie + interacties voor geslacht.
2.linear regressie & sobel (of bootstrap) moet je even googlen voor de syntax
3. zelfde multi(uni)variate maar nu hopelijk zonder uitkomst dat er een interactie effect is.
Zou je me please ook kunnen uitleggen hoe ik de eerste dan met dummy's moet doen? Ik heb het tijdens werkcollege gevraagd maar hij zegt doodleuk dat we daar zelf achter moeten komen..
Waar loop je vast? In principe gooi je gewoon steeds een nieuwe variabele in je regressie totdat deze niet significant meer verklaart.quote:Op maandag 19 maart 2012 22:03 schreef Trusten het volgende:
Is er toevallig iemand die mij kan 'ondersteunen' bij hoe ik een stapsgewijze lineaire regressie analyse moet aanpakken? Heb totaal geen idee maar moet het deze week wel gaan doen
Zolang je meer dan twee groepen hebt wel. (en meestal doe je bij twee een t-test dus is een anova juist gebruikelijk wanneer je wel contrasten moet doen)quote:Op maandag 19 maart 2012 22:23 schreef RobertoCarlos het volgende:
[..]
Uh, met een one-way ANOVA heb je toch helemaal geen contrasts?
Ik ben net begonnen met promoveren in econ. psy / decision making. Daarvoor research master soc. psy gedaan in Tilburg. Daar hebben ze nogal wat statistiek, in totaal heb ik 8 volle statistiek vakken moeten doen en daarnaast nog wat lichtere cursussen. Was toen erg saai maar achteraf gezien ben ik wel blij dat we zoveel verplichte statistiek hebben gehad. Merk dat het fijn is goed te begrijpen wat je aan het doen bent en zou uit mezelf nooit zoveel energie er in stoppen. Ben het zelfs stiekem best wel leuk gaan vindenquote:Op maandag 19 maart 2012 23:01 schreef davako het volgende:
Oompaloompa wat studeer jij of wat voor werk doe jij? Jij bent in ieder geval aardig gedreven in statistiek.
Klinkt als tweedejaars Psychologie aan de VU. Wat een drama is het dit jaar..quote:Op zondag 18 maart 2012 17:26 schreef x.steph het volgende:
Wie kan mij alsjeblieft helpen.. Ik word zo'n beetje radeloos. Ik moet voor school 3 hypothesen toetsen namelijk een moderende, een medierende en meerder oorzaken. Er is een hypothese gemaakt dat de invloed van het aantal vrienden op depressie verschillend is voor een ander geslacht (moderend)
De tweede hypothese is dat levensgebeurtenissen invloed heeft op blijheid wat invloed heeft op depressie (medierend). De derde hypothese veronderstelt dat wel of niet piekeren en wel of niet sporten invloed hebben op depressie (meerdere oorzaken)
hoe moet ik dit toetsen en welke moet ik gebruiken..
wie mij kan helpen maakt me super blij!!!!
Wat is het verschil dan met post-hoc toetsen?quote:Op maandag 19 maart 2012 19:10 schreef oompaloompa het volgende:
Contrasten gebruiken, anovas zeggen nooit waar het verschil zit, is altijd een toets over de hele dataset.
quote:Op dinsdag 20 maart 2012 11:36 schreef Sandertje23 het volgende:
[..]
Wat is het verschil dan met post-hoc toetsen?
grumble, wrong button 2 posts..
Een post-hoc is een contrast.quote:Op dinsdag 20 maart 2012 11:47 schreef speknek het volgende:
Ik zou ook post-hoc tests doen (heb je gelijk effect sizes) en pas rommelen met contrasts als spss vervelend gaat doen en ze niet toestaat. Maar ik ben dan ook een auto-didacte statistiek-rommelaar en heb geen acht vakken erover gehad.
Duidelijkquote:Op dinsdag 20 maart 2012 12:32 schreef oompaloompa het volgende:
[..]
[..]
Een post-hoc is een contrast.
Je hebt planned contrasts die je van te voren hebt bepaald en waar je geen type-1 correctie op toe hoeft te passen, pf post-hoc contrasten waarbij je dit wel moet doen.
SPSS heeft gewoon verwarrende naampjes voor de opties. En ik denk daar weer niet bij na en geef dus onhandig advies
Bedanktquote:Op zaterdag 10 maart 2012 09:10 schreef oompaloompa het volgende:
[..]
Klopt
Er zijn een aantal manieren om dit op te lossen.
1. Laat de cases die 1+ missing value hebben er uit.
2. Laat de cases die n+ missing values hebben er uit (zelf besluiten wat n is) en generer vervangende missing values.
3. Genereer vervangen values voor iedereen.
Dan heb je eigenlijk nog 2a, b, c, d, namelijk hoe vervang je de missing values.
Er zijn een aantal opties, celgemiddelde, groepsgemiddelde, etc. Dat is eigenlijk ook eigen keuze.
Elke keuze heeft voordelen en nadelen, je zult dus goed moeten beargumenteren waarom je voor welke oplossing hebt gekozen.
Als je bv iedereen met missing values er uit haalt bias je je sample. Maar door zelf data te genereren bias je weer je data, etc.
Ja het ligt echt aan hoe duidelijk een hypothese volgt in mijn ervaring. Soms lees ik papers waar ik er echt mijn vraagtekens bij zet, in andere papers is het zo ontzettend duidelijk uit de theorie dat je echt een specifiek contrast verwacht en heb ik er 0.0 problemen mee.quote:Op dinsdag 20 maart 2012 12:39 schreef speknek het volgende:
Ik krijg bij dat soort van te voren bepaalde contrasts altijd een beetje een one-tailed t-test smaakje (in principe mogelijk, maar meestal misbruikt om iets toch significant te krijgen). Aan de andere kant is veel type-I correctie ook onzinnig.
Ik loop vast bij het openen van het databestand Alles is heel diep weggezakt, zou neit eens weten of ik moet standaardiseren of niet enzquote:[b]Op [Waar loop je vast? In principe gooi je gewoon steeds een nieuwe variabele in je regressie totdat deze niet significant meer verklaart.
Zoek ff Pallant, SPSS survival manual op. Is hier en daar wel op internet te vinden in pdf.quote:Op maandag 19 maart 2012 22:03 schreef Trusten het volgende:
Is er toevallig iemand die mij kan 'ondersteunen' bij hoe ik een stapsgewijze lineaire regressie analyse moet aanpakken? Heb totaal geen idee maar moet het deze week wel gaan doen
Dit zou een standaard macroreply moeten zijn op elke post in dit topic. Wat een handig boek is dat!quote:Op dinsdag 20 maart 2012 23:07 schreef crossover het volgende:
[..]
Zoek ff Pallant, SPSS survival manual op. Is hier en daar wel op internet te vinden in pdf.
Of in een custom model, of zelf aanmaken door compute te gebruiken en voor elke dummie ook een interactiedummie te maken.quote:Op woensdag 21 maart 2012 18:15 schreef Trusten het volgende:
Vraagje, we willen een verband tussen opvoedgedrag en probleemgedrag meten en kijken of dit verschillend is tussen twee landen. Hoe dan ook moeten we een multiple regressie analyse doen. We twijfelen over een hiërarchische of stapsgewijze. We hebben al dummyvariabelen aangemaakt voor land en geslacht en weten de volgorde waarin we het moeten invoeren. Nu lopen we alleen vast op toevoegen van de interactie-effecten. Waar kun je dit ook alweer doen? Alvast bedankt
Thnx voor je reactie maar begrijp het nog niet helemaal. Hoe doe ik dat preciesquote:Of in een custom model, of zelf aanmaken door compute te gebruiken en voor elke dummie ook een interactiedummie te maken.
Ongeveer zoals hieronder uitgelegdquote:Op woensdag 21 maart 2012 18:25 schreef Trusten het volgende:
[..]
Thnx voor je reactie maar begrijp het nog niet helemaal. Hoe doe ik dat precies
quote:Op maandag 19 maart 2012 22:35 schreef oompaloompa het volgende:
[..]
Ik zou gewoon een variate test doen, is een stuk simpeler.
Met dummies doe je het volgende.
Stel je hebt geslacht gemeten en neuroticisme en regresseert deze op impulsief koopgedrag (noem ook maar wat) je verwacht dat het effect van neuroticisme voor mannen anders is dan voor vrouwen.
Gebruik voor geslacht 0 & 1, voeg deze toe in je regressie
Voeg neuroticisme toe
Voeg een interactieterm van de twee toe, compute een nieuwe variabele geslacht * neuroticisme
Als die interactie dan significant (pos of neg) blijkt te zijn, betekent dit dat het effect voor mannen anders is dan voor vrouwen.
[..]
Waar loop je vast? In principe gooi je gewoon steeds een nieuwe variabele in je regressie totdat deze niet significant meer verklaart.
[..]
Zolang je meer dan twee groepen hebt wel. (en meestal doe je bij twee een t-test dus is een anova juist gebruikelijk wanneer je wel contrasten moet doen)
Eerste gedeelte begrijpen we maar lopen vast bij "compute een nieuwe variabele geslacht * neuroticisme". Hoe doe ik dat precies...quote:Ongeveer zoals hieronder uitgelegd
computequote:Op woensdag 21 maart 2012 18:29 schreef Trusten het volgende:
[..]
Eerste gedeelte begrijpen we maar lopen vast bij "compute een nieuwe variabele geslacht * neuroticisme". Hoe doe ik dat precies...
Hmm..wil nog niet echt lukken. Mag ik je misschien een PM sturen met wat meer info over ons onderzoek zodat je beter begrijp waar we tegen aan lopen?quote:Op woensdag 21 maart 2012 18:33 schreef oompaloompa het volgende:
compute
interactieab(of een andere naam) = a keer b
Nou het is echt heel erg simpel, weet niet wat ik er nog aan toe kan voegen. Je maakt een variabele aan die het ene keer het andere is (dat is namelijk wat een interactie is, effect van het ene hangt af van de grootte van het andere). Kan er echt niets meer over zeggen dan dat je de twee originele variabelen met elkaar vermenigvuldigt en toevoegt aan je model...quote:Op woensdag 21 maart 2012 18:42 schreef Trusten het volgende:
[..]
Hmm..wil nog niet echt lukken. Mag ik je misschien een PM sturen met wat meer info over ons onderzoek zodat je beter begrijp waar we tegen aan lopen?
Hmm ja toch gaat het ergens mis. Toch even wat meer uitleg dan. We willen kijken of er een verband is tussen opvoedgedrag A en B en probleemgedrag X. Daarnaast willen we kijken of er verschil is tussen twee landen en of dit verschillend is voor jongens en meisjes.quote:Op woensdag 21 maart 2012 18:47 schreef oompaloompa het volgende:
[..]
Nou het is echt heel erg simpel, weet niet wat ik er nog aan toe kan voegen. Je maakt een variabele aan die het ene keer het andere is (dat is namelijk wat een interactie is, effect van het ene hangt af van de grootte van het andere). Kan er echt niets meer over zeggen dan dat je de twee originele variabelen met elkaar vermenigvuldigd en toevoegt aan je model...
(behalve dan een echo van crossover )
Laten we even je IV's a, b & c noemen, je afhankelijke is xquote:Op woensdag 21 maart 2012 18:49 schreef Trusten het volgende:
[..]
Hmm ja toch gaat het ergens mis. Toch even wat meer uitleg dan. We willen kijken of er een verband is tussen opvoedgedrag A en B en probleemgedrag X. Daarnaast willen we kijken of er verschil is tussen twee landen en of dit verschillend is voor jongens en meisjes.
We moeten sowieso een multiple regressie doen. De afhankelijke variabele is probleemgedrag X.
We hebben het nu als volgt bedacht:
Block 1: dummy land x dummy sekse
Block 2: Opvoedgedrag A en opvoedgedrag B
Block 3: interactie-effect dummy land x opvoeding (2x)
We zijn nu begonnen met een stapsgewijze regressie, klopt dit of moet het hiërarchisch zijn?
Indien het inderdaad een stapsgewijze regressie moet zijn lopen we vast bij blok 3. We zijn schijnbaar ergens vergeten de interactie-effecten aan te maken/toe te voegen want in onze Output kunnen we de interactie-effecten niet terugvinden. Ook als we ze wel toegevoegd denken te hebben volgens jou eerder beschreven manier. Dus er gaat toch ergens iets niet goed, enig idee?
Ik snap de eerste en tweede nu super bedankt!!! nu hopen dat het lukt.. Ik behoor ook tot de VU studenten die hier hopeloos stuntelen met hypotheses.. moet ik bij de laatste een GLM gebruiken? Zo ja wat moet dan bij fixed factors bij mijn hypothese en wat bij covariate?quote:Op maandag 19 maart 2012 19:10 schreef oompaloompa het volgende:
[..]
1, multi(uni)variate of lineaire regressie met dummie + interacties voor geslacht.
2.linear regressie & sobel (of bootstrap) moet je even googlen voor de syntax
3. zelfde multi(uni)variate maar nu hopelijk zonder uitkomst dat er een interactie effect is.
[..]
Contrasten gebruiken, anovas zeggen nooit waar het verschil zit, is altijd een toets over de hele dataset.
Is het zo'n onduidelijk vak dan? Klinkt een beetje alsof jullie enorm in het diepe gegooid worden ^_^quote:Op woensdag 21 maart 2012 20:01 schreef x.steph het volgende:
[..]
Ik snap de eerste en tweede nu super bedankt!!! nu hopen dat het lukt.. Ik behoor ook tot de VU studenten die hier hopeloos stuntelen met hypotheses.. moet ik bij de laatste een GLM gebruiken? Zo ja wat moet dan bij fixed factors bij mijn hypothese en wat bij covariate?
kan het trouwens kloppen dat als je een dummy hebt gemaakt voor geslacht dat je geslacht zelf niet in de lineaire regressie moet gooien? Sorry voor alle vragen..quote:Op woensdag 21 maart 2012 20:05 schreef oompaloompa het volgende:
[..]
Is het zo'n onduidelijk vak dan? Klinkt een beetje alsof jullie enorm in het diepe gegooid worden ^_^
Het verschil tussen fixed factors en covariaten is dat je er van uit gaat dat covariaten een random verdeling hebben. Meestal zul je dus je condities in fixed factors zetten en dingen als leeftijd of de score op een bepaald psychologisch schaaltje / trait measure in covariates. Voor je resultaten maakt het eigenlijk vrijwel nooit iets uit.
Dat klopt, wat je daar zegt. Je maakt immers niet voor niets dummyvariabelen aan. Maar, in principe is geslacht een dummyvariabele (je moet 'm dan wel met 0 en 1 coderen, als dat zo is, hoef je de dummyvariabele van geslacht niet te gebruiken).quote:Op woensdag 21 maart 2012 22:00 schreef x.steph het volgende:
[..]
kan het trouwens kloppen dat als je een dummy hebt gemaakt voor geslacht dat je geslacht zelf niet in de lineaire regressie moet gooien? Sorry voor alle vragen..
Dank je welquote:Op woensdag 21 maart 2012 20:46 schreef x.steph het volgende:
ooohhh ik denk dat het kwartje begint te vallen.. ja het is echt verschrikkelijk.. tenminste bij mijn werkgroep. Ik ben heel blij met jou Je maakt veel dingen een stuk duidelijker dus echt 10000x bedankt. die dummy dingen zijn gelukkig gelukt en een deel van mijn mediatie bleek niet significant dus dat is gelukt.
nu alleen met mijn laatste hypothese. Die veronderstelt dat wel of niet piekeren en wel of niet sporten invloed hebben op depressie. Kan ik daar dan het beste zo'n General Lineair Model voor gebruiken en dan univariate of multivariate? Dan moet ik zeker alleen nog een interactie door compute maken voor sporten*piekeren en die dan ook als een fixed factor zetten?
Aaahhh you just made my day!!!!!! En dat geldt ook voor Crossover!!! Ik heb nu alle hypotheses kunnen testen en ik snap het ook gewoon allemaal!!! Nu nog een mooi verslagje makenquote:Op donderdag 22 maart 2012 13:50 schreef oompaloompa het volgende:
[..]
Dank je wel
Je kunt of een univariate test doen, die test uit zichzelf de interactie (multivariate is met meerdere afhankelijke variabelen)
Voor de rest heeft crossover het al beantwoord
Simpelweg beschrijven welke alternatieven het meest zijn gekozen mag niet? Je kan sowieso via Graphs, Bar, simple een grafiek maken.quote:Op donderdag 22 maart 2012 15:47 schreef Crack_ het volgende:
Hallo .
Ik heb een SPSS vraag.. ik hoop hem zo goed mogelijk uit te kunnen leggen .
Ik moest op school een paarsgewijze vergelijking doen. Dit houdt in dat mensen steeds 2 drankjes voor zich kregen, moesten zeggen welke de lekkerste was op 4 vlakken, hiervan waren 6 rondes. Voorbeeld: cola werd vergeleken met seven up op de vlakken geur, kleur, smaak en consistentie.
De uitkomsten hiervan wil ik vergelijken in SPSS, alleen heb ikecht geen idee hoe. Ik heb ze wel ingevoerd en geprobeerd er een grafiek van te maken maar het lukt niet echt. Misschien heb ik het verkeerd ingevoerd of doe ik het gewoon verkeerd.
Even printscreen van invoeren:
[ afbeelding ]
Etc etc, hierbij staat "cola sevenup kleur" voor de vergelijking van cola met sevenup op het gebied van kleur. Value is dan 1 = cola en 2 = sevenup.
Ik hoop dat jullie me kunnen helpen en als er nog vragen zijn etc hoor ik het ook wel!
Bedankt!
You're welcomequote:Op donderdag 22 maart 2012 16:58 schreef x.steph het volgende:
[..]
Aaahhh you just made my day!!!!!! En dat geldt ook voor Crossover!!! Ik heb nu alle hypotheses kunnen testen en ik snap het ook gewoon allemaal!!! Nu nog een mooi verslagje maken
Kun je proberen uit te leggen wat je precies wilt weten, wat voor een soort conclusie wil je trekken?quote:Op donderdag 22 maart 2012 15:47 schreef Crack_ het volgende:
Hallo .
Ik heb een SPSS vraag.. ik hoop hem zo goed mogelijk uit te kunnen leggen .
Ik moest op school een paarsgewijze vergelijking doen. Dit houdt in dat mensen steeds 2 drankjes voor zich kregen, moesten zeggen welke de lekkerste was op 4 vlakken, hiervan waren 6 rondes. Voorbeeld: cola werd vergeleken met seven up op de vlakken geur, kleur, smaak en consistentie.
De uitkomsten hiervan wil ik vergelijken in SPSS, alleen heb ikecht geen idee hoe. Ik heb ze wel ingevoerd en geprobeerd er een grafiek van te maken maar het lukt niet echt. Misschien heb ik het verkeerd ingevoerd of doe ik het gewoon verkeerd.
Even printscreen van invoeren:
[ afbeelding ]
Etc etc, hierbij staat "cola sevenup kleur" voor de vergelijking van cola met sevenup op het gebied van kleur. Value is dan 1 = cola en 2 = sevenup.
Ik hoop dat jullie me kunnen helpen en als er nog vragen zijn etc hoor ik het ook wel!
Bedankt!
nu val ik jullie nog 1x lastig ik moet mijn meerdere oorzaken hypothese interpreteren, maar ik vond geen hoofdeffect voor beide variabelen (piekeren en sport), maar ook geen interactie effect.. hoe moet ik dit dan interpreteren?quote:[..]
You're welcome
Niet. Als er geen hoofdeffecten en interactie is dan geef je dat aan (begin met interactie en dan hoofdeffecten) en daarbij geef je aan dat ze niet significant verschillen.quote:Op donderdag 22 maart 2012 21:02 schreef x.steph het volgende:
[..]
nu val ik jullie nog 1x lastig ik moet mijn meerdere oorzaken hypothese interpreteren, maar ik vond geen hoofdeffect voor beide variabelen (piekeren en sport), maar ook geen interactie effect.. hoe moet ik dit dan interpreteren?
Dat is de variantie die een factor verklaart, niet de afhankelijke variabele (Y). (SSeffect / g-1)quote:Op vrijdag 23 maart 2012 19:29 schreef Silverdigger2 het volgende:
wanneer er gevraagd wordt naar de totale variantie van een y-variabele bij een ANOVA
dan moet je toch bij je een ANOVA output tabel kijken bij de MSbetween?
* de SSeffect / df1?
quote:Op vrijdag 23 maart 2012 19:38 schreef Sandertje23 het volgende:
[..]
Dat is de variantie die een factor verklaart, niet de afhankelijke variabele (Y). (SSeffect / g-1)
De totale variantie van Y is R2 (dus de proportie verklaarde variantie van dat model)
SPOILEROm spoilers te kunnen lezen moet je zijn ingelogd. Je moet je daarvoor eerst gratis Registreren. Ook kun je spoilers niet lezen als je een ban hebt.dit is de vraag:
http://img19.imageshack.us/img19/6766/vraag12december.gif (copy/paste deze link)
en het correcte antwoord moet b zijn?
quote:Op vrijdag 23 maart 2012 19:56 schreef Silverdigger2 het volgende:
[..]Ja, die is heel leuk. (je had hem ook op de FB pagina statistiek 2 kunnen posten). Je pakt hier (vraag me niet waarom) het SScorrected total / N-1.SPOILEROm spoilers te kunnen lezen moet je zijn ingelogd. Je moet je daarvoor eerst gratis Registreren. Ook kun je spoilers niet lezen als je een ban hebt.dit is de vraag:
http://img19.imageshack.us/img19/6766/vraag12december.gif (copy/paste deze link)
en het correcte antwoord moet b zijn?
SPOILEROm spoilers te kunnen lezen moet je zijn ingelogd. Je moet je daarvoor eerst gratis Registreren. Ook kun je spoilers niet lezen als je een ban hebt.
Nee dat mag niet.. stom he ! Je moet laten zien hoe je aan die resultaten komt en dat moet ook nog eens echt in SPSSquote:Op donderdag 22 maart 2012 18:26 schreef crossover het volgende:
[..]
Simpelweg beschrijven welke alternatieven het meest zijn gekozen mag niet? Je kan sowieso via Graphs, Bar, simple een grafiek maken.
[..]
You're welcome
Ehm nou de drankjes worden vergeleken op laten we nu zeggen kleur, hiervan moeten ze van twee drankjes kiezen welke kleur ze 't beste vinden van deze twee. Dit gebeurt 3x. We hebben 3 drankjes dus ieder drankje komt tegen over een ander drankje te staan. Hiervan willen we weten hoevaak die mensen op welk drankje hebben gestemd.quote:Op donderdag 22 maart 2012 19:04 schreef oompaloompa het volgende:
[..]
Kun je proberen uit te leggen wat je precies wilt weten, wat voor een soort conclusie wil je trekken?
Plaats je output eens.quote:Op vrijdag 30 maart 2012 09:33 schreef Trusten het volgende:
Hier nog een beetje hulp nodig met mijn interactie-effecten. De correlatie van interactie XY is wel hoog en significant maar de voorspellende waarde is niet significant. Wat betekent dat dan? Vooral de correlatie...
Dummyvariabele maken waarbij 0=land A en 1=land B en die vervolgens opnemen in je model. Daarnaast ook de interactievariabele met die dummy en de predictor opnemen in je model. Je ziet dan of het effect van X1 op Y afhankelijk is van Dummy2p.quote:Verder heb ik nog een vraag over m'n regressieanalyse. Ik ben op zoek naar hoe je kunt weten of het verband sterker is in land A dan in Land B. Ik heb wel gevonden dat een positief getal betekent dat land A hoger scoort maar dat zegt dan nog niks over de sterkte van het verband toch? of denk ik nu gewoon te moeilijk..
http://i44.tinypic.com/140dmw5.jpgquote:Plaats je output eens.
Ik snap dit niet helemaal geloof ik. Landdummy hebben we wel opgenomen in het model maar hoe ik het moet aflezen begrijp ik dan niet echt...quote:Dummyvariabele maken waarbij 0=land A en 1=land B etc
Daarom toch nog een keer mijn vraag....quote:die correlaties met dummy- en interactievariabele kun je niks mee, moet echt in regressie.
Uit jullie output kan ik niet halen met welke dummy de interactievariabelen gemaakt zijn. Het is een beetje gek om 2 dummy-variabelen (sekse en land) op te nemen en maar van 1 van die variabelen de interactie-effecten. Of alles in 1 analyse, of echt 2 analyses: apart voor sekse (+ interactie) en apart voor land (+interactie).
Om te zien hoe het interactie-effect voor land eruit ziet moet je een grafiekje maken met apart voor NL en IN een weergave van de samenhang tussen je variabelen. Dat kun je ook door vergelijking van de correlaties tussen NL en IN al een beetje zien.
Vijf verschillende onafhankelijke t-toetsen (analyse, compare means, independant t-test).quote:Op maandag 2 april 2012 14:12 schreef CG het volgende:
Het is voor mij alweer een hele tijd geleden dat ik statistiek heb gedaan. Werken met SPSS gaat me nog wel goed af, maar welke testen ik waarvoor moet gebruiken ben ik helemaal kwijt. Welke test moet ik gebruiken voor de volgende situatie:
Ik heb een groep atheneum-leerlingen en een groep gymnasium-leerlingen. Van alle leerlingen heb ik de gemiddelde cijfers op 5 vakken. Op welke manier (met welke test?) test ik of de gemiddelde cijfers van gymnasiumleerlingen significant hoger zijn dan die van de atheneumleerlingen?
Twee verschillende groepen aanmaken?quote:Op woensdag 4 april 2012 17:38 schreef Sokz het volgende:
Stel ik heb een bestandje met bedrijven gerangschikt op volgorde van 'founding-year'. Hoe kan hier over verschillende delen de variabelen berekenen?
Erg versimpeld voorbeeldje anders zo onduidelijk:
Jan b.v. 1950
Joop b.v. 1971
Karel b.v. 1989
Piet b.v. 1942
Wat is de mean van de bedrijven voor 1970, en de mean van de bedrijven na 1970?
Je kunt bij visual binning twee groepen maken door de founding year var te splitsen bij 1970.quote:Op woensdag 4 april 2012 17:50 schreef Sokz het volgende:
Ja en hoe doe ik dat?:P Wil dus zeg maar een deel van voor 1970 en een deel van na 1970
In principe hetzelfde als recode, maar de recode optie is hier wat ingewikkelder. Het verdeelt je variabele in x groepen en geeft ze een dummy mee. Als je dan de data van alleen één bepaalde groep wil hebben gebruik je de gebinde dummy voor die groep.quote:Op woensdag 4 april 2012 21:07 schreef crossover het volgende:
Wat doet die visual binning optie precies?
SPOILEROm spoilers te kunnen lezen moet je zijn ingelogd. Je moet je daarvoor eerst gratis Registreren. Ook kun je spoilers niet lezen als je een ban hebt.'Expand my brain, learning juice!'
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
Ik hoop dat je begeleider er niet achter komt.quote:Op woensdag 25 april 2012 14:24 schreef ThePlaneteer het volgende:
Ik vul zo hier en daar ook gewoon wat dingetjes in als respondenten 3 vragen niet invullen...
Desnoods een 4tje van de Likert schaal :p
En je verwacht nadat je dit gezegd hebt dat we je nu serieus antwoord gaan geven?quote:Op woensdag 25 april 2012 14:24 schreef ThePlaneteer het volgende:
Ik vul zo hier en daar ook gewoon wat dingetjes in als respondenten 3 vragen niet invullen...
Desnoods een 4tje van de Likert schaal :p
Maar hoe voeg je ook alweer meerdere antwoordmogelijkheden samen?
Ik heb namelijk 1 open vraag gehanteerd waar respondenten handmatig hun eigen beweegredenen konden opgeven.
Nu heb ik deze allemaal geindexeerd (700 respondenten, 7 categorïen), maar er zijn natuurlijk ook respondenten die 2 of 3 verschillende argumenten aangeven.
Hoe kan ik dit het beste verwerken in SPSS?
Of kan ik lekker 7 nieuwe variabelen aanmaken en die vervolgens invullen met 1 (ja) of 2 (nee)....
Zeg me alsjeblieft dat er een snellere manier is.
Misschien een Stapel fan...?quote:Op woensdag 25 april 2012 18:09 schreef crossover het volgende:
700 respondenten hebben en dan nog zelf iets verzinnen ipv missing invullen
Wie?quote:Op woensdag 25 april 2012 22:52 schreef automatic_ het volgende:
[..]
Misschien een Stapel fan...?
Ik ga volgende week aan mijn analyses beginnen.... Gelukkig heb ik Sandertje al kunnen strikken voor hulp!
U.quote:
Dat doe je met Transpose, inderdaad.quote:
Ja, ik heb daar nu al "totaal-schalen" bij gemaakt.quote:Op dinsdag 1 mei 2012 15:19 schreef Z het volgende:
Vaders en moeders zijn aparte cases (regel in databestand)?
Ik ga even opzoeken wat dat isquote:Op dinsdag 1 mei 2012 15:24 schreef Z het volgende:
Dat gaat niet werken. Ik zou de data aggregeren, met het kind als 'break variable' (data --> aggragate). Is dat een optie?
En je vraag is?quote:Op donderdag 3 mei 2012 19:26 schreef Dilijan het volgende:
Beste forumleden,
Ik heb op 22 variabelen zoals prijs, gastvrijheid etc.. gegevens verzamelt van respondenten die onderling van elkaar verschillen bijvoorbeeld op basis van opleiding of vanwege provincie waar zij wonen. Aan de hand van (bijvoorbeeld) deze laatste twee nominale waarden wil ik kijken of er significante verschillen zijn te analyseren voor de 22 variabelen waar men als respondent kon kiezen uit een antwoord op basis van een vijf punts likert schaal.
Ik heb met T testen en alles een poging gewaagd maar een fatsoenlijke tabel waarmee ik dit in een oogopslag kan zien krijg ik er niet uit.
Alvast hartelijk dank voor jullie hulp.
Met vriendelijke groet,
Erik
Kun je die nominale waarden als provincie en opleiding niet gewoon omzetten in een schaal bijvoorbeeld Noord-Holland = 1, Zuid-Holland = 2 etc. Hetzelfde voor opleiding?quote:Op donderdag 3 mei 2012 19:58 schreef Dilijan het volgende:
Beste granaatappel,
Volgens mij niet, even geprobeerd maar kan in één vak maar variabelen invoeren en er blijft dan geen invoervak over voor nominale waarden..
Dat kan niet. Dan kun je geen CA meer berekenen, want die gaat over meer dan 1 item. Je kunt kijken naar de item-restcorrelatie.quote:Op dinsdag 8 mei 2012 09:56 schreef TWP het volgende:
Bij het berekenen van mijn Cronbach's Alpha stuitte ik op een probleem. Mijn variabele wordt gemeten met twee items, maar de CA valt erg laag uit. Dat houdt dan in dat één van de items verwijderd moet worden, toch? Maar op welke manier bepaal ik welke van de twee items uit de set verwijderd moet worden?
Hopelijk weet iemand mij weer op weg te helpen. Alvast bedankt.
Oké, bedankt voor je antwoord!quote:Op dinsdag 8 mei 2012 11:34 schreef Sandertje23 het volgende:
[..]
Dat kan niet. Dan kun je geen CA meer berekenen, want die gaat over meer dan 1 item. Je kunt kijken naar de item-restcorrelatie.
Wat is je design?quote:Op donderdag 10 mei 2012 14:08 schreef Tink89 het volgende:
Hoe definieer ik dan dattie 1 of 2 moet nemen? Want ik heb maar 1 Y-waarde. Ik wil weten of die 4 condities verschillende gemiddelde y-waardes hebben...
Xx
Ja, goede vraag, ik ben ook in de warquote:Op donderdag 10 mei 2012 14:08 schreef Tink89 het volgende:
Hoe definieer ik dan dattie 1 of 2 moet nemen? Want ik heb maar 1 Y-waarde. Ik wil weten of die 4 condities verschillende gemiddelde y-waardes hebben...
Xx
Je kunt 'gewoon' contrasten specificeren in een ANOVAquote:Op donderdag 10 mei 2012 19:31 schreef crossover het volgende:
[..]
Ja, goede vraag, ik ben ook in de war
Oh ja! Maar eerst hercoderen. Eénmaal met select cases voor X1 =1 en éénmaal met select cases voor X1 = 2. Dan krijg je vier groepen en die kan je in de contrasten gebruiken.quote:Op donderdag 10 mei 2012 20:58 schreef Sandertje23 het volgende:
[..]
Je kunt 'gewoon' contrasten specificeren in een ANOVA
Ah Hier kan ik iets mee! Als het lukt, laat ik het jullie weten Txs!quote:Op donderdag 10 mei 2012 22:56 schreef crossover het volgende:
[..]
Oh ja! Maar eerst hercoderen. Eénmaal met select cases voor X1 =1 en éénmaal met select cases voor X1 = 2. Dan krijg je vier groepen en die kan je in de contrasten gebruiken.
Beste manier om outliers te bepalen is met de outlier labeling rule (g van 2,2):quote:Op maandag 14 mei 2012 16:09 schreef Oidipous het volgende:
Hallo allen, alvast super bedankt voor alle hulp!
Vorige week had ik gepost over het verwerken van data. Inmiddels ben ik een stap verder, ik heb alle data nu in SPSS staan en de volgende stap zou zijn univariate analysis, aldus mijn thesisbegeleider.. Niet wetende wat de precieze definitie is ga ik er van uit dat het descriptives zijn van variabelen. Klopt dit?
De descriptives heb ik tevoorschijn gekregen voor de hele sample en daarin zitten rare waarden. Wat blijkt, de outliers 'verpesten' het. Hoe moet ik deze outliers behandelen? Op internet wordt er ondermeer gepraat over z-values door variabelen bij descriptive te standaardiseren. Daarbij wordt gezegd dat je alles boven 3 en -3 moet verwijderen. Het betreft economisch/accounting onderzoek met ongeveer 12,000 firm years.
Zijn er verder nog zaken waar ik op moet letten voordat ik mijn regressie laat lopen? Heteroskedasticiteit-probleem heb ik niet omdat ik van elke variabele de logaritmische functie pak (maw, model ziet er zo uit log(y1)=b0+log(b1)+log(b2)+log(b3)). Moet ik hierdoor in plaats van lineaire regressie de binary logistic regression functie onder analyze pakken?
Ooh, dan zou ik alleen voor mijn descriptives de outliers eruit moeten halen. Dat zou wel fijn zijn.quote:Op maandag 14 mei 2012 16:44 schreef Z het volgende:
Schakel je met die logaritmische functie niet al de outliers uit?
Thx, ik ga er mee aan de slag.quote:Op maandag 14 mei 2012 16:53 schreef Sandertje23 het volgende:
[..]
Beste manier om outliers te bepalen is met de outlier labeling rule (g van 2,2):
Deze methode wordt ook in SPSS gebruikt wanneer je een boxplot maakt.quote:Op maandag 14 mei 2012 16:53 schreef Sandertje23 het volgende:
[..]
Beste manier om outliers te bepalen is met de outlier labeling rule (g van 2,2):
quote:Pallant:
SPSS defines points as outliers if they extend more than
1.5 box-lengths from the edge of the box. Extreme points (indicated with an
asterisk, * ) are those that extend more than 3 box-lengths from the edge of
the box.
Data-> Select cases -> Select cases if...quote:Op donderdag 17 mei 2012 14:20 schreef axz0l het volgende:
Misschien een hele stomme vraag. Van een aantal gegevens wil ik kijken hoevaak elke waarde voorkomt. Bijv: waarde A komt 3 keer voor, waarde B 4 keer en waarde C 8 keer.
Nu doe ik dat heel simpel via analyze frequencies, maar ik wil alles wat 0, 1 en 2 keer voorkomt NIET weergeven. Dus ik wil alleen alles wat 3x of vaker voorkomt weergeven met daarbij hoevaak dit voorkomt.
Kom er echt niet uit, ook de handleiding van SPSS en het internet niet, misschien dat iemand mij hier kan helpen?
Variabele kopiëren, ctrl + F, alle veel voorkomende antwoorden vervangen (door 'replace') door numerieke waarden en die waardes coderen bij variable labels. Vervolgens de overige verwijderen of system missing van maken. Als laatste nog zorgen dat het een numerieke varaibele is en dan kan je als het goed is frequentietabellen maken.quote:Op dinsdag 22 mei 2012 17:18 schreef axz0l het volgende:
Mensen, ik kom er niet uit dus ik hoop dat iemand mij toch nog verder kan helpen. Het gaat om een
kolom waar mensen zelf een 'automerk' intypen, neem peugeot als voorbeeld (het is dus een string).
Uiteindelijk kijk ik via frequencies en zie ik nu dat 55 mensen peugeot hebben ingevoerd, 38 mensen volkswagen en bijvoorbeeld maar 1 iemand die kiest voor Toyota, 1 iemand die kiest voor Honda.
Omdat het nu een gigantische lijst is, wil ik alle automerken die slechts 1x voorkomen (die dus door 1 iemand zijn ingevuld) weglaten, maar ik krijg het maar niet voor elkaar!!
Select if dat heeft geen zin, want de output van analyze, frequencies is geen variabele. Die kan ik dus niet selecteren.
Hoe kan ik nou mijn frequenties in de output window zo sorteren dat alles wat slechts 1x is genoemd, niet getoond wordt?!
SPOILEROm spoilers te kunnen lezen moet je zijn ingelogd. Je moet je daarvoor eerst gratis Registreren. Ook kun je spoilers niet lezen als je een ban hebt.nvm
[ Bericht 5% gewijzigd door Silverdigger2 op 28-05-2012 23:52:52 ]
Je kunt non-parametrisch toetsen, maar bij genoeg proefpersonen is een schending van levene's test niet zo rampzalig.quote:Op dinsdag 29 mei 2012 14:48 schreef KrentebolHooft het volgende:
Ik moet een ANOVA test uitvoeren, maar de Levene's test die homogeneity bepaald geeft een significante waarde aan. Dat betekend dus dat de varianties niet gelijk zijn in de groepen en een ANOVA (die gelijke varantie vereist) toets niet mag worden gebruikt.
Heb al met mijn stagebegeleider overlegd en hij raadde aan om de data te transformeren. Heb al verschillende log en Ln transformaties geprobeerd, maar het blijft altijd significant aangeven.
Heeft iemand nog ideeën om dit te verhelpen? Of wat ik kan overwegen als alternatief (wat dus wel mogelijk is met ongelijke varianties).
Kruskal-Wallis wordt het meest gebruikt, dus als je niet in de literatuur wilt duiken met betrekking tot de andere tests is het misschien een goed idee om die (als je dat kunt) te gebruiken.quote:Op dinsdag 29 mei 2012 15:08 schreef KrentebolHooft het volgende:
Ja inderdaad, dat was ook een optie
Zijn er nog nonparametrische toetsen buiten de Kruskal-Wallis en Wilcoxon-Rank sum toetsen? Ik ga sowieso die 2 denk ik even bekijken.
edit: ik zie er zo al een boel staan in SPSS, dat wordt lekker proberen
Ik word niet wijs uit jouw lap tekst. Wat is je afhankelijke variabele (en meetschaal) en wat zijn je onafhankelijke variabelen (en meetschaal) per hypothese? Dan kunnen we even wat gerichter kijken.quote:Op donderdag 7 juni 2012 14:55 schreef Kneivster het volgende:
Verder, wat voor verdere analyse zouden jullie uitvoeren hierop om uiteindelijk de hypotheses te testen? Ik lees overal verschillende dingen, de één voert een Mann-Whitney U Test uit (Niet parametrische test tussen 2 onafhankelijke samples), de ander een One-sample Kolmogorov Test (ook niet parametrisch, maar met 1 sample). Ik zie door de bomen het bos niet meer...
Alvast vele malen dank voor de hulp!
quote:Op donderdag 7 juni 2012 14:55 schreef Kneivster het volgende:
maar hoe kan ik van 2 (of meer) variabelen het gezamenlijke gemiddelde en standaarddeviatie laten berekenen zodat dit een samengevoegde variabele wordt en ik deze variabele later ook weer kan gebruiken in verdere statische analyses?
Volgens mij ben ik er, wat dit deel betreft, zelf uitgekomen. Klopt het als je dit doet: Transform -> compute new variable -> naam nieuwe variabele; MEAN(variabele 1, variabele 2, enz)?quote:[Nou kan het dus zijn dat 2 onafhankelijke variabelen samen genomen moeten worden omdat ze uitmaken van 'grotere' onafhankelijke variabele (bijvoorbeeld: onder dezelfde hypothese als bovenstaand zijn er ook twee vragen met betrekking tot de beoordeling van het huidige kostensysteem t.o.v. activity-based costing. Deze twee vragen hebben alletwee een aparte onafhankelijke variabele en worden ook alletwee apart getoetst, maar ik wil ze ook samenvoegen om, in dit geval, het geheel van de beoordeling van het huidige kostensysteem te toetsen aan de adoptie van activity-based costing.
Zoek de originele bron eens op en kijk wat daar in staat beschreven.quote:Op donderdag 21 juni 2012 09:57 schreef Oidipous het volgende:
Dag,
Ik heb een sample van 40.000 bedrijfsjaren waarover ik een regressie laat uitvoeren door SPSS.
Nu staat het volgende in vergelijkbaar onderzoek:
To control for error dependence of firm observations, we use Rogers (1993) standard errors clustered at the firm level in all regressions (Petersen 2009).
Hoe doe ik dit in SPSS? Is daar een functie voor? Ik maak gebruik van PASW statistics 18.
Ik kan je daar geen antwoord op geven, maar misschien heb je hier wat aan: http://www.theanalysisfac(...)tors-and-covariates/quote:Op donderdag 21 juni 2012 10:26 schreef yozd het volgende:
Kan iemand mij uitleggen wat in SPSS het verschil is tussen een "fixed factor" en een "covariate" bij bijvoorbeeld univariate variantie analyse?
Omdat je bij de afhankelijke variabele alleen de uitkomsten 1 of 0 hebt en waardes daartussen geen interpretatie hebben, terwijl die uitkomsten wel mogelijk zijn met een normale lineaire regressie. Een logistische regressie model modelleert de uitkomst in kansen op 1 en 0 die je kunt omzetten naar uitkomsten 1 en 0.quote:Op maandag 25 juni 2012 11:11 schreef koenvanveen het volgende:
Bij mij zijn alleen de onafhankelijke variabelen (verklaring en empathie) dichotoom. De afhankelijke en medierende variabelen zijn gewoon dichotoom. Een aantal controle variabelen zijn daarentegen weer nominaal.
Maar je geeft aan dat de X toch gewoon dichotoom kan zijn bij lineaire regressie. Waarom zou ik dan logistische regressie moeten gebruiken? En waarom zou dat script dan moeten detecteren of de X dichotoom is om zo logistische regressie te gebruiken?
Ik zit op die functie te zoeken, maar het wordt me nog niet helemaal duidelijk wat je er mee kan. Zou je in een (paar) simpele zin(nen) uit kunnen leggen wat je er mee kan? Heb er geen ervaring mee.quote:
Ik lees je reactie nu pas, had deze functie zelf al gevonden ja. Bedankt!quote:
Nu heb ik voor variabele 1 de volgende normal line:quote:Assumptions
There are a number of assumptions common to all the techniques covered in part Four. These are discussed below. You will need to refer back to these assumptions when performing any of the analyses covered in Chapters 11, 12, 13, 14 and 15.
[...]
Normality
Scores on each variable should be normally distributed. This can be checked by inspecting the histograms of scores on each variable (see Chapter 6) for instructions).
De verkregen grafiek:quote:compute logit=105.59640982551976 + 0.006987722743432774 * hbowo + 15.309299729723998 * kerklidmaatschap + -0.004312743957170497 * hbowo * kerklidmaatschap .
compute voorspeld= (exp (logit)) /
(1 + (exp (logit))).
exe.
GGRAPH
/GRAPHDATASET NAME="graphdataset" VARIABLES=hbowo MEAN(voorspeld)[name="MEAN_voorspeld"]
kerklidmaatschap MISSING=LISTWISE REPORTMISSING=YES
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE: s=userSource(id("graphdataset"))
DATA: hbowo=col(source(s), name("hbowo"))
DATA: MEAN_voorspeld=col(source(s), name("MEAN_voorspeld"))
DATA: kerklidmaatschap=col(source(s), name("kerklidmaatschap"), unit.category())
GUIDE: axis(dim(1), label("aantal_hbowo_studenten_keer_1000"))
GUIDE: axis(dim(2), label("Mean voorspeld"))
GUIDE: legend(aesthetic(aesthetic.color.interior), label("wel_of_niet_kerkelijk"))
SCALE: cat(aesthetic(aesthetic.color.interior), include(".0", "1.00"))
ELEMENT: line(position(hbowo*MEAN_voorspeld), color.interior(kerklidmaatschap), missing.interpolate())
END GPL.
Hmm, gemakkelijk?quote:Op zondag 8 juli 2012 23:22 schreef oompaloompa het volgende:
ik maak nooit grafieken in spss, maar als niemand je verder helpt, kun je hem altijd gemakkelijk in excel maken..
Als ik je goed begrijp doe je gewoon contrasten..quote:Op maandag 9 juli 2012 22:18 schreef automatic_ het volgende:
Ik snap even iets niet.
Ik heb drie leeftijdsgroepen en vier verschillende subgebieden van kwaliteit van leven. Ik wil nu kijken of er significante verschillen zijn tussen de drie leeftijdsgroepen en de subgebieden.
Dus bijvoorbeeld of groep 8-12 jaar significant verschilt met emotioneel functioneren of lichamelijke functioneren.
Hoe doe ik dit?
Ik heb al een ANOVA gedaan om te kijken naar de drie verschillende groepen op het gebied van "totaal functioneren". Of moet ik nu gewoon 5 losse ANOVA's doen? Ik dacht zelf aan een MANOVA maar daar kom ik niet uit
Oke... Ik ga dat nog eens even uitzoeken.quote:Op maandag 9 juli 2012 22:36 schreef oompaloompa het volgende:
[..]
Als ik je goed begrijp doe je gewoon contrasten..
Eerst een multivariate of er verschillen zijn in totaal, daarna bij de univariate resultaten kijken of er per subgebied verschillen zijn, daarna contrasten om te kijken welke groepen precies verschillen.
Je kunt dan beter een MANOVA met een posthoc test doen.quote:Op maandag 9 juli 2012 22:36 schreef oompaloompa het volgende:
[..]
Als ik je goed begrijp doe je gewoon contrasten..
Eerst een multivariate of er verschillen zijn in totaal, daarna bij de univariate resultaten kijken of er per subgebied verschillen zijn, daarna contrasten om te kijken welke groepen precies verschillen.
manova = multivariatequote:Op maandag 9 juli 2012 22:43 schreef Sandertje23 het volgende:
[..]
Je kunt dan beter een MANOVA met een posthoc test doen.
Als je toevallig op de uni komt wil ik je wel even helpen...quote:Op maandag 9 juli 2012 23:09 schreef automatic_ het volgende:
Sandertje23 heeft net even met mij meegekeken, maar SPSS loopt te zeuren dat er minder dan drie groepen zijn, terwijl die er wel zijn.
Ik ga morgen misschien wat inleveren, maar dat weet ik nog niet zeker. Bedankt in ieder geval! Ik ga het even onthoudenquote:Op maandag 9 juli 2012 23:12 schreef oompaloompa het volgende:
[..]
Als je toevallig op de uni komt wil ik je wel even helpen...
Alle soorten groepen goed ingesteld? (scale etc.)quote:Op maandag 9 juli 2012 23:09 schreef automatic_ het volgende:
Sandertje23 heeft net even met mij meegekeken, maar SPSS loopt te zeuren dat er minder dan drie groepen zijn, terwijl die er wel zijn.
Er zijn standaardafwijkingen voor skewness & kurtosis (kun je in descriptives vinden). Over het algemeen zolang de skewness / kurtosis niet sig afwijkt (meand +/- 1.96*sd omvat 0) is het goed.quote:Op maandag 9 juli 2012 22:56 schreef VacaLoca het volgende:
Iemand nog die mij kan vertellen (zie eerdere posts) hoe je best kan beoordelen wanneer een normal plot te afwijkend? Kan je het bijvoorbeeld ook in waardes uitdrukken en dat er ergens theorieën bestaan over vanaf welke waarden het ene geld en wanneer het ander?
Posthoc gebruik je meestal achteraf (als je geen richting hebt voor je hypothese). Een contrast gebruik je meestal vooraf (= gepland) als je wel een richting hebt voor je hypothese.quote:Op maandag 9 juli 2012 23:11 schreef oompaloompa het volgende:
[..]
manova = multivariate
post-hoc is een contrast
Maar wel fijn dat we het met elkaar eens zijn
Ja, volgens mij wel.quote:Op maandag 9 juli 2012 23:13 schreef Operc het volgende:
[..]
Alle soorten groepen goed ingesteld? (scale etc.)
SPSS gebruikt rare namen. Zowel van te voren (zonder correctie) als achteraf (post-hoc) zijn het allemaal contrasten. Waarom spss het ene afkort tot post-hoc en het andere de koepelterm "contrast" geeft is mij ook totaal onduidelijkquote:Op maandag 9 juli 2012 23:15 schreef Sandertje23 het volgende:
[..]
Posthoc gebruik je meestal achteraf (als je geen richting hebt voor je hypothese). Een contrast gebruik je meestal vooraf (= gepland) als je wel een richting hebt voor je hypothese.
Uiteraard
Thanks, stukje 'meand +/- 1.96*sd omvat 0' is helaas nog even onbekende taal voor mij. Ik heb met studie geen statistiek gehad, en probeer nu zelf snel te leren zo goed en zo kwaad als het kan. Heb even uitdraai gemaakt.quote:Op maandag 9 juli 2012 23:14 schreef oompaloompa het volgende:
[..]
Er zijn standaardafwijkingen voor skewness & kurtosis (kun je in descriptives vinden). Over het algemeen zolang de skewness / kurtosis niet sig afwijkt (meand +/- 1.96*sd omvat 0) is het goed.
Maar wanneer zouden mensen ervaren met statistiek het nog 'reasonable' noemen is dan mijn vraag betreffende bv de Q-Q plot die ik liet zien.quote:he actual shape of the distribution for each group can be seen in the Histograms. In this example, scores appear to be reasonably normally distributed. This is also supported by an inspection of the normal probability plots (labelled Normal Q-Q Plot). In this plot, the observed value for each score is plotted against the expected value from the normal distribution. A reasonably straight line suggests a normal distribution.
Forum Opties | |
---|---|
Forumhop: | |
Hop naar: |