Het SPSS topic #4 - Syntaxen verder.

Bekijk de optie Weight cases eens, staat bij Data dacht ik (of iig onderaan vlakbij split file). Voer daar de variabele van de hoeveelheid in. Vervolgens kan je met one way anova verschillen bepalen tussen de locaties. Hangt wel een beetje van je precieze codering af, maar je moet in die richting denken.

Ik hoop dat iemand mij hier kan helpen...
Ik ben bezig met het afronden van mijn masterthesis economie over de verspreiding van activity-based costing in Nederland. Nu moet er bij een masterthesis ook een empirisch gedeelte bijgevoegd worden zodat de opgestelde hypotheses in het theoretisch frame getest kunnen worden. Hiervoor heb ik een survey uitgevoerd, waarbij respondenten gevraagd werden te reageren op stellingen op basis van een 5 punts Likert-schaal (1= totaal niet mee eens, 2= niet mee eens, 3 = neutraal, enz). Ik heb alle data inmiddels binnen en ingevoerd in SPSS, maar de analyse ervan wil nog niet echt lukken, en aangezien mijn begeleider er ook de ballen verstand van heeft hoop ik dat jullie me willen helpen...
De afhankelijke variabele in het onderzoek ik de adoptie van activity-based costing (0=niet 1=wel). Op basis van de verschillende hypotheses zijn hier een aantal afhankelijke variabelen opgesteld die dus zijn getest in de survey (en hebben dus een waarde van 1 t/m 5).
Nou kan ik zelf wel de gemiddeldes en de standaardafwijkingen enzo van elke aparte variabele laten berekenen in SPSS, 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?

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:
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!

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.

Sorry voor de onduidelijkheid, hopelijk maakt dit het wat overzichtelijker:
De afhankelijke variabele in de survey is: de adoptie van activity based costing. De meetschaal hiervoor is: wel geadopteerd (gecodeerd met 1) en niet geadopteerd (gecodeerd met 0).
De afhankelijke variabelen zijn dus opgedeeld onder de verschillende hypotheses. Voorbeeld:
Hypothese: De keuze voor adoptie van activity-based costing is gemaakt op basis van efficiente keuze motieven
Onafhankelijke variabele: De technische efficiency van activity-based costing
Vraag in survey: Kunt u aangeven in hoeverre u het eens bent met de volgende stelling: Het was voorafgaand aan de implementatie van ABC te bepalen wat de input, output, kosten en opbrengsten zouden zijn.
Meetschaal: Volledig mee oneens (gecodeerd met 1), Mee oneens (gecodeerd met 2), Neutraal (gecodeerd met 3), Mee eens (gecodeerd met 4), Volledig mee eens (gecodeerd met 5).

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.

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?

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.

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)?

Werd hier naar doorverwezen heb even mijn openings post gekopieerd:

Hey,
Ik ben bezig met mijn scriptie, en wil een event study uitvoeren. Wat ik wil onderzoeken is wanneer een hedge fund een aandeel van meer dan 1% in een bedrijf krijgt wat dit met de aandelen prijs van het bedrijf doet. Ik heb nu van alle 125 events die ik heb de Abnormal returns in excel staan (heb deze berekend door de percentuele return van een index van de percentuele return van het bedrijf af te halen). Ook heb op een ander blad cumulatieve returns per bedrijf staan. Heb net al beetje met spss zitten kloten, maar heb er al heel lang niet meer mee gewerkt. Wat ik dus wil weten is hoe kan nu berekenen of er significante resultaten zijn bijvoorbeeld van event window van -20 naar +20. Volgens mij denk ik veel moeilijker dan dat het is. Of is een simpele T-test met de AR(-20,+20) al voldoende voor significantie? Hoop dat iemand me beetje verder kan helpen, of ergens een tutorial of iets dergelijks heeft. Kan op internet namelijk niks duidelijks vinden. Alvast bedankt.
Gr, Niek

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.

[ Bericht 0% gewijzigd door Oidipous op 21-06-2012 10:07:59 ]

Kan iemand mij uitleggen wat in SPSS het verschil is tussen een "fixed factor" en een "covariate" bij bijvoorbeeld univariate variantie analyse?

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.

Zoek de originele bron eens op en kijk wat daar in staat beschreven.

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?

Ik kan je daar geen antwoord op geven, maar misschien heb je hier wat aan: http://www.theanalysisfac(...)tors-and-covariates/

Ik weet hoe je een mediatiemodel moet testen middels de stappen en regressieanalyses van Baron & Kenny. Maar in mijn onderzoek zijn de onafhankelijke variabelen dichtoom. Kunnen jullie mij vertellen hoe ik in spss een mediatie model kan testen dmv regressieanalyses waarbij de onafhankelijke variabelen dichotoom zijn?

Het onderzoek gaat over klachtafhandeling en de variabelen zijn:

Onafhankelijk: empathie (Ja/Nee) & verklaring (Ja/Nee)
Mediator: interactionele rechtvaardigheidsperceptie
Afhankelijk: perceptie en intenties

Alvast bedankt!

Gebruik het "Indirect" script van Preacher & Hayes; http://www.afhayes.com/spss-sas-and-mplus-macros-and-code.html.

Via file, open, script in spss 17. Werkt volgens mij niet in 20. Althans, bij mij niet.
Dat script detecteert automatisch of een Y dichotoom is en gebruikt dan logitische regressie ipv ordinary least squares (OLS).

[ Bericht 0% gewijzigd door crossover op 25-06-2012 10:29:56 ]

Bedankt voor je antwoord! Ik vind het eerlijk gezegd nogal vaag. Want op een andere site vind ik nu dat in lineaire regressie de onafhankelijke variabele wel dichotoom kan zijn? Alleen de afhankelijke variabele zou dan continu moeten zijn?

De onafhankelijke variabele mag best dichotoom zijn, de afhankelijke alleen niet, inderdaad. Dan gebruik je namelijk logistische regressie. Het valt me nu alleen op dat je twee predictor variabelen hebt. Dat past niet in dat script (misschien is er een ander script op zijn site?). Anders wordt het AMOS.

Oh trouwens, ik had Y moeten schrijven waar hierboven X stond. Vandaar ook je verwarring denk ik.

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?

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?

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.

Pff wat dom van mijzelf, wil ik vertellen dat mijn afhankelijke en medierende variabelen ordinaal zijn, schrijf ik dichotoom. Dus ik bedoel:

Bij mij zijn alleen de onafhankelijke variabelen (verklaring en empathie) dichotoom. De afhankelijke en medierende variabelen zijn gewoon ordinaal. Een aantal controle variabelen zijn daarentegen weer nominaal.

Dan is een lineaire regressie gewoon mogelijk begrijp ik. Is dat juist?

Juist. Zoek ook even de spss survival manual op van Pallant, is via google te vinden. Daar staat precies in wat je nodig hebt voor lineaire regressie.

Korte vraag:

Ik heb data van ongeveer 100 mensen.
Deze mensen hebben 9 keer een vragenlijst ingevuld, maar niet iedereen heeft deze lijst 9 keer ingevuld.
Ik heb nu een SPSS bestand met Totaalscores op de vragenlijst als variabele. Ik heb per vragenlijst 1 case en iedere proefpersoon heeft dus maximaal 9 cases. Is er een makkelijke manier om de gemiddelde totaalscore te berekenen per proefpersoon? (En dat dit dus een variabele wordt waar ik verder mee kan rekenen tussen groepen etc.)

Data aggregeren op proefpersoon?

Hoi please help me!



Stel:
pad a is significant
pad b is significant
pad c is significant
pad c' is significant

Dan is er geen sprake van mediatie toch? Moet je dan alsnog de Sobel test uitvoeren?

Alvast bedankt!

Ik zou gewoon het Indirect script gebruiken van Hayes. Is superieur aan de Sobel test, aldus de auteurs. Effe googlen en je hebt 'm.

quote:

Op maandag 25 juni 2012 17:12 schreef Z het volgende:
Data aggregeren op proefpersoon?

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:

Op maandag 25 juni 2012 17:12 schreef Z het volgende:
Data aggregeren op proefpersoon?

Ik lees je reactie nu pas, had deze functie zelf al gevonden ja. Bedankt!
@ Crossover: kort gezegd: met aggregate kun je van meerdere datapunten 1 datapunt maken. Je kunt dan nog kiezen hoe hij dit datapunt maakt. Ik heb bijvoorbeeld gekozen voor het gemiddelde van de verschillende datapunten, maar dat hangt natuurlijk af van je onderzoeksvraag.

Ben de SPSS Survival Manual aan het lezen. Ben nu bij Part 4 'Statistical techniques to explore relationships among variables'

Waaronder dus Correlation, Partial correlation, Multiple regression, Logistic regression en Factor analysis.

Dan staat er een stukje:

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).

Nu heb ik voor variabele 1 de volgende normal line:


En voor variabele 2 deze:



En deze 2 variabelen afgezet tegen over elkaar zorgt voor de volgende scatter:



Dus noob-vraag: voldoen deze variabelen aan de eisen voor een Pearson r of moet ik gaan voor Spearman rho?

Bonus noob vraag: op de website van het boek kan je bestanden downloaden die als voorbeeld gebruikt worden. Nu zie ik dat ze vragen met een likert scale gecodeerd als 'Scale' hebben als measurement type.Moet likert scale niet als Ordinal behandeld worden?

Zie http://www.allenandunwin.com/spss/Files/survye_codebook.pdf de vragen over optimisme e.d. met 1 t/m 5 als antwoordmogelijkheid is hebben in de .sav file een Scale measurement.

[ Bericht 1% gewijzigd door VacaLoca op 04-07-2012 03:04:21 ]