SES School, Studie en Onderwijs
Wiskunde in de brugklas, Frans voor het examen of een studie Personeel en Arbeid? Moeilijke formulieren van DUO? Iets weten over studiefinanciering of studentenverenigingen? Dit is het forum voor leerkrachten, scholieren en studenten, van brugklas tot uni
ik heb een mediatie getoetst, en nu blijkt alleen x2 significant. De interactie en x1 niet. Hoe moet ik dit nu interpreteren??
als x1 lost eerst significant is,
x2 los significant is,
en bij x1 én x2 in het model: de interactie en de x1 niet meer significant is, en x2 nog wel
dan is er sprake van volledige mediatie
x2 los significant is,
en bij x1 én x2 in het model: de interactie en de x1 niet meer significant is, en x2 nog wel
dan is er sprake van volledige mediatie
er moeten van te voren analyses significant zijn maar X1->X2 is niet significant. X1->Y, X2->Y wel. volgens die regels kan er dan al geen mediatie meer optreden.. Na de logistische regressie krijg ik als output dat X2 significant is, X1 niet en de interactie niet. Hoe moet ik dit dan interpreteren?
Mensen, ik ben helemaal in de war geraakt. Ik heb mijn uitwerkingen teruggekregen waarin feedback is genoteerd en ik heb helaas geen mogelijkheid om hier nog vragen over te stellen.
Onderaan dit bericht vind je het stukje uit mijn uitwerkingen. Het feedback wat erbij stond wat dat mijn hypothese niet juist is voor een t-test, omdat je twee groepen met elkaar vergelijkt.
Ik snap helemaal niet waarom dit onjuist is en wat ik dan wel moet doen.. wie kan me dit vertellen?
(Klantloyaliteit (afhankelijke variabele) is op interval niveau gemeten. )
De volgende hypothesen zijn getoetst:
H0: Geslacht heeft geen invloed op klantloyaliteit .
H1: Geslacht heeft invloed op klantloyaliteit.
Om te analyseren of de mate van klantloyaliteit van mannen verschilt met die van vrouwen is de Independent samples t-test uitgevoerd. Deze test was niet significant, t(123)= 0,74 p= 0,460. De gemiddelde mate van klantloyaliteit van mannen (M = 3,2, SD = 1,27) verschilt niet van de gemiddelde mate van klantloyaliteit van vrouwen (M = 3,0, SD = 1,04).
Onderaan dit bericht vind je het stukje uit mijn uitwerkingen. Het feedback wat erbij stond wat dat mijn hypothese niet juist is voor een t-test, omdat je twee groepen met elkaar vergelijkt.
Ik snap helemaal niet waarom dit onjuist is en wat ik dan wel moet doen.. wie kan me dit vertellen?
(Klantloyaliteit (afhankelijke variabele) is op interval niveau gemeten. )
De volgende hypothesen zijn getoetst:
H0: Geslacht heeft geen invloed op klantloyaliteit .
H1: Geslacht heeft invloed op klantloyaliteit.
Om te analyseren of de mate van klantloyaliteit van mannen verschilt met die van vrouwen is de Independent samples t-test uitgevoerd. Deze test was niet significant, t(123)= 0,74 p= 0,460. De gemiddelde mate van klantloyaliteit van mannen (M = 3,2, SD = 1,27) verschilt niet van de gemiddelde mate van klantloyaliteit van vrouwen (M = 3,0, SD = 1,04).
Why is a mathbook so sad? Because it has too many problems...
Oooh bedoelde hij dat 
Dankjewel!!
Weet je ook hoe ik dit moet toetsen? Gewoon met descriptives de gemiddelden vergelijken? Of is hier een geschikte toets voor?
Dankjewel!! Weet je ook hoe ik dit moet toetsen? Gewoon met descriptives de gemiddelden vergelijken? Of is hier een geschikte toets voor?
Why is a mathbook so sad? Because it has too many problems...
Een vraag over missing values!
Heb een bestand met 850 cases. Bijna alle data is dichotoom (0 of 1). Ik wil graag een (binaire) logistische regressie met18 variabelen uitvoeren, maar dan worden in totaal 90 cases weggelaten, omdat er dus meerdere system missing values zijn.
Het probleem is dat zodra één variabele die in de regressie gestopt wordt een missing value bevat, gelijk de hele case wordt weggelaten en gezien als 'missing case'. Wie weet nu wat te doen?
Heb een bestand met 850 cases. Bijna alle data is dichotoom (0 of 1). Ik wil graag een (binaire) logistische regressie met18 variabelen uitvoeren, maar dan worden in totaal 90 cases weggelaten, omdat er dus meerdere system missing values zijn.
Het probleem is dat zodra één variabele die in de regressie gestopt wordt een missing value bevat, gelijk de hele case wordt weggelaten en gezien als 'missing case'. Wie weet nu wat te doen?
Andrei Arlovski is a Belarusian heavyweight who has been in the MMA game for quite some time. His first professional fight dates back to 540 B.C. where Leonidas won as the underdog in Sparta
Niets. Die moet je als verloren beschouwen, tenzij je terug kan kijken in de oorspronkelijke vragenlijsten wat er is ingevuld.
Je kan natuurlijk ook een Stapeltje1 doen.
Je kan natuurlijk ook een Stapeltje1 doen.
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>
Overigens mag je niet klagen met 760 cases.
'Expand my brain, learning juice!'
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
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.
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.
"Ik heb nog met hem gekoerst"
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
They told me all of my cages were mental, so I got wasted like all my potential.
En je verwacht nadat je dit gezegd hebt dat we je nu serieus antwoord gaan geven?quote:
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.
700 respondenten hebben en dan nog zelf iets verzinnen ipv missing invullen 
'Expand my brain, learning juice!'
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
Misschien een Stapel fan...?quote:
700 respondenten hebben en dan nog zelf iets verzinnen ipv missing invullen
Ik ga volgende week aan mijn analyses beginnen.... Gelukkig heb ik Sandertje al kunnen strikken voor hulp!
"It's good to be open-minded, but not so open that your brains fall out."
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!
Kan iemand mij met het volgende helpen.
Mijn data (van een groep middelbare scholieren) ziet er nu als volgt uit:
(achtereenvolgens: schoolvak, naam leerling, cijfer op dat vak)
vakA Jan Jansen 6,4
vakB Jan Jansen 6,9
vakC Jan Jansen 6,0
vakD Jan Jansen 7,0
vakA Mien Mienstra 7,1
vakB Mien Mienstra 7,2
vakC Mien Mienstra 7,3
vakD Mien Mienstra 7,4
etc.
Is het mogelijk om een nieuwe variabele te berekenen die van alle leerlingen afzonderlijk het gemiddelde over de 4 vakken berekend? En hoe doe ik dat?
Mijn data (van een groep middelbare scholieren) ziet er nu als volgt uit:
(achtereenvolgens: schoolvak, naam leerling, cijfer op dat vak)
vakA Jan Jansen 6,4
vakB Jan Jansen 6,9
vakC Jan Jansen 6,0
vakD Jan Jansen 7,0
vakA Mien Mienstra 7,1
vakB Mien Mienstra 7,2
vakC Mien Mienstra 7,3
vakD Mien Mienstra 7,4
etc.
Is het mogelijk om een nieuwe variabele te berekenen die van alle leerlingen afzonderlijk het gemiddelde over de 4 vakken berekend? En hoe doe ik dat?
Dat doe je met Transpose, inderdaad.quote:
Op
'Expand my brain, learning juice!'
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
Op met het commando flip (in je syntax). Of bestaat dat niet meer? Levensgevaarlijk commando.
Aldus.
Dat is dan wat anders, wat doet het?
'Expand my brain, learning juice!'
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
Ik heb even een vraag en ik hoop dat ik hem duidelijk kan formulieren. Ik heb vier verschillende groepen (2-4, 5-7, 8-12,13-18). Er zijn drie groepen waarbij de kinderen zelf een vragenlijst hebben ingevuld (5-7, 8-12, 13-18). Daarnaast hebben bij alle groepen ook de ouders een lijst ingevuld. Voor de groep 2-4 jaar gebruik ik dus de vragenlijsten van de ouders.
Mijn idee was dus om de totale score van vader en de totale score van moeder bij elkaar te doen, maar dan alleen van de kinderen die 2-4 jaar zijn. Kan dit? En zo ja, hoe?
Ik dacht eerst zelf m.b.t. select cases, maar kan dat eigenlijk...?
Hopelijk is het een beetje duidelijk
Mijn idee was dus om de totale score van vader en de totale score van moeder bij elkaar te doen, maar dan alleen van de kinderen die 2-4 jaar zijn. Kan dit? En zo ja, hoe?
Ik dacht eerst zelf m.b.t. select cases, maar kan dat eigenlijk...?
Hopelijk is het een beetje duidelijk
"It's good to be open-minded, but not so open that your brains fall out."
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)?
"It's good to be open-minded, but not so open that your brains fall out."
Dat gaat niet werken. Ik zou de data aggregeren, met het kind als 'break variable' (data --> aggragate). Is dat een optie?
Aldus.
Ik ga even opzoeken wat dat isquote:
Dat gaat niet werken. Ik zou de data aggregeren, met het kind als 'break variable' (data --> aggragate). Is dat een optie?
"It's good to be open-minded, but not so open that your brains fall out."
Kijk ook weer even naar de optie Transpose; je kan hiermee de rijen op de kolommen zetten en andersom. Je kan dan berekeningen maken die je normaal niet kan doen.
'Expand my brain, learning juice!'
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
Bovenstaand gegevens die ik uit een database heb gehaald en de regressie die ik voor mijn onderzoek ga gebruiken. Belangrijk bij de regressie is dat ik per Company ID + jaar de dummies bepaal en tegelijkertijd t/t-1 kan uitrekenen. Hoe moet ik de data indelen om mijn regressie te runnen?
Ik zat te denken aan kollommen sales t1, sales t2, sales t3, sales t4, etc voor andere variabelen en toch de rijen aan te houden die er nu instaan zodat ik per firm year dummies kan bepalen. Zouden jullie het anders aanpakken? En welke functie moet ik hiervoor gebruiken in SPSS?
Laat maar, ik denk dat ik de oplossing al heb.
[ Bericht 15% gewijzigd door Oidipous op 03-05-2012 16:07:18 ]
Het probleem begint al dat niet alle schalen betrouwbaar zijn
"It's good to be open-minded, but not so open that your brains fall out."
Hallo,
We hebben een vraag m.b.t. onze masterthesis. De volgende verbanden willen we onderzoeken:
invloed van I (ordinaal; goed/fout) op VW (continue)
invloed van A (continue) op VW
invloed van sekse (dummy) op VW
eventuele mediatieeffect van sekse op de invloed van I en A op VW
De steekproef is vrij klein; bevat 44 respondenten.
We zijn al een hele tijd aan het worstelen welke analyse we het beste kunnen gebruiken. Nu hebben we alle variabelen ingevoerd in een hierarchische regressie analyse (regression - lineair - ..next).
Nu hebben we in 1 model de hoofdeffecten en interactieeffecten (dmv compute variable) ingevoerd.
Is deze manier van toetsen een juiste om alle verbanden te onderzoeken? En moeten de hoofd- en interactie effecten in het model toegevoegd worden of moet dat op een of andere manier apart gemeten worden?
Heel graag wat tips omdat we niet kunnen checken of het goed is wat we nu doen...!
We hebben een vraag m.b.t. onze masterthesis. De volgende verbanden willen we onderzoeken:
invloed van I (ordinaal; goed/fout) op VW (continue)
invloed van A (continue) op VW
invloed van sekse (dummy) op VW
eventuele mediatieeffect van sekse op de invloed van I en A op VW
De steekproef is vrij klein; bevat 44 respondenten.
We zijn al een hele tijd aan het worstelen welke analyse we het beste kunnen gebruiken. Nu hebben we alle variabelen ingevoerd in een hierarchische regressie analyse (regression - lineair - ..next).
Nu hebben we in 1 model de hoofdeffecten en interactieeffecten (dmv compute variable) ingevoerd.
Is deze manier van toetsen een juiste om alle verbanden te onderzoeken? En moeten de hoofd- en interactie effecten in het model toegevoegd worden of moet dat op een of andere manier apart gemeten worden?
Heel graag wat tips omdat we niet kunnen checken of het goed is wat we nu doen...!
Dit lijkt me de juiste methode, ja. Vink ergens (uit m'n hoofd bij options) Sig F change aan en je kan zien of het toevoegen van de betreffende variabele een toegevoegde variantie verklaart. Hoofdeffecten heb je toch automatisch al toegevoegd? Dat zijn namelijk I, A en sekse.
'Expand my brain, learning juice!'
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
<a href="http://www.last.fm/user/crossover1" rel="nofollow" target="_blank">Last.fm</a>
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
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
En je vraag is?quote:
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
Op welke wijze ik een tabel kan produceren die de verschillen voor de twintig variabelen weergeeft voor (nominaal) verschillende respondenten?
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..
Volgens mij niet, even geprobeerd maar kan in één vak maar variabelen invoeren en er blijft dan geen invoervak over voor nominale waarden..
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:
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..
Ow sorry, dat heb ik denk ik verkeerd vermeld. Die nominale waarden heb ik inderdaad wel omgezet in schaal.
Dus hoe kan ik kijken of de provincie waar men woont van invloed is op de waarde die men hecht aan de 22 attributen als accommodatie etc?
Hoop dat het duidelijk is.
Groet,
Erik
Dus hoe kan ik kijken of de provincie waar men woont van invloed is op de waarde die men hecht aan de 22 attributen als accommodatie etc?
Hoop dat het duidelijk is.
Groet,
Erik
Ben zelf ook pas thuis in de SPSS wereld dus wellicht kunnen de experts hier melden of ik het juist doe, maar zoals ik je vraag begrijp wil je aan de hand van bijvoorbeeld provincie zien hoe de verschillende provincies accommodatie hebben beoordeeld (of hier een bepaalde waarde aan toekennen)?
D.m.v. crosstabs krijg je hier een overzicht van, wil je vervolgens testen of provincie en accommodatie afhankelijk van elkaar zijn, dan vink je bij Statistics binnen crosstabs de chi-square aan. Is de p-waarde kleiner dan het significantieniveau, dan is er sprake van afhankelijkheid (vice versa).
Ik vind het lastig om je vraag goed te begrijpen, invloed is namelijk weer wat anders dan de verschillen tussen de provincies en de bijbehorende waarden van de variabelen.
D.m.v. crosstabs krijg je hier een overzicht van, wil je vervolgens testen of provincie en accommodatie afhankelijk van elkaar zijn, dan vink je bij Statistics binnen crosstabs de chi-square aan. Is de p-waarde kleiner dan het significantieniveau, dan is er sprake van afhankelijkheid (vice versa).
Ik vind het lastig om je vraag goed te begrijpen, invloed is namelijk weer wat anders dan de verschillen tussen de provincies en de bijbehorende waarden van de variabelen.
Sorry Granaatappel,
Ik wil kijken of personen die Polen als vakantiebestemming reeds hebben bezocht of niet wezenlijke verschillen in de beoordeling van de accommodatie kwaliteit of de veiligheid (zijn er slechts twee) laten zien. Naast het feit of men er geweest is ja of nee wil ik voor alle 22 variabelen kijken of ouder mensen bijvoorbeeld meer belang hechten aan cultuur dan dat jongere mensen dit doen.
Helaas zijn niet alle groepen vergelijkbaar qua omvang maar indien 70% van de ouderen aangeeft cultuur van belang te vinden en van de jongeren slechts 20% dan kan ik hier uiteraard wat mee.
Mocht ik het wederom gepresteerd te hebben het onduidelijk te hebben geformuleerd schroom dan niet om opheldering te vragen.
Alvast hartelijk dank voor het meedenken!
Groet,
Erik
Ik wil kijken of personen die Polen als vakantiebestemming reeds hebben bezocht of niet wezenlijke verschillen in de beoordeling van de accommodatie kwaliteit of de veiligheid (zijn er slechts twee) laten zien. Naast het feit of men er geweest is ja of nee wil ik voor alle 22 variabelen kijken of ouder mensen bijvoorbeeld meer belang hechten aan cultuur dan dat jongere mensen dit doen.
Helaas zijn niet alle groepen vergelijkbaar qua omvang maar indien 70% van de ouderen aangeeft cultuur van belang te vinden en van de jongeren slechts 20% dan kan ik hier uiteraard wat mee.
Mocht ik het wederom gepresteerd te hebben het onduidelijk te hebben geformuleerd schroom dan niet om opheldering te vragen.
Alvast hartelijk dank voor het meedenken!
Groet,
Erik
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.
Hopelijk weet iemand mij weer op weg te helpen. Alvast bedankt.
:)
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:
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.
Hoi
Ik ben bezig met het analyseren van mijn data voor mijn thesis en ik raak in de war. Mijn hypothese voorspelt een lineaire lijn, dus (enkelvoudige) regressieanalyse moet ik uitvoeren. Nu bestaat 1 variabelen uit 1 vraag waar vijf antwoordmogelijkheden waren. De vraag was hoeveel minuten/uren mensen ergens gebruik van maakten. Scores zijn als volgt toegekend: 1 voor minder dan 10 minuten, 2 voor 10 tot 29 minuten, 3 voor 30 tot 59 minuten, 4 voor 1 tot 3 uur en 5 voor meer dan 3 uur. Mijn andere variabele is gebaseerd op een serie stellingen waar ook de scores 1 tot en met 5 zijn toegekend (1 = helemaal oneens tot 5 helemaal eens). Van deze serie stellingen is het gemiddelde genomen. Kan ik nu gewoon een enkelvoudige regressieanalyse uitvoeren? Of is dat niet mogelijk, doordat de scores van de eerste variabele niet 'gelijk' verdeeld zijn, daar bedoel ik mee dat 10 tot 29 minuten niet even lang is als bijvoorbeeld 1 tot 3 uur. Of zit ik nu gewoon onzin te praten en kan ik gewoon de analyse uitvoeren?
Alvast bedankt!
Ik ben bezig met het analyseren van mijn data voor mijn thesis en ik raak in de war. Mijn hypothese voorspelt een lineaire lijn, dus (enkelvoudige) regressieanalyse moet ik uitvoeren. Nu bestaat 1 variabelen uit 1 vraag waar vijf antwoordmogelijkheden waren. De vraag was hoeveel minuten/uren mensen ergens gebruik van maakten. Scores zijn als volgt toegekend: 1 voor minder dan 10 minuten, 2 voor 10 tot 29 minuten, 3 voor 30 tot 59 minuten, 4 voor 1 tot 3 uur en 5 voor meer dan 3 uur. Mijn andere variabele is gebaseerd op een serie stellingen waar ook de scores 1 tot en met 5 zijn toegekend (1 = helemaal oneens tot 5 helemaal eens). Van deze serie stellingen is het gemiddelde genomen. Kan ik nu gewoon een enkelvoudige regressieanalyse uitvoeren? Of is dat niet mogelijk, doordat de scores van de eerste variabele niet 'gelijk' verdeeld zijn, daar bedoel ik mee dat 10 tot 29 minuten niet even lang is als bijvoorbeeld 1 tot 3 uur. Of zit ik nu gewoon onzin te praten en kan ik gewoon de analyse uitvoeren?
Alvast bedankt!
Oké, bedankt voor je antwoord!quote:
[..]
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.
:)
Even een snelle vraag:
Ik heb een databestand met kinderen van 2-18 jaar. Ik wil alleen de kinderen gebruiken van 5-18 jaar. Ik doe het vast omslachtig, maar ik heb nu dit gedaan:
SORT CASES BY LFTKIND(A).
Daarna pak ik de kinderen vanaf 5 jaar en dat begint bij 36
USE 36 thru 160.
EXECUTE.
Maar... Daarna wil ik weten hoe men het per geslacht doet. Ik wil dan eigenlijk dit doen, maar dat gaat natuurlijk niet (want dan vervalt de eerste "filter"):
SORT CASES BY GESL.
SPLIT FILE LAYERED BY GESL.
Hoe krijg ik dit toch voor elkaar?
Of moet ik een "nieuw" databestand maken waarin ik alleen de kinderen van 5 - 18 jaar opneem? En zo ja, hoe doe ik dit...?
Ik heb een databestand met kinderen van 2-18 jaar. Ik wil alleen de kinderen gebruiken van 5-18 jaar. Ik doe het vast omslachtig, maar ik heb nu dit gedaan:
SORT CASES BY LFTKIND(A).
Daarna pak ik de kinderen vanaf 5 jaar en dat begint bij 36
USE 36 thru 160.
EXECUTE.
Maar... Daarna wil ik weten hoe men het per geslacht doet. Ik wil dan eigenlijk dit doen, maar dat gaat natuurlijk niet (want dan vervalt de eerste "filter"):
SORT CASES BY GESL.
SPLIT FILE LAYERED BY GESL.
Hoe krijg ik dit toch voor elkaar?
Of moet ik een "nieuw" databestand maken waarin ik alleen de kinderen van 5 - 18 jaar opneem? En zo ja, hoe doe ik dit...?
"It's good to be open-minded, but not so open that your brains fall out."
| Forum Opties | |
|---|---|
| Forumhop: | |
| Hop naar: | |