Het SPSS topic #4 - Syntaxen verder.

quote:

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

Duidelijk

quote:

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.

Bedankt

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.

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.

Sowieso heb ik snel vraagtekens als alles rond de .05 hangt en als dingen een p van .001 hebben maakt het bijna niet meer uit of je controleert of niet

quote:

[b]Op [Waar loop je vast? In principe gooi je gewoon steeds een nieuwe variabele in je regressie totdat deze niet significant meer verklaart.

Ik loop vast bij het openen van het databestand Alles is heel diep weggezakt, zou neit eens weten of ik moet standaardiseren of niet enz

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

Zoek ff Pallant, SPSS survival manual op. Is hier en daar wel op internet te vinden in pdf.

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 hiėrarchische 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

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.

Dit zou een standaard macroreply moeten zijn op elke post in dit topic. Wat een handig boek is dat!

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 hiėrarchische 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

Of in een custom model, of zelf aanmaken door compute te gebruiken en voor elke dummie ook een interactiedummie te maken.

quote:

Of in een custom model, of zelf aanmaken door compute te gebruiken en voor elke dummie ook een interactiedummie te maken.

Thnx voor je reactie maar begrijp het nog niet helemaal. Hoe doe ik dat precies

quote:

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

Ongeveer zoals hieronder uitgelegd

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)

quote:

Ongeveer zoals hieronder uitgelegd

Eerste gedeelte begrijpen we maar lopen vast bij "compute een nieuwe variabele geslacht * neuroticisme". Hoe doe ik dat precies...

quote:

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...

compute
interactieab(of een andere naam) = a keer b

quote:

Op woensdag 21 maart 2012 18:33 schreef oompaloompa het volgende:
compute
interactieab(of een andere naam) = a keer b

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 18:42 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?

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...

(behalve dan een echo van crossover )

Je mag me zeker pm-en alhoewel ik eerlijk moet zeggen dat ik nogal aan het soggen ben en dus misshcien geen tijd heb er naar te kijken) maar ik weet niet in hoeverre ik nog iets toe kan voegen.

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 )

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 hiėrarchisch 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?

quote:

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 hiėrarchisch 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?

Laten we even je IV's a, b & c noemen, je afhankelijke is x

Als eerste maak je de volgende interactietermen aan:
a*b
a*c
b*c
a*b*c

Dan heb je in totaal 7 variabelen om toe te voegen:
a
b
c
ab
ac
bc
abc

De volgorde waarop je die toevoegt hangt van je theorie af (hierarchical regression)
Of je gooit het er gewoon in (stepwise)

Welke van die twee geschikt is hangt af van je methode & je onderzoek.

Hier staat daar meer uitleg over:
http://www.nd.edu/~rwilliam/stats1/x95.pdf

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.

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 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?

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.

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?

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.

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 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..

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 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?

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

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:

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!

quote:

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

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

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!

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 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

You're welcome

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!

Kun je proberen uit te leggen wat je precies wilt weten, wat voor een soort conclusie wil je trekken?