Centraal Statistiektopic (SPSS, R, excel, etc.) #8

quote:

Op zondag 19 juli 2015 18:49 schreef oompaloompa het volgende:

[..]

Dat is niet waar, de formule is:

verschil in means / vanalles.

Het verschil in means is in beide gevallen 0, 0/whatever is 0. de "kans" dat het verworpen wordt is voor beide situaties 0
Het is echt een extreem slechte opgave van de docent, de vraag slaat nergens op en het leert de studenten gewoon een verkeerde interpretstie van statistiek aan.

edit: sorry dit frustreert me maar het is niet richting jou. Ik geef workshops etc. statistiek en mensen interpreteren het al zo vaak verkeerd dat het zien dat docenten het verkeerd aanleren me nogal opgefokt maakt.

Sorry ik had verkeerd gelezen. Dacht dat je bedoelde dat E & F in de ordening achteraan moesten staan. Je hebt gelijk, ik heb ook geen idee waar de docent het op gebaseerd heeft (en of het überhaupt door hem bedacht is, ze hanteren deze opgave al jaren).

Ik vind het ook een belachelijke vraag voor een tentamen verder.

Hij kwam thank god niet op het tentamen.

Hallo allemaal,

Op dit moment voer ik een lezersonderzoek uit en loop tegen een aantal zaken aan. Ik vroeg mij af of op dit forum toevallig mensen zijn die meer ervaring hebben met marktonderzoek/statistiek en voor mij iets kunnen verhelderen.

De online enquête heb ik verstuurd naar de e-mailadressen uit het adressenbestand. Na het versturen van de enquête en een herinnering blijft de respons enorm achter. Ik had gehoopt op minstens 171 respondenten, zodat ik een uitspraak zou kunnen doen met 90% betrouwbaarheid en een nauwkeurigheidsmarge van 6%. Maar omdat ik maar 101 reacties heb gekregen zit ik nu weer te rekenen met het betrouwbaarheidsniveau en de nauwkeurigheidsmarge.

Ik weet dat 5% nauwkeurigheidsmarge gangbaar is, maar voor mijn onderzoek is dat niet haalbaar. Online kan ik nergens vinden wat de consequentie is voor uitspraken in een onderzoek als de nauwkeurigheidsmarge tussen de 6-10% ligt.

In mijn specifieke geval kan ik de marges en het niveau als volgt aanpassen:
Bij 95% betrouwbaarheid en 10% nauwkeurigheidsmarge heb ik 92 respondenten nodig.
Bij 90% betrouwbaarheid en 8% nauwkeurigheidsmarge heb ik 100 respondenten nodig.

Kan ik met deze betrouwbaarheid en nauwkeurigheid nog wel uitspraken doen over het adressenbestand? Maakt een hogere nauwkeurigheidsmarge een onderzoek minder valide of een lager betrouwbaarheidsniveau? Wat is het meest verstandige om te doen?

Ik doe vaak marktonderzoek met relatief lage n-en en kies er altijd voor 95% betrouwbaarheid. Dan kan je uiteraard niet al te stellige uitspraken doen, maar er zullen überhaupt bijna geen significante verschillen zijn. Wel significante verschillen met een lager betrouwbaarheid (of een hogere onbetrouwbaarheid) vind ik niet interessant.

Onderstaand figuur is wel inzichtelijk:


Bij 50% is de marge altijd het grootst. Dus in jouw geval, als je het onderzoek nog een keer zou uitvoeren, zal een uitkomst van 50% in ene herhalingsonderzoek ergens tussen de 40% en 60% liggen.

Let wel, dit is een mening van een marktonderzoeker, de wetenschappers hier denken er wellicht anders over.

quote:

Op maandag 27 juli 2015 14:07 schreef Z het volgende:
...

Thanks, Z. Maar om heel eerlijk te zijn begrijp ik niet zo goed wat het verschil is tussen een grotere nauwkeurigheid of een kleinere betrouwbaarheid. Kan jij het mij uitleggen in jip en janneke taal? Ik wil het heel graag begrijpen, zodat ik mijn keuze ook goed kan verantwoorden. Het enige dat ik weet is dat je bij een nauwkeurigheid niet meer dan 10% neemt en bij een betrouwbaarheid nooit lager dan 90% gaat.. Maar wat het wezenlijke verschil nou is en "belangrijker"?

Kan ik überhaupt wel afstuderen met zulke betrouwbaarheidsniveaus (95/90%) en foutmarges (10/8%)?

quote:

Op vrijdag 3 juli 2015 10:12 schreef Anosmos het volgende:
Heb je al de Likertschalen samengevoegd tot één ratiovariabele (mits de cronbachs alpha goed zit natuurlijk)? Dan kan je wel mikken of ze significant van elkaar verschillen.
Wat je zou kunnen doen, maar dat is maar een hersenscheetje, is vaststellen wat 'hoog' is. Bijvoorbeeld, boven de 3,5 gemiddeld. Dan maak je drie nieuwe dichotome variabelen (stijl 1 hoog of laag, etc). Vergelijk dan de gemiddelden van stijl 2 tussen de twee groepen 'stijl 1 hoog' en 'stijl 1 laag'. Als daar significant verschil in zit, heb je een conclusie.

Maar nogmaals, is maar een hersenscheetje.

Heb gedaan wat jij suggereerde. Dus 3 dichtome variabelen gemaakt (hoge score/lage score per leiderschapsstijl) en vervolgens deze via een independent t-test vergeleken met de gemiddelde scores op de andere leiderschapsstijl. (uitkomst is niet significant). Maar vraag me nog altijd wel af of ik wel mag concluderen dat ze dan wel (of in dit geval dus niet) significant van elkaar verschillen..

Maar nogmaals bedankt! Ben in ieder geval al verder dan ik voorheen was

quote:

Op maandag 27 juli 2015 15:34 schreef gekke_sandra het volgende:

[..]

Thanks, Z. Maar om heel eerlijk te zijn begrijp ik niet zo goed wat het verschil is tussen een grotere nauwkeurigheid of een kleinere betrouwbaarheid. Kan jij het mij uitleggen in jip en janneke taal? Ik wil het heel graag begrijpen, zodat ik mijn keuze ook goed kan verantwoorden. Het enige dat ik weet is dat je bij een nauwkeurigheid niet meer dan 10% neemt en bij een betrouwbaarheid nooit lager dan 90% gaat.. Maar wat het wezenlijke verschil nou is en "belangrijker"?

Kan ik überhaupt wel afstuderen met zulke betrouwbaarheidsniveaus (95/90%) en foutmarges (10/8%)?

Wat voor studie doe je?

Ik wil de volgende hypotheses van het onderstaande model testen (groen = significant, rood = niet significant)

Ik wil geen Sobel test gebruik om het indirect effect te berekenen, maar een bootstrap of de t/p-values. Alleen ik loop vast met het toepassen ervan, sterker nog, ik heb gewoon geen idee hoe ik dit moet berekenen.
Het model heb ik getest in SmartPLS, weet iemand hoe ik dit kan berekenen

Ik heb ook nog een andere vraag, ik heb in mijn onderzoek enkele P waardes die hoger liggen dan de algemeen geaccepteerde cut-off point van p=0.05, namelijk p=0.054 en p=0.056.
Ondanks dat ze hoger dan de cut-off point liggen, wil ik er wel iets over zeggen, maar niet in de trant van: 'a nonsignificant trend' of 'a small trend'.

Tips?

quote:

Op donderdag 30 juli 2015 09:59 schreef Soldier2000 het volgende:
Ik heb ook nog een andere vraag, ik heb in mijn onderzoek enkele P waardes die hoger liggen dan de algemeen geaccepteerde cut-off point van p=0.05, namelijk p=0.054 en p=0.056.
Ondanks dat ze hoger dan de cut-off point liggen, wil ik er wel iets over zeggen, maar niet in de trant van: 'a nonsignificant trend' of 'a small trend'.

Tips?

SPOILER

Om 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.

legio mogelijkheden!

quote:

Op vrijdag 31 juli 2015 08:23 schreef crossover het volgende:

[..]

SPOILER

Om 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.

legio mogelijkheden!

Maar dat is allemaal ongeveer hetzelfde in andere bewoording. Ik denk dat hij eerder iets zoekt als groepsgrootte net te klein om significantie aan te tonen. Grotere groep waarschijnlijk wel significant.

quote:

Op vrijdag 31 juli 2015 09:50 schreef ssebass het volgende:

[..]

Maar dat is allemaal ongeveer hetzelfde in andere bewoording. Ik denk dat hij eerder iets zoekt als groepsgrootte net te klein om significantie aan te tonen. Grotere groep waarschijnlijk wel significant.

Ja, of het effect/verschil is te klein voor deze groep.

Ik wil iets over die hypothese zeggen, niet simpel weg, hoger dan 0.05, dus niet significant, niet bewezen and that's it. Maar wel iets dat aanvaardbaar is.

quote:

Op vrijdag 31 juli 2015 11:16 schreef Soldier2000 het volgende:
Ik wil iets over die hypothese zeggen, niet simpel weg, hoger dan 0.05, dus niet significant, niet bewezen and that's it. Maar wel iets dat aanvaardbaar is.

Wat we hierboven dus zeggen. Dat het effect (net) te klein is om met deze groep aan tonen, maar met een iets grotere groep waarschijnlijk wel significant is. Je kunt het nu niet significant lullen, tenzij je je data gaat aanpassen maar dan moet je Diederik Stapel maar even om advies vragen...

Beste forumlezers,

Ik heb een vraag voor mijn scriptie. Ik heb de correlatie berekend tussen een onafhankelijke en een afhankelijke variabele. Deze samenhang bleek laag (+ niet significant). Nu wil ik graag weten of een andere variabele, namelijk leeftijd (continue variabele), dit verband beïnvloedt. Kan ik dit uberhaupt meten wanneer er geen significante samenhang was? En hoe dan? Via een multipele regressieanalyse? En moet ik van de moderatorvariabele dan een categorische variabele maken, of kan dit met een continue variabele? Ter informatie: de onafhankelijke en de afhankelijke variabelen zijn beiden continue, maar ik kan van de afhankelijke variabele ook een categorische variabele maken.

Groetjes,
Iris

quote:

Op maandag 27 juli 2015 20:40 schreef Z het volgende:
Wat voor studie doe je?

hbo marketing

Even newbie question hoor

Maar hoe kan ik het volgende in excel maken?

in cel a1 staat x, als dan in cel a2 y staat moet cel a1 rood worden.

Hoe doe ik dat met voorwaardelijke opmaak?

quote:

Op dinsdag 11 augustus 2015 15:30 schreef phpmystyle het volgende:
Even newbie question hoor

Maar hoe kan ik het volgende in excel maken?

in cel a1 staat x, als dan in cel a2 y staat moet cel a1 rood worden.

Hoe doe ik dat met voorwaardelijke opmaak?

je kunt gewoon bij conditional formatting A1 selecteren "new rule" -> "use formula to determine which cells to format" ... en dan daar =A2=y in zetten als je het voor een hele kolom wil dan zet je er =$A2=y neer

[ Bericht 2% gewijzigd door Bosbeetle op 18-08-2015 18:42:16 ]

Ik heb een aantal vragen over mijn dataverwerking.

-Niet elke respondent heeft op mijn enquête een leeftijd ingevuld. Ik had de keuze om die vraag verplicht te maken, echter heb je dan kans dat men de enquete daar al afbreekt. De andere optie is vragen niet allemaal verplicht maken. Ik zou volgens mijn begeleider die specifieke missende leeftijden niet mee moeten nemen. Je hebt missing-pairwise en missing-listwise maar verder gaf hij geen tips. Iemand anders zei dat je het ook op kunt lossen door op de plaats van de missende leeftijden het gemiddelde / de modus of de mediaan van alle leeftijden neer kan zetten, echter dat dit een mindere optie was. Weet iemand hoe ik deze specifieke missende leeftijden (ik denk bij 10 van de 300 respondenten) eruit laat?

-Ik heb mijn data verzamelt in Qualtrics in aparte mapjes. Dus elk projectteam wat ik ondervraagd heb staat in een aparte map met daarin een enquete. Heeft iemand een idee hoe ik dit makkelijk kan samenvoegen met de teamleider enquêtes (aparte survey).

-Vervolgens moet ik mijn data aggregeren naar team level via ICC. Ik zie wel wat filmpjes, maar welke variabelen moet ik wel en niet meeenemen in de analyse?

-Heeft er iemand verstand van de Hayes process macro waarmee je mediatoren / moderatoren kan testen?

[ Bericht 5% gewijzigd door W00fer op 15-10-2015 15:54:08 ]

quote:

Op donderdag 15 oktober 2015 16:02 schreef Operc het volgende:

[..]

Als je leeftijden alleen gebruikt als onderdeel van de demografische gegevens in je methode sectie, dan zou ik gewoon via SPSS de gemiddelde leeftijd en standaarddeviatie berekenen. Hij neemt dan automatisch (volgens mij, heb even geen SPSS bij de hand om het te proberen) alleen de cases mee waarbij er een waarde is voor die variabele. Als je met de leeftijden wilt gaan rekenen wordt het een ander verhaal, maar dan heb ik meer informatie nodig over je onderzoeksopzet.

[..]

Klinkt alsof elke enquete door Qualtrics als uniek wordt gezien (met daarbinnen de data van elk projectteam). In dat geval is het handigste (denk ik) om alle data te exporteren naar SPSS, zorgen dat de variabelen hetzelfde heten en meten en dan merge files (add cases, niet variables).

[..]

ICC zegt me zo 1 2 3 niets, wat bedoel je hier precies?

[..]

Geen idee, sorry.

Om de teams uit elkaar te houden heb ik het zo gedaan

Mapje HEMA team
-Teamleden enquete
-Teamleider enquete

Mapje Bart Smit team
-Teamleden enquete
-Teamleider enquete

ICC is ervoor om de resultaten van teamleden te aggregeren naar teamniveau, aangezien de variabelen in mijn onderzoeksmodel op teamniveau conclusies geven (Unit of Analysis is teamlevel, unit of observation individual level).

Wat bedoel je met die merge files met cases, voegt hij anders kolommen toe als ik voor variables kies?

quote:

Op donderdag 15 oktober 2015 16:11 schreef Operc het volgende:

[..]

Oké, ik neem aan dat je de vragenlijst dus gekopieerd hebt naar die mapjes? Dan zijn het voor Qualtrics (denk ik) onafhankelijke vragenlijsten geworden, ieder met de eigen deelnemers (HemaLeden/HemaLeider/BartLeden/BartLeider). Het is dan het handigste om dit na het downloaden van de data samen te voegen denk ik.

[..]

Ik heb geen ervaring met multi-level analysis helaas, misschien dat anderen je hier daar beter mee kunnen helpen.

[..]

Ja. Dus als je bijvoorbeeld een dataset hebt met leeftijd en geslacht van deelnemers 1-50 en een andere dataset met leeftijd en geslacht van deelnemers 51-100, dan kun je die tweede met die eerste 'mergen' op 'cases' om deelnemers 51-100 aan de dataset van deelnemers 1-50 toe te voegen. Als je op variabele zou mergen zou je opeens 4 variabelen hebben, geslacht, leeftijd en nog eens geslacht en leeftijd. Dat wordt een redelijke bende.

Ja ik heb de lege surveys vooraf gekopieerd.

Enig idee hoe ik de teamleider survey aan de teamleden survey moet koppelen?

De teamleider heeft dmv 12 vragen zijn teamleden beoordeeld, de teamleden hebben dmv 19 vragen hun werkzaamheden beoordeeld. Ik neem aan dat je linaire regressie doet door bijv independent variable "werkzaamheden" op "teamprestaties" toch zijn dit compleet andere vragenlijsten? Ik wil kijken in hoeverre de werkzaamheden van invloed zijn op de prestaties.