Wat is SPSS?
Voordat we ingaan op de trucjes, moet je weten wat SPSS werkelijk is. SPSS (Statistisch Pakket voor de Sociale Wetenschappen) is het meest gebruikte statistische computerprogramma in het hbo en universitair onderwijs. Dit is de ‘echte’ toepassing van statistieken. Daarom kunt u dit programma gebruiken om statistische analyses uit te voeren. De computerprogrammasoftware SPSS bestaat uit drie delen, die samen een overzichtelijk en overzichtelijk geheel vormen:gegevensset, vanpensioenEnproductie.Je hebt ze alle drie nodig om het programma zo effectief mogelijk te gebruiken. Als je eenmaal begrijpt hoe het programma werkt, kun je uit deze drie onderdelen de nodige informatie halen en blijkt SPSS niet zo moeilijk te zijn als je denkt.
uitgaande van SPSS
Meestal moet u de aannames controleren voordat u de test mag uitvoeren. SPSS heeft veel tests, allemaal (bijna) met verschillende hypothesen. Deze aannames zorgen voor veel verwarring bij studenten, en dat is begrijpelijk. Geen paniek! wij voorzienSPSS persoonlijke instructieom de algemene situatie beter te begrijpen.
beschrijvende statistieken
onderstaandbeschrijvende statistiekenof beschrijvende statistiek, de SPSS-functie valt wegfrequentie(nummer),beschrijvend(beschrijving) enOntdekken(Onderzoek). U gebruikt het om uw gegevens te beschrijven. Als u wilt weten hoeveel mannen en vrouwen er in uw onderzoek voorkomen, gebruikt u de functiefrequentie. Met onderstaande functie kunt u de gemiddelde leeftijd achterhalenbeschrijvend. ModusOntdekkenWordt gebruikt om de vorm van de gegevens te zien, bijvoorbeeld of de gegevens normaal verdeeld zijn; een normale verdeling is een belangrijke aanname in de statistiek.
Wat is factoranalyse?
Factoranalyse wordt gebruikt om te bepalen of meerdere variabelen kunnen worden geclusterd in één of enkele factor. Factoranalyse onderzoekt mogelijke patronen en correlaties tussen verschillende items. Objecten met een soortgelijk ontwerp worden bij elkaar geplaatst. Daarom kunnen een of meer factoren optreden.
Wanneer factoranalyse gebruiken?
Als u de infrastructuur van een reeks projecten wilt inspecteren. Het doel van deze test is dus niet om een hypothese te testen, maar om de data te reduceren tot (weinig) factoren.
voorbeeld:Je hebt 8 vragen (V1 t/m V8). Vragen met een hoge mate van onderlinge correlatie (dus zeer vergelijkbaar) worden met behulp van factoranalyse gegroepeerd. V1 tot V4 (gerelateerd aan motivatie) en V5 tot V8 (gerelateerd aan intelligentie) worden gecombineerd om 2 onafhankelijke factoren te vormen. U kunt deze factor vervolgens meten door V1 tot en met V4 te combineren"motivatie"Op V5 tot en met V8-eenheden"intelligentie".
Wat is Cronbach Alpha?
Cronbach’s alpha is een manier om te bepalen of meerdere items een schaal kunnen vormen. Dit wordt gecontroleerd op basis van de onderlinge afhankelijkheid van de afzonderlijke componenten.
voorbeeld:Kunnen item 1 (hoe gelukkig ben je 's ochtends), item 2 (hoe gelukkig ben je' s middags) en item 3 (hoe gelukkig ben je 's avonds) worden gecombineerd om een 'geluks'-schaal te vormen?
Wat is een t-toets?
Test op basis van het gemiddelde of het verschilt van een bepaald gemiddelde (one-sample t-test), het gemiddelde van een andere groep (independent samples t-test), of het gemiddelde van dezelfde groep op verschillende tijdstippen (paired-sample t-test). -test). test)
wanneer gebruik je het?Als je een hypothese wilt toetsen aan het gemiddelde. De t-test is alleen beschikbaar voor één of twee groepen.
Voorbeeld van een t-test van onafhankelijke monsters:U wilt de volgende hypothese testen: zijn mannen gemiddeld slimmer dan vrouwen? Vervolgens vergelijk je de gemiddelde intelligentie van mannen en vrouwen.
Voorbeeld van een gepaarde steekproef-t-test:Wil je deze hypothese testen: zijn mannen in januari slimmer dan mannen in juni? Vergelijk vervolgens het gemiddelde van januari met het gemiddelde van juni voor dezelfde groep mannen.
Voorbeeld van een 1-sample t-test:U wilt de volgende hypothese testen: zijn mannen slimmer dan het nationale gemiddelde (100)? Vergelijk vervolgens het gemiddelde voor mannen in uw steekproef met het nationale gemiddelde (100).
Wat is ANOVA?
ANOVA staat voor variantieanalyse en test hypothesen door groepsgemiddelden te vergelijken. ANOVA analyseert verschillen binnen groepen (variantie) en verschillen tussen groepen (variantie). Dit wordt geregeld met de toets F. De onafhankelijke variabele die de groepen onderscheidt, wordt ook genoemdfactornaam.
Wanneer gebruik je deze sleutel?Als u een hypothese wilt testen aan de hand van het groepsgemiddelde van een onafhankelijke variabele of factor.Je test dan op elk verschil tussen gemiddeldenHoeVerschillende middelen verschillen van elkaar met behulp van post-hoc-tests. ANOVA is geschikt voor het testen van hypothesen met twee of meer groepsgemiddelden.
voorbeeld:Wil je deze hypothese testen: Is er een verschil in intelligentie tussen Nederlanders, Belgen en Duitsers? Met een post hoc toets kunt u vervolgens nagaan of de gemiddelden voor Nederlanders, Belgen en Duitsers van elkaar verschillen en welke groepen significant verschillen.
Wat is tweeweg-ANOVA?
Tweerichtings-ANOVA is gebaseerd op de hypothese van het testen van groepsgemiddelden en gebruikt twee (of meer) factoren of onafhankelijke variabelen. Controleer op interactie door subgroepen te maken en de variantie binnen subgroepen te vergelijken met de variantie tussen subgroepen.
Wanneer gebruik je deze sleutel?Als u meerdere hypothesen wilt testen op basis van groepsgemiddelden met twee of meer factoren of onafhankelijke variabelen. Daarom kun je naast het testen van de effecten van de factoren zelf (hoofdeffecten) ook de gecombineerde effecten van de factoren testen (interactie-effecten).
voorbeeld:Wil je de volgende hypothese testen: Zijn er naast de belangrijkste effecten van intelligentie en studietijd op toetsscores ook interactie-effecten? Vervolgens test je of er een extra gecombineerd effect is (interactie) van intelligentieniveau en studie-uren anders dan hogere cijfers omdat je slimmer bent (hoofdeffect) en hogere cijfers omdat je meer studeert (hoofdeffect).
Wat is multivariate variantieanalyse?
Het staat voor Multivariate Variantieanalyse. Het verschilt van (tweewegs) ANOVA doordat je naast meerdere onafhankelijke variabelen ook groepen van meerdere afhankelijke variabelen kunt testen (deze variabelen moeten aan elkaar gerelateerd zijn).
wanneer gebruik je het?U kunt MANOVA gebruiken als u 2 of meer groepen wilt vergelijken in combinatie met een of meer onafhankelijke variabelen op basis van de gemiddelden van meerdere afhankelijke variabelen. Op deze manier kan de correlatie tussen hoofdeffecten en interactie-effecten worden onderzocht. De toegevoegde waarde van MANOVA is dat de scores op de afhankelijke variabele worden gecombineerd, zodat het effect van de onafhankelijke variabele beter kan worden begrepen.
voorbeeld:Je wilt onderzoeken of mensen met hoge IQ-scores hoger gewaardeerd wordenwiskunde toetsEnNederlandse taaltoets(of de wiskundetoetsen voor fase 1 en fase 2) zijn hoger dan die met een lage intelligentie. Net als bij ANOVA kun je verschillende groepen met elkaar vergelijken. In dit geval: Intelligentie Hoog/Laag (er kunnen ook meer inlichtingengroepen zijn, maar we zullen deze twee als voorbeeld gebruiken). MANOVA stelde ons in staat te onderzoeken of de groepen met een ‘hoge intelligentie’ hogere cijfers haddengecombineerdKlassen hebben een "lagere intelligentie" dan groepen. In dit voorbeeld wordt één MANOVA gebruikt om de meerwaarde van MANOVA te illustreren.
Wat is regressieanalyse?
Regressieanalyse test of er een lineair verband bestaat tussen een of meer onafhankelijke variabelen en een afhankelijke variabele. Regressie berekent een rechte lijn die het beste past bij een puntenwolk of een spreidingsdiagram. Dit wordt berekend door te kijken welke (geschatte) lijn de kleinste foutafwijking heeft met de bijbehorende punten (lineaire kleinste kwadraten).
wanneer gebruik je het?Je wilt onderzoeken of een of meer onafhankelijke variabelen een afhankelijke variabele beïnvloeden. Regressieanalyse kan ook uitwijzen of dit een positief of negatief effect is.
voorbeeld:Je wilt de hypothese testen of de lengte van een persoon in centimeters (onafhankelijke variabele) een positief effect heeft op zijn gewicht in kilogram (afhankelijke variabele). Dit is een eenvoudige regressieanalyse omdat er gebruik wordt gemaakt van één onafhankelijke variabele. Als er meer dan één onafhankelijke variabele wordt gebruikt, wordt dit meervoudige regressieanalyse genoemd.
Wat is meervoudige regressieanalyse?
Meervoudige regressieanalyse test het bestaan van een (voorspellende) relatie die kan worden gebruikt om een hypothese te testen die is gebaseerd op de associatie van meerdere onafhankelijke variabelen met de afhankelijke variabele. Bij meervoudige regressieanalyse wordt gebruik gemaakt van continue of intervalgegevens, maar kan ook een of meer categorische variabelen als onafhankelijke variabelen bevatten (de zogenaamdemarionet）.
wanneer gebruik je het?Met behulp van meervoudige regressieanalyse kunt u testen of meerdere onafhankelijke variabelen invloed hebben op de afhankelijke variabele en of dit een positief of negatief effect is. U kunt ook controleren op interactieve effecten.
voorbeeld:Je wilt onderzoeken of intelligentie (onafhankelijke variabele) en studie-uren (onafhankelijke variabele) van invloed zijn op toetsscores (afhankelijke variabele). Je toetst bijvoorbeeld de hypothese dat hogere intelligentie en meer studietijd samenhangen met hogere testscores (of dat intelligentie en studietijd een positief effect hebben op testscores). Je kunt de interactie tussen intelligentie en leertijd ook testen door de twee (!) te normaliseren, te vermenigvuldigen en als nieuwe variabelen te gebruiken.