Onderzoeksvaardigheden 2B
Hoofdstuk 1: Populatie verdelen in twee groepen op bijv. inkomen
ANALYSE > COMPARE MEANS > INDEPENDENT S.T TEST, als er bijv. Gegroepeerd moet worden op leeftijd
onder en boven 40, dan > CUT POINT = 40.
Als de significante waarde (P-waarde) kleiner is dan 0,05 (bij 95% betr.), dan is het verschil tussen de
steekproefgemiddelden significant en is er voldoende bewijs dat in de populatie bijv. het inkomen van de
mannen verschilt van de vrouwen.
Er zijn twee soorten testen;
1. Levene’s test for Equality of variances wordt als Sig (significantieniveau) in een voorbeeldgeval bijv.
0,184 genoemd.
2. T-test for equality of means gaat het om twee waardes, bijv. 0,036 en 0,039.
Als het significatieniveau van de Levene’s test hoger is dan 0,05 bij 95%, dan wordt de tweede regel
gelezen van de T-test. Als hij lager is, dan de eerste regel. Omdat 0,184 > 0,05 lezen we de eerste regel. De
p-waarde is 0,036, niet 0,039.
Bij een betrouwbaarheid van 99%, is het niet meer 0,05 maar 0,01.
Als de P-waarde (bijv. 0,036) groter is dan 0,01, dan is het verschil niet significant en is er onvoldoende
bewijs dat het inkomen van beide groepen verschilt bijv.
De sig. = is hetgene wat je gaat controleren met de testen.
Deze is = 0,757 > 0,05, dus de eerste regel van sig. (2-tailed) wordt gelezen, de P-waarde is dus nu 0,769.
Deze is > dan 0,05, dus verschil is niet significant.
Hoofdstuk 2: Meerdere subgroepen vergelijken op de gemiddeldes
Personen die met de fiets, de auto en het OV naar werk gaan worden vergeleken op inkomen. ANALYSE >
COMPARE MEANS > ONE WAY ANOVA. Hierbij gebruik je de variabelen; inkomen in de ‘dependent list’ en
de variabele geslacht bij ‘factor’.
Vervolgens klik je op OPTIONS > DESCRIPTIVES, bevestigen en hierna > POST HOC > BONFERRONI. Je krijgt
drie tabellen waarmee je dit kan gaan vergelijken.
De eerste ‘descriptives’ tabel, geeft je inzicht in wat de gemiddeldes zijn per groep. De tweede tabel
(Anova) levert je een P-waarde op waarmee je kunt gaan kijken of er voldoende bewijs is. De P-waarde in
dit geval is 0,000. Dit kun je vinden helemaal rechts in de 2e tabel onder Sig. Dit is < dan 0,05 en dus is er
voldoende bewijs dat de inkomens van de drie subgroepen niet gelijk zijn bij een betrouwbaarheid van
95%.
Bij de toets zul je waarschijnlijk deze antwoorden moeten opschrijven;
- Bij vergelijking Fiets-Auto levert Bonferroni sign=0,000 < 0,01, dus het verschil in gemiddeld inkomen van
beide groepen is significant.
- Bij vergelijking Fiets-OV levert Bonferroni sign=0,007 < 0,01, dus het verschil in gemiddeld inkomen van
beide groepen is significant.
, Met 99% betrouwbaarheid is aangetoond dat in de populatie de fietsers het laagst gemiddeld inkomen
hebben, gevolgd door degenen die reizen met OV en tot slot de automobilisten die het hoogst gemiddeld
inkomen hebben.
Hoofdstuk 3: Vergelijking van percentages bij twee of meer subgroepen
Als er onderzocht wordt of vrouwen en mannen verschillen in hun voorkeur voor vervoersmiddel. Dit is
een vergelijking met een ‘nominale variabele’, namelijk ‘voorkeur vervoersmiddel’. In dit geval gaan we
geen gemiddeldes vergelijken, maar percentages.
Hiervoor gebruiken we de kruistabel en
vervolgens de Chikwadraattoets.
Allereerst > ANALYSE > DESCRIPTIVE STATISTICS
> CROSSTABS. Hier voer je de twee variabelen
in. Vervolgens: CELLS > selecteer COLUMS. Je
krijgt deze tabel:
Je kunt hierin aflezen dat vrouwen bijvoorbeeld
een voorkeur hebben voor de fiets (39,5%) en mannen niet (29,7%). Belangrijk is dat je in je antwoord
vermeld – in de steekproef! – is waargenomen dat vrouwen de voorkeur hebben voor de fiets enzovoort.
Maar nu is de vraag; is dit verschil groot genoeg om te generaliseren? En is de steekproef groot genoeg?
Dit antwoord krijg je met de Chikwadraattoets. De stappen die je onderneemt zijn: ANALYSE > DESCRIPTIVE
STATISTICS > CROSSTABS > voer de variabelen
in > optie STATISTICS > CHI-SQUARE
aanklikken. Je krijgt dit:
Bij de Chikwadraattoets, moet je altijd nagaan
of er aan 2 dingen is voldaan!
1. Het percentage cellen (staat onderaan
tabel) moet minder dan 20% zijn. Dit is
het nu.
2. De minimum verwachte waarde (rechts onder tabel) moet groter zijn dan 1. Dit is hij.
Is hier niet aan voldaan? Dan is de steekproef te klein! Dan mag de CHI toets niet worden uitgevoerd!
Dit kan een antwoord/conclusie zijn;
We kunnen dus niets concluderen. Er zijn twee mogelijkheden: ofwel er bestaat wat betreft vervoerskeuze geen
verschil tussen mannen en vrouwen, ofwel de steekproef was te klein om te bewijzen dat er qua vervoerskeuze
verschil bestaat tussen mannen en vrouwen verschil bestaat.
Bij het antwoorden op vragen rondom deze vraagstukken, geef je deze antwoorden:
Bij vergelijking C&W-EL levert Bonferroni sign=0,008 < 0,10, dus het verschil in gemiddelde waardering
van een Jazz combo door beide groepen is significant.
Bij vergelijking C&W-Rock levert Bonferroni sign=0,000 < 0,10, dus het verschil in gemiddelde
waardering van een Jazz combo door beide groepen is significant.
Bij vergelijking C&W-TN levert Bonferroni sign=0,385 > 0,10, dus het verschil in gemiddelde waardering
van een Jazz combo door beide groepen is niet significant.
Denk eraan, dat hierbij dus de betrouwbaarheidsmarge 95% is, vermeld dit bij je antwoord!
Hoofdstuk 1: Populatie verdelen in twee groepen op bijv. inkomen
ANALYSE > COMPARE MEANS > INDEPENDENT S.T TEST, als er bijv. Gegroepeerd moet worden op leeftijd
onder en boven 40, dan > CUT POINT = 40.
Als de significante waarde (P-waarde) kleiner is dan 0,05 (bij 95% betr.), dan is het verschil tussen de
steekproefgemiddelden significant en is er voldoende bewijs dat in de populatie bijv. het inkomen van de
mannen verschilt van de vrouwen.
Er zijn twee soorten testen;
1. Levene’s test for Equality of variances wordt als Sig (significantieniveau) in een voorbeeldgeval bijv.
0,184 genoemd.
2. T-test for equality of means gaat het om twee waardes, bijv. 0,036 en 0,039.
Als het significatieniveau van de Levene’s test hoger is dan 0,05 bij 95%, dan wordt de tweede regel
gelezen van de T-test. Als hij lager is, dan de eerste regel. Omdat 0,184 > 0,05 lezen we de eerste regel. De
p-waarde is 0,036, niet 0,039.
Bij een betrouwbaarheid van 99%, is het niet meer 0,05 maar 0,01.
Als de P-waarde (bijv. 0,036) groter is dan 0,01, dan is het verschil niet significant en is er onvoldoende
bewijs dat het inkomen van beide groepen verschilt bijv.
De sig. = is hetgene wat je gaat controleren met de testen.
Deze is = 0,757 > 0,05, dus de eerste regel van sig. (2-tailed) wordt gelezen, de P-waarde is dus nu 0,769.
Deze is > dan 0,05, dus verschil is niet significant.
Hoofdstuk 2: Meerdere subgroepen vergelijken op de gemiddeldes
Personen die met de fiets, de auto en het OV naar werk gaan worden vergeleken op inkomen. ANALYSE >
COMPARE MEANS > ONE WAY ANOVA. Hierbij gebruik je de variabelen; inkomen in de ‘dependent list’ en
de variabele geslacht bij ‘factor’.
Vervolgens klik je op OPTIONS > DESCRIPTIVES, bevestigen en hierna > POST HOC > BONFERRONI. Je krijgt
drie tabellen waarmee je dit kan gaan vergelijken.
De eerste ‘descriptives’ tabel, geeft je inzicht in wat de gemiddeldes zijn per groep. De tweede tabel
(Anova) levert je een P-waarde op waarmee je kunt gaan kijken of er voldoende bewijs is. De P-waarde in
dit geval is 0,000. Dit kun je vinden helemaal rechts in de 2e tabel onder Sig. Dit is < dan 0,05 en dus is er
voldoende bewijs dat de inkomens van de drie subgroepen niet gelijk zijn bij een betrouwbaarheid van
95%.
Bij de toets zul je waarschijnlijk deze antwoorden moeten opschrijven;
- Bij vergelijking Fiets-Auto levert Bonferroni sign=0,000 < 0,01, dus het verschil in gemiddeld inkomen van
beide groepen is significant.
- Bij vergelijking Fiets-OV levert Bonferroni sign=0,007 < 0,01, dus het verschil in gemiddeld inkomen van
beide groepen is significant.
, Met 99% betrouwbaarheid is aangetoond dat in de populatie de fietsers het laagst gemiddeld inkomen
hebben, gevolgd door degenen die reizen met OV en tot slot de automobilisten die het hoogst gemiddeld
inkomen hebben.
Hoofdstuk 3: Vergelijking van percentages bij twee of meer subgroepen
Als er onderzocht wordt of vrouwen en mannen verschillen in hun voorkeur voor vervoersmiddel. Dit is
een vergelijking met een ‘nominale variabele’, namelijk ‘voorkeur vervoersmiddel’. In dit geval gaan we
geen gemiddeldes vergelijken, maar percentages.
Hiervoor gebruiken we de kruistabel en
vervolgens de Chikwadraattoets.
Allereerst > ANALYSE > DESCRIPTIVE STATISTICS
> CROSSTABS. Hier voer je de twee variabelen
in. Vervolgens: CELLS > selecteer COLUMS. Je
krijgt deze tabel:
Je kunt hierin aflezen dat vrouwen bijvoorbeeld
een voorkeur hebben voor de fiets (39,5%) en mannen niet (29,7%). Belangrijk is dat je in je antwoord
vermeld – in de steekproef! – is waargenomen dat vrouwen de voorkeur hebben voor de fiets enzovoort.
Maar nu is de vraag; is dit verschil groot genoeg om te generaliseren? En is de steekproef groot genoeg?
Dit antwoord krijg je met de Chikwadraattoets. De stappen die je onderneemt zijn: ANALYSE > DESCRIPTIVE
STATISTICS > CROSSTABS > voer de variabelen
in > optie STATISTICS > CHI-SQUARE
aanklikken. Je krijgt dit:
Bij de Chikwadraattoets, moet je altijd nagaan
of er aan 2 dingen is voldaan!
1. Het percentage cellen (staat onderaan
tabel) moet minder dan 20% zijn. Dit is
het nu.
2. De minimum verwachte waarde (rechts onder tabel) moet groter zijn dan 1. Dit is hij.
Is hier niet aan voldaan? Dan is de steekproef te klein! Dan mag de CHI toets niet worden uitgevoerd!
Dit kan een antwoord/conclusie zijn;
We kunnen dus niets concluderen. Er zijn twee mogelijkheden: ofwel er bestaat wat betreft vervoerskeuze geen
verschil tussen mannen en vrouwen, ofwel de steekproef was te klein om te bewijzen dat er qua vervoerskeuze
verschil bestaat tussen mannen en vrouwen verschil bestaat.
Bij het antwoorden op vragen rondom deze vraagstukken, geef je deze antwoorden:
Bij vergelijking C&W-EL levert Bonferroni sign=0,008 < 0,10, dus het verschil in gemiddelde waardering
van een Jazz combo door beide groepen is significant.
Bij vergelijking C&W-Rock levert Bonferroni sign=0,000 < 0,10, dus het verschil in gemiddelde
waardering van een Jazz combo door beide groepen is significant.
Bij vergelijking C&W-TN levert Bonferroni sign=0,385 > 0,10, dus het verschil in gemiddelde waardering
van een Jazz combo door beide groepen is niet significant.
Denk eraan, dat hierbij dus de betrouwbaarheidsmarge 95% is, vermeld dit bij je antwoord!
