Samenvatting SPSS MVDA
Bepalen van test ;
Onafhankelijke variabele Afhankelijke variabele Test
Interval Interval MRA
Nominaal Interval ANOVA
Nominaal/interval + covariate Interval ANCOVA
Nominaal/interval Interval (meerdere) MANOVA
Nominaal/interval + covariate Interval (meerdere) MANCOVA
Interval Binair LRA
- Interval (meerdere)* RMA
Interval + mediator interval Interval Mediation
*Meerdere metingen, meerdere condities voor elke participant, verschillende variabelen
op zelfde schaal meten of vergelijken van paren
Multiple Regressie Analyse (MRA);
Lineairiteits check; scatterplot = horizontale lijn zou data goed moeten kunnen beschrijven
check; dubbelklik op scatterplot – add fit line at total; kijken of lijn
recht en horizontaal is, R2 linear = 0
Homoscedasticiteit; errorvarianties zijn constant voor alle voorspelde waardes van y
check; in scatterplot = gelijke spreiding over x-as
Homogeniteit; groepen gelijk verdeeld; Nmax/Nmin < 1.5
Normaliteit van errors; sample moet groot genoeg en gelijk verdeeld zijn
check; in normal probability plot = stippen op of redelijk rond de lijn
robuustheid; N > 15
Multicollineariteit; predictoren mogen niet te hoog correleren
check; tolerance > 0.1 en VIF < 10 in Coefficients tabel
Uitbijters; op independent variabelen: Cook’s distance < 1, Leverage values < 3x(p+1)/N
p = aantal predictoren. Op dependent variabelen: residuals tussen -3 en 3
Cooks distance = hebben de uitbijters invloed op data Leverage values = zijn er uitbijters
Pearson correlation ; Analyse – correlate – bivariate – variabelen invullen tussen wie je
correlaties wilt uitrekenen – Pearson aanvinken
- aflezen; hoge correlaties wordt verwacht een goede predictor te zijn
Lineaire regressie analyse; analyse – regression – linear – dependent en independent
variabelen invullen (Statistics ; part en partial correlation en collinearity diagnostics
aanvragen) (Save : cooks distances en leverage values aanvragen) (Plots: scatterplot van
stadardized predicted values vs standardized residuals, normal probability plot aanvinken)
- aflezen; H0 = geen relatie tussen afhankelijk en onafhankelijke variabelen,
checken; ANOVA tabel; significant of niet, rapporteren F-toets, df en p-
waarde
- proportie verklaarde variantie; in Model Summary tabel, R2 = VAF door
hele model OF in Coefficients tabel, part correlations kwadrateren =
unieke variantie verklaard door variabele (optellen van alle part
kwadraten en aftrekken van R2, wat overblijft is overlappende verklaarde
variantie)
- multicollineariteit; in Coefficients tabel, tolerance en VIF checken
- uitbijters checken;
, o Outliers checken; in Residual Statistics tabel, Cooks Distance en
Leverage Values checken
o Outliers weghalen; check cooks distance in data bestand (na
opslaan bij analyse) – rechter muiskop op kolom – sort descending
– bekijk afwijkende variabele bekijken – data – select cases – if
condition is satisfied – verander variabele (zodat uitbijter erbuiten
valt)
- Significante predictoren; checken in Coefficient tabel, per predictor t-toets
met p-waarde checken op significantie, evt niet-significante predictoren
verwijderen en analyse opnieuw uitvoeren
Scatterplot in linear regression; bij lineaire regressie analyse, in Plots; Y: Zresid
(standardized residuals) en X : Zpred (standardized predicted values) – normal
probability plot aanvinken
Checken assumpties: lineairiteit, homoscedasticiteit en normaliteit
Regressieformule formuleren; kijken in Coefficients tabel; unstandardized
coefficients, B, ŷ = constante + B1X1 + B2X2 ….
o Interpreteren van regressiecoefficienten; positieve of negatieve relatie, sterke
of zwakker relatie
Hierarchische regressie analyse; meerdere blokken toevoegen om te kijken of het model
significant verbeterd door het toevoegen van een extra variabele
uitvoeren; Analyse – regression – linear – dependent variabele invoeren –
independent variabele invoeren per blok door op NEXT te klikken (Statistics: R squared
change aanvragen) assumpties checken bij simpele model met één variabele
- aflezen; checken of variabele model significant verbeterd; in Model
Summary tabel, R2 change geeft aan hoeveel proportie variantie meer
wordt verklaard in volgende model, F change geeft aan of dit verschil
significant is (noteer F-toets, df en p-waarde)
- assumpties checken; per model dat je toevoegt opnieuw checken
ANOVA
Assumpties;
1. Onafhankelijkheid van residuen
2. Normaliteit; residuen zijn normaal verdeeld
check; histogram of K-S test
robuust; N > 15 in elke groep
3. Homogeniteit;
check; Levene’s test
robuust; Nmax/Nmin < 1.5
Cross tabulation; Analyse – descriptives – crosstabs – afhankelijke nominale variabelen in
coloms en rows
gebalanceerd design of niet, kijken hoe personen verdeeld zijn over de groepen
checken robuustheid heterogeniteit en niet-normaliteit
ANOVA uitvoeren; Analyse – general linear model – univariate – dependent en fixed
variables invullen (Plots: horizontal en seperate lines invullen - add) (EM means:
gemiddeldes opvragen, main en/of interactie effecten) (Options; descriptives en homogeity
opvragen) (Save: standardized residuals (om assumpties te checken))
Bepalen van test ;
Onafhankelijke variabele Afhankelijke variabele Test
Interval Interval MRA
Nominaal Interval ANOVA
Nominaal/interval + covariate Interval ANCOVA
Nominaal/interval Interval (meerdere) MANOVA
Nominaal/interval + covariate Interval (meerdere) MANCOVA
Interval Binair LRA
- Interval (meerdere)* RMA
Interval + mediator interval Interval Mediation
*Meerdere metingen, meerdere condities voor elke participant, verschillende variabelen
op zelfde schaal meten of vergelijken van paren
Multiple Regressie Analyse (MRA);
Lineairiteits check; scatterplot = horizontale lijn zou data goed moeten kunnen beschrijven
check; dubbelklik op scatterplot – add fit line at total; kijken of lijn
recht en horizontaal is, R2 linear = 0
Homoscedasticiteit; errorvarianties zijn constant voor alle voorspelde waardes van y
check; in scatterplot = gelijke spreiding over x-as
Homogeniteit; groepen gelijk verdeeld; Nmax/Nmin < 1.5
Normaliteit van errors; sample moet groot genoeg en gelijk verdeeld zijn
check; in normal probability plot = stippen op of redelijk rond de lijn
robuustheid; N > 15
Multicollineariteit; predictoren mogen niet te hoog correleren
check; tolerance > 0.1 en VIF < 10 in Coefficients tabel
Uitbijters; op independent variabelen: Cook’s distance < 1, Leverage values < 3x(p+1)/N
p = aantal predictoren. Op dependent variabelen: residuals tussen -3 en 3
Cooks distance = hebben de uitbijters invloed op data Leverage values = zijn er uitbijters
Pearson correlation ; Analyse – correlate – bivariate – variabelen invullen tussen wie je
correlaties wilt uitrekenen – Pearson aanvinken
- aflezen; hoge correlaties wordt verwacht een goede predictor te zijn
Lineaire regressie analyse; analyse – regression – linear – dependent en independent
variabelen invullen (Statistics ; part en partial correlation en collinearity diagnostics
aanvragen) (Save : cooks distances en leverage values aanvragen) (Plots: scatterplot van
stadardized predicted values vs standardized residuals, normal probability plot aanvinken)
- aflezen; H0 = geen relatie tussen afhankelijk en onafhankelijke variabelen,
checken; ANOVA tabel; significant of niet, rapporteren F-toets, df en p-
waarde
- proportie verklaarde variantie; in Model Summary tabel, R2 = VAF door
hele model OF in Coefficients tabel, part correlations kwadrateren =
unieke variantie verklaard door variabele (optellen van alle part
kwadraten en aftrekken van R2, wat overblijft is overlappende verklaarde
variantie)
- multicollineariteit; in Coefficients tabel, tolerance en VIF checken
- uitbijters checken;
, o Outliers checken; in Residual Statistics tabel, Cooks Distance en
Leverage Values checken
o Outliers weghalen; check cooks distance in data bestand (na
opslaan bij analyse) – rechter muiskop op kolom – sort descending
– bekijk afwijkende variabele bekijken – data – select cases – if
condition is satisfied – verander variabele (zodat uitbijter erbuiten
valt)
- Significante predictoren; checken in Coefficient tabel, per predictor t-toets
met p-waarde checken op significantie, evt niet-significante predictoren
verwijderen en analyse opnieuw uitvoeren
Scatterplot in linear regression; bij lineaire regressie analyse, in Plots; Y: Zresid
(standardized residuals) en X : Zpred (standardized predicted values) – normal
probability plot aanvinken
Checken assumpties: lineairiteit, homoscedasticiteit en normaliteit
Regressieformule formuleren; kijken in Coefficients tabel; unstandardized
coefficients, B, ŷ = constante + B1X1 + B2X2 ….
o Interpreteren van regressiecoefficienten; positieve of negatieve relatie, sterke
of zwakker relatie
Hierarchische regressie analyse; meerdere blokken toevoegen om te kijken of het model
significant verbeterd door het toevoegen van een extra variabele
uitvoeren; Analyse – regression – linear – dependent variabele invoeren –
independent variabele invoeren per blok door op NEXT te klikken (Statistics: R squared
change aanvragen) assumpties checken bij simpele model met één variabele
- aflezen; checken of variabele model significant verbeterd; in Model
Summary tabel, R2 change geeft aan hoeveel proportie variantie meer
wordt verklaard in volgende model, F change geeft aan of dit verschil
significant is (noteer F-toets, df en p-waarde)
- assumpties checken; per model dat je toevoegt opnieuw checken
ANOVA
Assumpties;
1. Onafhankelijkheid van residuen
2. Normaliteit; residuen zijn normaal verdeeld
check; histogram of K-S test
robuust; N > 15 in elke groep
3. Homogeniteit;
check; Levene’s test
robuust; Nmax/Nmin < 1.5
Cross tabulation; Analyse – descriptives – crosstabs – afhankelijke nominale variabelen in
coloms en rows
gebalanceerd design of niet, kijken hoe personen verdeeld zijn over de groepen
checken robuustheid heterogeniteit en niet-normaliteit
ANOVA uitvoeren; Analyse – general linear model – univariate – dependent en fixed
variables invullen (Plots: horizontal en seperate lines invullen - add) (EM means:
gemiddeldes opvragen, main en/of interactie effecten) (Options; descriptives en homogeity
opvragen) (Save: standardized residuals (om assumpties te checken))
