§1 Onafhankelijke verschiltoets;
§2 Variantieanalyse met Bonferroni test
§3 Kruistabel en Chi-kwadraattest
§4 Correlatieanalyse
§5 Afhankelijke verschiltoets
1. T-toets voor twee onafhankelijke steekproeven (onafhankelijke verschil T-toets, independent
samples T-test): zijn de gemiddelden van twee groepen op één metrische testvariabele
significant verschillend?
2. Variantie analyse (Anova, one way Anova) eventueel aangevuld met de Bonferroni test: zijn de
gemiddelden van meerdere groepen op één metrische testvariabele significant verschillend?
De Bonferroni test onderzoekt tussen welke steekproeven de verschillen significant zijn.
3. Kruistabel en Chikwadraattoets (Chi-square test): deze toets dient twee gelijkwaardige
doelstellingen: Zijn twee nominale variabelen onderling samenhangend? Of wel: Zijn de
procentuele verdelingen van twee of meerdere steekproeven ten opzichte van een nominale
variabele significant verschillend?
4. Correlatieanalyse: Wat is de mate van samenhang of verband (correlatie) tussen twee
metrische variabelen, en is deze correlatie significant?
5. T-toets voor twee afhankelijke steekproeven (afhankelijke verschil T-toets, paired samples T-
test): zijn de twee gemiddelden ten opzichte van twee metrische variabelen significant
verschillend?
1 Reader inferentiële statistiek (Business Studies jaar 2, Hogeschool Inholland)
, § 1 ONAFHANKELIJKE VERSCHILTOETS
VOORBEELD 1
Group Statistics
Std. Error
geslacht N Mean Std. Deviation Mean
netto maandinkomen m 35 3702,86 1430,443 241,789
v 41 3048,78 1246,219 194,627
Independent Samples Test
Levene's Test for
Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
netto maandinkomen Equal variances
1,801 ,184 2,131 74 ,036 654,077 307,005 42,357 1265,797
assumed
Equal variances
2,107 68,050 ,039 654,077 310,389 34,713 1273,440
not assumed
Vraag: Is het gemiddeld inkomen van mannen en vrouwen verschillend? Ga uit van een
betrouwbaarheidsniveau van 95%.
De eerste tabel geeft, op basis van de beschrijvende statistiek, steekproefresultaten weer.
De tweede tabel stelt ons in staat, technieken uit de inferentiële statistiek toe te passen.
Bij de Levene’s Test for Equality of variances wordt als Sig (significantieniveau) vermeld: 0,184
Bij de t-test for equality of means gaat het bij de Sig (2-tailed) om twee waarden: 0,036 en 0,039.
Bij Levene’s test Sig > α, dan eerste regel lezen van Sig (2-tailed)
Bij Levene’s test Sig < α, dan tweede regel lezen van Sig (2-tailed)
Antwoord:
95% = α 0,05
0,184 > 0,05, dus de eerste regel bij Sig (2-tailed).
P-waarde = 0,036.
0,036 < 0,05. Dus het verschil is significant. Er is dus bij een betrouwbaarheidsniveau van 95%
voldoende bewijs, dat in de populatie het gemiddeld inkomen van de mannen verschilt van het
gemiddeld inkomen van de vrouwen.
2 Reader inferentiële statistiek (Business Studies jaar 2, Hogeschool Inholland)
§2 Variantieanalyse met Bonferroni test
§3 Kruistabel en Chi-kwadraattest
§4 Correlatieanalyse
§5 Afhankelijke verschiltoets
1. T-toets voor twee onafhankelijke steekproeven (onafhankelijke verschil T-toets, independent
samples T-test): zijn de gemiddelden van twee groepen op één metrische testvariabele
significant verschillend?
2. Variantie analyse (Anova, one way Anova) eventueel aangevuld met de Bonferroni test: zijn de
gemiddelden van meerdere groepen op één metrische testvariabele significant verschillend?
De Bonferroni test onderzoekt tussen welke steekproeven de verschillen significant zijn.
3. Kruistabel en Chikwadraattoets (Chi-square test): deze toets dient twee gelijkwaardige
doelstellingen: Zijn twee nominale variabelen onderling samenhangend? Of wel: Zijn de
procentuele verdelingen van twee of meerdere steekproeven ten opzichte van een nominale
variabele significant verschillend?
4. Correlatieanalyse: Wat is de mate van samenhang of verband (correlatie) tussen twee
metrische variabelen, en is deze correlatie significant?
5. T-toets voor twee afhankelijke steekproeven (afhankelijke verschil T-toets, paired samples T-
test): zijn de twee gemiddelden ten opzichte van twee metrische variabelen significant
verschillend?
1 Reader inferentiële statistiek (Business Studies jaar 2, Hogeschool Inholland)
, § 1 ONAFHANKELIJKE VERSCHILTOETS
VOORBEELD 1
Group Statistics
Std. Error
geslacht N Mean Std. Deviation Mean
netto maandinkomen m 35 3702,86 1430,443 241,789
v 41 3048,78 1246,219 194,627
Independent Samples Test
Levene's Test for
Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
netto maandinkomen Equal variances
1,801 ,184 2,131 74 ,036 654,077 307,005 42,357 1265,797
assumed
Equal variances
2,107 68,050 ,039 654,077 310,389 34,713 1273,440
not assumed
Vraag: Is het gemiddeld inkomen van mannen en vrouwen verschillend? Ga uit van een
betrouwbaarheidsniveau van 95%.
De eerste tabel geeft, op basis van de beschrijvende statistiek, steekproefresultaten weer.
De tweede tabel stelt ons in staat, technieken uit de inferentiële statistiek toe te passen.
Bij de Levene’s Test for Equality of variances wordt als Sig (significantieniveau) vermeld: 0,184
Bij de t-test for equality of means gaat het bij de Sig (2-tailed) om twee waarden: 0,036 en 0,039.
Bij Levene’s test Sig > α, dan eerste regel lezen van Sig (2-tailed)
Bij Levene’s test Sig < α, dan tweede regel lezen van Sig (2-tailed)
Antwoord:
95% = α 0,05
0,184 > 0,05, dus de eerste regel bij Sig (2-tailed).
P-waarde = 0,036.
0,036 < 0,05. Dus het verschil is significant. Er is dus bij een betrouwbaarheidsniveau van 95%
voldoende bewijs, dat in de populatie het gemiddeld inkomen van de mannen verschilt van het
gemiddeld inkomen van de vrouwen.
2 Reader inferentiële statistiek (Business Studies jaar 2, Hogeschool Inholland)
