1
a. Welbevinden = geestelijke gezondheid (dichotoom → frequencies)
Groentencon = groenteconsumptie (continu → explore + frequencies)
zie values variable view → frequencies / explore (wat is missing?)
} 1. recode into same variable
welke wil je missing maken (let op!) → -999
2. variable view : discrete missing value bij jouw variable → -999
Voor het opschonen van de data wordt eerst gekeken naar de variabele welbevinden. Deze
was al dichotoom gemaakt om te zoeken naar twijfelachtige en onmogelijke waarnemingen
werd in spss frequencies gebruikt. Hierin kloppen de waarde 1 en 2 wel en …. niet. ….
word met behulp van transform, recode into same variable gecodeerd tot -999, de old
values blijven hetzelfde. Vervolgens ga je naar variable view en klik je op het vakje missing
achter de variabele waarbij -999 opgeeft als discrete missing value.
Groenteconsumptie is een continue variabele, om de vreemde waarde te achterhalen wordt
gebruik gemaakt van explore en een boxplot en frequencies om te zien welke
proefpersonen een vreemde waarde hebben. Daarna worden dezelfde stappen gebruikt als
bij de variabele welbevinden. Dus transform into same variable en waarde -999 toekennen
aan vreemde waarden en waarden missing maken in variable view.
b. Explore → statistics: histogram (aanvinken)
hoe is de verdeling / scheefheid ? zie histogram (en boxplot)
c. Recode into different variables: Groentedich
Range lowest through value 399 = 0
Range highest through value 400 = 1
d. Crosstabs → Rows = woonsit, Columns = gezondheid / welbevinden
statistics: Risk
} OR → interpreteren (uitkomst = 1e kolom, determinant = beide)
de odds op slechte/goede gezondheid is … keer zo veel bij het wonen in … als bij het
wonen in de …
> 1 = hoog risico, <1 = bescherming → verwerken in de interpretatie
e. Crosstabs → Rows = woonsit, Columns = gezondheid / welbevinden
Layer 1 of 1 = geboortegeslacht
statistics: Risk
} 2 OR voor 2 verschillende groepen: grootste : kleinste OR
((nieuw - oud) : oud) x 100 = verschil % } is dit boven 25%? (arbitraire grens)
→ ja, odds apart van elkaar benoemen
Effectmodificatie betekent in dit geval dat er een verschil van x% is tussen de odds
binnen de groepen geboortegeslacht man en vrouw is op het hebben van goed of slecht
welbevinden bij het wonen in een…. op in de …… Om dit op te lossen worden voor beide
groepen de verschillende odds aangehouden.
a. Welbevinden = geestelijke gezondheid (dichotoom → frequencies)
Groentencon = groenteconsumptie (continu → explore + frequencies)
zie values variable view → frequencies / explore (wat is missing?)
} 1. recode into same variable
welke wil je missing maken (let op!) → -999
2. variable view : discrete missing value bij jouw variable → -999
Voor het opschonen van de data wordt eerst gekeken naar de variabele welbevinden. Deze
was al dichotoom gemaakt om te zoeken naar twijfelachtige en onmogelijke waarnemingen
werd in spss frequencies gebruikt. Hierin kloppen de waarde 1 en 2 wel en …. niet. ….
word met behulp van transform, recode into same variable gecodeerd tot -999, de old
values blijven hetzelfde. Vervolgens ga je naar variable view en klik je op het vakje missing
achter de variabele waarbij -999 opgeeft als discrete missing value.
Groenteconsumptie is een continue variabele, om de vreemde waarde te achterhalen wordt
gebruik gemaakt van explore en een boxplot en frequencies om te zien welke
proefpersonen een vreemde waarde hebben. Daarna worden dezelfde stappen gebruikt als
bij de variabele welbevinden. Dus transform into same variable en waarde -999 toekennen
aan vreemde waarden en waarden missing maken in variable view.
b. Explore → statistics: histogram (aanvinken)
hoe is de verdeling / scheefheid ? zie histogram (en boxplot)
c. Recode into different variables: Groentedich
Range lowest through value 399 = 0
Range highest through value 400 = 1
d. Crosstabs → Rows = woonsit, Columns = gezondheid / welbevinden
statistics: Risk
} OR → interpreteren (uitkomst = 1e kolom, determinant = beide)
de odds op slechte/goede gezondheid is … keer zo veel bij het wonen in … als bij het
wonen in de …
> 1 = hoog risico, <1 = bescherming → verwerken in de interpretatie
e. Crosstabs → Rows = woonsit, Columns = gezondheid / welbevinden
Layer 1 of 1 = geboortegeslacht
statistics: Risk
} 2 OR voor 2 verschillende groepen: grootste : kleinste OR
((nieuw - oud) : oud) x 100 = verschil % } is dit boven 25%? (arbitraire grens)
→ ja, odds apart van elkaar benoemen
Effectmodificatie betekent in dit geval dat er een verschil van x% is tussen de odds
binnen de groepen geboortegeslacht man en vrouw is op het hebben van goed of slecht
welbevinden bij het wonen in een…. op in de …… Om dit op te lossen worden voor beide
groepen de verschillende odds aangehouden.
