NHST -> uitgangspunt: H0 is waar, kijken adhv steekproevenverdeling of data past bij H0, dan H0 wel/niet verwerpen (dichotome beslissing)
1. Toetskeuze (Correlatie S of P, Regressie enkelvoudig of multipele, t – toets), hypothesen opstellen, significantieniveau kiezen
2. Assumpties controleren
3. Toetsingsgrootte & p waarde bepalen
4. Conclusie trekken over H0
5. Inhoudelijke conclusie en effectgrootte bepalen
Bayesiaanse Hypothese evaluatie -> uitgangspunt: Data , hoe goed passen de hypothesen bij de data, hoeveel steun vinden we voor beide hypothesen?
Geen keuze in hypothese maken maar beschrijven welke support er voor de hypothese is.
Stap 1. Toetskeuze en hypothese bepalen (evt gewenste hoeveelheid support bepalen
Stap 2. Assumpties controleren (zijn hetzelfde als bij NHST)
Stap 3. BF en PMKs bepalen met behulp van kolommen in JASP
Stap 4: Conclusie trekken over je hypothese: welke hypothese heeft het meeste support?
Stap 5: Inhoudelijke conclusie: wat betekent dit met het oog op de onderzoeksvraag?
Stap 3: BHE ANOVA
Stap 1. Toetskeuze en hypothese bepalen (evt gewenste hoeveelheid support bepalen
Stap 2. Assumpties controleren (zijn hetzelfde als bij NHST)
Stap 3. Je kan zelf hypothesen specificeren (wat bij NHST niet kan).
Je krijgt Hu en Hc. Met de BF vergelijk je de gespecificeerde hypothesen met de Hc. Bij een hoge BFc past de hypothese goed bij de data)
Je kan de hypothesen niet onderling vergelijken, maar je ziet hoe de hypothesen het beste bij de data passen.
Met behulp van PMKs kan je wel de gespecifieerde hypothesen met elkaar vergelijken.
PMPa vergelijkt de 3 gespecifeerde hypothesen onderling.
PMPb vergelijkt de 3 gespecificeerde hypothesen onderling met daarbij de Hu.
PMPc vergelijkt de 3 gespecificeerde hypothesen met de Hc.
De hypothese met de hoogste PMK past het beste bij de data.
Stap 4: Conclusie trekken over je hypothese: welke hypothese heeft het meeste support?
Stap 5: Inhoudelijke conclusie: wat betekent dit met het oog op de onderzoeksvraag?
, Analysetechniek Onderzoeksvraag Hypothese Assumpties Toetsingsgrootheid Effectgrootte Opmerkingen
Correlatie (Pearson) Is er een lineair H₀: ρ=0 1. Lineair verband Pearson r of r^2 Keuze 1 of 2
verband tussen 2. Minimaal interval of correlatiecoëfficiënt (verklaarde zijdige p waarde
twee variabelen? Beschrijvend ratio meetniveau (r) variantie)
H₀: Er is geen 3. Geen uitschieters
lineair verband 4. Normaliteit van de
tussen de variabelen
variabelen.
H₁: ρ≠0 of ρ>0 of
ρ<0
Beschrijvend
H1
H₁: Er is een
lineair verband
tussen de
variabelen.
Correlatie (Spearman) Is er een H₀: ρ=0 1. Monotoon stijgend Spearman's Rs Keuze 1 of 2
monotoon of dalend correlatiecoëfficiënt zijdige p waarde
verband tussen Beschrijvend 2. Ordinaal, ratio of (rs)
twee variabelen? H₀: Er is geen interval meetniveau
monotoon 3. Geen normaliteit
verband tussen vereist
de variabelen.
H₁: ρ≠0 of ρ>0 of
ρ<0
Beschrijvend
H₁: Er is een
monotoon
verband tussen
de variabelen.
1. Toetskeuze (Correlatie S of P, Regressie enkelvoudig of multipele, t – toets), hypothesen opstellen, significantieniveau kiezen
2. Assumpties controleren
3. Toetsingsgrootte & p waarde bepalen
4. Conclusie trekken over H0
5. Inhoudelijke conclusie en effectgrootte bepalen
Bayesiaanse Hypothese evaluatie -> uitgangspunt: Data , hoe goed passen de hypothesen bij de data, hoeveel steun vinden we voor beide hypothesen?
Geen keuze in hypothese maken maar beschrijven welke support er voor de hypothese is.
Stap 1. Toetskeuze en hypothese bepalen (evt gewenste hoeveelheid support bepalen
Stap 2. Assumpties controleren (zijn hetzelfde als bij NHST)
Stap 3. BF en PMKs bepalen met behulp van kolommen in JASP
Stap 4: Conclusie trekken over je hypothese: welke hypothese heeft het meeste support?
Stap 5: Inhoudelijke conclusie: wat betekent dit met het oog op de onderzoeksvraag?
Stap 3: BHE ANOVA
Stap 1. Toetskeuze en hypothese bepalen (evt gewenste hoeveelheid support bepalen
Stap 2. Assumpties controleren (zijn hetzelfde als bij NHST)
Stap 3. Je kan zelf hypothesen specificeren (wat bij NHST niet kan).
Je krijgt Hu en Hc. Met de BF vergelijk je de gespecificeerde hypothesen met de Hc. Bij een hoge BFc past de hypothese goed bij de data)
Je kan de hypothesen niet onderling vergelijken, maar je ziet hoe de hypothesen het beste bij de data passen.
Met behulp van PMKs kan je wel de gespecifieerde hypothesen met elkaar vergelijken.
PMPa vergelijkt de 3 gespecifeerde hypothesen onderling.
PMPb vergelijkt de 3 gespecificeerde hypothesen onderling met daarbij de Hu.
PMPc vergelijkt de 3 gespecificeerde hypothesen met de Hc.
De hypothese met de hoogste PMK past het beste bij de data.
Stap 4: Conclusie trekken over je hypothese: welke hypothese heeft het meeste support?
Stap 5: Inhoudelijke conclusie: wat betekent dit met het oog op de onderzoeksvraag?
, Analysetechniek Onderzoeksvraag Hypothese Assumpties Toetsingsgrootheid Effectgrootte Opmerkingen
Correlatie (Pearson) Is er een lineair H₀: ρ=0 1. Lineair verband Pearson r of r^2 Keuze 1 of 2
verband tussen 2. Minimaal interval of correlatiecoëfficiënt (verklaarde zijdige p waarde
twee variabelen? Beschrijvend ratio meetniveau (r) variantie)
H₀: Er is geen 3. Geen uitschieters
lineair verband 4. Normaliteit van de
tussen de variabelen
variabelen.
H₁: ρ≠0 of ρ>0 of
ρ<0
Beschrijvend
H1
H₁: Er is een
lineair verband
tussen de
variabelen.
Correlatie (Spearman) Is er een H₀: ρ=0 1. Monotoon stijgend Spearman's Rs Keuze 1 of 2
monotoon of dalend correlatiecoëfficiënt zijdige p waarde
verband tussen Beschrijvend 2. Ordinaal, ratio of (rs)
twee variabelen? H₀: Er is geen interval meetniveau
monotoon 3. Geen normaliteit
verband tussen vereist
de variabelen.
H₁: ρ≠0 of ρ>0 of
ρ<0
Beschrijvend
H₁: Er is een
monotoon
verband tussen
de variabelen.
