Samengestelde samenvatting, gebaseerd op hoofdstuk 1 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

Introductie: Wat is SPSS?

SPSS is een statistisch computerprogramma dat door wetenschappers wordt gebruikt om gegevens te verzamelen, analyseren en te bewerken. Het wordt voornamelijk gebruikt om onderzoeksresultaten te onderzoeken. De afkorting SPSS staat voor Statistical Package for the Social Sciences. Het programma wordt dus met name in de sociale wetenschap gebruikt.

Drie belangrijke situaties waarin je SPSS kunt gebruiken:

• Het controleren van de betrouwbaarheid van een steekproef. Wanneer je in Nederland een onderzoek wil doen is het natuurlijk niet haalbaar om elke inwoner te toetsen. Om deze reden wordt vrijwel altijd gebruik gemaakt van een steekproef (een selectie van mensen uit de populatie). Het is belangrijk dat deze steekproef zo representatief mogelijk is voor de hele populatie zodat de uitkomstresultaten goed gegeneraliseerd kunnen worden (je wil immers iets zeggen over de hele populatie en niet slechts over de steekproef).

• Het controleren van de betrouwbaarheid van je resultaten. SPSS kan informatie geven of het verband dat je hebt gevonden (bijvoorbeeld mannen stemmen vaker op SGP dan vrouwen) op toeval berust of dat het verschil ergens anders mee te maken heeft.

• Data visualiseren. Het kan handig zijn om je resultaten te visualiseren door middel van grafieken en tabellen. Deze kan je door SPSS laten maken.

Algemene informatie met betrekking tot onderzoek doen

SPSS kan onderzoeksvragen beantwoorden door het doen van analyses; toetsen. Een voorbeeld van een onderzoeksvraag is: kiezen mannen vaker een technisch beroep dan vrouwen? De eerste stap is het verzamelen van je gegevens (hoeveel procent van de mannen kiest een technisch beroep en hoeveel procent van de vrouwen). Deze gegevens worden in SPSS data genoemd. Wanneer je je gegevens hebt verzameld (bijvoorbeeld door middel van vragenlijsten) dan kun je deze data invoeren in SPSS. Vervolgens kun je SPSS een toets laten uitvoeren die onderzoekt of er daadwerkelijk een verschil is tussen de data van mannen en vrouwen.

1.1 Hoe plan je het opzetten van een onderzoek?

Een goed onderzoek is sterk afhankelijk van een uitvoerige planning. Het boek geeft de volgende tips bij het opstarten van een onderzoek:

• Kies het design van je onderzoek (bijvoorbeeld experiment, vragenlijst, observationeel). Weeg alle voor- en nadelen van elke methode af.

• Als je kiest voor een experiment: beslis of je kiest voor een between-groups design (verschillende proefpersonen in elke experimentele conditie) of een repeated measures design

.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 3 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

3.1 Hoe open je IBM SPSS?

Er zijn verschillende manieren om IBM SPSS op te starten.

• De meest eenvoudige manier is om op het SPSS icoon op je desktop te klikken. Plaats je cursor op het icoon en klik tweemaal.

• Je kunt ook IBM SPSS openen door te klikken op Start, je cursor te plaatsen op Alle programma’s, en vervolgens naar de lijst van alle beschikbare programma’s. Kijk of je hier een map kunt vinden genaamd IBM SPSS Statistics, in dit geval IBM SPSS Statistics 24.

• IBM SPSS zal ook opstarten als je tweemaal klikt op een IBM SPSS databestand in Window Explorer.

3.2 Hoe open je een bestaand SPSS bestand?

Als je een bestaand SPSS databestand wil openen, klik dan op File in het menu van IBM SPSS en kies vervolgens voor Open en Data. De Open file sectie stelt je in staat om te zoeken naar het gewenste bestand. Je kunt ook altijd een databestand openen vanuit de hard drive van je computer. Als je een databestand hebt staan op een usb-stick, kopieer deze dan eerst naar je computer. Vervolgens kun je het bestand openen door tweemaal op het icoon te klikken. Het bestand zal vervolgens openen in de Data Editor.

3.3 Hoe werk je met SPSS-bestanden?

Een databestand opslaan

Het is belangrijk om altijd je data op te slaan als je ermee aan de slag bent. Het opslaan gebeurt namelijk niet automatisch in IBM SPSS. Om een bestand op te slaan ga je naar het File menu. Kies vervolgens voor Save. Je kunt ook op het icoon klikken dat lijkt op een floppydisk. Deze zie je linksboven in je scherm. Zorg er altijd voor dat je bestand wordt opgeslagen op je computer en niet op een externe schijf. Wanneer je het bestand voor het eerst opslaat dien je een naam aan te maken voor het bestand en een map te kiezen waar je het bestand wil opslaan. IBM SPSS zorgt er automatisch voor dat je bestand wordt opgeslagen met .sav op het eind.

Een ander databestand openen

Als je met een databestand bezig bent en je wil een nieuw bestand openen, klik dan op File.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 5 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

Typefouten

Het is altijd heel belangrijk om je data even door te lopen op bijvoorbeeld typefouten. Je kan dan natuurlijk alle ingevoerde data nog een keer controleren aan de hand van de oorspronkelijke data, maar dit kost erg veel tijd. Een makkelijkere manier is het opvragen van Frequencies. Dit doet je door de volgende stappen te volgen: Analyze –→ Descriptive Statistics –→ Frequencies.

Het screenen en opschonen van de data

Voordat je je data kunt analyseren is het van belang om je databestand te controleren voor errors, mogelijke fouten. Als eerst is het belangrijk om te kijken of je typefouten hebt gemaakt (zie boven). Daarnaast is het essentieel om te onderzoeken of er andere fouten zijn met je data. Je volgt hiervoor de volgende stappen:

• Stap 1: Het controleren op errors. Eerst is het noodzakelijk om alle scores na te gaan van alle variabelen. Je onderzoekt dan of er bepaalde scores zijn die buiten de normale range vallen.

• Stap 2: Het vinden en controleren van error in het databestand. Vervolgens is het noodzakelijk om uit te zoeken waar de error zich bevindt in het databestand. Deze error dient dan of gecorrigeerd te worden of te worden verwijderd.

5.1 Hoe controleer je op errors?

Wanneer je je bestand controleert op errors ga je met name na of er waarden zijn die buiten de normale range van mogelijke scores vallen. Bijvoorbeeld: wanneer variabele ‘geslacht’ gecodeerd is met 0 of 1 (waarbij geldt 0 = man en 1 = vrouw), is het niet mogelijk om scores te vinden anders dan 0 of 1. Scores die een ander getal dan 0 of 1 hebben (bijvoorbeeld 2 of 3) dienen daarom te worden verwijderd of te worden aangepast. Er zijn verschillende manieren om errors te vinden met IBM SPSS. Deze kunnen grofweg worden verdeeld in twee methoden: één voor error bij categorische variabelen en één voor error bij continue variabelen.

Het checken van categorische variabelen

Volg de volgende procedure om error te controleren bij categorische variabelen.

1. Klik op Analyze en vervolgens op Descsriptive Statistics en dan op Frequencies.

2. Kies de variabelen die je wil checken (bijvoorbeeld geslacht). Om een variabele gemakkelijk te vinden kun je je variabelenlijst sorteren op alfabet.

3. Klik op de pijltjestoets (wijzend naar rechts) om de gewenste variabelen te verschuiven naar het variabelenvenster.

4. Klik vervolgens op Statistics. Vink Minimum en Maximum aan in de Disperson sectie.

5. Klik vervolgens op Continue en dan op OK (of op Paste om alles op te slaan in de

.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 7 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

In SPSS zijn er verschillende soorten grafieken en diagrammen die je kunt gebruiken om data weer te geven. De weergaven die hier worden behandeld, zijn histogrammen, staafdiagrammen, lijngrafieken, spreidingsdiagrammen en boxplots.

In het Graph menu in SPSS zijn er verschillende mogelijkheden om grafieken te maken, de makkelijkste methode is om de Chart Builder te gebruiken.

7.1 Hoe maak je een histogram?

Een histogram gebruik je in geval van een enkele continue variabele. Je maakt een histogram als volgt:

1. Selecteer in het Graph menu de Chart Builder en klik op OK.
2. Selecteer onder Gallery de optie Histogram.
3. Sleep de optie Simple Histogram naar de Chart Preview plek.
4. Kies je variabelen in de lijst Variables en sleep het naar Chart Preview, naar de X-Axis zodat de variabele op de x-as wordt geprojecteerd.
5. Je kunt per groep een histogram maken. Selecteer onder Groups/Point ID de optie Column Panels variable (voor grafieken naast elkaar) of Rows Panel variable (voor grafieken onder elkaar).
6. Sleep de categorische variable voor de hele groep (bijvoorbeeld leeftijd) naar Panel (op de Chart Preview plek).
7. Klik op OK, of op Paste om alles op te slaan in de Syntax Editor.

Een histogram geeft in omhoog gerichte balken de output weer.

7.2 Hoe maak je een staafdiagram?

Een staafdiagram gebruik je in geval van continue variabelen voor verschillende categorieën, of als je het aantal gevallen van een bepaalde categorie wilt tonen. Voor een staafdiagram heb je een categorische variabele nodig en een continue variabele. Een staafdiagram maak je als volgt:

1. Selecteer in het Graph menu de Chart Builder en klik op OK.
2. Selecteer onder Gallery de optie Clustered Bar en sleep deze naar de Chart Preview.
3. Klik onder Element Properties op Display error bars en klik op Apply.
4. Sleep de categorische variable voor een groep (bijvoorbeeld leeftijd) naar Cluster on X: set colour (op de Chart Preview plek).
5. Sleep de andere categorische variable (bijvoorbeeld haarkleur) naar de X-Axis zodat de variabele op de x-as wordt geprojecteerd.
6. Sleep de continue variabele (bijvoorbeeld gewichtsverlies) naar de Y-Axis zodat de variabele op de y-as wordt geprojecteerd.
7. Klik op OK, of op Paste om alles op te slaan in de Syntax Editor.

Een staafdiagram geeft een vooraf bepaalde categorische variabele weer op.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 9 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

De waarde van een onderzoek is in grote mate afhankelijk van de betrouwbaarheid van de gebruikte schaal. Een onderdeel van betrouwbaarheid is Interne consistentie (internal consistency): de mate waarin de items van een schaal met elkaar samenhangen. Deze kan bijvoorbeeld worden berekend met de Cronbach’s cofficient alpha in SPSS. Hierbij geldt dat een Cronbach’s alpha van .7 of groter duidt op een betrouwbare schaal. Bij korte schalen met weinig eenheden zijn er echter lage Cronbach waarden en zeggen deze niet zoveel.

9.1 Hoe controleer je de betrouwbaarheid van een schaal?

De procedure om de betrouwbaarheid van een schaal te controleren is als volgt:

1. Controleer of alle negatief geformuleerde waarden al zijn omgezet naar positief geformuleerde waarden.
2. Klik op Analyze, selecteer Scale en dan Reliability Analysis.
3. Verplaats alle onderdelen van de schaal naar Items.
4. Selecteer onder Model de optie Alpha.
5. Typ de naam van de schaal in Scale label.
6. Klik op Statistics. In Descriptives for, selecteer Item, Scale en Scale if item deleted. Selecteer in Inter-Item de optie Correlations. Selecteer ook in Summaries de optie Correlations.
7. Hierna kan je op Continue klikken en daarna op OK of op Paste om alles op te slaan in de Syntax Editor).

9.2 Welke conclusies trek je over de betrouwbaarheid aan de hand van de output?

In de output moet je de volgende dingen nakijken om de betrouwbaarheid te verhogen:

• Controleer het aantal gevallen en het aantal waarden.
• Controleer nogmaals of er geen negatieve waarden zijn in de Inter-Item Correlation Matrix.
• Controleer of de Cronbach waarden boven 0.7 liggen.
• Controleer in Corrected Item-Total Correlation het verband tussen de uitkomsten en de totale uitkomst. Een mogelijkheid is om uitzonderlijk lage uitkomsten (lager dan 0.3) te verwijderen.
• Controleer in Alpha if Item Deleted de impact van elke waarde. Als de impact van een enkele waarde zo hoog is dat het zelfs hoger is dan de final alpha value, kun je overwegen de waarde te verwijderen.
• Controleer in Summaty Item Statistics de gemiddelde correlatie tussen waarde. Een sterke onderlinge samenhang geeft een hoge betrouwbaarheid aan. Bij veel onderzoeken, zeker in geval van weinig waarden, is deze samenhang echter niet erg sterk.

9.3 Hoe geef je informatie.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 11 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

Correlatieanalyse wordt toegepast om de sterkte en richting van een lineaire relatie tussen twee variabelen aan te duiden. In dit hoofdstuk worden twee correlatiecoëfficiënten genoemd: (1) Pearson r voor continue variabelen (op interval niveau) en in gevallen waarbij er sprake is van één continue en één dichotome variabele, en (2) Spearman rho voor variabelen op ordinaal niveau en in gevallen dat je data niet voldoet aan de criteria voor de Pearson correlatie. Deze tekst laat zien hoe je een bivariate Pearson r en een niet-parametrische Spearman rho uitrekent.

11.1 Welke voorbereidende analyses moeten gedaan worden?

Voordat je een correlatieanalyse uitvoert, is het handig om eerst een scatterplot te genereren; aan de hand hiervan kan je kijken of aan de assumptie van lineariteit en homoscedasticiteit is voldaan. Daarnaast geeft een scatterplot je een helderder beeld van de aard van de relatie tussen je variabelen.

Procedure voor het genereren van een scatterplot:

1. Klik in het menu bovenaan het scherm op Graphs en klik vervolgens op Legacy Dialogs.

2. Klik op Scatter/Plot en kies Simple Scatter. Klik nu op Define.

3. Klik op de eerste variabele (meestal de afhankelijke variabele) en verplaats deze naar de box van de y-as.

4. Klik op de tweede variabele (meestal de onafhankelijke variabele) en verplaats deze naar de box van de x-as.

5. In de Label Cases by box kun je je ID variabele zetten, zodat outliers kunnen worden geïdentificeerd.

6. Klik op OK (of op Paste om de syntax editor te bewaren).

Interpretatie van de scatterplot-output

De scatterplot kan worden gebruikt om te controleren voor een aantal aspecten van de verdeling van twee variabelen:

1. Controleren voor outliers, ofwel extreme data-waarden die afwijken van het cluster van data-waarden. Probeer te achterhalen waarom dit outliers zijn (is de data wel goed ingevoerd?). Wanneer je een outlier hebt geïdentificeerd en het ID-getal wil achterhalen, kan je gebruik maken van het Data Label Mode-icoon in de Chart Editor. Dubbelklik op de grafiek op de Chart Editor te activeren. Klik vervolgens op het icoon dat lijkt op de roos van een dartbord (of klik op Data Label Mode in het Elements-menu) en klik op punt in de grafiek dat je wilt identificeren, er verschijnt dan een getal; dit is het ID-getal.

2. Inspectie van de verdeling van

.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 13 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

Hieronder wordt uitgelegd hoe je SPSS kunt gebruiken bij meervoudige regressieanalyses. Meervoudige regressie is niet slechts één techniek, maar een verzameling technieken die gebruikt kan worden om de relatie tussen een continue afhankelijke variabele en meerdere onafhankelijke variabelen of voorspellers (meestal continu) te onderzoeken. Het is gebaseerd op correlatie, maar biedt een meer verfijnde analyse van de relatie tussen een reeks variabelen. Meervoudige regressie kan bij verschillende onderzoeksvragen worden toegepast, waaronder:

• Hoe goed een reeks variabelen in staat is een bepaalde uitkomst te voorspellen.

• Welke variabele binnen een reeks variabelen de beste voorspeller van een bepaalde uitkomst is.

• Of een bepaalde voorspellende variabele nog steeds de uitkomst kan voorspellen wanneer gecontroleerd wordt voor de invloed van een andere variabele.

13.1 Wat zijn de belangrijkste soorten meervoudige regressie?

Er zijn verschillende soorten meervoudige regressieanalyses die je, afhankelijk van je onderzoeksvraag, kan toepassen. De drie belangrijkste meervoudige regressieanalyses zijn:

1. Standaard of simultaan

2. Hiërarchisch of sequentieel

3. Stapsgewijs

Standaard meervoudige regressie

In de standaard meervoudige regressie worden alle onafhankelijke (of voorspellende) variabelen tegelijkertijd vergeleken. Iedere variabele wordt geëvalueerd in termen van zijn voorspellende waarde vergeleken met die van de andere onafhankelijke variabelen. Deze analyse gebruik je als je een reeks variabelen hebt en wil weten in welke mate ze als groep de variantie in een afhankelijke variabele kunnen verklaren.

Hiërarchische meervoudige regressie

In de hiërarchische meervoudige regressie (ook wel sequentiële regressie genoemd) worden de onafhankelijke variabelen aan de vergelijking toegevoegd in de volgorde die door de onderzoeker is vastgesteld op basis van een theoretisch kader. Variabelen of reeksen variabelen worden in stappen toegevoegd. Iedere variabele wordt gemeten in termen van wat het toevoegt aan de voorspelling van de afhankelijke variabele nadat is gecontroleerd voor de overige variabelen.

Stapsgewijze meervoudige regressie

In de stapsgewijze regressie levert de onderzoeker een lijst van onafhankelijke variabelen en laat vervolgens het programma, op basis van een reeks statistische criteria, selecteren welke variabelen worden toegevoegd en in welke volgorde deze worden toegevoegd aan de vergelijking. Er zijn drie verschillende versies van deze benadering: (1) voorwaartse selectie, (2) achterwaartse schrapping (backward deletion), en (3) stapsgewijze regressie.

.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 15 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

Factoranalyse verschilt van veel van de andere technieken in SPSS. Het is niet ontworpen om hypothesen te toetsen of om aan te geven of de ene groep significant verschilt van de andere groep. In plaats daarvan neemt het een grote reeks variabelen en zoekt naar een manier om de data te ‘reduceren’ of samen te vatten door het gebruik van een kleinere verzameling factoren of componenten. Dit wordt gedaan door te zoeken naar clusters of groepen tussen de intercorrelaties van een verzameling variabelen. Er zijn twee kernbenaderingen van de factoranalyse: (1) exploratieve factoranalyse – vaak gebruikt tijdens de vroege onderzoekstadia om informatie over de relaties tussen een verzameling variabelen te verzamelen – en (2) confirmatieve factoranalyse – later in het onderzoeksproces toegepast om specifieke hypothesen of theorieën betreffende de onderliggende structuur van een verzameling variabelen te toetsen.

De term ‘factoranalyse’ omvat een verscheidenheid aan verschillende gerelateerde technieken. Een van de belangrijkste onderscheidingen is die tussen de principale componentenanalyse (PCA) en factoranalyse (FA). Deze twee technieken lijken in veel opzichten op elkaar; beide trachten een kleiner aantal lineaire combinaties van de oorspronkelijke variabelen te produceren op een wijze die het grootste deel van de variabiliteit in het correlatiepatroon omvat (of deze kan verklaren). Uiteraard zijn er ook verschillen; bij PCA worden de oorspronkelijke variabelen getransformeerd naar een kleinere verzameling lineaire combinaties waarbij gebruik wordt gemaakt van alle variantie in de variabelen, terwijl bij FA de factoren worden geschat met behulp van een wiskundig model waarbij enkel de gedeelde variantie wordt geanalyseerd.

Hier wordt de PCA gedemonstreerd.

15.1 In welke stappen wordt een factoranalyse gedaan?

Stap 1: Assessment van de geschiktheid van de data (assumpties)

Er zijn twee belangrijke kwesties waar je rekening mee dient te houden tijdens het bepalen van de geschiktheid van je dataset voor factoranalyse: steekproefgrootte en de sterkte van de relatie tussen je variabelen (of items). Voor de steekproefgrootte zijn niet echt duidelijke richtlijnen. Over het algemeen geldt; hoe groter, hoe beter. Mocht je een kleine steekproef (<150) of heel veel variabelen hebben, zoek dan meer informatie op over factoranalyse.

De tweede kwestie betreft de sterkte van de intercorrelaties tussen de items. Tabachnick en Fidell raden aan dat correlatiecoëfficiënten een waarden van groter dan .3 hebben. SPSS biedt twee statistische metingen die kunnen helpen met het bepalen van de ‘factorability’ van de data: (1) Bartlett’s test voor sphericiteit, en (2) Kaiser-Meyer-Olkin (KMO) meting voor steekproef.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 17 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

Er zijn verschillende t-toetsen beschikbaar in SPSS, hier zullen de volgende twee besproken worden:

• T-toets voor onafhankelijke steekproeven (independent-samples t-test): deze toets wordt gebruikt om de gemiddelden van twee verschillende groepen mensen of condities te vergelijken.

• T-toets voor gepaarde steekproeven (paired-samples t-test): deze toets wordt gebruikt om de gemiddelden van dezelfde groep mensen te vergelijken op twee verschillende momenten of wanneer er sprake is van gelijke (matched) paren.

Als er sprake is van meer dan twee groepen of condities kunnen deze toetsen niet gebruikt worden; in dat geval moet er een variantieanalyse gedaan worden.

17.1 Hoe ziet T-toets voor onafhankelijke steekproeven er uit?

Een independent-samples t-test wordt gebruikt wanneer je de gemiddelde score op een continue variabele van twee groepen deelnemers wilt vergelijken. Aan de hand van deze toets kan je bepalen of er sprake van een statistisch significant verschil tussen de gemiddelden van twee groepen. In statistische bewoording: er wordt getoetst wat de waarschijnlijkheid is dat twee reeksen scores afkomstig zijn van dezelfde populatie.

Het niet-parametrische alternatief voor deze toets is de Mann-Whitney U Test.

Procedure voor de t-toets voor onafhankelijke steekproeven

1. Klik in het menu bovenaan het scherm op Analyze, vervolgens op Compare Means en dan op Independent Samples T Test.

2. Verplaats de afhankelijke (continue) variabele naar de Test variable box.

3. Verplaats de onafhankelijke (categorische) variabele naar het Grouping variable gedeelte.

4. Klik op Define Groups en vul het aantal getallen in dat in de dataset wordt gebruikt om iedere groep te coderen. Mocht je niet kunnen onthouden welke waarden voor welke groep worden gebruikt, klik dan met de rechtermuisknop op de naam van de variabele en klik op de optie Variable Information. Er komt dan een pop-up box tevoorschijn waarin de waarden en labels voor deze variabele vermeld staan. Nadat je de waarden hebt ingevoerd, sluit je de pop-up box en klik je op Continue.

5. Klik op OK (of op Paste om de Syntax Editor op te slaan).

Interpretatie van de output

Stap 1: Controleer de informatie over de groepen: Controleer het gemiddelde, de standaarddeviatie en de groepsgrootte (N) van beide groepen, te vinden in de tabel van de Group Statistics.

Stap 2: Check of aan de assumpties is voldaan: Controleer het resultaat van de Levene’s test (in het eerste gedeelte van de Independent Samples Test output box). Deze toets bepaalt of de variantie van de scores voor de twee groepen gelijk is. De uitslag bepaalt welke door SPSS gegenereerde t-waarde.....read more

Samengestelde samenvatting, gebaseerd op hoofdstuk 19 van SPSS Survival Manual van Pallant, 6e druk uit 2016.

Two-way wil zeggen dat er twee onafhankelijke variabelen zijn. Between-groups geeft aan dat er in elk van de groepen verschillende deelnemers zitten. Aan de hand van de two-way between-groups ANOVA kan gekeken worden naar de individuele en gezamenlijke invloed van twee onafhankelijke variabelen op één afhankelijke variabele. Je kan dus niet alleen het hoofdeffect voor iedere onafhankelijke variabele toetsen, maar ook kijken of er mogelijk sprake is van een interactie-effect. Dit laatste effect vindt plaats wanneer de invloed van een onafhankelijke variabele op de afhankelijke variabele afhankelijk is van een tweede onafhankelijke variabele.

19.1 Hoe voer je tweeweg ANOVA uit?

1. Klik in het menu bovenaan het scherm op Analyze, vervolgens op General Linear Model en daarna op Univariate.

2. Verplaats je afhankelijke (continue) variabele naar de Dependent variable box.

3. Verplaats je onafhankelijke (categorische) variabelen naar de Fixed Factors box.

4. Klik op Options en vervolgens op Descriptive Statistics, Estimates of effect size en Homogeneity of tests. Klik daarna op Continue.

5. Klik op Post Hoc. Selecteer uit de Factors die aan de linkerkant staan de onafhankelijke variabelen waarin je geïnteresseerd bent en verplaats deze naar het Post Hoc Tests for gedeelte. Kies welke toets je wilt gebruiken (bijv. Tukey) en klik op Continue.

6. Klik op de Plots-knop. Verplaats de onafhankelijke variabele met de meeste groepen naar de Horizontal box. Verplaats de overige onafhankelijke variabelen naar de Separate Lines box. Klik op Add. Als het goed is zie je nu in het Plots gedeelte je twee variabelen.

7. Klik op Continue en vervolgens op OK (of op Paste om de Syntax Editor op te slaan).

19.2 Hoe interpreteer je de resultaten van tweeweg ANOVA?

Controleer in de Descriptive Statistics tabel of je beschrijvende statistieken (gemiddelde scores, standaarddeviaties en aantal deelnemers (N)) juist zijn.

Check in de Levene’s Test of Equality of Error Variances of aan de assumpties is voldaan. Je wilt dat de significantiewaarde groter is dan .05. Een significant resultaat suggereert namelijk dat de variantie van je afhankelijk niet hetzelfde is over de verschillende groepen. Mocht dit het geval zijn, dan wordt aangeraden om een strenger significantieniveau (bijv. .01) te stellen om je resultaten van je two-way ANOVA te evalueren.

De belangrijkste output van de two-way ANOVA vindt je in de tabel genaamd Tests of Between-Subjects. Het eerste dat je doet is kijken of er sprake is van een interactie-effect. Wanneer hier namelijk sprake van.....read more