![Image](https://www.worldsupporter.org/sites/default/files/styles/medium/public/bundle/wereldbol_summaries_joho_single_boek_1_150x190px_0.png?itok=PgQm9J5z)
Waag jij binnenkort de sprong naar het buitenland? Verzeker jezelf van een goede ervaring met de JoHo Special ISIS verzekering
VWat kun je doen in de data editor? Wat is het verschil tussen de data view en de variable view? Wat doe je als je een variabele codeert? Wat zijn de drie opties bij het opgeven van missing data? Wat zie je op het output scherm van SPSS? Waarom is het handig om ook smartreader te installeren? Wat is de SPSS-syntax? In de data editor kun je data invoeren en daar statistische berekeningen mee uitvoeren. Het verschil tussen de data view en de variable view is dat je bij de data view cijfers invoert en bij de variable view kijkt wat voor variabelen gebruikt worden. Als je een variabele codeert geef je een nummer aan bepaalde groepen. De drie opties bij het opgeven van missing data zijn dat er geen ontbrekende gegevens zijn, dat er een paar waardes missen en dat de waardes in een bepaald gebied de ontbrekende waardes zijn. Op het output scherm van SPSS zie je alle grafieken en tabellen en een boomdiagram van alle analyses die je hebt uitgevoerd. Het is handig om smartreader te installeren omdat je daarmee alle bestanden met oude of juist nieuwe versies van SPSS kan openen. SPSS-syntax is de taal van opdrachten om statistische analyses en datamanipulaties uit te voeren. Back to top...
JoHo can really use your help! Check out the various student jobs here that match your studies, improve your competencies, strengthen your CV and contribute to a more tolerant world
Waar zijn kwalitatieve methoden van onderzoek op gebaseerd?
Wanneer is er sprake van falsificatie?
Wat is een continue variabele?
Wat betekent validiteit?
Wanneer is een onderzoek betrouwbaar?
Wat is het verschil tussen correlationeel en experimenteel onderzoek?
Aan welke drie voorwaarden moet een oorzakelijk verband volgens Hume voldoen?
Wat is het verschil tussen niet-systematische en systematische variatie?
Hoe ziet een normale verdeling eruit?
Welke methodes kunnen gebruikt worden om het centrum van de frequentieverdeling te vinden?
Welke scores heb je nodig om de verspreiding van scores te berekenen?
Hoe bereken je de standaardafwijking?
Wat geeft een z-score aan?
Waarom is randomisatie belangrijk?
Eenentwintig zware rokers worden op een hardloopband gezet. Onderzoekers hebben de tijd gemeten totdat deze rokers van de hardloopband afvielen. De tijd is gemeten in secondes. De tijden van de rokers waren als volgt: 18, 16, 18, 24, 23, 22, 22, 23, 26, 29, 32, 34, 34, 36, 36, 43, 42, 49, 46, 46, 57. Bereken de volgende getallen: de modus, mediaan, gemiddelde, upper & lower kwartielafstanden en de interkwartielafstand.
Wat is het verschil tussen een onafhankelijke en een afhankelijke variabele? Beschrijf beide begrippen.
Wat is de mediaan van de scores 4-6-8-10-18?
Wat is de mediaan van de volgende rij getallen: 8, 9, 14, 15?
De volgende 5 begrippen worden veel gebruikt om kenmerken van een statistische variabele samen te vatten: minimum, maximum, 1e kwartiel, 3e kwartiel, mediaan. Wat is de goede volgorde, van klein naar groot?
Om een indruk te krijgen van de relatie tussen aantal gerookte sigaretten per dag en tijdsduur nodig om 2 km te joggen maak je van deze gegevens van een aantal proefpersonen een grafiek. Welke variabele zet je op de x-as?
Kwalitatieve onderzoeksmethoden zijn gebaseerd op taal.
Er is sprake van falsificatie als de verzamelde gegevens de theorie of hypothese tegenspreken.
Een continue variabele is een score die iedere waarde kan aannemen die op de meetschaal wordt gebruikt.
Validiteit is de mate waarin het instrument daadwerkelijk meet wat je wil meten.
Een onderzoek is betrouwbaar wanneer het instrument dezelfde uitkomst geeft bij dezelfde condities.
Het verschil tussen correlationeel en experimenteel onderzoek is dat bij experimenteel onderzoek de variabelen worden gemanipuleerd en bij correlationeel onderzoek niet correlationeel onderzoek wordt de relatie tussen variabelen bestudeerd. Met correlationele onderzoeken kunnen echter geen uitspraken gedaan worden over oorzaak-gevolgrelaties.
De drie voorwaarden waar een oorzakelijk verband volgens Hume aan moet voldoen zijn
.....read moreOp welke formule zijn alle statistische modellen gebaseerd?
Wat is het verschil tussen variabelen en parameters?
Wat wordt bedoeld met dat het gemiddelde een hypothetische waarde heeft?
Hoe wordt de variantie bepaald?
Wat is de method of least squares?
Waarvoor wordt de steekproefverdeling gebruikt?
Wat is het betrouwbaarheidsinterval?
Hoe bepaal je de grenzen van het betrouwbaarheidsinterval?
Wat is de regel van Fisher?
Wat is het verschil tussen een eenzijdige en een tweezijdige toets?
Wat is het verschil tussen een type 1 en een type 2 fout?
Wat is de power van een test?
Wat is het gemiddelde en de standaardafwijking van de standaardnormaalverdeling?
Alle statische modellen zijn gebaseerd op de formule: Uitkomsti = (model) + errori.
Het verschil tussen variabelen en parameters is dat parameters geschat worden, en variabelen gemeten.
Dat het gemiddelde een hypothetische waarde heeft, betekent dat het niet daadwerkelijk in de data hoeft voor te komen.
De variantie wordt bepaald door de som van de gekwadrateerde meetfouten te delen door het aantal vrijheidsgraden.
De method of least squares houdt in dat de gekozen parameter altijd degene is die de minste error oplevert.
De steekproefverdeling wordt gebruikt om te kijken hoe representatief een steekproef is voor de populatie.
Het betrouwbaarheidsinterval zijn de grenzen waartussen je denkt dat het werkelijke populatiegemiddelde valt.
De grenzen van het betrouwbaarheidsinterval bepaal je door de bijbehorende z-score te vermenigvuldigen met de standaard error.
De regel van Fisher is dat je pas weet of er een werkelijk effect is, als er slechts een kleine kans is dat het resultaat per toeval wordt bereikt.
Het verschil tussen een eenzijdige en tweezijdige toets is dat bij een eenzijdige toets de hypothese een richting voor het effect aangeeft, terwijl dat bij de tweezijdige toets niet het geval is.
Het verschil tussen type 1 en type 2 fout is dat type 1 fout betekent dat er wordt gedacht dat er een effect is in de populatie terwijl dit niet zo is, en type 2 fout betekent dat er wordt gedacht dat er geen effect is in de populatie terwijl dit wel zo is.
De power van een test is de mate waarin hij in staat is een effect te vinden.
Gemiddelde is 0 en standaarddeviatie is 1.
Wat wordt bedoeld met effect grootte?
Op welke drie manieren kan de effect grootte berekend worden?
Wat wordt bedoeld met de Cohen's d en wat is de formule hiervan?
Wat is het verschil tussen de nulhypothese en de alternatieve hypothese?
Wat is het stappenplan bij een nulhypothese significantie toets?
Wat moet je doen om te kijken of de hypothese een goede verklaring is voor de gegevens?
Wat zijn de drie voorwaarden voor causaliteit?
Wat wordt bedoeld met een meta analysis?
Wat wordt bedoeld met Bayes theorie?
Wat wordt bedoeld met de Bayes factor?
De effectgrootte is een objectieve en gestandaardiseerde maat voor de grootte van een waargenomen effect.
De manieren om dit te berekenen zijn: de Cohen's d, de odds ratio en de correlatiecoëfficiënt van Pearson, r.
De Cohen's d is het verschil tussen twee gemiddelden gedeeld door ofwel de standaarddeviatie van de controlegroep. Dit kan berekend worden door de formule: d = (X1 – X2) / s.
Het verschil tussen de nulhypothese en de alternatieve hypothese is dat de nulhypothese uitgaat van geen effect, terwijl de alternatieve hypothese uitgaat van wel een effect.
Het stappenplan bij een nulhypothese significantie toets is dat je kijkt hoeveel variantie de data in het model verklaart. Vervolgens bereken je de p-waarde, kijk je hoe klein die kans is en bepaal je of de nulhypothese wordt verworpen.
Om te kijken of de hypothese een goede verklaring is voor de gegevens, deel je de variantie verklaard door het model door de variantie niet verklaard door het model, oftewel effect door de error.
De drie manieren zijn: 1) De variabelen moeten samen covariëren. 2) De oorzaak moet vooraf gaan aan het gevolg en 3) De invloed van andere variabelen moet worden uitgesloten.
Een meta analyse is het schatten van de grootte van een effect in de populatie door het combineren van effectgrootten uit verschillende onderzoeken die dezelfde hypothese testen.
De Bayes theorem kan gebruikt worden om de ontwikkeling van een eerdere hypothese op nieuw te bekijken op basis van de waargenomen gegevens en deze up te daten.
Een Bayes-factor is de verhouding tussen de waarschijnlijkheid van twee concurrerende hypotheses. Meestal zijn dit de alternatieve hypothese en de nulhypothese. Een Bayes-factor groter dan 1 houdt in dat de waargenomen gegevens waarschijnlijker zijn gezien de alternatieve. Waarden kleiner dan 1 suggereren het tegenovergestelde. Waarden tussen 1 en 3 reflecteren bewijs voor de alternatieve hypothese die 'nauwelijks de moeite waard is om te vermelden', waarden tussen 1
.....read moreVWat kun je doen in de data editor?
Wat is het verschil tussen de data view en de variable view?
Wat doe je als je een variabele codeert?
Wat zijn de drie opties bij het opgeven van missing data?
Wat zie je op het output scherm van SPSS?
Waarom is het handig om ook smartreader te installeren?
Wat is de SPSS-syntax?
In de data editor kun je data invoeren en daar statistische berekeningen mee uitvoeren.
Het verschil tussen de data view en de variable view is dat je bij de data view cijfers invoert en bij de variable view kijkt wat voor variabelen gebruikt worden.
Als je een variabele codeert geef je een nummer aan bepaalde groepen.
De drie opties bij het opgeven van missing data zijn dat er geen ontbrekende gegevens zijn, dat er een paar waardes missen en dat de waardes in een bepaald gebied de ontbrekende waardes zijn.
Op het output scherm van SPSS zie je alle grafieken en tabellen en een boomdiagram van alle analyses die je hebt uitgevoerd.
Het is handig om smartreader te installeren omdat je daarmee alle bestanden met oude of juist nieuwe versies van SPSS kan openen.
SPSS-syntax is de taal van opdrachten om statistische analyses en datamanipulaties uit te voeren.
Wat is chartjunk?
Hoe kun je in SPSS grafieken maken?
Wat is het verschil tussen een simple en stacked histogram?
Wat is een population pyramid?
Wat zijn de drie verschillende soorten boxplots?
Wat is de meest gebruikelijke manier om gemiddelden weer te geven?
Wat is het verschil tussen lijngrafieken en staafdiagrammen?
Wat is het verschil tussen een simple line en een multiple line?
Waar is een scatterplot goed voor?
Waarom is de regressielijn belangrijk bij het scatterplot?
Hoe maak je een grafiek op in SPSS?
Een chartjunk is de naam voor de overbodige dingen aan een grafiek.
In SPSS kun je grafieken maken met de chart builder.
Het verschil tussen een simple en stacked histogram is dat een simple histogram de frequenties van een simpele variabele laat zien, terwijl je een stacked histogram gebruikt als je verschillende groepen wil zien.
Een population pyramid zijn twee grafieken met de bodems tegen elkaar, zodat de frequentie in de horizontale as te zien is.
De drie verschillende soorten boxplots zijn simple boxplot, clustered boxplot en 1-D boxplot.
De meest gebruikelijke manier om gemiddelden weer te geven is door gebruik van een staafdiagram.
Het verschil tussen lijngrafieken en staafdiagrammen is dat de informatie bij een lijngrafiek wordt weergegeven door middel van een lijn.
Het verschil tussen een simple line en een multiple line is dat de simple line de gemiddelden van de scores van verschillende groepen laat zien, terwijl een multiple line ook het gemiddelde laat zien van een bepaalde variabele en kan bestaan uit meerdere lijnen voor meerdere variabelen.
Een scatterplot is goed om te kijken naar de relatie tussen twee variabelen.
De regressielijn is belangrijk bij het scatterplot omdat deze lijn de relatie tussen twee variabelen samenvat.
Een grafiek maak je op in SPSS door de chart editor te gebruiken.
Waar kan bias voorkomen?
Wat zijn de vier grote assumpties voor parametrische toetsen?
Waarom zijn uitschieters een belangrijke bron van bias?
Waarom is de aanname van lineariteit zeer belangrijk?
Waar heeft normaliteit allemaal invloed op?
Wat zegt de centrale limiet stelling?
Wat betekent homoscedasticiteit?
Waar kan een onderzoeker bij een kleine steekproef naar kijken om bias te onderzoeken?
Wat is het verschil tussen een Q-Q plot en een P-P plot?
Hoe kan een onderzoeker de assumpties van homoscedasticiteit en lineariteit tegelijk bekijken?
Waarvoor wordt Levene’s test gebruikt?
Op welke manier kan een bias verminderd worden?
Wat zijn robuuste methodes?
Wat houdt data transformeren in?
Wat wordt er bedoeld met de zogenaamde selectiebias?
Welk van de volgende wordt het minst beïnvloed door outliers?
Wat zijn assumpties voor het gebruik van parametische testen gebaseerd op de normale verdeling?
Welke van de volgende is geen transformatie die gebruikt kan worden om skewed data te corrigeren?
Bias kan voorkomen bij de schattingen van de parameters, de standard error en het betrouwbaarheidsinterval, en de test statistieken en p-waarden.
De vier grote assumpties voor parametrische toetsen zijn dat de gegevens normaal verdeeld moeten zijn, dat de varianties van de verschillende groepen ongeveer even groot moeten zijn, dat de variabelen lineair met elkaar samenhangen en dat er sprake is van onafhankelijkheid.
Uitschieters zijn een belangrijke bron van bias, omdat die het gemiddelde enorm omhoog of omlaag kunnen brengen.
De aanname van lineariteit is belangrijk omdat het model niet meer klopt als de variabelen geen lineair verband vertonen.
Normaliteit heeft invloed op de schattingen van parameters, het betrouwbaarheidsinterval, de nulhypothese significantie toetsen en de error.
De centrale limiet stelling zegt dat de verdeling bij grote steekproeven altijd normaal is.
Homoscedasticiteit betekent dat alle groepen een ongeveer gelijke variantie hebben.
Bij een kleine steekproef kun je om bias te onderzoeken kijken naar scheefheid en kurtosis.
Het verschil tussen een Q-Q plot en een P-P plot is dat het Q-Q plot naar kwartielen kijkt en het P-P plot naar individuele scores. Een P-P plot laat de cumulatieve kans
.....read moreWanneer wordt een niet-parametrische test gebruikt?
Welke testen worden gebruikt als alternatief voor de onafhankelijke t-toetsen?
Hoe wordt een onderzoeker de alternatieve testen voor de onafhankelijke t-toetsen in SPSS?
Wat laat het tweede deel van de output van de niet-parametrische onafhankelijke t-toets zien?
Waarom is het handig om ook de effectgrootte te berekenen?
Wat is de niet-parametrische variant van de afhankelijke t-toets?
Wat is de niet-parametrische variant van de eenweg onafhankelijke ANOVA?
Wat gebeurt er bij de K-W test?
Waar kijkt de Jonckhere-Terpstra test naar?
Waarvoor kan Friedman’s ANOVA worden gebruikt?
Wat moet er gerapporteerd worden bij niet-parametrische tests?
Welk symbool staat voor het test statistiek van de Mann-Whitnet test?
Wanneer wordt aangenomen dat voldaan wordt aan alle assumpties van parametrische testen, niet parametrische testen:
Een onderzoeker meet de psychologische reacties van een groep mensen wanneer ze een horror film kijken en vergelijkt dit met het kijken naar een erotische film en een documentaire over wild life in Afrika. De resultaten zijn skewed. Welke test kan de onderzoeker gebruiken om de data te analyseren?
Een onderzoeker meet de psychologische reacties van een groep mensen wanneer ze een horror film kijken en vergelijkt dit met het kijken naar een erotische film. De resultaten zijn skewed. Welke test kan de onderzoeker gebruiken om de data te analyseren?
Een niet-parametrische test wordt gebruikt als er niet aan de assumpties voldaan kan worden.
De testen die gebruikt worden als alternatief voor de onafhankelijke t-toetsen zijn de Wilcoxon rank-sum test en de Mann-Whitney test.
Bij SPSS klik je op analyze – non parametric tests – independent samples.
Het tweede deel van de output laat de test statistieken zien, samen met de z-scores.
Het is handig om ook de effectgrootte te berekenen omdat dit een standaardmaat is. Met de effectgrootte kun je de resultaten vergelijken met andere studies.
De niet-parametrische variant van de afhankelijke t-toets is de Wilcoxon signed-rank test.
De niet-parametrische variant van de eenweg onafhankelijke ANOVA is de Kruskal-Wallis test.
Bij de K-W test wordt eerst een gecodeerde variabele gemaakt van de onafhankelijke variabele. Die kunnen getest worden
.....read moreWat houdt een positieve relatie tussen twee variabelen in?
Wat geeft de covariantie aan?
Wat is Pearson correlatie coëfficiënt?
Wat is een bivariate correlatie?
Hoe onderzoek je de significantie van r?
Wat is een bootstrap betrouwbaarheidsinterval?
Waarom is er bij correlatie niet automatisch sprake van causaliteit?
Wat is het coëfficiënt van determinatie?
Wat is Spearman correlatie coëfficiënt?
Wanneer wordt de Kendall’s tau gebruikt?
Wanneer gebruik je de biseriële correlatie coëfficiënt?
Wat is de partiële correlatie?
Wat is het verschil tussen semi-partiële correlatie en partiële correlatie?
Wat gebruik je om correlaties te vergelijken?
Wat moet je doen om de effectgrootte te berekenen?
Welke drie eigenschappen van de relatie tussen X en Y worden er gemeten met een correlatie?
Variabele x en y hebben een r² van 0.15. Betekent dit een grote, een kleine of een gemiddelde correlatie?
Wat is het verschil tussen de pearson correlatie en de multipele correlatie R?
Een positieve relatie houdt in dat een toename in de ene variabele samenhangt met een toename in de andere variabele.
De covariantie geeft aan of variabelen samenhangen en of deze samenhang positief of negatief is.
Pearson correlatie coëfficiënt is de gestandaardiseerde covariantie, die ook wordt gebruikt voor het meten van effectgrootte.
Een bivariate correlatie is een correlatie tussen twee variabelen.
De significantie van r onderzoek je door gebruik te maken van een t-toets met N-2 vrijheidsgraden.
Een bootstrap betrouwbaarheidsinterval is een betrouwbaarheidsinterval wat ook accuraat is als de verdeling niet normaal is.
Er is bij correlatie niet automatisch sprake van causaliteit omdat andere variabelen ook invloed hebben op de correlatie, en de correlatie niets zegt over welke variabele de verandering bij de andere variabele teweegbrengt.
Het coëfficiënt van determinatie is een maat voor hoeveel variantie de gecodeerde variabelen delen.
Spearman correlatie coëfficiënt is de niet-parametrische variant van de Pearson correlatie.
Kendall’s tau gebruik je wanneer je een kleine steekproef hebt met veel gelijke scores.
De biseriële correlatie coëfficiënt gebruik je als de variabele continu dichotoom is.
Partiële correlatie is de relatie tussen twee variabelen waarin de effecten van een andere variabele constant worden gehouden.
Het verschil tussen semi-partiële en partiële correlatie is dat bij semi-partiële correlatie wordt gecontroleerd voor het effect dat een derde variabele heeft op één van de variabelen in de correlatie, en niet op beide variabelen zoals bij de partiële correlatie.
Om
.....read moreWat wil een onderzoeker analyseren als hij of zij een regressieanalyse uitvoert?
Is bij regressie het model lineair of juist niet?
Wat wordt bedoeld met het begrip residuen?
Wat is de betekenis van R2?
Heeft een goed model een hoge F-ratio of juist een lage F-ratio?
Wat betekent een regressiecoëfficiënt van 0?
Als een onderzoeker een voorspelling heeft omtrent de belangrijkheid van de predictoren, welke invoermethode gebruikt de onderzoeker in SPSS?
Wat is een probleem bij de forwardmethode van invoer?
Wat is een probleem bij de stapsgewijze invoer?
Wat wordt bedoeld met een uitschieter, ook wel een outlier?
Hoe bekijkt een onderzoeker of er een uitschieter is in de x-ruimte? In de y-ruimte? In de xy-ruimte?
Waaraan moeten de meetniveaus van een regressieanalyse voldoen?
Wat is multicollineariteit? En welke drie problemen ontstaan er bij vergrote multicollineariteit?
Wat is homoscedasticiteit?
Wat test een onderzoeker met de Durbin-Watson test?
Wat is crossvalidatie? En door middel van welke twee methodes kan dit?
Wat geeft het betrouwbaarheidsinterval aan?
Wat is verklaarde variantie?
Wat zijn dummy variabelen?
Wat doet een mediërende variabele?
Wat zijn de assumpties voor multipele regressie?
Een onderzoeker wil een uitkomstvariabele Y voorspellen door middel van één voorspellende predictor (simpele regressie) of door meerdere predictoren (multiple regressie).
Lineair, want bij een goed model wordt een relatie gevonden tussen de variabelen.
Een residu is de verticale afstand tussen de werkelijke data en de regressielijn. Deze verschillen kunnen zowel positief als negatief zijn.
Dit is de hoeveelheid variantie die wordt verklaard door het model in verhouding tot de totale variantie. Het representeert het percentage variantie in de uitkomst dat kan worden verklaard door het model.
Een hoge F-ratio. Dit betekent dat de verbetering in voorspelling groot is (MSm) en het verschil tussen het model en de geobserveerde data klein (MSr).
Dit betekent dat een verandering in de predictor variabele resulteert in geen verandering in de uitkomst variabele.
Hiërarchische regressie
Er kan sprake zijn van supressor effecten. Hiermee wordt bedoeld dat een predictor significant is maar alleen als een andere predictor constant wordt gehouden. Hierdoor is er bij gebruik van de forward methode een grotere kans op een type II fout (een predictor elimineren terwijl deze wel significant was).
Er kan kans zijn op overfitting (teveel variabelen met maar kleine variantie) of underfitting (het niet toevoegen van belangrijke variabelen).
Een uitschieter
.....read moreWat zijn de manieren om twee groepen met twee gemiddelden te vergelijken?
Waarvoor gebruikt een onderzoeker een t-toets?
Wanneer gebruikt een onderzoeker de afhankelijke t-toets?
Wat zegt de wet van de variantiesom?
Wat is de standaard meetfout?
Wanneer komt een effect niet door toeval?
Is de systematische variantie groter of kleiner dan de niet-systematische variantie als een experimentele conditie een effect heeft?
Welke scores moeten bij een afhankelijke t-toets normaal verdeeld zijn?
Waarvoor wordt Levene’s test gebruikt?
Waarom heeft Cohen’s d soms de voorkeur als maat voor effectgrootte?
Waarom vindt een onderzoeker eerder een significant effect bij herhaalde metingen design?
Manieren om twee groepen met twee gemiddelden te vergelijken zijn door twee groepen participanten bloot te stellen aan verschillende manipulaties of door een groep participanten meerdere malen bloot te stellen aan verschillende manipulaties.
Een t-toets gebruik je om te kijken of het verschil tussen de groepsgemiddelden significant afwijkt van 0.
De afhankelijke t-toets wordt gebruikt bij twee experimentele condities waarbij dezelfde proefpersonen deelnemen in beide condities.
De wet van de variantiesom zegt dat de variantie van het verschil tussen twee onafhankelijke variabelen gelijk is aan de som van de varianties.
De standaard meetfout is de standaardafwijking van de steekproefverdeling.
Een effect komt niet door toeval wanneer het gemiddelde verschil tussen de steekproeven en populatie groot is en de standaard meetfout klein.
De systematische variantie is groter dan de niet-systematische variantie als een experimentele conditie een effect heeft.
Bij een afhankelijke t-toets moeten de verschillen tussen scores normaal verdeeld zijn.
Levene’s test wordt gebruikt om te kijken of de varianties verschillend zijn en er geen homoscedasticiteit is.
Cohen’s d wordt heeft soms de voorkeur als maat voor effectgrootte, omdat die een effectgrootte heeft die onafhankelijk is van het design.
Bij een herhaalde metingen design vindt een onderzoeker eerder een significant effect omdat de niet-systematische variantie een stuk kleiner is dan bij een tussengroepdesign.
Wat beïnvloedt de moderator?
Wat betekent centreren?
Wat moet een onderzoeker doen om het effect van de moderator te vinden?
Wanneer wordt gesproken van een mediatie?
Hoe komt het dat er bij mediatie een direct en een indirect effect bestaat?
Op welke drie regressiemodellen is mediatie gebaseerd?
Hoe kan de effectgrootte berekend worden bij mediatie?
Wat is een modererend effect?
De moderator beïnvloedt de relatie tussen een predictor en de uitkomst.
Centreren betekent dat je een variabele transformeert naar deviaties rond een bepaald punt.
Om het effect van de moderator te vinden moet je een eenvoudige richtingscoëfficiënten analyse (simple slopes analysis) uitvoeren.
Mediatie houdt in dat de relatie tussen een predictorvariabele en de uitkomst verklaard wordt door de relatie met een derde variabele, de mediator.
Het directe effect is de relatie tussen de predictor en de uitkomst, het indirecte effect is het effect van de predictor op de uitkomst via de mediator.
Mediatie is gebaseerd op regressie die de uitkomst voorspelt vanuit de predictor, regressie die de mediator voorspelt vanuit de predictor en regressie die de uitkomst voorspelt vanuit zowel de predictor als de mediator.
Bij mediatie kun je de effectgrootte berekenen door te kijken naar het gecombineerde effect van a en b, door te kijken naar de grootte van het indirecte effect vergeleken met het totale effect van de predictor, of door R2 te berekenen.
Wanneer voert een onderzoeker een ANOVA uit?
Waarom worden hiervoor geen t-testen gebruikt?
Wat zijn contrasts?
Wat wordt bedoeld met een significante F-ratio?
Wat wordt bedoeld met een type I fout? En wat wordt bedoeld met een type II fou?
Wat is de power van een test?
Welke procedures gebruikt een onderzoeker om te kijken welke groepen daadwerkelijk van elkaar verschillen?
Welke test wordt uitgevoerd als assumpties worden geschonden en ANOVA niet kan worden uitgevoerd?
Hoeveel is de Type 1 fout als drie testen door een t-test met elkaar vergeleken worden?
Wanneer onderzoekers meer dan twee condities willen vergelijke wordt de ANOVA.
Omdat losse t-testen de kans op een type I error vergroten. Dit wordt kanskapitalisatie genoemd.
Dit zijn alternatieve coderingsschema’s.
Dit wil zeggen dat de gemiddelden van de groepen verschillen.
Een type 1 fout ontstaat wanneer een effect gedetecteerd wordt terwijl deze niet aanwezig is. In dit geval wordt H0 ten onrechte verworpen. Een type II fout ontstaat wanneer een effect niet gedetecteerd wordt terwijl deze wel aanwezig is. In dit geval wordt H1 ten onrechte verworpen.
De mogelijkheid van een test om een effect te detecteren van een bepaalde grootte (.80 is goed).
Post-hoc procedures.
De Kruskall-Wallis test.
Per test is de Type 1 fout 0.95 (5% kans op het verkeerd verwerpen van de nul hypothese). Dus het antwoord is: 0.95 x 0.95 x 0.95= 0.857 waardoor 1 - 0.857 = 14.3% het goede percentage is.
Wanneer besluit een onderzoeker een ANCOVA uit te voeren?
Wat zijn covariaten?
Wat zijn de twee redenen om een covariaat mee te nemen in de analyse?
ANCOVA heeft dezelfde assumpties als ANOVA maar wat zijn de twee bijvoegingen?
Bij ANCOVA hebben we de partial eta squared, wat is dit?
Wanneer kan de omega squared gebruikt worden bij ANCOVA?
Waarmee kan bij ANCOVA de de effectgrootte van de contrasten berekend worden?
Als een ANOVA een continue variabele bevat die ook effect heeft op de afhankelijke variabele kan deze in de analyse worden meegenomen als covariaat.
Continue variabelen die de uitkomstvariabele ook voorspellen.
Hiermee kan je als eerste de binnengroep variantie verminderen, door het meenemen van de covariabele kunnen we meer van de variantie verklaren en blijft er minder onverklaarde variantie over. Daarnaast kunnen confounds worden geëlimineerd (derde variabele).
Onafhankelijke relatie tussen het covariaat en de afhankelijke variabele en homogeniteit van regressiecoëfficiënten.
Dit is de hoeveelheid variantie in de afhankelijke variabele die door de onafhankelijke variabele wordt gedeeld maar niet door het covariaat wordt verklaard.
ω2 kan gebruikt worden bij gelijke groepsgroottes.
Met een t-toets kan de effectgrootte van de contrasten berekend worden.
Wanneer voer je een factoriële ANOVA uit?
Wat is een andere naam voor een factoriële ANOVA?
Welke drie soorten factoriële designs zijn er?
Wat is het verschil tussen deze designs?
Wat laat de residuensom zien?
Gelden voor de factor ANOVA dezelfde assumpties als de andere lineaire modellen?
Op welke manier berekend SPSS de effectgrootte en op welke twee andere manieren kan de effectgrootte berekend worden?
Hoe moeten de effecten gerapporteerd worden?
Met de factoriële ANOVA kijken we naar twee of meer onafhankelijke variabele.
Een tweeweg ANOVA.
Onafhankelijke factoriële design, repeated measures factoriël design en mixed design.
Onafhankelijke factoren gaat om een tussengroep design, repeated measures om een binnengroep design en mixed design maakt hier een combinatie van.
Het laat de onverklaarde variantie zien.
A: Ja.
SPSS geeft partial eta squared als effectgrootte, maar het is verstandiger om ω2 te gebruiken of de simpele effecten analyse r.
Bij het rapporteren van de resultaten moet hetzelfde weergegeven worden als bij een gewone ANOVA. De F-ratio en het aantal vrijheidsgraden moeten in elk geval vermeld worden, voor de twee hoofdeffecten en voor het interactie-effect.
Wat houdt een repeated measures design in?
Welke assumptie wordt hier alleen mee geschonden?
Wat is sfericiteit? Welke test in SPSS gebruik je om deze assumptie te checken?
Uit het effect van dit design zich in de binnengroep of tussengroepsvariantie
Wat is een nadeel van herhaalde metingen?
Welke aanname bij herhaalde metingen wordt gemaakt door het verval van de aanname die gesteld wordt in vraag 1?
Welke test in SPSS toetst of de varianties tussen de paren van condities (aanname van sphericity) gelijk is?
Welke opties zijn er wanneer er niet wordt voldaan aan de aanname van sphericity?
Welke stelling is juist?
Stelling 1:Voor herhaalde metingen kan de effectgrootte ω2 gebruikt worden, deze kan op dezelfde manier berekend worden als bij de onafhankelijke ANOVA.
Stelling 2:Het berekenen van de totale variantie (SSt) gaat bij herhaalde metingen op dezelfde manier als bij een één-weg onafhankelijke ANOVA.
Bij repeated measures nemen de participanten deel aan alle condities van het onderzoek. Hierdoor kan gecontroleerd worden voor individuele verschillen.
De assumptie van onafhankelijke groepen wordt hiermee geschonden omdat er een relatie is tussen de scores van de verschillende condities.
Dit is de aanname dat de relatie tussen de paren van de experimentele condities gelijk zijn. Dit is alleen belangrijk bij tenminste drie condities. Mauchly’s test.
In de binnengroep variantie.
c) De effectgrootte voor herhaalde metingen kan juist niet op dezelfde manier berekend worden als bij een onafhankelijke ANOVA. De juiste formule voor de effectgrootte staat op bladzijde bb van de samenvatting.
d) Het uitvoeren van een ANCOVA. De Greenhouse-Geisser geeft de correctie van de varianties in vrijheidsgraden. Wanneer deze correctie
.....read moreWat houdt een mixed design in?
Wat is een herhaalde meting en wat is hier een nadeel van?
Wat is de assumptie van sfericiteit (sphericity)?
Wat is het verschil tussen sfericiteit en samengestelde symmetrie?
Welke correcties kun je maken als niet aan de assumptie van sfericiteit is voldaan?
Wat is een goede vervanging voor de post hoc toets?
Welke soort effectgrootte meten we bij herhaalde metingen?
Hoe rapporteer je de resultaten van een herhaalde meting?
Wat is het verschil tussen een hoofd effect en een interactie?
Bij een mixed design kijk je naar zowel between als within groep variabelen en zijn er dus altijd meer dan twee IV’s. Er wordt gekeken naar participanten in verschillende groepen (binnengroep variantie) en naar de verschillen tussen twee groepen (tussengroepvariantie).
Een nadeel van een herhaalde metingen design is dat er niet voldaan kan worden aan de assumptie dat de verschillende condities onafhankelijk zijn.
Dat de relatie tussen paren van experimentele condities gelijk is en de afhankelijkheid tussen experimentele condities is ongeveer gelijk.
Sfericiteit is iets algemener dan samengestelde symmetrie. Dit houdt in dat de beide varianties tussen de condities gelijk zijn en dat de covarianties tussen de paren ook gelijk zijn. Sfericiteit is minder strikt dan samengestelde symmetrie, het gaat hierbij om het verschil tussen de condities, die varianties moeten ongeveer gelijk zijn.Greenhouse-Geisser correctie, Huynh-Feldt correctie of de MANOVA.
De Bonferroni test.
ω2 .
Bij het rapporten van herhaalde metingen worden dezelfde gegevens vermeld als bij een onafhankelijke ANOVA. Bij herhaalde metingen moeten het aantal gecorrigeerde vrijheidsgraden ook vermeld worden als niet aan de assumptie van sfericiteit voldaan is. De multivariate testen kunnen ook vermeld worden.
Een hoofdeffect is een uniek effect van een onafhankelijke variabele op de afhankelijke variabele. Het kan een effect zijn van een opzichzelfstaande strategie of charisma. Een interactie kijkt naar het gecombineerde effect van twee of meer variabelen.
Wat is een MANOVA?
Waarom voeren we een MANOVA uit en geen losse ANOVA’s?
Wat is het voordeel van het uitvoeren van een MANOVA?
Welke aanvullende assumpties gelden er voor de MANOVA?
Wanneer kan er gebruik gemaakt worden van een MANOVA?
Welke stelling is juist?
Stelling 1. Het nadeel bij gebruik van meerdere ANOVA’s is een grotere meetfout en een grotere kans op type I fouten.
Stelling 2. Het nadeel bij gebruik van meerdere ANOVA’s is dat er niet gekeken wordt naar de relatie van de afhankelijke variabelen onderling.
Wanneer wordt een matrix een identiteitsmatrix genoemd?
Wat wordt er bij het berekenen van een MANOVA vergeleken?
Welke term hoort bij de volgende definitie: ‘de totale waarde van de meetfouten tussen twee variabelen’?
Wat is geen kenmerk van een variaat?
Op welke manier kan geen effectgrootte berekend worden?
Wanneer is het niet slim om een MANOVA te doen?
Een Cronbach’s alfa van 0.7/0.8 of hoger laat altijd betrouwbaarheid zien.
Wat vertelt de kwadraat van een factor lading ons?
Welke onderstaande factor analyses zijn beschrijvende methodes en kunnen niet gegeneraliseerd worden naar de populatie?
Wat wordt bedoeld met het begrip cross-product?
Varimax rotaties kunnen gebruikt worden wanneer:
Een Cronbach’s alfa van 0.85 voor een vragenlijst houdt in dat:
Wat wordt bedoeld met een latent variabele?
Nee, want een groot altijd items vergroot ook de Cronbach’s alfa, dit hoeft dan niks over de betrouwbaarheid te zeggen
De factor lading zegt iets over de coördinaat van een variabele t.o.v. twee (of meer) factoren.
A en B zijn beschrijvende methodes (alleen toepasbaar op de steekproef. C en D zijn juist technieken om te generaliseren naar de populatie.
Een cross-products geeft de totale waarde weer voor een gecombineerde fout tussen twee variabelen. Het geeft een nietgestandaardiseerze schatting van de totale correlatie tussen twee variabelen weer.
C) Een onderzoeker denkt dat de onderliggende factoren onafhankelijk zijn.
B) De vragenlijst heeft een goede betrouwbaarheid.
D) Alle bovenstaande antwoorden zijn juist.
Wat zijn categorische data?
Wat kun je berekenen met Pearson’s chi-square test?
Wat kun je gebruiken bij kleine steekproeven?
Wat doe je als je kijkt naar de likelihood ratio?
De kans op welke fout vermindert Yates’s continuïteitscorrectie?
Wat is een loglineaire analyse?
Wanneer is er sprake van een verzadigd model?
Wanneer behoud je bij loglineaire analyse het eenvoudige nieuwe model?
Wat houdt de assumptie van onafhankelijkheid in bij chi-square?
Wat is de tweede assumptie van chi-square?
Wat zijn de vier opties als bij loglineaire analyse de assumpties worden geschonden?
Wat rapporteert een onderzoeker wanneer hij of zij gebruik maakt van een chi-square?
Wat rapporteert een onderzoeker bij loglineaire analyse?
Categorische data zijn data waarbij de uitkomstvariabele bestaat uit verschillende categorieën.
Met Pearson’s chi-square test kun je kijken of er een verband is tussen twee categorische variabelen.
Bij kleine steekproeven kun je Fisher’s exact test gebruiken.
De likelihood ratio betekent dat je een model creëert waarbij de kans om de geobserveerde data te verkrijgen maximaal is, en je dit model vergelijkt met de kans om de geobserveerde data te verkrijgen als de nulhypothese waar is.
Yates’s continuïteitscorrectie vermindert de kans op type I fout.
Loglineaire analyse is een analyse voor wanneer je meer dan 2 categorische variabelen hebt.
Er is sprake van een verzadigd model als de standaardafwijkingen allemaal 0 zijn.
Bij loglineaire analyse behoud je het eenvoudige nieuwe model als het eenvoudigere model niet erg verschilt van het complexe.
De assumptie van onafhankelijkheid bij chi-square houdt in dat een persoon niet in meerdere categorieën kan vallen.
De tweede assumptie is dat bij een 2x2 contingency tabel de verwachte frequenties in elke cel groter dan 5 moeten zijn.
De vier opties zijn: het laten vervallen van een variabele, het laten vervallen van één van de categorieën, meer data verzamelen of het accepteren van powerverlies.
Bij chi-square rapporteer je de statistiek, de significantie en het aantal vrijheidsgraden. Ook geef je de contingency tabel weer.
Bij loglineaire analyse vermeld je de likelihood ratio statistiek, verandering van de chi-square en eventueel z-scores met bijbehorende betrouwbaarheidsintervallen.
Waag jij binnenkort de sprong naar het buitenland? Verzeker jezelf van een goede ervaring met de JoHo Special ISIS verzekering
There are several ways to navigate the large amount of summaries, study notes en practice exams on JoHo WorldSupporter.
Do you want to share your summaries with JoHo WorldSupporter and its visitors?
Field of study
Add new contribution