HC5

Question 1

Wat betekent als variabelen correleren?

Answer 1

Verandering in de ene variabele hangt samen met verandering in de andere variabele.

Question 2

Welke meetniveau’s hebben de variabelen wanneer je toetst voor correlatie?

Answer 2

Dit zijn alle twee interval-ratio variabelen. Er is dus geen sprake van een OV of AF, maar X1 en X2.

Question 3

Wat is Pearson’s R?

Answer 3

Dit is een gestandaardiseerde maat voor de mate van correlatie tussen twee variabelen, scores vallen tussen -1 en +1.

Question 4

Hoe bewegen variabelen bij positieve correlatie?

Answer 4

Verandering in dezelfde richting, R = 1 bij een perfect positieve correlatie.

Question 5

Hoe bewegen variabelen bij negatieve correlatie?

Answer 5

Verandering in de tegenovergestelde richting, R = -1 bij een perfect negatieve correlatie.

Question 6

Wat betekent perfecte correlatie in dit geval?

Answer 6

Dit zegt niks over of de samenhang ‘goed’ is of niet, maar over de sterkte van het verband.

Question 7

Wat is de H0 wanneer je correlatie toetst?

Answer 7

R = 0 of er is geen sprake van correlatie tussen de twee variabelen.

Question 8

Wat is de H1 wanneer je correlatie toets?

Answer 8

R = anders dan 0 of er is sprake van een correlatie tussen de twee variabelen die anders is dan 0.

Question 9

Waarom maken we eerst een scatterplot als we correlatie toetsen?

Answer 9

Om te checken voor outliers, die hebben een onevenredig sterk effect op de R-waarde.

Question 10

Hoe kan Pearsons’ R nog meer geïnterpreteerd worden?

Answer 10

Als een maat voor de grootte van het effect.

Question 11

Hoe groot is het effect als R = 0.1?

Answer 11

Klein.

Question 12

Hoe groot is het effect als R = 0.3?

Answer 12

Medium.

Question 13

Hoe groot is het effect als R = 0.5?

Answer 13

Groot.

Question 14

Wanneer is de correlatie niet-significant?

Answer 14

Als R gelijk is aan 0, er is dan geen relatie tussen de variabelen. Dit is vaker zo als R dichterbij 0 komt.

Question 15

Wat is co-variantie?

Answer 15

Dit is het onderliggende mechanisme van correlatie. De co-variantie laat zien hoeveel de scores van twee variabelen afwijken van het gemiddelde van beide variabelen. OF: variëren twee variabelen samen?

Question 16

Wat zijn non-parametrische alternatieven voor Pearsons’ R om correlatie te toetsen?

Answer 16

Spearman’s Rho en Kendall’s Tau.

Question 17

Wat zijn de assumpties voor correlatie toetsen met Pearson’s R?

Answer 17

(1) beide variabelen zijn interval-ratio (2) lineariteit (3) homoscedasticiteit (4) geen outliers.

Question 18

Wat betekent lineraiteit?

Answer 18

Of de relatie tussen twee variabelen gerepresenteerd kan worden door een model met een rechte lijn.

Question 19

Hoe check je een correlatie-analyse met Pearson’s R op lineariteit?

Answer 19

Doormiddel van een scatterplot of beredeneren. Zie je afwijking/curve in de scatterplot? Is de rechte lijn wel terecht?

Question 20

Wat als er niet voldaan wordt aan de assumptie van lineariteit?

Answer 20

Dan kan je geen correlatie-analyse uitvoeren.

Question 21

Wat betekent homoscedasticiteit?

Answer 21

Dat de variantie gelijk is voor de verschillende waarde van een variabele. Je wilt dat variantie op scores ongeveer gelijk zijn.

Question 22

Hoe check je homoscedasticiteit?

Answer 22

Door een scatterplot, hoe ziet de puntenwolk eruit? Liggen de datapunt dicht bij de lijn of ongelijkmatig verspreid?

Question 23

Wat voor effect hebben outliers op de waarde van R?

Answer 23

De R wordt erg groot als de outlier in lijn is met het model of erg klein als de outlier niet in lijn is met het model.

Question 24

Hoe verhelp je het probleem van outliers?

Answer 24

Gebruik maken van Z-scores, elke waarde krijgt Z-score, dan alle cases filteren tussen -3.29 en 3.29.

Question 25

Wanneer gebruik je Spearman’s Rho?

Answer 25

Als je een correlatie wilt toetsen waarbij een van de variabelen ordinaal is, of data hebt met veel outliers (want we werken met rangschikking).

Question 26

Wanneer gebruik je Kendall’s Tau?

Answer 26

Bij een kleine sample, n < 30.