Quizes en WC Flashcards
Eenzijdige hypothese opstellen
Stel eerst H1 op, zoals de gegevens stellen. Stel daarna H0 op als tegenovergestelde
Wat is de p-waarde in SPSS
Is de toets 2-zijdig: =/= (tweezijdig) of <> (eenzijdig)
–> 2-zijdig dan is het de Sig. waarde –> 1-zijdig is :2
Gaat het resultaat dezelfde kant op als H1
–> ja: Sig. delen door 2 nee: 1- Sig:2
Confidence interval
Het interval waarbinnen de waarde van de parameter zich met …% zekerheid bevindt
Hoe bereken je de grootte van een effect (d)
d = t * wortel (1/n1 + 1/n2)
alfa, beta, etc
Alfa: type 1 fout –> onterecht H0 verwerpen
Beta: type 2 fout –> onterecht H0 behouden
1-alfa: terecht H0 behouden
1-beta: Power –> H0 terecht verwerpen
Hoe bepaal je de Power
- Zoek de kritieke Z (B.2)
- Bereken de standaardfout: sigma/wortelN
- Bereken de grens van verwerping Xcv = muH0 + Zcv * standaardfout
- Bereken de z-waarde van de grens ZH1 = Xcv-muH1/standaardfout
- Zoek in tabel B.1 naar de ZH1
Waardoor wordt de Power groter
- mu1 groter
- steekproef groter
- standaardfout lager
- alfa groter
Hypothese toets op basis van CI
Als gem van H0 in het interval ligt, kun je H0 niet verwerpen
Significantie via de t-toets bepalen
Bereken t via je H0 –> X-gemX/s
Zoek kritieke t op in tabel B.2 en vergelijk deze
ANCOVA die vlekjes –> quasi of niet
Als de vlekjes ver uit ellkaar staan is het waarschijn quasi uitgevoerd. Als het een experiment was, verwacht je dat alle steekproeven op elkaar lijken en de vlekken bijna op elkaar liggen
ANCOVA die vlekjes –> effect?
Als de vlekjes schuin liggen is er een effect
Effect covariaat door de factor
Er is geen effect tussen de covariaat en de factor dus ze hangen ook niet van elkaar af???
–> homogeneity of regression slopes
ANCOVA die vlekjes –> adjusted en unadjestes means
De unadjusted means zijn gewoon het midden van de vlekjes en de adjusted means is een vertical lijn waar de schuine vlek lijnen die snijden
F en SSw in ANCOVA
F kan groter zijn in ANCOVA vergeleken met ANOVA
SSw kan niet groter zijn in ANCOVA vergeleken met ANOVA
Hoeveel Tukey test zijn significant en hoeveel niet
Kijk hoeveel groepen je moet vergelijken (als je 4 groepen hebt, test je 6 testen)
- significant: hoeveel individuele groepen zitten niet bij elkaar
- niet-significant: hoeveel individuele groepen zitten wel bij elkaar
wat is een 3-way ANOVA
Een one-way ANOVA uitgevoerd voor 3 verschillende groepen van de 2-way
Hoe kun je MSw berekenen als je alleen variantie hebt
Met de variantie kun je SS berekenen, door de formule om te draaien
Als je SS hebt bereken je SSw voor alle groepen door de individuele SS van elke groep bij elkaar op te tellen.
Door dit te delen door dfw (N-K) bereken je MSw
Eenzijdig en tweezijdig bij ANOVA
ANOVA is altijd twee-zijdig
Adjusted en unadjusted means uit tabellen halen
Unadjusted means staan altijd in de descriptives
-> Adjusted kunnen in een aparte tabel gegeven worden, als dit niet zo is kun je ook gebruik maken van de B waarde om verschillen te berekenen
Interactie effecten uit tabllen en grafieken halen
Maak altijd een kruistabel met marginale en overkoepelende gemiddelden om de effecten te berekenen
–> maak dus ook een tabel als je een grafiek hebt gekregen
Als theoretisch wordt gevraagd welke p bij ANOVA hoort
De p van de population variance assumed wordt gebruikt omdat homogeniteit een assumptie van ANOVA is, dus hier moet je dan theoretisch ook vanuit gaan
Andere oorzaken voor een grotere P
- grotere effectsize (door sterkere manipulatie bijvoorbeeld)
- minder storende variabelen
Hoe weet je of iets een covariaat is
Als je uit de tekst kunt opmaken dat er gecontroleerd wordt voor de variabele dan is het een covariaat
Meer of minder errorvariantie
In een within-subjects design (repeated measures) is er minder error variantie, doordat je dezelfde persoon meerdere keren test en deze voor zichzelf al een beschermende factor vormt.
Hoe bereken je of een contrast orthogonaal is
Je kunt steeds maar 2 contrasten met elkaar vergelijken
- Vermenigvuldig de contrastcoëfficienten van het eerste niveau per groep met elkaar
- Vermenigvuldig de contrastcoëfficienten van het tweede niveau per groep met elkaar
- tel dit allemaal bij elkaar op
Sterkte van een effect
Wanneer er wordt gevraagd naar de sterkte van een effect van het ene op het andere wordt er gesproken over een interactie-effect. Kijk of deze significant is en daarna hoe sterk deze is
Hoe ziet een interactie-effect eruit in een grafiek
De lijnen in een grafiek lopen niet parallel als er sprake is van een interactie-effect
Assumpties van ANOVA
- Onafhankelijkheid van waarnemingen
- Normaal verdeelde residuen binnen elke groep
- Homogeniteit van varianties (Levene)
–> Anova is alsnog te gebruik als de schending robuust is
Eta squared zelf berekenen
SSb/SSt –> SSt = SSb + SSw (soms handiger om het zo te doen)
–> deze waarden uit de tabel halen
- 0.01 is klein
- 0.06 is middel
- 0.14 is groot
Adjusted R-squared
Effect gecorrigeerd voor het aantal groepen en onafhankelijke variabelen in het model
Aantal mogelijke toetsen berekenen
Je kunt ze tellen maar ook berekenen met
(K x (K-1)/2
Kans op ten minste 1 type-I fout berekenen
1-(1-alfa)^c
- je wilt dit het liefst hetzelfde hebben als het alfa-niveau dat je gebruikt
- c = aantal toetsen
Wanneer gebruik je Bonferroni correctie
- BIj trendanalyse (a priori contrast)
Scheffé
mu1 + mu2 = 2mu3
–> je kunt de gemiddelden uit de ‘hapert’ tabel halen
Dit interpreteer je vervolgens door de F met kritieke F te vergelijken
(F = t^2))
Bias en errorvariantie
ANCOVA vermindert beide
- quasi-experiment vermindert bias
- Sterker effect = lagere MSw = meer power
Assumpties ANCOVA
- onafhankelijkheid waarnemingen
- normaal verdeelde scores binnen elke treatment
- homogeniteit van variantie
- covariaat gemeten vóór experimentele manipulatie
- covariaat zonder meetfout gemeten
- relatie X en Y lineair
- Homogeniteit of regressieslopes (geen interactie-effect)
Schending van sphericity
Kijk naar Greenhouse-Geisser en Huynh-Feldt –> hogere score is weinig sphericity schending
Homogeniteit van regressieslopes
Relatie tussen X en Y hetzelfde voor elk niveau
–> dit is het geval is het interactie-effect niet significant is
- ANCOVA dus alleen als er geen interactie-effect is
