Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

Z-waarden Skewness en Kurtosis

0 leuk 0 niet-leuks
Super bedankt voor het snelle antwoord!

Helder!

Beoordelaar gaf aan meer statistische informatie te willen zien. Had gelezen dat SW kan met steekproef met N < 20. Nog tips waar ik aan kan denken naast PP-plots, histogrammen en QQplots?

Heeft het nog waarde om Z-scores te laten zien als SW significant is?
gevraagd 10 maart in Resultaten door im (200 punten)

Even een vraag naar achtergrondinformatie: welke reden heb je om aan te nemen dat de variabelen normaal verdeeld zouden moeten zijn in de populatie? Want als je toch nonparametrisch toetst, vereist je toets geen normaal verdeelde steekproevenverdeling, dus wat is dan de reden dat je normaliteit toetst? (Je moet altijd de verdelingsvormen bekijken - maar er is niet altijd een 'foute' verdelingsvorm.)

De nonparametrisch toets is op basis van meting 1 19 respondenten en meting 2 10 respondenten.

Ik dacht te hebben gelezen dat je normaliteit checkt met saphiro wilks voor onder de 20 respondenten en dan met de z-waarde van skewness en Kurtosis kan bepalen of je iets kan zeggen over de normaalverdeling?

Vandaar mijn vraag ...

Nonparametrisch betekent niet "werkt met kleine steekproeven". Nonparametrisch betekent "geen parameters". De parameters bij de t-toets zijn bijvoorbeeld de verdelingsvorm van de steekproevenverdelingen van de gemiddelden. Die moet normaal zijn (of eigenlijk, "t" verdeeld). Bij grote steekproeven is dat altijd het geval, en klopt die parameter, en kun je dus die parametrische toets gebruiken. Bij kleine steekproeven is dat soms niet het geval, maar dan is de steekproefomvang niet het probleem, maar die omvang in combinatie met andere zaken waardoor de steekproevenverdeling niet de juiste vorm heeft (niet volgens "t" is verdeeld).

Ik zou zelf zeggen dat 19 deelnemers onvoldoende informatie geven over de verdelingsvorm van de betreffende variabele in de populatie. Dat je maar 19 mensen hebt kun je niet oplossen met een toets; je hebt gewoon te weinig datapunten. Als je geen externe informatie hebt (bijvoorbeeld uit eerder onderzoek) over de verdelingsvorm van de betreffende variabele(n) in de populatie, is er denk ik geen reden om verder toetsen te doen om naar de verdelingsvorm te kijken.

Ik zou met 19 mensen sowieso niets toetsen, maar veel meer visualiseren. Het voordeel van maar 19 mensen hebben is dat je precies kunt bekijken wat er gebeurt als je de data plot. Daar zou ik dus mee beginnen: kijk naar je data, en probeer dan te kijken hoe die zich verhoudt tot je onderzoeksvraag.
Dank, helder!

Heb je wellicht bron waar ik aan kan refereren? (Bij beoordeling nu opmerking gekregen dat ik meer (statisch) eruit moet halen ...) vandaar mijn zoektocht naar meer statistische onderbouwing.

Ik heb/ had qq plots, histogrammen en tabellen om getallen inzichtelijk te maken en evt trend weer te geven.
Mag ik nog hier even op terug komen?

Je geeft aan dat je de verdelingsvormen moet bekijken en niet verder zou hoeven toetsen.

Op basis van bron: brownmath.com/stat/shape.htm#U20160522g dacht ik de z-waarden te berekenen voor skewness en Kurtosis. Is dit wijsheid?

Of kan ik beter de vorm bespreken en waar de meeste waarden liggen?

1 Antwoord

0 leuk 0 niet-leuks
 
Beste antwoord
Bwoah. Wel, de New Statistics dekken dit een beetje, zie e.g. https://www.tandfonline.com/doi/full/10.1080/00031305.2018.1518266?scroll=top&needAccess=true - maar voor een groot deel volgt het uit een basaal begrip van hoe kans werkt (en dus hoe statistiek werkt). In die zin kun je IDA gebruiken als bron :-) Er zijn best practices die bijvoorbeeld stellen dat je altijd de raw data moet laten zien. Maar da's ook gewoon common sense; als je een beetje kijkt naar de problemen van alleen geaggregeerde data bekijken volgt dit er uit. Er zijn dus geen specifieke referenties die ik ken; het is ook geen empirische of theoretische vraag. Het is meer van "als je maar vier mensen hebt, kun je beter die vier scores geven, dan het gemiddelde". We bespreken dit ook een beetje in https://doi.org/10.3389/fpubh.2017.00165 en in https://doi.org/10.31234/osf.io/5wjy4 - e.g. in sectie "Why point estimates [...]".
beantwoord 13 maart door gjp (69,140 punten)
geselecteerd 13 maart door im
Bronnen even schuin doorgelezen, dank! Ga ik deze vermelden!

Kan ik het zo zien dat new statistics met het bepleiten van een meta-analyse het een soort kwalitatief onderzoek is?
Nee, het is kwantitatief onderzoek. Alleen betekent kwantitatief onderzoek niet dat het niet supersubjectief is.

Of je nu kwantitatief onderzoek gebruikt of niet; of je nu nulhypothese significantietoetsing gebruikt of niet; of je nu veel data hebt of weinig; onderzoek is altijd subjectief. Er zijn geen harde criteria die 'gewoon bestaan'. Het zijn altijd keuzes die onderbouwing vereisen. Dat geld ook bijvoorbeeld wanneer je welke toets kunt gebruiken, of wanneer een assumptie is geschonden, etc. Dat zijn allemaal subjectieve beslissingen.

Dat maakt het niet kwalitatief; kwalitatief onderzoek is niet subjectiever dan kwantitatief onderzoek. Dat is een soort misverstand; alsof het gebruik van cijfers een soort objectiviteit ontleent aan het onderzoek. Jammer genoeg is dat niet zo. Daarom gaat het vaak niet zozeer om de uitkomsten, maar vooral om de keuzes en onderbouwingen.
...