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!

0 leuk 0 niet-leuks
Voor mij is het onduidelijk wanneer je een eta kwadraat gaat berekenen.

na de ANOVA ga je een pot hoctoets uitvoeren

en dan kan ik in mijn cursus lezen dat je means moet gebruiken om eta kwadraat te berekenen.

( het kan beide gebruikt worden om de f-waarde te berkenen : dat staat vermeld in de curus)

bedankt
in Methodologie door (200 punten)

1 Antwoord

1 leuk 0 niet-leuks

Eta kwadraat (eta^2, $\eta^2$) is de effect size (effectgrootte) die bij een variantieanalyse (anova) hoort. Deze vertelt je hoe sterk het verband tussen twee variabelen is (bij een anova de factor en de afhankelijke variabele; dus de categorische en de interval-variabele). Zie ook http://oupsy.nl/help/1026/een-overzicht-van-tentatieve-grenswaarden-van-effect-sizes

Bij variantie-analyse bereken je de F-waarde. Bij een simpele eenweg anova, zoals je die in Kwantitatieve Data Analyse tegenkomt, is de F-waarde de proportie tussen de binnen-groepen variantie (de variantie, spreiding, die uitsluitend wordt veroorzaakt door random error, dus meetfout, verschillen tussen mensen, etc) en de buiten-groepen variantie (de variantie/spreiding die wordt veroorzaakt door zowel random error als een eventueel verschil tussen je groepen). Als de groepen gelijk zijn, is F gelijk aan 1, want dan is de buiten-groepen variantie gelijk aan de binnen-groepen variantie. Maar, naarmate de groepsgemiddelden verder uit elkaar liggen, wordt de tussen-groepen variantie steeds groter, en stijgt de F-waarde.

Als de F-waarde stijgt, daalt de bijbehorende p-waarde. Die p-waarde is de kans op je F-waarde onder aanname dat de nulhypothese klopt. Die is dat de groepen gelijk zijn. De p-waarde is dus de kans op jouw gevonden F als F in de populatie 1 is. Door toeval vind je immers altijd wel een verschil tussen groepen in je steekproef. F is dus nooit precies 1. De vraag is, is F voldoende veel groter dan 1 dat het onwaarschijnlijk is dat deze uitsluitend door steekproeftoeval is verhoogd. Een hoge F-waarde en een lage p-waarde zijn hiervoor indicatief.

Als je een voldoende lage p-waarde vindt, verwerp je de nulhypothese; je concludeert dan dat het onwaarschijnlijk is dat in de populatie de F-waarde 1 is, oftewel, je concludeert dat het waarschijnlijk is dat de groepsgemiddelden verschillen. Op dat punt moet je twee vervolgstappen ondernemen.

Het eerste is post-hoc toetsen uitvoeren om te kijken welk van de gemiddelden verschillen. Het kan immers zijn dat alleen gemiddelden A en B verschillen, maar dat B en C aan elkaar gelijk zijn.

Het tweede is kijken hoe groot het verband tussen je categorische factor en je interval-variabele dan eigenlijk is. Oftewel, hoe groot het verschil tussen de groepen is (die groepen zijn immers manifestaties van meetwaarden van de categorische variabele, de factor in je anova). Dit is je effectgrootte, en dat is eta^2 bij variantieanalyse.

Overigens: bij een correlatie-analyse is de effectsize (effectgrootte) de Pearson's r (de gewone correlatie dus), dus da's makkelijk. Bij een t-toets is de effectsize Cohen's d (deze zit nog steeds niet in SPSS; maar het is gewoon het verschil tussen de tweede gemiddelden, gedeeld door de standaarddeviatie).

door (77.8k punten)
bewerkt door
Bedankt voor de info!

ik de cursus staat een voorbeeld van en uitdraai van SPSS

daar krijg je een kolom eta en een kolom eta squared

Bv eta 0.174 en  eta squared 0.030 wat kan ik hier nu uit gaan besluiten... want ik ga op zoek tussen hoe groot het verschil is tussen groepen.

maar zijn er normale waarden of grenzen waar dat ze tussen vallen om dan te besluiten of het een groot of klein verschil is ?
...