De terugkoppeling is nu grondig aangepast:
Om deze vraag te beantwoorden kan er een covariantieanalyse worden uitgevoerd. De afhankelijke variabele is de sportscore2, de onafhankelijke variabele is voorlichting en de covariaat is de voormeting (sportscore1).
De voormeting had een significant positief effect heeft op de nameting, F(1, 104) = 153.2, p < .001. Dit effect was positief (B = .864) wat betekent dat er een toename van aantal keer sporten was tussen de twee metingen. Voorlichting had na controle voor de voormeting een significant effect op aantal keer sporten, F(2,104) = 7.5, p < .001.
Uit een Sidak-posthoc analyse van de voorlichtingscondities van de voor de voormeting aangepaste scores op sportscore2 (estimated marginal means) bleek dat intensievere voorlichting leidde tot vaker sporten. De digitale folder (M = 2.678, SE = .115) leidde tot vaker sporten dan de controle (M = 2.285, SE = .115), p = 0.45. Persoonlijk advies (M = 2.926, SE = .115) leidde wel tot vaker sporten dan de controle (p < 0.01), maar niet tot vaker sporten dan een digitale folder, p = .325.
Let op: om de hypothese te toetsen gebruikt u een ander model dan u gebruikte om de assumptie van homogeniteit van de regression slopes te toetsen. De regressieslopes werden getoetst met een extra parameter: de interactie tussen predictor en covariaat (zie 13.7 in Field). Omdat de interactie niet-significant was en daarom aan de voorwaarde van homogene regressiehellingshoeken voldaan was, dient de interactie niet in uw model op te nemen
De uitkomsten zijn verkregen met de volgende syntax:
UNIANOVA sportscore2 BY voorlichting WITH sportscore1
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/EMMEANS=TABLES(voorlichting) WITH(sportscore1=MEAN) COMPARE ADJ(SIDAK)
/PRINT ETASQ DESCRIPTIVE PARAMETER HOMOGENEITY
/CRITERIA=ALPHA(.05)
/DESIGN=sportscore1 voorlichting.