Ik denk dat de uitwerking van 6.3.10 niet volledig genoeg is om de vraag te beantwoorden.

Question

Beste mevrouw/meneer 

Ik heb een vraag over opdracht 6.3.10 van de cursus Inleiding Wetenschappelijk Onderzoek

Ik heb een hypothese geformuleerd die als volgt luidt: 

Zijn de medewerkers die een assertiviteitstraining training hebben gekregen meer committed dan de deelnemers die de training niet hebben gekregen? 

Ik vind een verschil in gemiddelde van:

Geen training: 0.92

Wel training: 2.19

P=0.01 dit is kleiner dan de alpha van 0.5 dus interpreteer ik dat de steekproefuitkomst statisch significant is. 

Als ik naar Cohen's D kijk zie ik dat deze -0,64 (met 95% betrouwbaarheidsinterval van 0.26; 1.03) in de tabel staat dat Cohen's D middelsterk negatief is. 

Hoe interpreteer ik dit? Interpreteer ik dit als dat de 2 gemiddelde -0.64 standaarddeviaties uit elkaar liggen? Wat heb ik hier verder aan om de hypothese te beantwoorden? 

T= 3,35 hoe moet ik een T van 3,35 interpreteren? 

En waarom wordt hier gekeken naar de rij van  "equal variances assumed" en niet naar "equal variances not assumed"? 

Voor nu zou ik interpreteren dat de medewerkers in de steekproef na de training meer committed zijn dan de medewerkers zonder training. Uit de P-score blijkt dat dit statisch significant is. 

Verder weet ik niet hoe ik Cohen's D, de T-score en het 95% betrouwbaarheidsinterval moet interpreteren om deze hypothese te beantwoorden. 

Tot slot zie ik dat er in de boxplot wel outliers zijn. Terwijl er in de uitwerking staat dat deze niet aanwezig zijn in de histogram? Ik snap niet waarom deze niet aanwezig zouden zijn in de histogram.

Hoor graag van u met vriendelijke groeten, 

Lieke Akkermans

Answer 1

Bij deze analyses kijk je naar een paar verschillende dingen, net zoals bij alle analyses. Je bent geinteresseert in een verschil in commitment. Je vindt in je steekproef een verschil in gemiddelde. Met behulp van de t-test kijk je of het waarschijnlijk is dat dit verschil ook in de populatie voorkomt en hoe sterk dit effect (waarschijnlijk is).

De p-waarde zegt iets over de kans dat het verschil dat je in je steekproef vindt aanwezig is in de populatie. Deze is significant dus kun je concluderen dat het waarschijnlijk is dat er een effect is in de populatie.

Cohen's d vertelt je hoe sterk het effect is. Zoals je al concludeert, een middelsterk effect. Dit is in de steekproef. Het betrouwbaarheidsinterval vertelt je wat het effect waarschijnlijk in de populatie is. Dat loopt van klein tot groot, weinig nauwkeurig dus.

De rest heb je niet nodig voor je verhaal. De t-waarde is het absolute verschil gedeelt door de standaardfout. Aan de hand van dit t-waarde en de vrijheidsgraden wordt de p-waarde bepaalt.

In deze opgave wordt equal variances gebruikt omdat het R package waarmee het geanalyseerd is standaard de optie kiest die past bij de Levene test.

Een extreme waarde zoals aangegeven in de boxplot hoeft niet per se een outlier te zijn. Daar spreken we meestal pas van als er sprake is van > 3 SD afwijking of de nog conservatievere notie is dat een outlier pas een outlier is als het een onmogelijke score is.