Sorry, kom er niet uit.

Question

U heeft uitgelegd hoe ik in SPSS alsnog een Shapiro-Wilk statistiek kan krijgen via een general linear model in plaats van via een t-toets. Heelas kom ik er niet uit.

Comments

Kun je deze vraag informatiever maken? Dus: wat heb je precies gedaan, wat is de uitkomst ervan, en waarom denk je dat dit onjuist is, of waar/waarom twijfel je over de volgende stap?

---

Ik heb geprobeerd om bij studietaak 2.2 via SPSS de Shapiro-Wilk statistiek, dus de W-waarde,  op te vragen via een general lineair model univariate. Dit omdat het via de t-test niet ging. Echter heb ik geen idee wat ik met zo'n general lineair model aan het doen ben. Ik vroeg me af of je ook niet gewoon al via de Descriptives, explore kunt kijken naar de Kolmogorov-Smirnov waarde bij N>50, en anders de Shapri-Wilk waarde. In SPSS wordt de nulhypothese van gelijke varianties per conditie getest, zodat je ook per conditie een p-waarde krijgt. Als 1 van de 2 waardes afwijkt, dan is er toch al sprake van ongelijke varianties? En bij de onafhankelijke t-test kijk je toch standaard al naar 'Equal variances not assumed'. Is dit niet gewoon de Welch's t-toets? Excuus voor het lange verhaal.

Answer 1

Een t-toets is niet hetzelde als een ANOVA, maar in veel opzichte is het voldoende vergelijkbaar. Het zijn alletwee general linear models. 

In SPSS kun je daarom een one-way anova opvragen op twee manieren. Manier 1 is 'compare means > one way anova', maar dit is een zeer uitgeklede, basale anova. Er is ook een manier om via general linear models een one-way anova op te vragen, en dit is een anova-menu met veel meer opties. Hier is het bijvoorbeeld mogelijk om het anova model op te stellen, en vervolgens per individu te bepalen hoeveel hun data afweek van het voorspeld gemiddelde op basis van de anova; dit zijn de residuen. 

Door de residuen op te slaan als variabele kun je vervolgens in SPSS van alles met die variabele doen zoals je alle andere variabelen gebruikt. Een van die opties is bijvoorbeeld er een explore op los te laten.

Persoonlijk denk ik: maak het jezelf makkelijk: check 'gewoon' de verdelingsvorm per categorie middels explore:

• ga naar Analyse > Descriptive Statistics > Explore
• Zet je afhankelijke variabele bij Dependent List
• Zet je onafhankelijke variabele bij Factor List
• Klik op Plots...
• Vink het vakje aan bij : Normality plots with tests

Nu krijg je per groep een normaliteitstest. Dit is bij t-toetsen en anova's nagenoeg hetzelfde als de residuen evalueren op hun verdelingsvorm, omdat dat ook neerkomt op 'gemiddelde van een groep berekenen, en kijken hoe de echte data daaromheen verspreid is'.