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

Hoi!

Ik doe de eindopdracht over hechting en emotieregulatie. Ik loop tegen het volgende probleem: wanneer ik de Mahalanobis waarde laat berekenen in SPSS met deze syntax:

REGRESSION
/DEPENDENT @ER_REAPPRAISAL
/METHOD=ENTER @HECHTING_MOEDER, @HECHTING_VADER 
/SAVE MAHAL.
SORT CASES BY MAH_1(D).
LIST/VARIABLES IDNUMMER mah_1.

....dan krijg ik voor 24 respondenten geen waarde. Deze 24 respondenten hebben ofwel geen van de vragen beantwoord, ofwel een substantieel aantal vragen niet beantwoord en ik snap dus ook waarom ik ze in aanmerking wil laten komen voor verwijdering, maar hoe schrijf ik dit op? Ik heb immers geen MH-waarde te rapporteren.

Mijn voorstel is om de kritieke Chi-waarde te noemen in youlearn (6.2 factor- en itemanalyse) en het zo aan te geven:

"Op basis van de Mahalanobis waarden van respondenten, kan geconcludeerd worden dat 24 respondent een zeer afwijkend profiel vertonen en voor verwijdering in aanmerking komt  (kritieke χ2 (10) > 29.59, p < .001)."

Is dat goed? Of moet ik de kritieke waarde uit Field (Appendix kritieke Chi-waarden) nemen? Of kan ik beter beschrijven dat de items een afwijkend profiel vertonen zonder mahalanobis waarde te rapporteren? En voor de overige respondenten Mahalanobis waarden rapporteren? Of horen missing values heel ergens anders genoemd te worden.

PS: Ik heb uiteraard ook de kans op Mahalanobis waarde berekend, maar zonder Mahalanobis waarde kom je dan natuurlijk op hetzelfde uit.

in Cross-sectioneel Onderzoek (OCO, PB08x2) door (380 punten)
bewerkt door

1 Antwoord

0 leuk 0 niet-leuks
Als er zoveel missing values zijn bij deze respondenten dan is het geen kwestie van 'mahalanobis-waarde' meer, maar een kwestie van missing values. Ik zou deze strikt scheiden in de probleemvaststelling. Missen ze waarden op kritieke variabelen? Dan heeft verder graven naar hun potentie om multivariate outliers te zijn weinig zijn. Blijkbaar missen ze de info om multivariaat geevalueerd te worden.

Dan blijft nog steeds de zoektocht naar univariate outliers open: als deze cases voldoende relevante informatie bevatten om niet volledig uit de analyse gehouden te worden, dan kunnen ze misschien nog steeds outliers vertonen op een variabele in isolatie bekeken.

Ik snap niet helemaal hoe de vraag over rapportage omtrent chi-kwadraatwaarden verband houd met de cases waar geen mahalanobis-afstand berekend kon worden.
door (63.4k punten)
...