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

In het boek van Field staat op bladzijde 546 "Output 12.2". Als ik zelf in SPSS One-way ANOVA met contrasten doe, dan krijg ik ook wel die t-waarde en significantie eruit, maar niet het tabelletje "Coefficients" met die B en standardized beta. Ik heb allerlei opties geprobeerd, maar krijg die tabel er niet bij. Hieronder mijn SPSS commando en daar weer onder de tabel uit het boek en daar weer onder mijn vergelijkbare output.

Twee vragen:

1. Is het belangrijk de beta's te zien bij deze tests? En wat moet je er mee als het belangrijk is?
2. Als vraag 1 een variant van "ja" is, hoe krijg je die dan bij ONEWAY in de output?

ONEWAY Happiness BY Dose
  /CONTRAST=-2 1 1 
  /CONTRAST=0 -1 1 
  /ES=OVERALL CONTRAST(POOLED)
  /STATISTICS DESCRIPTIVES EFFECTS HOMOGENEITY BROWNFORSYTHE WELCH 
  /PLOT MEANS
  /MISSING ANALYSIS
  /CRITERIA=CILEVEL(0.95)
  /POSTHOC=BONFERRONI GH ALPHA(0.05).



in Experimenteel Onderzoek (OEO, PB04x2) door (3.7k punten)
Bij nader inzien is mijn probleem misschien dat ik niet begrijp wat Field bedoelt met "Fit a linear model using happiness as the outcome and dummy1 and dumy2 as the predictor values", blz 545 onderaan. Ik heb ANOVA gedaan, maar dan heb je die dummy1- en dummy2-velden niet nodig.

2 Antwoorden

1 leuk 0 niet-leuks

Het antwoord is: je had een lineaire regressie moeten doen met happiness als afhankelijke en dummy1 en -2 als onafhankelijke variabelen. Gevalletje rubber duck debugging

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT Happiness
  /METHOD=ENTER Dummy1 Dummy2.
door (3.7k punten)
1 leuk 0 niet-leuks
De oplossing via regressie is mooi en elegant; het maakt goed gebruik van het inzicht dat een ANOVA als linear model eigenlijk een regressieanalyse is.

SPSS weet dit echter ook. Als je de ANOVA uitvoert via 'general linear model', dan kun je bij options 'parameter estimates' aanvinken. Dan krijg je gratis de regressieoutput die onder de motorkap van de ANOVA verstopt zit.
door (57.2k punten)
...