Met testscores bepalen we de kwaliteit van bepaalde items. De eisen voor kwaliteit zijn van groot belang voor psychologische testen.
|
|
- Mirthe van de Velden
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Psychometrie: College 1: Schaling en Normering Kees van Putten Psychometrie: In de psychometrie bestudeert met de testscore. Hierbij gaat men van kwalitatief materiaal (antwoorden op testitems) naar kwantitatieve testscores. Daarbij stelt men zich de vraag wat de kwaliteit is van deze scores. Psychologische testen: Testgebruik vindt plaats in individuen en in systemen. Het wordt gebruikt voor: classificatie van personen, diagnose & behandeling, zelfkennis, evaluatie en onderzoek. Er zijn verschillende testen die dit blok terug zullen komen, zoals: PCA: de principale componenten analyse CFA: de conformatieve factoranalyse DA: de discriminante analyse. Hierover zal nog meer informatie volgen. Testen zijn van belang bij de volgende processen: 1. Standaardisatie: de setting wordt hierbij constant gehouden tijdens verschillende testen, waardoor de scores van mensen met elkaar kunnen worden vergeleken. 2. Steekproef: items vormen een steekpoef uit het alomvattende gedrag van de mens, waaruit vervolgens een score en interpretatie over een breder gedrag kunnen leiden. 3. Scores afleiden: een individu kan in een categorie geplaatst worden, door de score te interpreteren aan de hand van een norm. Ook zijn scores van belang om andere kenmerken te interpreteren; zo kan men via de Cito-toets al iets vertellen over het onderwijsniveau wat een kind later het beste kan gaan volgen. Testscores: Met testscores bepalen we de kwaliteit van bepaalde items. De eisen voor kwaliteit zijn van groot belang voor psychologische testen. Het vaststellen van kwantitatieve scores gaat via meetinstrumenten en het vaststellen van de werking van deze meetinstrumenten. a
2 De testscore is de som van de itemscores. De som score wordt alleen bij aanwezigheid van alle items berekend. Ruwe scores kunnen op zichzelf slecht worden geïnterpreteerd. De hoogte van een testscore is namelijk afhankelijk van het aantal items en de verschillende itemscores. Daarom worden er normen gesteld, om zo ruwe scores te interpreteren. Voorbeelden van deze normen zijn percentiel- en standaardscores. Percentielscores en standaardscores: Bij percentielscores wordt gekeken naar een percentage personen met eenzelfde of een lagere score. De boeken zijn hier nog weleens verschillend in, maar deze regel wordt gehanteerd op het tentamen! Standaardscores zijn lineaire transformaties van ruwe testscores. De verdeling zal hierbij echter hetzelfde blijven. De ruwe scores kunnen worden omgezet naar Z-scores door middel van de volgende formule: Z x = (X-M x )/SD x Waarbij geldt SD z = 1 en M z = 0 Ook kunnen er T-scores worden uitgerekend, welke veel beter te begrijpen zijn doordat er geen negatieve scores meer voorkomen. Deze worden berekend met de volgende formule: T x = 10*Z x + 50 Waarbij geldt SD T = 10 en M T = 50 Normtabellen bevatten elke voorkomende ruwe score, geordend van laag naar hoog, gekoppeld aan normscores en eventueel met verwachtingen. College 2: Betrouwbaarheid Peter de Heus Betrouwbaarheid is te beschrijven aan de hand van de vraag In hoeverre zijn verschillen in testscores een functie van werkelijke individuele verschillen? Testen kunnen nooit de werkelijke score meten, zij geven alleen de testscore weer. Bij de test ontstaan namelijk ook random meetfouten, welke error genoemd worden. In de klassieke testtheorie wordt hiervoor de volgende formule weergeven. Xo = Xt + Xe. Waarbij de geobserveerde score ( Xo) de optelling is van de ware score (Xt) en de error ( Xe). De ware score (Xt) is dus niet direct observeerbaar. Daarom wordt dit een latente variabele genoemd, welke geschat moet worden. b
3 Aan de klassieke testtheorie zitten drie assumpties vast. Aangezien Xo de som is van twee onbekende factoren, wat onoplosbaar is, geldt: 1. µ e = 0. De gemiddelde errorscore in de populatie is nul. 2. r et = 0. De correlatie tussen error en ware score is nul. Iedereen heeft een gelijke kans. 3. r eiej = 0. De error van persoon 1 zegt niets over de error van persoon 2 en zijn dus niet gecorreleerd. De variantie van X O is S O 2 = S T 2 + S E 2. In de ideale test is S T 2 gelijk aan S O 2 en zijn er dus geen random meetfouten gemaakt. In alle andere gevallen is er wel een error, welke negatief op positief kan zijn. Betrouwbaarheidscoëfficiënt: R xx is de betrouwbaarheidscoëfficiënt, wat gelijk staat aan de proportie verklaarde variantie van X O door X T. R xx = S T 2 / S O 2 of R xx = 1 (S E 2 / S O 2 ). R xx zit tussen de nul en één, en is verder gelijk aan de gekwadrateerde correlatie r OT 2. Aangezien ware scores, errors en varianties onbekend zijn, moeten voor het schatten van de betrouwbaarheid minstens twee observaties zijn gedaan per persoon. Dit kan gedaan worden met parallelle metingen. Parallelle metingen: Parallelle metingen zijn metingen waarbij de errors ongecorreleerd zijn, de ware scores gelijk zijn en de varianties van de errorscores gelijk zijn. Zodat alles wat meting X en Y gemeen hebben van de ware score komt. Er zijn drie manieren van parallelle metingen: Alternate forms, test-hertest en split-half. Bij alternate forms zijn er twee verschillende test voor hetzelfde construct. Hierbij kunnen carryver effect ontstaan; test 1 beïnvloed resultaat test 2, wat tot een overschatting van de betrouwbaarheid leidt. Bij test-hertest wordt dezelfde test twee keer afgenomen op een ander tijdstip, maar ook hier kunnen carry-over effecten optreden. Bij split-half worden er in één test twee parallelle helften gemaakt. De betrouwbaarheid voor de hele test wordt vervolgens berekend met de Spearman-Brown formule. N is in deze formule de factor waarmee een test vergroot of verkleind wordt. Er kunnen natuurlijk uitputtend veel tweedelingen worden gemaakt. Daarom kan er ook voor worden gekozen om alle items van de test als aparte test te zien. Er kunnen nu berekeningen worden uitgevoerd met de Cronbach s alpha. c
4 Standaard meetfout: De standaard meetfout kan men als volgt berekenen: S E 2 = S O 2 * (1-R xx ). De standaard meetfout wordt vaak afgekort met S em. Deze geeft de nauwkeurigheid van individuele metingen aan; er wordt vaak ook een 95% betrouwbaarheidsinterval bij gegeven. College 3: Validiteit Kees van Putten Validiteit: Bij validiteit kijken we of een instrument meet wat het beoogt te meten. Een test is valide in die mate dat er juiste, betekenisvolle en bruikbare gevolgtrekkingen mee gemaakt kunnen worden. In het boek van Furr en Bacharach wordt validiteit besproken als de interpretatie en het gebruik van testscores. Validiteit gaat dus niet over de waarden op zich, maar over wat men hiermee doet. Validiteit is multidimensionaal ( heeft meerdere eigenschappen) en gradueel (er is een bepaalde mate van validiteit, het is niet zomaar aanwezig of afwezig). Constructvaliditeit: Constructvaliditeit is de interpretatie van een test als weergave van een psychologisch construct. Men kijkt hierbij dus in hoeverre de interpretatie overeenkomst met de gemeten constructen. Er zijn 5 soorten bewijs voor contructvaliditeit: - testinhoud - interne structuur van de test - response processen - associaties met andere variabelen - gevolgen van testgebruik Inhoudsvaliditeit: Bij inhoudsvaliditeit wordt gekeken of de deelconstructen van de vraag aansluiten mij de gehele test. Bedreigingen die hierbij opspelen zijn dat items soms irrelevant zijn voor een test en dat deelconstructen soms niet goed vertegenwoordigd worden (door te weinig items respectievelijk). Interne structuur van een test: De hoofdvraag bij het bekijken van de interne structuur van een test is of de items van een test één samenhangend geheel vormen. d
5 Wanneer het antwoord op deze vraag ja is, is er sprake van homogeniteit. Er is één onderliggende dimensie aan het construct. Zo nee, dan is er sprake van heterogeniteit en zijn er meerdere onderliggende dimensies. Response processen: Een test is een valide meting van een kenmerk als dat kenmerk bestaat, de variatie van dat kenmerk gelijk is aan die van de uitkomst. Er is dan dus sprake van een causale relatie. Associaties met andere variabelen: Predictieve validiteit is het voorspellen van een uitkomst in de toekomst. Multitrait- multimethod matrix ( MTMMM): Als je kijkt naar sheet 11 van de PowerPointpresentatie zie je een matrix. Deze matrix gaat over de correlaties tussen bepaalde groepen. De dikgedrukte getallen zijn de Cronbach s alfa s voor de desbetreffende scores. Onder de Cronbach s alfa staat de correlatie tussen 2 constructen. Convergente evidentie: correlaties tussen dezelfde traits zijn hoog in verschillende testen. Discriminante evidentie: correlaties tussen verschillende traits zijn laag en dus onafhankelijk van elkaar. Als we weer terugblikken op de matrix zijn we dat de onderstreepte getallen de convergente evidenties zijn. Taylor- Russell tabel: Op sheet 13 zien we een voorbeeld van een Taylor-Russell tabel. Hier staat bovenin de base rate genoemd. Met de base rate bedoelen we in dit geval een succesvolle afronding van de opleiding Geneeskunde. We zien dat dit op dit moment het geval is als 44 procent wordt toegelaten en de predictieve validiteit gelijk is aan 0. Als we deze ophogen tot 0.2 zien we dat de base rate al verhoogd met Bias: Er bestaat zowel test als itembias. Test bias komt voor wanneer een test andere dingen meet bij verschillende groepen. Predictieve bias is het fenomeen waarbij het voorspellen van scores verschillende consequenties heeft voor verschillende groepen. In een figuur is dit te zien als de regressielijn anders gaat lopen. Wanneer er sprake is van andere regressieformules, is er een bias aanwezig. Constructbias is het fenomeen waarbij een test verschillende constructen meet in verschillende groepen. e
6 Wanneer men een bias vermoedt, dan kan men aan de verschillende groepen verschillende behandelingen geven. Zo kan men bij een predictieve bias adviezen gaan geven op basis van de regressielijn die de verschillende groepen hebben. Item bias komt voor wanneer personen uit verschillende groepen met dezelfde vaardigheid een ongelijke kans hebben om een item goed te maken. Denk hierbij bijvoorbeeld aan geslacht of etniciteit. College 4: PCA en FA Peter de Heus PCA en FA: Principale Componenten Analyse en Factor Analyse zijn analyses waarbij het reduceren van data het doel is. Datareductie is een grote set verkleinen tot een veel kleinere set. Het verschil tussen Principale Componenten Analyse en Factor Analyse is dat Factor analyse een expliciet model heeft en je bij Principale Componenten Analyse alleen observeert zonder hypothese. Bij Factor Analyse gaan we met een gedetailleerde hypothese bekijken of het idee wat we over de data hebben ook daadwerkelijk klopt. Bij Principale Componenten Analyse gaan we kijken naar de data zonder verwachtingen. Er wordt dus alleen geobserveerd. Functie van PCA: PCA kunnen we op zowel een algebraïsche manier als een geometrische manier bekijken. Als we kijken naar de algebraïsche manier is een principale component een lineaire combinatie van variabelen. De eerste component moet zoveel mogelijk variantie verklaren van de variabelen. Zo komt de eerste component het dichtste in de buurt met het beschrijven van de variabelen. Ieder opvolgende component probeert ook zoveel mogelijk variantie te verklaren, maar is totaal niet gecorreleerd aan de voorafgaande component (orthogonaliteit). Hierdoor zullen een aantal componenten een overgroot deel van de variantie verklaren en kunnen de belangrijkste componenten geselecteerd worden. De data zijn nu gereduceerd. Als we PCA op de geometrische manier bekijken zijn de componenten gelijk aan vectoren. Hoe meer deze naar rechts of naar boven gelegen is, hoe hoger de score op een van de componenten. De opvolgende vector is niet gecorreleerd aan de voorafgaande vector en staat daarom loodrecht op de eerste vector. Het is lastig om dit model te maken voor meer dan 2 variabelen, omdat er dan een ruimtelijke structuur ontstaat. Communaliteit en componentlading: De uniekheid van een variabele wordt aangegeven met de communaliteit. Hoe lager de communaliteit, hoe unieker de variabele. Het is de proportie verklaarde variantie per f
7 variabele. Verder is het de som van gekwadrateerde componentladingen. In deze formule is k het maximaal aantal componenten, h i 2 is de communaliteit, Cij 2 is de componentlading in het kwadraat. C ij is de componentlading. Wanneer de componentlading gelijk is aan 0, hebben de variabele en het component niets met elkaar gemeen. I is de variabele en J is het component. Eigenwaarde: De eigenwaarde van een variabele is de som van de gekwadrateerde componentladingen per component. Het is de hoeveelheid verklaarde variantie van alle variabelen bij elkaar. Als we dit delen door het aantal variabelen krijgen we de proportie verklaarde variantie. Criteria voor het aantal componenten: Om te bepalen tot hoeveel componenten men het best kan reduceren, zijn er een aantal richtlijnen, namelijk: 1. de eigenwaarde moet groter zijn dan 1. Je kunt alle componenten gebruiken die een eigenwaarde hebben die groter is dan Knik: als we naar de grafiek op sheet 12 kijken, zien we een grafiek met daarin een lijn die componenten aangeeft en hun bijbehorende eigenwaarde. We zien dat de lijn erg snel afneemt met het toenemen van het aantal componenten. Als we een grens willen stellen voor het aantal componenten welke gebruikt kunnen worden voor de analyse, moeten we kijken naar de knik in de lijn. Dit is een vage omschrijving, maar meestal geeft dit wel het juiste antwoord. Vaak kan er ook 1 component meer of minder worden gebruikt. 3. Interpreteerbaarheid: alle oplossingen bekijken en dan de oplossing kiezen waar je het beste een verhaal van kunt maken. Dit is een hele vage methode. Hoeken en componenten: Als we kijken naar sheet 14 zien we hierop een plaatje met vectoren. Wanneer de hoek tussen de verschillende vectoren klein is, zullen de vectoren meer met elkaar correleren. Een hoek kleiner dan 90 graden geeft een correlatie aan. Als de hoek gelijk is aan 90 graden, zullen de componenten die zijn uitgebeeld via de vectoren onderling niet correleren. g
8 College 5: Confirmatieve factoranalyse Peter de Heus CFA en SEM: CFA is een onderdeel van de SEM, wat staat voor structural equation modelling. Met SEM onderzoek je expliciete modellen voor (causale) relaties van 3 of meer variabelen. Het is een toets voor een model als geheel. Bij SEM zijn manifeste en latente variabelen goed te onderscheiden en kunnen de onderlinge relaties worden geschat en getoetst. SEM cyclus toegepast op CFA: Er zijn een aantal stappen die standaard worden doorlopen in het SEM model. Dit heet de SEM cyclus en hieronder vallen de volgende stappen: - Modelspecificatie Hierbij wordt uit de theorie een model gevormd, die verschillende onderdelen bevat. Manifeste variabelen zijn testscores. Latente variabelen zijn psychologische constructen. Alle manifeste variabelen hebben error. Error zelf is een latente variabele. Ook hebben we pijlen nodig voor het model. Een eenrichtingspijl toont een causaal verband aan en een wederkerige pijl laat een correlatie zien. Bij het SEM model voor CFA bestaan er alleen inkomende pijlen. Als er geen pijlen tussen factoren aanwezig zijn, betekent dit ook meteen dat er geen relatie is tussen de factoren. - Modelidentificatie Wanneer we het SEM model willen gaan toetsen, moeten er niet teveel onbekende variabelen in de vergelijking zitten. We kunnen dit zien aan het aantal vrijheidsgraden. Als dat getal positief is (groter dan 0), is het model toetsbaar. Je kunt het aantal vrijheidsgraden op de volgende manier berekenen: Df = V P. V is het aantal varianties en covarianties; (k(k+1)/2), P= het aantal pijlen in het model. - Parameterschatting Men kan kijken of er warnings zijn. Warnings zijn varianties of covarianties die op bepaalde factoren hoog scoren, terwijl ze niet mogen correleren of andersom. Op sheet 20 is een variantie-covariantiematrix te zien. Hierin mogen tussen X1, X2, X3 en X4,X5,X6 geen hoge covarianties aanwezig zijn. h
9 - Modelevaluatie Met een Chi-kwadraat toets evalueren we het model. Wanneer er een significant resultaat wordt gevonden, klopt ons model niet. Ho wordt dan namelijk verworpen. In dit geval is Ho dat de data en het model overeenstemmen. Er zijn wel wat problemen met de Chi-kwadraat toets, zoals dat deze erg snel significant wordt bevonden met een groot aantal deelnemers. We kijken daarom ook naar de volgende fit-maten: RMSEA: een fitmaat kleiner dan 0.1 is goed NFI: een fitmaat groter dan 0.9 is goed NNFI: een fitmaat groter dan 0.9 is goed CFI: een fitmaat groter dan 0.95 is goed - Modelbijstelling Residuen: Als blijkt dat het model niet klopt, kunnen we kijken of er toch meer factoren zijn die correleren en aan de hand daarvan het model wijzigen. Residuen kunnen ons helpen bij de keuze hoe we een model kunnen verbeteren. Een residu is het verschil tussen de covariantie en de terug geschatte covariantie. We rekenen graag met gestandaardiseerde residuen: Zresdij= rij- r(gem)ij. Een residu is groot wanneer het groter is dan 0.10 of kleiner dan Het verbeteren van een slechte fit: Men kan de fit verbeteren door de parameters vrij te maken. Dit kan door meer pijlen aan het model toe te voegen. Men kan zien of deze pijlen ontbreken door te kijken naar een patroon in residuen. Wanneer deze allemaal positief of allemaal negatief zijn, kan het zo zijn dat er een correlatie is tussen twee factoren. Wanneer is een model bewezen? Met de CFA kan men eigenlijk alleen een model falsifiëren. Een model bewijzen is erg moeilijk. Men kan een modeltoets doen om te kijken of het bewerkte model een significante verbetering heeft ten opzichte van het eerdere model. Dit kan aan de hand van de volgende formules: Δ X 2 = X 2 (1) X 2 (2) Δ df= df(1) df(2) i
10 De uitkomst hiervan kunnen we vergelijken met de tabel van de Chi-kwadraat toets en zo de bijbehorende p-waarde vinden. De toets kan alleen worden uitgevoerd wanneer beide modellen genest zijn met elkaar. Dit betekend dat alle pijlen van Model A ook in Model B aanwezig zijn, maar in model B kunnen nog extra pijlen voorkomen. Tot slot: SEM modellen vereisen een groot aantal personen. Daarnaast is CFA niet werkelijk toetsend. Je nieuwe model is gebaseerd op het vorige model. Hierdoor gaat men steeds meer geloven in het model en smokkelen we eigenlijk met de statistische regels. College 6: Item Response Theorie en Personeelsselectie Marian Hickendorff IRT als alternatief voor KTT Het verschil tussen KTT en IRT ligt bij de stap van het berekenen en evalueren van testscores. Bij KTT is betrouwbaarheid het centrale begrip. Er wordt gekeken in hoeverre de testscores overeenkomen met de ware scores, hierbij spelen de item-kenmerken geen rol. De statistieken van KTT zijn dus populatie afhankelijk. Het doel van IRT is om personen en items op dezelfde schaal te ordenen. Doordat bij IRT de itemkenmerken ook mee worden genomen in het model, zijn deze niet populatie afhankelijk. Het persoonskenmerk is de vaardigheid (θ), een latente variabele, waarbij geldt hoe hoger de vaardigheid, hoe waarschijnlijker een correct antwoord. Een itemkenmerk uit het model is de moeilijkheidsgraad β. Als deze hoog ligt, dan is het onwaarschijnlijk dat er een correct antwoord wordt gegeven. Tussen de vaardigheid en de moeilijkheidsgraad ligt een verband, wat bepaald wordt door specifieke IRT-modellen Specifieke IRT-Modellen We zullen drie verschillende modellen bespreken. De verschillen tussen deze modellen zitten in de itemkenmerken en de uitkomsten. Het Guttman model: Dit is het eerst IRT model; hierbij wordt de respons volledig verklaard door de vaardigheid en de moeilijkheidsgraad. Hierdoor ontstaat er een stapsgewijze curve en is er geen vloeiende overgang aanwezig. Dit noemen we ook wel een deterministisch model. Als de vaardigheid kleiner is dan de moeilijkheidsgraad is het antwoord fout (0). Ligt de vaardigheid hoger dan is het antwoord goed (1). Dit model is erg beperkend, aangezien er maar k + 1 antwoordmogelijkheden zijn. (je kunt nooit makkelijke vragen fout hebben en moeilijke goed). Bij probabilistische modellen is de lijn wel vloeiend en stijgt de curve langzaam van 0 naar 1. Het is een S-curve. Dit model wordt weergegeven met een logaritmische functie, waardoor er 2 k antwoordmogelijkheden zijn. Sommige antwoordpatronen zijn echter onwaarschijnlijker j
11 dan andere. Voorbeelden van probabilistische modellen die we nu gaan bespreken zijn de 1PL en 2PL. Het Rasch-model(1PL): Het Rasch-model is een 1 dimensionaal model. Dit betekent dat er slechts één item parameter relevant is. Dit is de moeilijkheidsgraad β; het persoonskenmerk is nog steeds de vaardigheid θ. Wanneer de moeilijkheidsgraad gelijk is aan het vaardigheidsniveau, dan is de kans dat een persoon een item goed beantwoord 50%. De formule die hierbij hoort: Dit is de kans dat het antwoord goed is, gegeven de vaardigheid en de moeilijkheidsgraad. Twee parameter logistisch model (2PL): Het 2PL model is een model waarbij twee item parameters relevant zijn. Dat zijn de moeilijkheidsgraad en de α i (het onderscheidend vermogen). Dit is de mate waarin een item personen met een laag en hoog niveau van elkaar kan onderscheiden. Deze kan voor elk item anders zijn. Dit leidt tot de volgende formule: De discriminatieparameter geeft de steilheid van curve aan, op het steilste punt snijdt deze de kans van 50%. Hier geldt θ = β. Er zijn ook nog 3PL modellen, hierbij wordt nog de item parameter gok kans toegevoegd Kwaliteit van items en testen: Wat zeggen de scores eigenlijk over de betrouwbaarheid? Dit hangt af van de vaardigheid van de persoon, een makkelijke test is meer onderscheidend voor mensen met een laag vaardigheidsniveau. Deze geeft dus meer informatie. De informatie is dus het hoogste op het moeilijkheidsniveau. Door deze afzonderlijke iteminformatie scores bij elkaar op te tellen, kom je tot de test informatie. Toepassingen van IRT: Er zijn verschillende toepassingen van IRT. Zo kunnen testen worden verbeterd, door te kijken welk item de meeste informatie geeft of het best onderscheid maakt; ook kan gekeken worden naar de test-informatie. Bij het equivaleren van testen wordt er onderscheid gemaakt tussen de moeilijkheid en de vaardigheid, door bij twee test gebruik te maken van anker-items. Deze items overlappen in beide toetsen. k
12 Bij item-bias kan met IRT onderzocht worden of elk construct gelijk is voor (bijv.) mannen en vrouwen. Bij person-fit kunnen door middel van IRT de onwaarschijnlijke antwoordpatronen worden opgespoord. Hierdoor kan bijvoorbeeld afkijken worden herkend. Als laatste wordt IRT gebruikt bij CAT. Dit staat voor computergestuurd adaptief testen. Op de computer worden antwoorden gegeven op items. Aan de hand van de antwoorden gaat de computer naar elk item een herberekening maken van de vaardigheid van de persoon. Op basis hiervan wordt het volgende item gekozen. Het is dus een toets op maat, die leidt tot maximale informatie l
Psychometrie werkgroep: De antwoorden
Psychometrie werkgroep: De antwoorden Week 1: Schaling en Normering Opdracht 1. a) Psychometrie is de studie naar procedures die gebruikt worden om items van testen te schatten en te evalueren. Gedrag
Nadere informatieVragen oefententamen Psychometrie
Vragen oefententamen Psychometrie 1. Hoe wordt betrouwbaarheid in de klassieke testtheorie gedefinieerd? a) De variantie van de error scores gedeeld door die van de geobserveerde scores. b) De variantie
Nadere informatie11. Multipele Regressie en Correlatie
11. Multipele Regressie en Correlatie Meervoudig regressie model Nu gaan we kijken naar een relatie tussen een responsvariabele en meerdere verklarende variabelen. Een bivariate regressielijn ziet er in
Nadere informatie9. Lineaire Regressie en Correlatie
9. Lineaire Regressie en Correlatie Lineaire verbanden In dit hoofdstuk worden methoden gepresenteerd waarmee je kwantitatieve respons variabelen (afhankelijk) en verklarende variabelen (onafhankelijk)
Nadere informatie1. Gegeven zijn de itemsores van 8 personen op een test van 3 items
1. Gegeven zijn de itemsores van 8 personen op een test van 3 items item Persoon 1 2 3 1 1 0 0 2 1 1 0 3 1 0 0 4 0 1 1 5 1 0 1 6 1 1 1 7 0 0 0 8 1 1 0 Er geldt: (a) de p-waarden van item 1 en item 2 zijn
Nadere informatie1. Reductie van error variantie en dus verhogen van power op F-test
Werkboek 2013-2014 ANCOVA Covariantie analyse bestaat uit regressieanalyse en variantieanalyse. Er wordt een afhankelijke variabele (intervalniveau) voorspeld uit meerdere onafhankelijke variabelen. De
Nadere informatie8. Analyseren van samenhang tussen categorische variabelen
8. Analyseren van samenhang tussen categorische variabelen Er bestaat een samenhang tussen twee variabelen als de verdeling van de respons (afhankelijke) variabele verandert op het moment dat de waarde
Nadere informatie16. MANOVA. Overeenkomsten en verschillen met ANOVA. De theorie MANOVA
16. MANOVA MANOVA Multivariate variantieanalyse (MANOVA) kan gebruikt worden in een situatie waarin je meerdere afhankelijke variabelen hebt. Met MANOVA kan er 1 onafhankelijke variabele gebruikt worden
Nadere informatieHoofdstuk 10: Regressie
Hoofdstuk 10: Regressie Inleiding In dit deel zal uitgelegd worden hoe we statistische berekeningen kunnen maken als sprake is van één kwantitatieve responsvariabele en één kwantitatieve verklarende variabele.
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen
Nadere informatieAntwoorden bij Testtheorie. Inleiding in de theorie van de psychologische test en zijn toepassingen, door P. J. D. Drenth en K.
Antwoorden bij Testtheorie. Inleiding in de theorie van de psychologische test en zijn toepassingen, door P. J. D. Drenth en K. Sijtsma Opmerking vooraf: Enkele docenten hebben ons laten weten dat zij
Nadere informatieHoofdstuk 12: Eenweg ANOVA
Hoofdstuk 12: Eenweg ANOVA 12.1 Eenweg analyse van variantie Eenweg en tweeweg ANOVA Wanneer we verschillende populaties of behandelingen met elkaar vergelijken, dan zal er binnen de data altijd sprake
Nadere informatieHOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN
HOOFDSTUK 6: INTRODUCTIE IN STATISTISCHE GEVOLGTREKKINGEN Inleiding Statistische gevolgtrekkingen (statistical inference) gaan over het trekken van conclusies over een populatie op basis van steekproefdata.
Nadere informatieKwantitatieve modellen. Harry B.G. Ganzeboom 18 april 2016 College 1: Meetkwaliteit
Kwantitatieve modellen voor BCO PMC Harry B.G. Ganzeboom 18 april 2016 College 1: Meetkwaliteit Drie colleges Validiteits- en betrouwbaarheidsanalyse Causale analyse met confounding en mediatie Causale
Nadere informatieCollege Week 3 Kwaliteit meetinstrumenten; Inleiding SPSS
College Week 3 Kwaliteit meetinstrumenten; Inleiding SPSS Inleiding in de Methoden & Technieken 2013 2014 Hemmo Smit Overzicht van dit college Kwaliteit van een meetinstrument Inleiding SPSS Hiervoor lezen:
Nadere informatieCollege 3 Interne consistentie; Beschrijvend onderzoek
College 3 Interne consistentie; Beschrijvend onderzoek Inleiding M&T 2012 2013 Hemmo Smit Overzicht van dit college Kwaliteit van een meetinstrument (herhaling) Interne consistentie: Cronbach s alpha Voorbeeld:
Nadere informatie3.1 Itemanalyse De resultaten worden eerst op itemniveau bekeken. De volgende drie aspecten dienen bekeken te worden:
Werkinstructie Psychometrische analyse Versie: 1.0 Datum: 01-04-2014 Code: WIS 04.02 Eigenaar: Eekholt 4 1112 XH Diemen Postbus 320 1110 AH Diemen www.zorginstituutnederland.nl T +31 (0)20 797 89 59 1
Nadere informatieHoofdstuk 6 Twee populaties: parametrische toetsen
Hoofdstuk 6 Twee populaties: parametrische toetsen 6.1 De t-toets voor het verschil tussen twee gemiddelden: In veel onderzoekssituaties zijn we vooral in de verschillen tussen twee populaties geïnteresseerd.
Nadere informatieAantekeningenbundel te gebruiken bij het onderdeel testtheorie van Grondslagen psychologische diagnostiek en testtheorie.
Aantekeningenbundel te gebruiken bij het onderdeel testtheorie van Grondslagen psychologische diagnostiek en testtheorie. College: Betrouwbaarheid Betrouwbaarheid kan je op verschillende manieren schatten:
Nadere informatieExamen Statistische Modellen en Data-analyse. Derde Bachelor Wiskunde. 14 januari 2008
Examen Statistische Modellen en Data-analyse Derde Bachelor Wiskunde 14 januari 2008 Vraag 1 1. Stel dat ɛ N 3 (0, σ 2 I 3 ) en dat Y 0 N(0, σ 2 0) onafhankelijk is van ɛ = (ɛ 1, ɛ 2, ɛ 3 ). Definieer
Nadere informatieItem-responstheorie (IRT)
Item-responstheorie (IRT) niet direct voor een dubbeltje, maar wel erg cool op het podium Ruth van Nispen 1 Caroline Terwee 2 1 Afdeling Oogheelkunde 2 Afdeling Epidemiologie en Biostatistiek VU medisch
Nadere informatieGegevensverwerving en verwerking
Gegevensverwerving en verwerking Staalname - aantal stalen/replicaten - grootte staal - apparatuur Experimentele setup Bibliotheek Statistiek - beschrijvend - variantie-analyse - correlatie - regressie
Nadere informatieStatistiek II. 1. Eenvoudig toetsen. Onderdeel toetsen binnen de cursus: Toetsen en schatten ivm één statistiek of steekproef
Statistiek II Onderdeel toetsen binnen de cursus: 1. Eenvoudig toetsen Toetsen en schatten ivm één statistiek of steekproef Via de z-verdeling, als µ onderzocht wordt en gekend is: Via de t-verdeling,
Nadere informatieHOOFDSTUK VII REGRESSIE ANALYSE
HOOFDSTUK VII REGRESSIE ANALYSE 1 DOEL VAN REGRESSIE ANALYSE De relatie te bestuderen tussen een response variabele en een verzameling verklarende variabelen 1. LINEAIRE REGRESSIE Veronderstel dat gegevens
Nadere informatieAdaptief Toetsen. een oude oplossing voor nieuwe problemen. Theo Eggen
Adaptief Toetsen een oude oplossing voor nieuwe problemen Theo Eggen Inhoud Wat is adaptief toetsen? Wat is er voor nodig? Onderzoek en praktijk Slotopmerkingen Wat is toetsen? Toetsen is meten van prestaties,vaardigheden,
Nadere informatieHoofdstuk 5 Een populatie: parametrische toetsen
Hoofdstuk 5 Een populatie: parametrische toetsen 5.1 Gemiddelde, variantie, standaardafwijking: De variantie is als het ware de gemiddelde gekwadrateerde afwijking van het gemiddelde. Hoe groter de variantie
Nadere informatieHoofdstuk 7: Statistische gevolgtrekkingen voor distributies
Hoofdstuk 7: Statistische gevolgtrekkingen voor distributies 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatieToelichting Ankeronderzoek met Ankersets. Ankeronderzoek. Beschrijving ankeronderzoek
Toelichting Ankeronderzoek met Ankersets Onderstaande tekst is een aangepaste versie van het document Toelichting Ankeronderzoek met Referentiesets, geschreven door Saskia Wools & Anton Béguin (2014).
Nadere informatieHoofdstuk 8: Multipele regressie Vragen
Hoofdstuk 8: Multipele regressie Vragen 1. Wat is het verschil tussen de pearson correlatie en de multipele correlatie R? 2. Voor twee modellen berekenen we de adjusted R2 : Model 1 heeft een adjusted
Nadere informatieEMPO voor Ouders en Jongeren versie 2.0
EMPO voor Ouders en Jongeren versie 2.0 2011 Praktikon BV Nijmegen: Harm Damen 1. Wat is de EMPO? De EMPO 2.0 is een lijst voor zelfevaluatie om de empowerment bij ouders (EMPO Ouders 2.0) en jongeren
Nadere informatieOefenvragen bij Statistics for Business and Economics van Newbold
Oefenvragen bij Statistics for Business and Economics van Newbold Hoofdstuk 1 1. Wat is het verschil tussen populatie en sample? De populatie is de complete set van items waar de onderzoeker in geïnteresseerd
Nadere informatieCollege 2 Enkelvoudige Lineaire Regressie
College Enkelvoudige Lineaire Regressie - Leary: Hoofdstuk 7 tot p. 170 (Advanced Correlational Strategies) - MM&C: Hoofdstuk 10 (Inference for Regression) - Aanvullende tekst 3 Jolien Pas ECO 011-01 Correlatie:
Nadere informatieMet factoranalyse worden heel veel variabelen ingekort tot een aantal variabelen.
17. Factor analyse Met factoranalyse worden heel veel variabelen ingekort tot een aantal variabelen. Het gebruik van factoranalyse Variabelen die niet direct gemeten kunnen worden heten latente variabelen.
Nadere informatieToelichting Ankeronderzoek met Referentiesets. Ankeronderzoek. Beschrijving ankeronderzoek. Saskia Wools & Anton Béguin, Cito 2014
Toelichting Saskia Wools & Anton Béguin, Cito 2014 Ankeronderzoek Deze handleiding bevat een korte beschrijving van ankeronderzoeken. In het algemeen geldt dat meer informatie te vinden is in het boek
Nadere informatieHoofdstuk 8 Het toetsen van nonparametrische variabelen
Hoofdstuk 8 Het toetsen van nonparametrische variabelen 8.1 Non-parametrische toetsen: deze toetsen zijn toetsen waarbij de aannamen van normaliteit en intervalniveau niet nodig zijn. De aannamen zijn
Nadere informatieHoofdstuk 3 Statistiek: het toetsen
Hoofdstuk 3 Statistiek: het toetsen 3.1 Schatten: Er moet een verbinding worden gelegd tussen de steekproefgrootheden en populatieparameters, willen we op basis van de een iets kunnen zeggen over de ander.
Nadere informatieb) Het spreidingsdiagram ziet er als volgt uit (de getrokken lijn is de later uit te rekenen lineaire regressie-lijn): hoogte
Classroom Exercises GEO2-4208 Opgave 7.1 a) Regressie-analyse dicteert hier geen stricte regels voor. Wanneer we echter naar causaliteit kijken (wat wordt door wat bepaald), dan is het duidelijk dat hoogte
Nadere informatieHTS Report DESIGMA - A. Design a Matrix. Tom Billiet ID Datum Advanced 1. Editie. Hogrefe Uitgevers BV, Amsterdam
HTS Report DESIGMA - A Design a Matrix ID 5107-4177 Datum 31.01.2017 Advanced 1. Editie DESIGMA - A Inleiding 2 / 10 INLEIDING Structuur van dit rapport Interpretatie Profielformulier Schaalscores Schaalinformatie
Nadere informatieHoofdstuk 5: Steekproevendistributies
Hoofdstuk 5: Steekproevendistributies Inleiding Statistische gevolgtrekkingen worden gebruikt om conclusies over een populatie of proces te trekken op basis van data. Deze data wordt samengevat door middel
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen»
Nadere informatieCategorieënanalyse bij de LOVStoetsen
cursusboek2009.book Page 117 Thursday, March 30, 2017 3:23 PM Categorieënanalyse bij de LOVStoetsen rekenen-wiskunde Cito, Arnhem / Universiteit Leiden 1 inleiding In 2008 is voor het onderdeel Rekenen-Wiskunde
Nadere informatieOnderbouwing. AMN Eindtoets: adaptief met terugbladerfunctie. Hoe zit dat?
Onderbouwing AMN Eindtoets: adaptief met terugbladerfunctie. Hoe zit dat? In 2017 liet het ministerie van Onderwijs, Cultuur en Wetenschap de AMN Eindtoets officieel toe als eindtoets in het basisonderwijs.
Nadere informatie1 Constructie van tests, schalen en vragenlijsten
1 Constructie van tests, schalen en vragenlijsten 1.1 Gebruik van de termen test en schaal Laten we eerst proberen de termen te stipuleren. Een meetinstrument is elke methode die leidt tot kwantitatieve
Nadere informatieFormuleblad. Hoofdstuk 1: Gemiddelde berekenen: = x 1 + x 2 + x 3 + +x n / n Of: = 1/n Σ x i
Formuleblad Hoofdstuk 1: Gemiddelde berekenen: = x 1 + x 2 + x 3 + +x n / n Of: = 1/n Σ x i Plaats van de median berekenen: Oneven aantal observaties: (n+1)/2 Even aantal observaties: gemiddelde van de
Nadere informatie3 Werkwijze Voordat een CQI meetinstrument mag worden ingezet voor reguliere metingen moet het meetinstrument in twee fases getest worden.
Procedure Psychometrische en discriminerend vermogen testfase Versie: 1.0 Datum: 01-04-2014 Code: PRO 04 Eigenaar: 1 Inleiding De richtlijnen en aanbevelingen voor de test naar de psychometrische en onderscheidende
Nadere informatieTECHNISCHE HANDLEIDING IQ TEST
TECHNISCHE HANDLEIDING IQ TEST 12 December 2011 INHOUDSOPGAVE TESTOVERZICHT Meetpretentie Theoretische achtergrond Kenmerken Samenstelling Toepassingsgebied Voorbeelditems TESTKENMERKEN Vraag die voor
Nadere informatieBij herhaalde metingen ANOVA komt het effect van het experiment naar voren bij de variantie binnen participanten. Bij de gewone ANOVA is dit de SS R
14. Herhaalde metingen Introductie Bij herhaalde metingen worden er bij verschillende condities in een experiment dezelfde proefpersonen gebruikt of waarbij dezelfde proefpersonen op verschillende momenten
Nadere informatieHOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES
HOOFDSTUK 7: STATISTISCHE GEVOLGTREKKINGEN VOOR DISTRIBUTIES 7.1 Het gemiddelde van een populatie Standaarddeviatie van de populatie en de steekproef In het vorige deel is bij de significantietoets uitgegaan
Nadere informatieFACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie Lineaire Algebra, tentamen Uitwerkingen vrijdag 4 januari 0, 9 uur Gebruik van een formuleblad of rekenmachine is niet toegestaan. De
Nadere informatieDATA-ANALYSEPLAN (20/6/2005)
DATA-ANALYSEPLAN (20/6/2005) Inleiding De manier waarop data georganiseerd, gecodeerd en gescoord (getallen toekennen aan observaties) worden en welke technieken daarvoor nodig zijn, dient in het ideale
Nadere informatiebeoordelingskader zorgvraagzwaarte
1 beoordelingskader zorgvraagzwaarte In dit document geven we een beoordelingskader voor de beoordeling van de zorgvraagzwaarte-indicator. Dit beoordelingskader is gebaseerd op de resultaten van de besprekingen
Nadere informatieInzet van social media in productontwikkeling: Meer en beter gebruik door een systematische aanpak
Inzet van social media in productontwikkeling: Meer en beter gebruik door een systematische aanpak 1 Achtergrond van het onderzoek Bedrijven vertrouwen meer en meer op social media om klanten te betrekken
Nadere informatieProgramma. Schaalconstructie. IRT: moeilijkheidsparameter. Intro: Het model achter het LOVS Mogelijkheden die het model biedt voor interpretatie
Programma LOVS Rekenen-Wiskunde Inhoud, rapportage en invloed van en Intro: Het model achter het LOVS Mogelijkheden die het model biedt voor interpretatie Marian Hickendorff Universiteit Leiden / Cito
Nadere informatieExamen Statistiek I Feedback
Examen Statistiek I Feedback Bij elke vraag is alternatief A correct. Bij de trekking van een persoon uit een populatie beschouwt men de gebeurtenissen A (met bril), B (hooggeschoold) en C (mannelijk).
Nadere informatieG0N11a Statistiek en data-analyse: project Eerste zittijd Modeloplossing
G0N11a Statistiek en data-analyse: project Eerste zittijd 2007-2008 Modeloplossing Opmerking vooraf: Deze modeloplossing is een heel volledig antwoord op de gestelde vragen. Om de maximumscore op een vraag
Nadere informatieHTS Report DESIGMA - A. Design a Matrix. Jeroen de Vries ID Datum Advanced 1. Editie. Hogrefe Uitgevers BV, Amsterdam
HTS Report DESIGMA - A Design a Matrix ID 5105-7038 Datum 20.07.2017 Advanced 1. Editie DESIGMA - A Inleiding 2 / 9 INLEIDING Structuur van dit rapport Interpretatie Profielformulier Schaalscores Schaalinformatie
Nadere informatieVoorbeeldtentamen Statistiek voor Psychologie
Voorbeeldtentamen Statistiek voor Psychologie 1) Vul de volgende uitspraak aan, zodat er een juiste bewering ontstaat: De verdeling van een variabele geeft een opsomming van de categorieën en geeft daarbij
Nadere informatieCollege 3 Meervoudige Lineaire Regressie
College 3 Meervoudige Lineaire Regressie - Leary: Hoofdstuk 8 p. 165-169 - MM&C: Hoofdstuk 11 - Aanvullende tekst 3 (alinea 2) Jolien Pas ECO 2012-2013 'Computerprogramma voorspelt Top 40-hits Bron: http://www.nu.nl/internet/2696133/computerprogramma-voorspelt-top-40-hits.html
Nadere informatieStatistiek voor A.I.
Statistiek voor A.I. College 13 Donderdag 25 Oktober 1 / 28 2 Deductieve statistiek Orthodoxe statistiek 2 / 28 3 / 28 Jullie - onderzoek Tobias, Lody, Swen en Sander Links: Aantal broers/zussen van het
Nadere informatieINhOud Voorwoord Inleiding Vooronderzoek en constructieonderzoek Beschrijving van de SON-R 6-40 Normering van de testscores
Inhoud Voorwoord 9 1 Inleiding 13 1.1 Kenmerken van de SON-R 6-40 13 1.2 Geschiedenis van de SON-tests 14 1.3 Aanleiding voor de revisie van de SON-R 5V-17 17 1.4 De onderzoeksfasen 18 1.5 Indeling van
Nadere informatieHoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1
Hoeveel vertrouwen heb ik in mijn onderzoek en conclusie? Les 1 1 Onderwerpen van de lessenserie: De Normale Verdeling Nul- en Alternatieve-hypothese ( - en -fout) Steekproeven Statistisch toetsen Grafisch
Nadere informatieHerkansing Inleiding Intelligente Data Analyse Datum: Tijd: , BBL 508 Dit is geen open boek tentamen.
Herkansing Inleiding Intelligente Data Analyse Datum: 3-3-2003 Tijd: 14.00-17.00, BBL 508 Dit is geen open boek tentamen. Algemene aanwijzingen 1. U mag ten hoogste één A4 met aantekeningen raadplegen.
Nadere informatieBijlage 5: Kwantitatieve analyse
Bijlage 5: Kwantitatieve analyse Deze bijlage bevat een beschrijving van de kwantitatieve analyse, zoals die is uitgevoerd op de 26 vragen in de vragenlijst. Analyses op het niveau van de (26) afzonderlijke
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 14 Donderdag 28 Oktober 1 / 37 2 Statistiek Indeling: Hypothese toetsen Schatten 2 / 37 Vragen 61 Amerikanen werd gevraagd hoeveel % van de tijd zij liegen. Het gevonden
Nadere informatiec Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6
c Voorbeeldvragen, Methoden & Technieken, Universiteit Leiden TS: versie 1 1 van 6 1. Iemand kiest geblinddoekt 4 paaseitjes uit een mand met oneindig veel paaseitjes. De helft is melkchocolade, de andere
Nadere informatieBij factor ANOVA is er een tweede onafhankelijke variabele in de analyse bij gekomen. Er zijn drie soorten designs mogelijk:
13. Factor ANOVA De theorie achter factor ANOVA (tussengroep) Bij factor ANOVA is er een tweede onafhankelijke variabele in de analyse bij gekomen. Er zijn drie soorten designs mogelijk: 1. Onafhankelijke
Nadere informatieToegepaste data-analyse: sessie 3
Toegepaste data-analyse: sessie 3 Mixed Models II: Actor-partner model Corr (Yij, Yik) = σσ 2 kkkkkkkkkkkk σσ 2 kkkkkkkkkkkk+ σσ 2 rrrrrr Je kan deze data niet modelleren a.d.h.v. lineaire regressie. Er
Nadere informatieStatistiek ( ) eindtentamen
Statistiek (200300427) eindtentamen studiejaar 2010-11, blok 4; Taalwetenschap, Universiteit Utrecht. woensdag 29 juni 2011, 17:15-19:00u, Educatorium, zaal Gamma. Schrijf je naam en student-nummer op
Nadere informatieAanpassingen takenboek! Statistische toetsen. Deze persoon in een verdeling. Iedereen in een verdeling
Kwantitatieve Data Analyse (KDA) Onderzoekspracticum Sessie 2 11 Aanpassingen takenboek! Check studienet om eventuele verbeteringen te downloaden! Huidige versie takenboek: 09 Gjalt-Jorn Peters gjp@ou.nl
Nadere informatieRobuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid
Robuustheid regressiemodel voor kapitaalkosten gebaseerd op aansluitdichtheid Dr.ir. P.W. Heijnen Faculteit Techniek, Bestuur en Management Technische Universiteit Delft 22 april 2010 1 1 Introductie De
Nadere informatieKansrekening en Statistiek
Kansrekening en Statistiek College 11 Dinsdag 25 Oktober 1 / 27 2 Statistiek Vandaag: Hypothese toetsen Schatten 2 / 27 Schatten 3 / 27 Vragen: liegen 61 Amerikanen werd gevraagd hoeveel % van de tijd
Nadere informatieSamenvatting (Summary in Dutch)
In dit proefschrift worden een aantal psychometrische methoden beschreven waarmee de accuratesse en efficientie van psychodiagnostiek in de klinische praktijk verbeterd kan worden. Psychodiagnostiek wordt
Nadere informatieAantekeningenbundel te gebruiken bij het onderdeel testtheorie van Grondslagen psychologische diagnostiek en testtheorie.
Aantekeningenbundel te gebruiken bij het onderdeel testtheorie van Grondslagen psychologische diagnostiek en testtheorie. College: Transformaties, normering en (item)analyse Tentamentip: voor het tentamen
Nadere informatieTentamen Inleiding Intelligente Data Analyse Datum: Tijd: , BBL 420 Dit is geen open boek tentamen.
Tentamen Inleiding Intelligente Data Analyse Datum: 19-12-2002 Tijd: 9.00-12.00, BBL 420 Dit is geen open boek tentamen. Algemene aanwijzingen 1. U mag ten hoogste één A4 met aantekeningen raadplegen.
Nadere informatieStatistiek in de alfa en gamma studies. Aansluiting wiskunde VWO-WO 16 april 2018
Statistiek in de alfa en gamma studies Aansluiting wiskunde VWO-WO 16 april 2018 Wie ben ik? Marieke Westeneng Docent bij afdeling Methoden en Statistiek Faculteit Sociale Wetenschappen Universiteit Utrecht
Nadere informatieSamenvatting. Inleiding
Samenvatting Het percentage volwassenen met een hoog risico op een angststoornis of depressie ligt in de gemeenten Roosendaal (9.7%) en Rucphen (11.0%) significant en relevant hoger dan landelijk (7.1%).
Nadere informatieHoofdstuk 4 Uitvoeren en verslag leggen van een betrouwbaarheidsanalyse
Inhoud Voorwoord 9 Hoofdstuk 1 Constructie van tests, schalen en vragenlijsten 11 1.1 Gebruik van de termen test en schaal 11 1.2 Fasen in een valideringsonderzoek 11 1.3 Unidimensionaliteit 15 Hoofdstuk
Nadere informatieStatistiek II. Sessie 5. Feedback Deel 5
Statistiek II Sessie 5 Feedback Deel 5 VPPK Universiteit Gent 2017-2018 Feedback Oefensessie 5 1 Statismex, gewicht en slaperigheid2 1. Lineair model: slaperigheid2 = β 0 + β 1 dosis + β 2 bd + ε H 0 :
Nadere informatieCollege 2 Observeren en Meten
College 2 Observeren en Meten Inleiding M&T 2012 2013 Hemmo Smit Overzicht van dit college Observeren en Meten van Variabelen Betrouwbaarheid en Validiteit Dataverzamelingsmethoden Observeren en Meten
Nadere informatieExamen Statistiek I Januari 2010 Feedback
Examen Statistiek I Januari 2010 Feedback Correcte alternatieven worden door een sterretje aangeduid. 1 Een steekproef van 400 personen bestaat uit 270 mannen en 130 vrouwen. Twee derden van de mannen
Nadere informatieBerekenen en gebruik van Cohen s d Cohen s d is een veelgebruikte manier om de effectgrootte te berekenen en wordt
A. Effect & het onderscheidingsvermogen Effectgrootte (ES) De effectgrootte (effect size) vertelt ons iets over hoe relevant de relatie tussen twee variabelen is in de praktijk. Er zijn twee soorten effectgrootten:
Nadere informatieVandaag. Onderzoeksmethoden: Statistiek 3. Recap 2. Recap 1. Recap Centrale limietstelling T-verdeling Toetsen van hypotheses
Vandaag Onderzoeksmethoden: Statistiek 3 Peter de Waal (gebaseerd op slides Peter de Waal, Marjan van den Akker) Departement Informatica Beta-faculteit, Universiteit Utrecht Recap Centrale limietstelling
Nadere informatieToetsende Statistiek Week 5. De F-toets & Onderscheidend Vermogen
M, M & C 7.3 Optional Topics in Comparing Distributions: F-toets 6.4 Power & Inference as a Decision 7.1 The power of the t-test 7.3 The power of the sample t- Toetsende Statistiek Week 5. De F-toets &
Nadere informatieJe kunt al: -de centrummaten en spreidingsmaten gebruiken -een spreidingsdiagram gebruiken als grafische weergave van twee variabelen
Lesbrief: Correlatie en Regressie Leerlingmateriaal Je leert nu: -een correlatiecoëfficient gebruiken als maat voor het statistische verband tussen beide variabelen -een regressielijn te tekenen die een
Nadere informatieMeten: algemene beginselen. Harry B.G. Ganzeboom ADEK UvS College 1 28 februari 2011
Meten: algemene Harry B.G. Ganzeboom ADEK UvS College 1 28 februari 2011 OPZET College 1: Algemene College 2: Meting van attitudes (ISSP) College 3: Meting van achtergrondvariabelen via MTMM College 4:
Nadere informatiemlw stroom 2.1: Statistisch modelleren
mlw stroom 2.1: Statistisch modelleren College 5: Regressie en correlatie (2) Rosner 11.5-11.8 Arnold Kester Capaciteitsgroep Methodologie en Statistiek Universiteit Maastricht Postbus 616, 6200 MD Maastricht
Nadere informatie1. De volgende gemiddelden zijn gevonden in een experiment met de factor Conditie en de factor Sekse.
Oefentoets 1 1. De volgende gemiddelden zijn gevonden in een experiment met de factor Conditie en de factor Sekse. Conditie = experimenteel Conditie = controle Sekse = Vrouw 23 33 Sekse = Man 20 36 Van
Nadere informatieCollege 7 Tweeweg Variantie-Analyse
College 7 Tweeweg Variantie-Analyse - Leary: Hoofdstuk 12 (p. 255 t/m p. 262) - MM&C: Hoofdstuk 12 (p. 618 t/m p. 623 ), Hoofdstuk 13 - Aanvullende tekst 9, 10, 11 Jolien Pas ECO 2012-2013 Het Experiment
Nadere informatieCategorieënanalyse bij de LOVStoetsen
Categorieënanalyse bij de LOVStoetsen rekenen-wiskunde J. Janssen & M. Hickendorff Cito, Arnhem / Universiteit Leiden 1 inleiding In 2008 is voor het onderdeel Rekenen-Wiskunde een nieuwe rapportagevorm
Nadere informatieHoofdstuk 4 Kansen. 4.1 Randomheid
Hoofdstuk 4 Kansen 4.1 Randomheid Herhalingen en kansen Als je een munt opgooit (of zelfs als je een SRS trekt) kunnen de resultaten van tevoren voorspeld worden, omdat de uitkomsten zullen variëren wanneer
Nadere informatiePopulaties beschrijven met kansmodellen
Populaties beschrijven met kansmodellen Prof. dr. Herman Callaert Deze tekst probeert, met voorbeelden, inzicht te geven in de manier waarop je in de statistiek populaties bestudeert. Dat doe je met kansmodellen.
Nadere informatieHoofdstuk 2: Verbanden
Hoofdstuk 2: Verbanden Inleiding In het gebruik van statistiek komen we vaak relaties tussen variabelen tegen. De focus van dit hoofdstuk ligt op het leren hoe deze relaties op grafische en numerieke wijze
Nadere informatieMeervoudige ANOVA Onderzoeksvraag Voorwaarden
Er is onderzoek gedaan naar rouw na het overlijden van een huisdier (contactpersoon: Karolijne van der Houwen (Klinische Psychologie)). Mensen konden op internet een vragenlijst invullen. Daarin werd gevraagd
Nadere informatieCollege 7. Regressie-analyse en Variantie verklaren. Inleiding M&T Hemmo Smit
College 7 Regressie-analyse en Variantie verklaren Inleiding M&T 2012 2013 Hemmo Smit Neem mee naar tentamen Geslepen potlood + gum Collegekaart (alternatief: rijbewijs, ID-kaart, paspoort) (Grafische)
Nadere informatie6 De relatie tussen de intentie tot exploratie, binding en delinquent gedrag
6 De relatie tussen de intentie tot exploratie, binding en delinquent gedrag 6.1 Inleiding Is de toe- en afname van het aantal jongeren met delinquent gedrag in de adolescentie een gevolg van de intentie
Nadere informatieTentamen Kansrekening en Statistiek MST 14 januari 2016, uur
Tentamen Kansrekening en Statistiek MST 14 januari 2016, 14.00 17.00 uur Het tentamen bestaat uit 15 meerkeuzevragen 2 open vragen. Een formuleblad wordt uitgedeeld. Normering: 0.4 punt per MC antwoord
Nadere informatieHebben mannen en vrouwen gelijke kansen. bij selectieproeven met intelligentietests? Samenvatting
FACULTEIT PSYCHOLOGIE EN PEDAGOGISCHE WETENSCHAPPEN DEPARTEMENT PSYCHOLOGIE ONDERZOEKSGROEP HOGERE COGNITIE EN INDIVIDUELE VERSCHILLEN CENTRUM VOOR ORGANISATIE- EN PERSONEELSPSYCHOLOGIE TIENSESTRAAT 102
Nadere informatieStructural Equation Modeling
Workshop Structural Equation Modeling Eva Van den Bussche 2007 Overzicht Deel I: Theoretische kadering SEM Deel II: Introductie AMOS: Demonstratie Deel III: Practicum op basis van real-life datasets 2
Nadere informatieToegepaste Statistiek, Week 3 1
Toegepaste Statistiek, Week 3 1 In Week 2 hebben we toetsingstheorie besproken mbt een kwantitatieve (ordinale) variabele G, en met name over zijn populatiegemiddelde E(G). Er waren twee gevallen: Er is
Nadere informatieEnkelvoudige ANOVA Onderzoeksvraag Voorwaarden
Er is onderzoek gedaan naar rouw na het overlijden van een huisdier (contactpersoon: Karolijne van der Houwen (Klinische Psychologie)). Mensen konden op internet een vragenlijst invullen. Daarin werd gevraagd
Nadere informatie