EEN BEKNOPTE HANDLEIDING

Transcriptie

1 EEN BEKNOPTE HANDLEIDING LEREN ONDERZOEKEN (SPSS VERSIE) MTSO-INFO 25 DIMITRI MORTELMANS 2003 Faculteit PSW Universiteit Antwerpen Contact: prof. dr. Dimitri Mortelmans Tel : +32 (03) Fax : +32 (03)

2 MTSO-INFO Documenten in de reeks MTSO-INFO werden geschreven door leden van de vakgroep MTSO (Methoden en Technieken van het Sociaal-Wetenschappelijk Onderzoek) met als doel op een heldere en eenvoudige manier bepaalde thema's van onderzoeksmethoden en computergebruik uit te leggen. De thema s sluiten aan bij analysetechnieken of softwareprogramma s die gebruikt worden aan de Faculteit PSW van de Universiteit Antwerpen. Vermits sommige documenten door andere leden van de Universiteit Antwerpen of daarbuiten nuttig kunnen zijn, worden deze gratis online aangeboden op Het downloaden en verspreiden van deze documenten is toegestaan mits correcte bronvermelding. WAARSCHUWING: De documenten worden slechts sporadisch bijgewerkt. Dit heeft repercussies voor die documenten die slaan op software. De auteurs hebben niet de bedoeling om bij het uitkomen van nieuwe versies van programma s steeds het hele document te herschrijven. Daarom dient de lezer er rekening mee te houden dat het document steeds slaat op de softwareversie zoals deze bij het uitkomen van het MTSO-INFO document gangbaar was.

3 EEN BEKNOPTE HANDLEIDING LEREN ONDERZOEKEN (SPSS-VERSIE) Inhoud 1 HET WERKEN IN SPSS BINNEN EEN LEERONDERZOEK HET LOZ-DATABESTAND KOPIËREN EN IN SPSS OPENEN EIGEN PROGRAMMA S EN OUTPUT HET BEWERKEN VAN DATA EEN NIEUWE VARIABELE AANMAKEN DE LAY-OUT VAN EEN VARIABELE VORM GEVEN VARIABELEN HERCODEREN (RECODE) BEREKENINGEN MET VARIABELEN UITVOEREN (COMPUTE) Toepassing 1: Het omkeren van een variabele Toepassing 2: Variabelen dichotomiseren VOORWAARDELIJK DATABEHEER DE ANALYSE VAN DE DATA UNIVARIATE TABELLEN De aanmaak van univariate tabellen Univariate tabellen van vragen met meerdere antwoordmogelijkheden Univariate tabellen van vragen met dezelfde antwoordcategorieën Tips voor het werken met univariate tabellen BIVARIATE TABELLENANALYSE Inleiding: De procedure Crosstabs Soorten percentages in de tabel Afhankelijkheid en onafhankelijkheid Over de gevaren van het gebruik van percentages VERBANDEN BIJ NOMINALE VARIABELEN VERBANDEN BIJ ORDINALE VARIABELEN VERBANDEN BIJ INTERVALVARIABELEN Klassieke correlaties bij continue variabelen Gemiddelden vergelijken bij intervalvariabelen: t- en F-toetsen SCHAALTECHNIEKEN Factoranalyse betrouwbaarheidsanalyse DE RAPPORTERING DE VORMELIJKE MOEILIJKHEDEN Basistaken in Word Lettertype en lettergrootte Paginanummering Titels Tabellen invoegen en nummeren DE INHOUD VAN HET RAPPORT MTSO INFO / UA - FPSW

4 2 Nadat de gegevens verzameld en ingevoerd zijn, begint het moeilijkste deel van de opdracht: de verwerking van de gegevens. De verwerking bestaat uit twee belangrijke onderdelen: ten eerste de analyse van de data, en ten tweede de rapportering. In deze tekst zullen de twee onderdelen zeer beknopt besproken worden. Eenduidige regels kunnen hier echter niet gegeven worden om de eenvoudige reden dat ze niet bestaan. Daarom is deze tekst eigenlijk een lange opsomming van conventies. 1 1 Het werken in SPSS binnen een leeronderzoek 1.1 Het LOZ-databestand kopiëren en in SPSS openen Het gegevensbestand van SPSS staat op de login van jouw leeronderzoek. Dat wil zeggen dat je vóór je begint het bestand eerst moet ophalen op het netwerk voor je kan beginnen met werken. Soms kan het zijn dat er al een versie van het bestand op de harde schijf in de computerklas staat. Betrouw echter niet altijd op deze versies. Het kan zijn dat die door een medestudent gebruikt zijn voor bepaalde analyses en daardoor nu niet meer volledig zijn. Ga altijd een nieuwe versie op het netwerk halen. Een nieuwe versie van het netwerk halen, kan met behulp van het programma FTP. Dat programma vind je op de studentenpc s in de map Netwerk. Wanneer je het programma opstart, zie je twee vensters. 1 Nico Carpentier en Koen Pepermans werkten mee aan vroegere versies van deze handleiding. Door de teksten heen, is hun hand ongetwijfeld nog terug te vinden.

5 3 In het dialoogvenster Session Profile kan je de gegevens over jouw LOZ-login invullen. Vraag aan de begeleider van het leeronderzoek naar volgende ontbrekende gegevens (naast de andere die ingevuld moeten worden): Host name User ID Password gins.uia.ac.be.. Klik eerst op de knop New om een nieuw profiel 2 aan te maken. Alle tekstvakken worden leeg gemaakt en je kan beginnen een nieuw, eigen profiel aan te maken. Vul het profiel in met de gegevens van jouw leeronderzoek en kies dan Save. Nu ben je klaar om een verbinding te leggen. Klik op OK en de verbinding wordt gelegd. Na een tijdje krijg je een verbinding en zie je volgend scherm: 2 Een profiel is een geheel van gegevens die nodig zijn om een succesvolle verbinding te maken. Naast de naam van de server en de gebruikersnaam kan je ook aangeven welke directories het programma standaard moet weergeven na een verbinding.

6 4 Je ziet vier vensters: de twee linkse geven de directories en bestanden op je lokale harde schijf (in de computerklas) weer, de twee rechtse de bestanden en directories van de login van jouw leeronderzoek. Schematisch: Directory waar je je bevindt op lokale schijf Directory waar je je bevindt op server Directories op lokale schijf Directories op server Bestanden op lokale schijf Bestanden op server In het directory-venster kan je omhoog en omlaag gaan in de directory-structuur terwijl je in het bestandsvenster bestanden kan selecteren om over te brengen. Een voorbeeld: Stel dat je het databestand leeronderzoek.sav wil overbrengen van de server naar je lokale harde schijf. Dit bestand bevindt zich in de directory /Leeronderzoek data. In het directory-venster van de server (rechterkant) dubbelklik je op de directory Leeronderzoek data. In het bestandsvenster van de server zie je dan het databestand staan. Klik éénmaal op het bestand leeronderzoek.sav. Het bestand is nu geselecteerd.

7 5 Om het bestand over te brengen, klik je op de pijl die naar links wijst. Deze pijl gebruik je om bestanden over te brengen van de server naar de lokale harde schijf. Er komt een status-venster op je scherm dat informatie geeft over de vooruitgang van het overbrengen. Uiteindelijk zie je de onderstaande situatie op je scherm. Het bestand is overgezet en indien je geen andere bestanden wil overbrengen, kies je Close om de verbinding te sluiten. Eens je je databestand hebt overgebracht, kan je SPSS opstarten. In de computerklas vind je alle statistische software terug in een map Analyse. Als je op het icoon SPSS klikt, zal het programma opstarten. Als je in het menu File klikt op Open en dan op Data krijg je het volgende scherm te zien:

8 6 Zoek op de harde schijf naar het bestand leeronderzoek.sav en klik dat aan. Wanneer je bevestigt met Openen, dan zal het gegevensbestand van het leeronderzoek geopend worden. Het best is dat je onderaan je venster de optie Variable View aanklikt. Zo krijg je een overzicht van alle variabelen in je bestand en ben je klaar om met je analyses aan de slag te gaan. 1.2 Eigen programma s en output SPSS laat de gebruiker toe om alle analyseprogramma s te schrijven via menu s of rechtstreeks in het syntaxvenster. Wanneer je alleen werkt, maakt het niet veel uit hoe je met programma s in SPSS omgaat. Voor een groepswerk als leeronderzoek echter, maakt dit wel uit. Daarom stellen we volgende werkwijze voor: 1. Bouw je analyse op met behulp van de menu s Het zou onverstandig zijn om de gebruiksvriendelijkheid van SPSS niet optimaal te benutten. Zonder dat je op de hoogte moet zijn van de structuur en de opbouw van SPSS-programma s kan je toch analyses uitvoeren met het

9 7 programma. Je hoeft maar de juiste analysetechniek in het menu Analyze aan te klikken om het programma op te bouwen. Je kan dit ook voor het leeronderzoek doen, maar dan zonder het uitvoeren van de procedure. 2. Plak je programma in de syntaxeditor Om voor het leeronderzoek je programma s te bewaren, klik je in het analysevenster niet op OK maar op Paste. SPSS zal dan het Syntax venster openen en alles wat je aanklikte in SPSS-code omzetten en in dat Syntaxvenster plakken. Om nadien nog te weten wat je aan het doen was, typ je best boven de code een commentaarregel met wat uitleg. In SPSS-code laat je commentaarregels voorafgaan door een sterretje (*). 3. Bewaar je programma De eerste keer dat je een nieuw programma maakt, doe je er best aan om de inhoud van het syntaxvenster te bewaren voor je het programma uitvoert. Je bewaart je programma door de Control-toets in te duwen en tegelijk de letter S aan te slaan (CTRL + S). Als je het programma voor het eerst opslaat, krijg je volgend scherm:

10 8 Kies een naam voor je programma die uitlegt welke analyses er allemaal in jouw programma samen staan en sla op. 4. Voer je programma uit Nu ben je klaar om je programma uit te voeren. Je kan uit het menu Run nu verschillende opties kiezen. Ofwel kies je All en dan wordt alle code in het venster uitgevoerd. Ofwel kies je Selection en dan wordt enkel een selectie van code uitgevoerd. Dat gebeurt uiteraard alleen als je op voorhand een bepaald deel van je code hebt aangeblokt. De analyse wordt uitgevoerd en het outputvenster wordt aangemaakt (voor de eerste analyse) of wordt aangevuld (als je reeds analyses uitvoerde). 5. Bewaar de output Ook de output van je analyse bewaar je best op de harde schijf. Daarvoor typ je opnieuw CTRL +S en je geeft de output dezelfde naam als het programma dat je net hebt bewaard. Op die manier kan je altijd zien welke output en welke programma s samen horen. Eens dat gedaan is, kan je verder gaan met nieuwe analyses.

11 9 6A. Analyses opnieuw uitvoeren Vaak gebeurt het dat de analyses die je deed niet het gewenste resultaat geven. Bijvoorbeeld je vergat om percentages op te vragen bij je tabellenanalyse. In dat geval moet je de laatste analyse opnieuw uitvoeren. De eerste stap daarin is het verwijderen van het stukje output dat zojuist gemaakt werd. Klik daarvoor op de laatste hoofdtitel in het outputvenster (in ons voorbeeld is dat Crosstabs) en duw de delete-toets in om deze output te verwijderen. Ga dan naar het Syntax-venster om het laatste stukje code te selecteren en opnieuw te verwijderen. Tot slot kan je je laatste menu-gestuurd programma opnieuw oproepen door te klikken op de knop Dialog Recall ( ). Je kan dan kiezen voor de laatste analyse en de fouten er in wegwerken. 6B. Nieuwe analyses uitvoeren Als je tevreden bent over je output, kan je verdere analyses uitvoeren. Vaak maak je daarbij ook gebruik van de knop Dialog Recall ( ) om het laatste menu dat je maakte op te roepen. De juiste opties (voor een tabel bijvoorbeeld) staan daar immers ingesteld en je hoeft in veel gevallen niets meer doen dan de variabelen aanpassen en de heel cyclus vanaf 1 opnieuw te starten. In wat volgt, geven we je een korte stoomcursus van enkele van de meest gebruikte databeheertechnieken en analyses in het leeronderzoek.

12 10 2 Het bewerken van data 2.1 Een nieuwe variabele aanmaken Databeheer heeft heel vaak te maken met het berekenen van nieuwe variabelen of het hercategoriseren van bestaande variabelen. Voor we dieper in kunnen gaan op deze technieken, is de eenvoudige creatie van een nieuwe variabele cruciaal. SPSS kan in de sommige gevallen geen databeheer doen op variabelen die nog niet bestaan in de dataset. Daarom moeten we eerst via de syntax variabelen kunnen toevoegen. Dat gebeurt met de commando s NUMERIC en STRING. NUMERIC X0 V1 to V5. De procedure NUMERIC maakt nieuwe numerieke variabelen aan die de gebruiker zelf een naam kan geven. Wanneer de gebruiker een reeks variabelen wil creëren, kan hij de eerste en de laatste variabele uit een reeks opgeven en verbinden met het kenwoord TO. Zo worden er in bovenstaand voorbeeld zes nieuwe variabelen aangemaakt: X0, V1, V2, V3, V4 en V5. De laatste vijf konden compact in het programma geschreven worden door V1 TO V5 te gebruiken. Let wel op: je moet minstens één variabele hebben in je databestand om deze functie te kunnen gebruiken. STRING S0 Txt1 to Txt5. Het commando doet hetzelfde als NUMERIC maar creëert nieuwe tekstvariabelen in plaats van numerieke variabelen. In bovenstaand voorbeeld worden opnieuw zes variabelen aangemaakt: S0, Txt1, Txt2, Txt3, Txt4 en Txt De lay-out van een variabele vorm geven Bekijk de volgende tabel en geef een zinvolle interpretatie aan het resultaat dat in de tabel voorgesteld wordt: VAR00001 Valid Missing Total 1,00 2,00 3,00 99,00 Total System Cumulative Frequency Percent Valid Percent Percent ,3 31,4 31, ,7 33,8 65, ,5 34,7 100,0 2,0,0 100, ,6 100,0 18, ,0

13 11 Het is onmogelijk om op basis van deze tabel iets te zeggen. Je kan niet weten waar deze gegevens op slaan. Ook het kijken in het venster Variable View biedt geen soelaas: Er zijn geen gegevens beschikbaar over variabele var Dit is een fout die veel beginnende onderzoekers maken. Men creëert een nieuwe variabele om een bepaalde analyse te doen. Omdat men zo nieuwsgierig is naar de resultaten vergeet men om de nieuwe variabele degelijk te definiëren. Op het moment van de aanmaak van de variabele weet men perfect waar men naar kijkt maar een week later is dat al veel moeilijker en een collega-onderzoeker die het bestand in handen krijgt, begrijpt er helemaal niets meer van.

14 12 Daarom is het CRUCIAAL om elke nieuwe variabele die met databeheer aangemaakt wordt, volledig en duidelijk te definiëren. In volgorde van belangrijkheid betekent dat volgende elementen aanmaken: Zeker Eventueel 1. Een label geven aan de variabele 2. Een value label geven aan de categorieën van de variabele 3. Het formaat en de lengte van de variabele juist instellen 4. Missing Values definiëren Het definiëren van deze elementen gebeurt als volgt: 1. Label Een label is een uitgebreide naam voor een bepaalde variabele. De meeste variabelen dragen nogal duistere namen als X1 of VAR0001. Deze naamgeving is handig voor de interne berekeningen maar is onbegrijpelijk voor de buitenwereld. Daarom wordt een label gebruikt om een duidelijkere benaming aan de variabele te geven. Deze benaming verschijnt bijvoorbeeld als hoofding boven een tabel. VARIABLE LABELS EXECUTE. variabelennaam1 Omschrijving van de variabele1 / variabelennaam2 Omschrijving van de variabele2. Na het commando VARIABLE LABELS som je eerst de variabelennaam op en daarna, tussen aanhalingstekens het label van de variabele. Als je meerdere variabelen met één commando een label wil geven dan kan dat door de sequentie van variabelennaam en label na elkaar te herhalen. Vergeet wel geen slash te schrijven om de verschillende variabelen van elkaar te scheiden. 2. Value label Een value label is ook een soort etiket om aan de buitenwereld duidelijk te maken wat de interne SPSS-waarde betekent. Alleen wordt een value label niet gehecht aan een variabele maar aan een bepaalde categorie van een variabele. Uiteraard hebben Value Labels alleen maar zin als je met een categoriale variabele te maken hebt. VALUE LABELS variabelennaam categorie1 Omschrijving van categorie 1 categorie2 Omschrijving van categorie 2. EXECUTE. Na het commando VALUE LABELS moet opgegeven worden voor welke variabele we categorielabels gaan aanmaken. Vervolgens moet een lijst komen waarin telkens eerst de numerieke waarde gegeven wordt, gevolgd door de categorie-

15 13 omschrijving, tussen aanhalingstekens. Het is mogelijk om met één commando verschillende variabelen te herwerken. Voorwaarde is dan wel dat de verschillende variabelen en hun coderingen gescheiden zijn door een / Formaat en lengte De lengte van een variabele bepaalt hoeveel informatie in een bepaalde variabele opgeslagen kan worden. Voor een numerieke variabele komt dat er ruwweg op neer dat de lengte aangeeft hoeveel cijfers na elkaar de variabele kan bevatten (lengte twee is enkel voor tientallen; lengte 4 kan getallen tot 9999 aan). Voor tekstvariabele regelt de lengte hoeveel letters die variabele kan bevatten. De onderzoeker moet de keuze van de lengte van een variabele zorgvuldig afwegen. Het langer maken van een variabele zorgt immers voor het explosief groeien van het databestand op de harde schijf. Voor elke variabele wordt immers een bepaalde ruimte voorzien in het databestand. Voor numerieke variabele is dit het meest voorkomende type format: FORMATS variabelennaam (F1.0). EXECUTE. Het formaat voor numerieke variabele wordt tussen haken gegeven na de variabelennaam. Het meest voorkomende formaat is het zogenaamde Fortranformaat. Na de letter F volgen twee cijfers gescheiden door een punt. Het eerste cijfer definieert de lengte van de variabele, het tweede cijfer definieert het aantal decimalen voor deze variabele. Het format F1.0 wil dus zeggen een variabele waar enkel getallen lager dan 10 ingevoerd kunnen worden, zonder decimalen. Het is bijvoorbeeld het formaat voor een variabele als geslacht (enkel waarde 1 en 2 en geen decimalen). De onderzoeker kan zelf de lengte en het aantal decimalen van de variabele instellen. De enige voorwaarde is dat de waarde van de decimalen steeds één eenheid kleiner is dan de lengte van de variabele (er moet immers steeds één plaats overblijven vóór de komma). FORMATS variabelennaam (A50). EXECUTE. Voor een tekstvariabele wordt een eenvoudig format gebruik: de letter A gevolg door de lengte van de variabele. Uiteraard hebben decimalen geen zin bij dit type variabelen. 3 Ook hier gebruiken we het slash-teken wanneer we de value labels van verschillende variabelen willen toekennen.

16 14 4. Eigen Missing Values Als er géén waarde in een variabele is ingevoerd dan geeft SPSS dit weer door een punt en omschrijft hij deze waarde als een System Missing. De onderzoeker kan echter zelf ook Missing Value definiëren bovenop de System Missings. Hij doet dit met het commando Missing Values: MISSING VALUES variabelennaam (missende waarden). EXECUTE. Het commando werkt analoog aan de voorgaande: na de opgave van de betrokken variabelen naam wordt tussen haken de numerieke waarden gegeven die Missing zijn. Om de tabel die we eerder creëerden volledig leesbaar te maken, schrijven we volgend programma: VARIABLE LABELS var00001 Graad waarin de scholier les volgt. VALUE LABELS var Eerste graad 2 Tweede graad 3 Derde graad. FORMATS var00001 (F1.0). MISSING VALUES var00001 (99). EXECUTE. Merk op dat de verschillende lay-outcommando s onmiddellijk achter elkaar komen en afgesloten worden door één EXECUTE commando. Dit commando moet dus niet telkens herhaald worden. In de Variable View ziet var00001 er nu zo uit:

17 15 Je krijgt in de database nu onmiddellijk een zicht op wat de nieuwe variabele betekent. Als je van deze variabele een frequentietabel trekt, wordt deze duidelijk interpreteerbaar: Graad waarin de scholier les volgt Valid Missing Total Eerste graad Tweede graad Derde graad Total 99 System Total Cumulative Frequency Percent Valid Percent Percent ,3 31,5 31, ,7 33,9 65, ,5 34,7 100, ,6 100,0 2,0 18,4 20, ,0 Boven de tabel is het label geplaatst als een soort titel van de tabel. De drie categorieën zijn nu duidelijk leesbaar. Bovendien is de 1.0 intern veranderd in de waarde 1. Met het commando FORMATS hebben we het aantal decimalen immers op 0 gezet, wat veel logischer is voor de variabele. Tot slot staat de waarde 99 nu niet meer als een echte waarde in de tabel maar wordt ze onderaan bij de Missing Values gevoegd. Het was niet nodig om voor 99 een aparte Value Label te definiëren, al had dat wel gekund. Het bovenstaande programma omvat slechts drie of vier commando s. Deze beperkte inspanning maakt elke nieuwe variabele leesbaar. Daarom kunnen we niet genoeg benadrukken dat het noodzakelijk is om voor ELKE variabele deze programmaregels te creëren. Het maakt het gegevensbestand leesbaarder en werkbaarder. 2.3 Variabelen hercoderen (RECODE) Variabelen kunnen op twee manieren herwerkt worden. Ofwel hercoderen we bestaande waarden van een variabele. Zo kunnen we bijvoorbeeld de leeftijden hercoderen in een nieuwe variabele met een beperkt aantal leeftijdsklassen. In SPSS wordt daarvoor de RECODE-procedure gebruikt. Ofwel berekenen we een nieuwe variabele aan de hand van één of meer bestaande variabelen. Dit gebeurt aan de hand van de COMPUTE-procedure. Deze laatste procedure komt in de volgende paragraaf aan bod. We starten met de RECODE-procedure. Met de opdracht Recode kunnen we de categorieën van een variabele herwerken. Dit is handig bij een variabele met zeer veel verschillende waarden, zoals leeftijd of inkomen of voor een variabele die we in een bepaalde procedure willen dichotomiseren, enzovoort. De snelste manier om variabelen te hercoderen is via het schrijven van een RECODE-programma. Dit is een heel compact programma waarin de onderzoeker

18 16 snel de nieuwe en de oude categorieën kan uittypen. SPSS onderscheidt twee soorten hercoderingen: - Into same variables: De hercodering verloopt binnen één variabele. Opgepast! Na de hercodering kunnen we dan wel niet meer beschikken over de oorspronkelijke waarden. Het is daarom beter om deze mogelijkheid niet te gebruiken. - Into different variables: Deze hercodering plaatst de resultaten in een nieuwe variabele. Na de hercodering beschikken we dus zowel over de oorspronkelijke waarden als de nieuwe waarden. Het hercoderen gebeurt met behulp van het programma RECODE. De syntax is in staat om de beide mogelijkheden op te vangen. Als het kenwoord INTO niet gebruikt wordt, blijft de hercodering binnen één variabele. Mét het kenwoord INTO moet een nieuwe variabele opgegeven worden waarin de hercoderingen plaats vinden. RECODE oude variabelenaam (oude waarde = nieuwe waarde) ( ) INTO nieuwe variabelenaam. EXECUTE. De syntax is als volgt gestructureerd. Na het commando wordt de naam van de variabele gegeven waar SPSS de data moet gaan zoeken. Dan volgen de hercoderingen. Voor elke waarde die herwerkt moet worden, moet tussen haken aangegeven worden wat de oude waarde is en wat de nieuwe waarde wordt. Als het kenwoord INTO gebruikt wordt, zal het resultaat in een nieuwe variabele geplaatst worden. Belangrijk hierbij is dat deze nieuwe variabele niet hoeft te bestaan in de dataset. SPSS zal zelf een nieuwe variabele aanmaken indien de opgegeven naam nog niet bestaat. Zonder het kenwoord INTO, worden de waarden van de variabele zelf aangepast en de oude waarde verwijderd. Om het herwerken van de categorieën vlotter te laten verlopen, voorziet SPSS in verschillende varianten van de syntax oude waarde = nieuwe waarde. We geven een overzicht: Type Voorbeeld Uitleg hercodering Value (oude w. = nieuwe w.) Eén enkele oude waarde wordt omgezet in één enkele nieuwe waarde System missing (SYSMIS=nieuwe waarde) Een system missing waarde krijgt een nieuwe waarde. User missing (MISSING=nieuwe waarde) Een user missing waarde (of system missing waarde) krijgt een nieuwe waarde. Range (oude waarde 1 THRU oude waarde 2 = nieuwe waarde) Een range van waarden wordt omgezet in één nieuwe waarde Range lowest (LOWEST THRU oude waarde = nieuwe waarde) Een interval van de laagst waarde tot de opgegeven waarde wordt omgezet in een

19 17 Range highest All other variables (oude waarde THRU HIGHEST = nieuwe waarde) (ELSE = nieuwe waarde) andere waarde Een interval van opgegeven waarde tot de hoogste waarde wordt omgezet in een andere waarde Alle waarden die niet eerder in het programma gecodeerd werden, krijgen een nieuwe waarde Deze mogelijkheden betreffen enkel de waarden van de oorspronkelijke variabele. Het kenwoord SYSMIS kan men echter ook bij de nieuwe variabele gebruiken wanneer men een bepaalde waarde Missing wil maken. We verduidelijken het proces met twee voorbeelden. In het eerste voorbeeld hebben we een continue variabele leeftijd (V01) die we in klassen willen verdelen. We kiezen er voor om het resultaat weg te schrijven in een nieuwe variabele V01a. RECODE v01 (lowest thru 30=1) (31 thru 40 = 2) (41 thru 50 = 3) (51 thru 60 = 4) (61 thru highest = 5) INTO v01a. EXECUTE. We maken vijf nieuwe categorieën aan die overeenkomen met leeftijdsklassen van ongeveer 10 jaar. We starten met alle jongeren tot en met 30 jaar in de eerste categorie te steken. Dan gebruiken we drie keer een range om de dertigers, veertigers en vijftigers te klasseren. Tot slot gebruiken we een open range naar boven (61 thru highest) om iedereen boven de zestig te klasseren. Het kenwoord INTO geeft aan dat v01a de nieuwe variabele is. Om het programma helemaal af te maken moeten we de nieuwe variabele best onmiddellijk de juiste lay-out meegeven. Het programma breidt zich dan als volgt uit: RECODE v01 (lowest thru 30=1) (31 thru 40 = 2) (41 thru 50 = 3) (51 thru 60 = 4) (61 thru highest = 5) INTO v01a. VARIABLE LABELS v01a Leeftijd in klassen. VALUE LABELS v01a 1 Jonger dan dertig 2 Dertigers 3 Veertigers 4 Vijftigers 5 Ouder dan 60. FORMATS v01a (F1.0). EXECUTE.

20 18 In het tweede voorbeeld hercoderen we de variabele burgerlijke staat (V103). Met de conversie willen we volgend effect bereiken: Oude waarde 1 = Gehuwd 1 2 = Wettelijk gescheiden 2 3 = Feitelijk gescheiden 2 4 = Verweduwd Missing 5 = Nooit gehuwd 3 Nieuwe variabele We willen met andere woorden de gescheidenen in één categorie samenbrengen en de verweduwden niet in onze nieuwe variabele opnemen (bv. omdat deze categorie te weinig gevallen telt). Het programma om dit te doen, is het volgende nodig: RECODE v103 (1 = 1) (2 thru 3 = 2) (5 = 3) (ELSE = SYSMIS) INTO v103a. VARIABLE LABELS v103 Burgerlijke staat in drie klassen. VALUE LABELS v103a 1 Gehuwd 2 Gescheiden 3 Nooit gehuwd. FORMATS v103a (F1.0). EXECUTE. Eerst wordt de waarde 1 gekopieerd naar de nieuwe variabele. Dan worden de waarden 2 en 3 in één keer omgezet naar de nieuwe waarde 2. De waarde 5 krijgt dan de categorie 3 toegewezen. Tot slot worden alle waarden die nog niet aan bod geweest zijn op Missing gezet. In dit geval was dat alleen de waarde 4 (maar het hadden meerdere waarden kunnen zijn). De nieuwe variabele krijgt de naam v103a mee en wordt onmiddellijk een label en value labels toegekend (voor meer uitleg zie boven). SPSS biedt ook de mogelijkheid om een grote groep variabelen in één keer te converteren. Volgend programma zet tien Likert-items (variabelen v1001 tot v1010) met vijf antwoordcategorieën om in tien nieuwe schaalvariabelen (sch1 tot sch10) met drie antwoordcategorieën.

21 19 NUMERIC sch1 to sch10. RECODE v1001 to v1010 (1, 2 = 1) (3 = 2) (4, 5 = 3) INTO sch1 to sch10. VARIABLE LABELS VALUE LABELS sch1 to sch10 FORMATS sch1 to sch10 (F1.0). EXECUTE. sch1 'Likertschaal in 3 klassen' / sch2 'Likertschaal in 3 klassen' / sch3 'Likertschaal in 3 klassen' / sch4 'Likertschaal in 3 klassen' / sch5 'Likertschaal in 3 klassen' / sch6 'Likertschaal in 3 klassen' / sch7 'Likertschaal in 3 klassen' / sch8 'Likertschaal in 3 klassen' / sch9 'Likertschaal in 3 klassen' / sch10 'Likertschaal in 3 klassen'. 1 'Niet eens' 2 'Neutraal' 3 'Eens'. Het hercoderen van meerdere variabelen gebeurt door twee keer een reeks van variabelen op te geven. De eerste reeks (v1001 to v1010) definieert de oude variabelen. De tweede reeks (sch1 to sch10) geeft de nieuwe reeks variabelen aan. Beide reeksen moeten evenveel variabelen bevatten. SPSS zal automatisch de waarden van de eerste variabele in de lijst met oude variabelen wijzigen in de eerste variabele van de lijst met nieuwe variabelen. De volgorde van het ingeven is dus uitermate belangrijk. Onderaan het programma verzorgen we de lay-out van de tien nieuwe schaalvariabelen. Hierbij is het belangrijk op te merken dat er geen range gebruikt kan worden bij Variable labels. Deze mogen in hetzelfde commando gedefinieerd worden maar kunnen niet in één regel (bv. sch1 to sch10) aangemaakt worden. Dat kan wel bij value labels en formats. Daar volstaat het om een range (sch1 to sch10) op te geven om de value labels of de formats in één keer toe te wijzen. 2.4 Berekeningen met variabelen uitvoeren (COMPUTE) Het hercoderen creëert categoriale variabelen op basis van andere variabelen. Dit is echter maar één type hercodering dat we kunnen doorvoeren. In een aantal gevallen moeten we ook nieuwe variabelen berekenen op basis van andere variabelen. Een voorbeeld is het berekenen van de leeftijd van een respondent op basis van een geboortedatum (zie verder). Om berekeningen uit te voeren stelt SPSS tientallen wiskundige functies 4 ter beschikking die in het commando COMPUTE gebruikt kunnen worden. De meeste worden zelden gebruikt. Onderstaande lijst geeft de meest voorkomende: Rekenkundige operatoren + - Optellen Aftrekken 4 Voor een volledige lijst verwijzen we naar de helpfunctie van SPSS onder de hoofding Transformation Expressions in het hoofdstuk Universals.

22 20 Relationele operatoren Logische operatoren * / ** > < = ~= >= <= & l ~ Vermenigvuldigen Delen Machtsverheffing Groter dan Kleiner dan Gelijk aan Niet gelijk aan Groter dan of gelijk aan Kleiner dan of gelijk aan EN: voldoen aan beide voorwaarden OF: voldoen aan één van beide voorwaarden NIET: niet voldoen aan de voorwaarden Als voorbeeld geven we aan hoe je op basis van een geboortedatum een leeftijd kan berekenen. We vertrekken hier van de variabele geboortedatum (V0201). Om op basis van deze variabele de leeftijd te berekenen moeten we de geboortedatum aftrekken van het jaar waarin de enquête afgenomen werd (in dit geval 2002) 5. De syntax voor deze opdracht ziet er als volgt uit: COMPUTE V0201a = V0201. VARIABLE LABELS v0201a 'leeftijd'. EXECUTE. Na het commando COMPUTE geven we aan dat er een nieuwe variabele (V0201a) moet worden aangemaakt. Deze variabele komt tot stand met behulp van volgende formule: 2002 V0201. De label van de variabele V0201a is leeftijd. Het EXECUTE-bevel sluit het commando af. Het berekenen van nieuwe variabelen kan eveneens menugestuurd gebeuren. Kies daartoe in het menu Transform voor Compute. Volgend dialoogvenster verschijnt dan. 5 Dit voorbeeld is vrij eenvoudig omdat we reeds beschikken over een jaartal dat bestaat uit vier cijfers (V0201). Soms kan het echter zijn dat we moeten werken met een datumvariabele. Uit deze variabele kunnen we het jaartal halen door volgende programmaregel te laten lopen: COMPUTE leeftijd = huidig jaartal (XDATE.YEAR (variabele)).

23 21 In het invulvak Target Variable geven we de naam op van de variabele die moet berekend worden (V0201a). Dit zal vrijwel steeds een nieuwe (= nog niet bestaande) variabele zijn, maar het kan ook om een bestaande variabele gaan. De waarden daarvan worden dan vervangen door de nieuwe berekende waarden. Er kan slechts één target variabele worden opgegeven. Door de Type & Label aan te klikken verschijnt er een venster waarin het label en het type (numeriek of string) van de variabele kan worden ingevoerd. In het invulveld Numeric Expression moet de voorwaarde ingevuld worden aan de hand van de beschikbare SPSS-functies (hier: het cijfer 2002 en minteken ). We merken op dat in de formule numerieke en string variabelen niet kunnen worden gecombineerd. Bovendien geldt volgende regel: als de target variabele een numerieke variabele is, moet ook de formule een numerieke waarde bevatten. Een string variabele als target variabele hoort samen te gaan met een tekstwaarde. Door op OK te drukken wordt de nieuwe variabele aangemaakt Toepassing 1: Het omkeren van een variabele Houdingsschalen komen regelmatig voor in het sociologisch onderzoek. Ze maken het immers mogelijk om onderliggende latente constructies te meten die anders buiten het bereik van het empirisch onderzoek zouden blijven. Concepten als status, kwaliteit van leven, eigenwaarde, beroepsethiek, worden allemaal gemeten door middel van schalen. Bij de constructie van de vragen moeten we niet alleen letten op de formulering van de vraag maar ook op de richting waarin we de vraag formuleren. We proberen in een schaal steeds een aantal vragen positief en een aantal vragen negatief te stellen. Op die manier dwingen we de respondent om zijn aandacht bij de vragenlijst te houden en het halo-effect onder controle te houden. Wanneer we echter analyse gaan doen van deze variabelen is het belangrijk om alle vragen opnieuw in dezelfde richting te plaatsen. Dat doen we door de waarden van een variabele om te keren. Een veel gebruikte manier om variabelen om te keren is te werken met een whenstatement of een reeks if-then-bevelen. Wanneer het aantal categorieën én het aantal om te keren variabelen in de vragenlijst oploopt, betekent dit echter veel werk. Het is beter om te werken met een omkeringsconstante. Dat is een getal dat ons in staat stelt om in één regel een variabele om te keren. De waarde van de omkeringsconstante wordt als volgt bepaald: Omkeringsconstante = Aantal categorieën +1

24 22 De omkeringsconstante is bijgevolg één eenheid groter dan het aantal categorieën van de variabele die we willen omkeren. Voor een variabele met vier categorieën is de omkeringsconstante gelijk aan vijf. Om een variabele nu om te keren, trekken we de waarde van de variabele af van de omkeringsconstante. Neem volgende variabele met vijf categorieën: Variabele X Omkeringsconstante Variabele X*

25 23 Wanneer we de berekening uitvoeren voor de eerste categorie krijgen we 5-1 = 4. De hoogste categorie wordt op die manier omgezet in de laagste categorie. Het SPSS-programma ziet er dan als volgt uit: Nieuwe variabelennaam = Omkeringsconstante Om te keren variabele. Of in een voorbeeld: COMPUTE G0101a = 5 - G0101. EXECUTE. VARIABLE LABELS G0101a de jeugddienst ziet er langs buiten heel mooi uit. VALUE LABELS G0101a 1 Helemaal eens 2 Eens 3 Niet eens 4 Helemaal niet eens. FORMATS G0101a (F1.0). FREQUENCIES VARIABLES=g0101a /ORDER= ANALYSIS. De variabele G0101 in het communicatie & jongeren-onderzoek vroeg de mening op de uitspraak De jeugddienst op de foto ziet er langs buiten heel mooi uit. De antwoordcategorieën gingen van 1 (helemaal niet eens) tot 4 (helemaal eens). Dat wil zeggen dat de tevreden jongeren 1 invullen en diegene die dat niet zijn een 4. Omdat we een schaal willen maken die gaat van ontevreden jongeren naar tevreden jongeren moeten we deze variabele omkeren. We noemen de nieuwe variabele G0101a. De omkeringsconstante is nu gelijk aan 5 omdat we 4 categorieën hebben. Van de constante trekken we in het programma dan de waarden van G0101 af opdat de variabele omgekeerd zou worden. G0101

26 24 G0101a Als we het resultaat van de omkering bekijken met FREQUENCIES, zien we dat de frequenties van de vier categorieën elkaars omgekeerde zijn. De variabele G0101a staat nu in dezelfde richting als de andere variabelen in de schaal Toepassing 2: Variabelen dichotomiseren Een tweede toepassing van het berekenen van nieuwe variabelen zonder lussen te gebruiken, is het dichotomiseren van variabelen. Dichotomiseren is niets anders dan het terugbrengen van een aantal categorieën van een variabele tot twee categorieën. Deze twee categorieën kunnen in theorie alle waarden aannemen maar voor de meeste statistische technieken, is het aangewezen dat deze categorieën 0 en 1 zijn (afwezig en aanwezig). SPSS kent een eenvoudige manier om variabelen te dichotomiseren: Nieuwe variabelennaam = (waarde van variabele die 1 moet worden). Er wordt een nieuwe variabele gecreëerd die alleen maar 0 of 1 bevat. SPSS zal alle waarden van deze variabele op 0 zetten, tenzij de waarden die tussen haakjes opgegeven worden. COMPUTE gesl = (x2=2). COMPUTE kinderen = (x67 >= 1). COMPUTE opinie = (x56 = 1 x56 = 2). EXECUTE. In dit voorbeeld worden drie dichotome variabelen aangemaakt. In de eerste plaats wordt geslacht gehercategoriseerd. Geslacht (x2) is immers al een dichotome variabele. Het probleem is dat de waarden van de variabelen 1 zijn voor mannen en 2 voor vrouwen. Dat is vervelend voor sommige technieken. Daarom creëren we een nieuwe variabele gesl die 1 is wanneer de respondent een vrouw is en 0 wanneer het een man is. De tweede variabele kinderen zal 1

27 25 worden wanneer de respondent kinderen heeft (alle waarden in x67 vanaf 1, krijgen de waarden 1 in variabele kinderen). Op die manier creëert de variabele kinderaantal een nieuwe dichotome variabele hebben van kinderen. In de laatste variabele wordt een logische operator (het l-teken = of) gebruikt om te dichotomiseren. De variabele x56 is een opinievraag met 5 categorieën gaande van 1 (helemaal eens) tot 5 (helemaal oneens). In de variabele opinie willen we alle twijfelaars of oneens-respondenten vergelijken met diegenen die het eens zijn. Daarom creëren we in de opinie variabele een dichotomie tussen mensen die het eens zijn (die krijgen een 1 want die hadden op de vorige variabele 1 of 2) en mensen die het oneens zijn (nl. de rest). Het creëren van dichotomieën kan ook behulpzaam zijn bij het dummificeren. Dichotomiseren wordt wel eens met dummificeren verward terwijl er een duidelijk onderscheid is tussen beiden. Dichotomiseren is het herleiden van veel categorieën tot twee categorieën. Dummificeren is het ontbinden van een variabele met x categorieën naar x-1 variabelen die dichotoom zijn. Dummificeren is bijvoorbeeld belangrijk in lineaire regressie waar men een categoriale variabele mee wil opnemen in een regressievergelijking. Volgend schema verduidelijkt het proces van dummificeren: X56 DUM1 DUM2 DUM3 DUM4 Helemaal eens Eens Weet niet Oneens Helemaal Oneens Voor elk categorie van X56 wordt een nieuwe variabele dum gemaakt die een 1 krijgt als die categorie voorkomt en een 0 in alle andere gevallen. De laatste categorie wordt weggelaten omdat die berekend kan worden aan de hand van de vorige vier. Als al deze dummy s de waarde 0 aannemen, komt dit overeen met de laatste categorie van X56. Er wordt dus steeds één dummy minder berekend als er categorieën zijn. Onderstaande programma voert de dummificering uit:

28 26 COMPUTE dum1=(x56=1). COMPUTE dum2=(x56=2). COMPUTE dum3=(x56=3). COMPUTE dum4=(x56=4). VARIABLE LABELS dum1 gedummificeerde variabele van categorie 1 / dum2 gedummificeerde variabele van categorie 2 / dum3 gedummificeerde variabele van categorie 3 / dum4 gedummificeerde variabele van categorie 4. FORMATS v04 (F1.0). EXECUTE. 2.5 Voorwaardelijk databeheer Als je voor verschillende waarden van een bepaalde variabele een COMPUTE-bevel nodig hebt, kan je het commando IF gebruiken. Bij IF wordt in één regel een bepaalde voorwaarde gespecifieerd en onmiddellijk daarna een bepaalde berekening uitgevoerd. De berekeningen die je kan uitvoeren, gebruiken dezelfde functies als het COMPUTE-bevel (zie hoger). Volgend voorbeeld laat zien hoe we op basis van de IF bewerking een gemiddeld inkomen uit verschillende variabelen kunnen halen. We hebben volgende situatie in ons databestand: Variabele Label Inhoud V04 Werkstatus Dit is een variabele met drie categorieën: (1) Werkend, (2) Studerend, (3) Werkloos V05 Inkomen Het inkomen werd bevraagd op jaarbasis werkende V06 Uitkering De uitkering werd bevraagd op maandbasis werkloze V07 Zakgeld student Het zakgeld werd bevraagd op weekbasis Het probleem hier is dat het inkomen van de verschillende soorten respondenten in drie verschillende variabelen zit en bovendien ook bevraagd werd met een verschillende basis (week-, maand- of jaarbasis). Het programma moet dus drie voorwaarden gebruiken om één enkele inkomensvariabele te creëren die het inkomen op maandbasis geeft.

29 27 NUMERIC v08 (F10.0). IF (v02=1) v08 = v05/12. IF (V02=2) v08 = v06. IF (v02=3) v08 = (v07*52)/12. VARIABLE LABELS v08 Inkomen op maandbasis. EXECUTE. In de eerste regel wordt een nieuwe numerieke variabele aangemaakt. Bij het aanmaken wordt onmiddellijk een format toegevoegd. Dat komt omdat de variabele groot genoeg moet zijn om grote inkomens te bevatten. Daarna volgen drie voorwaarden die elk betrekking hebben op een andere categorie van Werkstatus. Bij de werkenden wordt het inkomensbedrag gedeeld door 12. Bij de werklozen wordt het inkomen gewoon gekopieerd en voor de studenten wordt het inkomen eerst op jaarbasis gebracht door eerst met 52 te vermenigvuldigen en vervolgens door 12 gedeeld om op maandbasis uit te komen. Tot slot krijgt de variabele nog een label om de inhoud begrijpbaar te maken. 3 De analyse van de data 3.1 Univariate tabellen De aanmaak van univariate tabellen De eerste stap van een analyse is het overlopen van de univariate tabellen. Ook al komen deze zelden of nooit in een eindrapport, ze geven wel een eerste indruk op de verdeling van de cruciale variabelen in het onderzoek. Voor het genereren van tabellen gebruiken we de FREQUENCIES-procedure. Je vindt deze procedure in het menu Analyze en dan Descriptive Statistics. Het scherm ziet er als volgt uit: De meest eenvoudige vorm om deze procedure te gebruiken is het louter toevoegen van de variabelen. Wanneer men bijvoorbeeld alleen continue variabelen toevoegt, is het ook mogelijk (en aangewezen) om bijkomende

30 28 statistische kengetallen op te vragen zoals een gemiddelde of een standaardafwijking. Ook kan je kiezen voor een grafische voorstelling van je gegevens bij de knop Charts. Het eenvoudig toevoegen van een reeks variabelen geeft volgend programma: FREQUENCIES VARIABLES=v0000 v3823 v3903 v3904 v3905 v3906 v3907 v4004 v4005 v48011 v48012 v48013 v48014 v48021 v48022 v48023 v48024 v5001 v5002 v5101 v5102 v52011 v v52012 v52013 v52014 v52015 v52016 v52017 v52018 v52019 v5202 v53011 v v53012 v53013 v53014 v53015 v53016 v53017 /ORDER= ANALYSIS. Univariate tabellen worden doorgaans opgevraagd om een eerste zicht te krijgen op de verdeling van de respondenten in de steekproef. Vaak zijn het de achtergrondvariabelen zoals geslacht, leeftijd, opleiding, inkomen die interessant zijn omdat deze een idee geven van de representativiteit van de steekproef. De output die SPSS van deze procedure geeft, ziet er als volgt uit: Hele dag thuis Valid Missing Total nooit soms af en toe regelmatig vaak Total System Cumulative Frequency Percent Valid Percent Percent Univariate tabellen van vragen met meerdere antwoordmogelijkheden Vaak gebeurt het in onderzoek dat je de respondent de mogelijkheid geeft om op een vraag meerdere antwoordcategorieën aan te duiden. Deze flexibiliteit naar de respondent toe, geeft de onderzoeker nadien meestal kopzorgen bij de analyse. SPSS heeft echter een aparte procedure om univariate tabellen te genereren van dergelijke vragen. Je vindt deze procedure terug in het menu Analyze/Custom Tables. Wanneer je Multiple Response Tables aanklikt, krijg je volgend scherm:

31 29 De eerste stap in het werken met vragen waar meerdere antwoorden op gegeven mochten worden, is het definiëren van Multiple Response Sets. Dat is niets anders dan aan SPSS opgeven dat we in de vragenlijst dergelijke vragen opgenomen hebben en welke variabelen samen deze vraag uitmaken. Het creëren van Multiple response Sets gebeurt door op de knop Define Sets te klikken. Om een Multiple Response Set te maken, moeten verschillende elementen ingevuld worden. We geven een overzicht. 1. Variables in Set In dit vak klik je alle variabelen aan die samen de verschillende categorieën van de vraag uitmaken. In het voorbeeld werd gevraagd op welke manieren de respondent zijn geschenk overhandigd had. Dat was in de vragenlijst vraag 43 en alle categorieën van deze vraag kregen aparte variabelen die allemaal met v43 startten. 2. Variables are coded as Meestal werk je bij vragen met meerdere antwoordcategorieën met dichotome variabelen. De variabele krijgt een 0 als de respondent niets aanduidde, of een 1 wanneer hij de categorie wel aankruiste. Omdat je alleen geïnteresseerd bent in wat mensen aangeduid hebben, geef je bij

32 30 Counted Value een 1 op. SPSS kan echter ook werken met variabelen met meerdere categorieën. 3. Name en label Een Multiple Response Set variabele wordt mee opgenomen in je database. Het is dan ook verplicht om een variabele op te geven voor deze set. Voor de duidelijkheid is een label doorgaans aangewezen. 4. Denominator for Multiple-Response Percentages De basis voor percentages in multiple response sets is altijd een heikel punt. Ofwel neem je het oorspronkelijk aantal cases en dan krijg je percentages die sommeren tot boven 100%. Ofwel neem je het aantal aangekruiste categorieën als basis en dan sommeren je percentages tot 100 % maar is het aantal cases niet langer gelijk aan dat in je hele onderzoek. 5. Multiple-response set aanmaken Tot slot moet je de nieuw aangemaakte variabele ook nog toevoegen aan de lijst met Multiple Response Sets die SPSS reeds in het bestand heeft. Dat gebeurt door Add te klikken, rechts in het scherm. De nieuwe aangemaakte variabelen worden dan opgenomen en toegevoegd aan het eerste scherm (links beneden). Om een univariate tabel met een multiple response set aan te maken, klik je deze variabele naar het venster Rows. Je moet vervolgens nog de lay-out van je tabel in orde maken. Zo kan je bij Statistics kiezen om percentages en totalen in je tabel op te nemen. Belangrijk hier is de laatste keuzemogelijkheid: Statistics Labels. Je krijgt de meest leesbare tabellen als je de labels Across the Top laat afprinten. Dan zal SPSS frequenties en percentages naast elkaar in de tabel zetten in plaats van onder elkaar. De code van onze tabel ziet er als volgt uit: * Multiple Response Tables. TABLES /FORMAT BLANK MISSING('') /FTOTAL $t 'Total' /MDGROUP $v4346 'Hoe hebt u het geschenk overhandigd'+ '?' v4317 v4318 v4319 v4320 v4321 v4322 ( 1 ) /GBASE=CASES /TABLE=$v4346 +$t BY (STATISTICS) /STATISTICS count( $v4346( F5.0 ) 'Count') cpct( $v4346( PCT6.1 ) 'Table %'). We geven nu het resultaat van deze tabel. In de linkse tabel kozen we voor een percentering op het aantal cases. In de rechtse tabel veranderden we dit in een percentering op het aantal antwoorden.

33 31 Hoe hebt u het geschenk overhandigd? Geld overhandigd: openlijk Geld overhandigd: stiekem Geld overhandigd: gestort Geld overhandigd: enveloppe Geld overhandigd: mooi verpakt Geld overhandigd: andere Count Table % % 8 2.2% % % % 7 1.9% Hoe hebt u het geschenk overhandigd? Geld overhandigd: openlijk Geld overhandigd: stiekem Geld overhandigd: gestort Geld overhandigd: enveloppe Geld overhandigd: mooi verpakt Geld overhandigd: andere Count Table % % 8 2.0% % % % 7 1.7% Aantal cases (Som = %) Aantal antwoorden (som=100 %) Univariate tabellen van vragen met dezelfde antwoordcategorieën Vragen met meerdere antwoordmogelijkheden zijn niet van eenzelfde aard als vragen die meerdere items hebben die dezelfde antwoordmogelijkheden hebben. In het eerste geval gaat het om een groep variabelen die samen één antwoord uitmaken. In het tweede geval zijn er verschillende antwoorden op verschillende vragen maar met allemaal dezelfde wijze van antwoorden (bv. van helemaal oneens tot helemaal eens). SPSS geeft naast Multiple Response Sets ook de mogelijkheid om verschillende vragen die dezelfde antwoordmogelijkheden hebben, in één overzichtelijke tabel onder te brengen. Dat kan door in het menu Analyse/Custom Tables te kiezen voor Tables of Frequencies. Het principe om dergelijke tabellen te maken is gelijkaardig aan Multiple Response Sets. Alleen moet je nu niets meer definiëren. Je kan rechtstreeks de variabelen met dezelfde categorieën naar Frequencies for klikken. Naar lay-out kan je opnieuw bij Statistics kiezen voor percentages. De knop lay-out laat toe om het uitzicht van je tabel te bepalen. De beste resultaten krijg je door de Variable Labels te tonen Down the side en de Statistics Labels Across the top. De code van deze tabel ziet er als volgt uit:

34 32 * Table of Frequencies. TABLES /FORMAT BLANK MISSING('.') /TABLES ( v261 + v v262 + v263 + v264 + v265 + v266 + v267 + v268 + v269 ) BY (LABELS) > (STATISTICS) /STATISTICS CPCT ((PCT7.1) '%' ). En dit is het resultaat: Uitspraak geschenk: grappig Uitspraak geschenk: geschenklijstje Uitspraak geschenk: nuttig Uitspraak geschenk:opvoedkundig kinderen Uitspraak geschenk: zelf mooi vinden Uitspraak geschenk: iets van ontvanger Uitspraak geschenk: veel tijd Uitspraak geschenk: leerzaam Uitspraak geschenk: iets van gever Uitspraak geschenk: verrassing Helemaal niet eens % Niet eens % Niet eens - niet oneens % Eens % Helemaal eens % 10.7% 24.4% 41.5% 19.6% 3.7% 31.2% 37.5% 18.3% 10.2% 2.7% 6.2% 19.4% 24.2% 32.5% 17.6% 4.5% 28.5% 30.4% 26.9% 9.8% 9.7% 25.9% 15.7% 32.3% 16.4% 8.1% 26.4% 27.1% 31.6% 6.9% 2.4% 14.5% 20.8% 43.3% 19.1% 12.1% 45.2% 30.4% 10.7% 1.5% 4.3% 19.4% 26.3% 39.1% 10.9% 1.0% 9.7% 23.5% 40.1% 25.7% In deze tabel is het nu veel eenvoudiger om bijvoorbeeld de percentages helemaal eens van de verschillende schaalitems te vergelijken Tips voor het werken met univariate tabellen Tot slot van de univariate tabellenanalyse willen we nog vier concrete tips meegeven waar je best rekening mee houdt wanneer je tabellen maakt in SPSS: 1. Indien je de tabellen in Word wil zien, doe je er best aan om elke tabel apart te kopiëren en te plakken. Ga daarbij als volgt te werk: 1. Klik met de rechtermuisknop op een tabel en kies uit het menu dat verschijnt Copy. 2. Ga naar Word en typ CTRL+ V of kies voor de knop plakken ( ) 3. Klik met je muis in de tabel en ga naar het menu Tabel. Kies daar voor Tabelgalerie. Voor een eenvoudige en duidelijke tabellay-out, kies Eenvoudig 1.

35 33 Je tabel zou er dan als volgt kunnen uitzien: Hele dag thuis Frequency Percent Valid Percent Cumulative Percent Valid nooit soms af en toe regelmatig vaak Total Missing System Total De basiseigenschap van een steekproef is dat het een benadering van de populatie is. Om de conclusies op basis van de steekproef te kunnen uitbreiden naar conclusies voor de populatie (rekening houdende met de zogenaamde betrouwbaarheidsintervallen), moet de steekproef aan een aantal voorwaarden voldoen. De voorwaarde waar men in het kader van een onderzoek het vaakst mee geconfronteerd wordt, is de grootte van de steekproef. Bij enkelvoudige frequentietabellen is de situatie relatief eenvoudig: de vuistregel is dat N (het totaal aantal respondenten op een bepaalde vraag) zeker groter moet zijn dan 50. Hoe groter N, hoe betrouwbaarder de resultaten zullen zijn. 3. SPSS is niet altijd perfect in het afronden. Het is een dom zicht dat de percentages in een rapport net iets meer of iets minder dan 100% geven. Het is handig om (voor een tabel overgenomen wordt in een tekst) de percentages zelf even met de hand te controleren. Volgende afrondingsconventies worden gehanteerd als je cijfers in Wordtabellen overbrengt: van 0.00 tot 0.04 naar 0.0 en van 0.05 tot 0.09 naar 0.1. Je zet bovendien ook nooit meer dan één cijfer na de komma in je tabellen of tekst. 4. Niet alle categorieën moeten noodzakelijk vermeld worden. Hier stellen zich twee problemen: ten eerste restcategorieën zoals 'ik weet het niet' of 'geen mening' en ten tweede de schaalvariabelen (met categorieën zoals 'zeer belangrijk', 'belangrijk', 'onbelangrijk' en 'helemaal onbelangrijk' of 'volledig eens', 'eens', 'oneens' en 'volledig oneens'). Restcategorieën worden als ze klein zijn, meestal bij de GAK's gerekend. Zij worden dus niet in de analyse betrokken. Alleen als ze opvallend groot zijn (er bestaat natuurlijk geen regel om te bepalen hoe groot ze juist moeten zijn), kan overwogen worden om ze toch te vermelden. Schaalvariabelen worden meestal (maar niet altijd) naar twee of drie categorieën herwerkt. Indien je bv. met extreem scheve verdelingen zit (bijna iedereen antwoordt helemaal eens ) mag je niet herleiden. Wanneer je vijf categorieën hebt, herleid je naar drie (bv. eens, neutraal, niet eens).