Technische uitwerkingen voor het SPSS + R practicum Experimenteel en Correlationeel Onderzoek

Transcriptie

1 Technische uitwerkingen voor het SPSS + R practicum Experimenteel en Correlationeel Onderzoek NB Voor de SPSS en R opgaven wordt alleen aangegeven hoe het door de opgave gevraagde resultaat kan worden bereikt. C. J. Verduin March 25, 2013

2

3 WEEK 1 Correlaties 1. Copieer STUDENT.SAV zoals dat al eerder gedaan is. 2. Doe de selectie via Data, Select Cases, Random sample of cases en kies dan exact 50 cases uit het totaal aantal cases (zelf opzoeken). 3. Doe dit bij voorkeur met Analyze, Correlate, Bivariate of, wanneer je het toch anders wilt doen dan anderen, met Analyze, Descriptives, Crosstabs en vraag via de optie Statistics... om Correlations, maar vink dan wel de optie Suppress tables aan. Het gaat hier om de Pearson Correlation. NB de Crosstabs aanpak werkt alleen voor 2 variabelen. 4. Doe dit via Analyze, Correlate, Bivariate. Kies nu bij Correlation Coefficient voor Spearman. 5. Doe dit via Analyze, Correlate, Bivariate. Kies nu bij Correlation Coefficient weer voor Pearson. Het gaat hier om de Punt Biseriële Correlatie. 6. Doe het hercoderen via Transform, Recode, Into Different variables. 7. Doe dit via Analyze, Correlate, Bivariate. Kies nu bij Correlation Coefficient weer voor Pearson. Dit kan ook via Analyze, Descriptives, Crosstabs en vraag via de optie Statistics... om Phi and Cramér s V. Het gaat hier om de Phi. 8. Geen SPSS opdracht. 9. Doe de t-toets via Analyze, Compare Means, Independent-Samples T- Test. 10. Doe de chikwadraat-toets via Analyze, Descriptive Statistics, Crosstabs en gebruik de optie Statistics, Chi-Square. 1

4 WEEK 1. CORRELATIES 11. Start R en doe het volgende. > x<-c(32,45,51,66,71,78,83,95) > y<-c(24,41,74,53,67,85,98,78) > cor(x,y, method = "spearman") 2

5 WEEK 2 Enkelvoudige Regressie 1. Copieer SKINFOLD.SAV zoals dat al eerder gedaan is. 2. Doe dit via Analyze, Descripitive Statistics, Descriptives en via Graphs, Legacy Dialogs, Boxplot, Simple, Summaries for Separate variables. 3. Doe dit via Graphs, Legacy Dialogs, Scatter Doe dit via Analyze, Regression, Linear.... Vraag via Statistics... om de Confidence Intervals voor de regressiecoëfficiënten. 5. Is geen SPSS opgave. 6. Doe dit via Analyze, Regression, Linear.... Vraag via Save... om de Predicted Values, Unstandardized en SE of mean predictions. De twee variabelen worden rechts in het Data View scherm aan de al aanwezige datakolommen toegevoegd. 7. Doe dit via Graphs, Legacy Dialogs, Scatter Ga terug naar het resultaat van opgave 3. Activeer de Chart Editor. a. Maak via Elements, Fit Line at Total een regressielijn en b. selecteer via het properties window van de regressielijn naar keuze voor Confidence Intervals voor Mean of voor Individual. NB je kunt per regressielijn maar één soort interval (Mean of Individual) tegelijk laten zien. Maar... Wil je echter toch twee confidentie-intervallen, maak dan na het eerste confidentie-interval nog een tweede regressielijn (die over de eerste heen ligt), nu wordt het properties window van deze tweede regressielijn actief. Daarmee kun je het andere confidentie-interval laten maken. 3

6 WEEK 2. ENKELVOUDIGE REGRESSIE 9. Is geen SPSS opgave 10. Voer de data in. > stab <- c(48, 45, 29, 43, 25) > stress <- c(47, 41, 38, 40, 34) > coef <- lm(stress stabil) > plot(x,y) > abline(coef) 4

7 WEEK 3 Meervoudige Regressie 1. Copieer CSDATA.SAV zoals dat al eerder gedaan is. 2. Doe dit via Graphs, Legacy Dialogs, Scatter.... NB Groepeer datapunten door de grafiek in de Chart Editor te openen en / of maak regressielijnen, waarvan de helling in deze grafiekjes ook de sterkte van de lineaire relatie aangeeft. 3. Doe dit via Analyze, Correlate, Bivariate. 4. Doe dit via Analyze, Regression, Linear.... Nog residu plotjes toevoegen. 5. Doe dit via Analyze, Regression, Linear Doe dit via Analyze, Regression, Linear Doe dit via Analyze, Regression, Linear.... Nog residu plotjes toevoegen. 8. Gebruik de data van de vorige week en ga hiermee verder. Voeg de data voor de variabele Probleem Oplossen toe. > prob <- c(98, 42, 29, 7, 26) > coef <- lm(stress stab + prob) NB om het resultaat te zien, moet men de inhoud vancoef opvragen. Dus: > coef. NB bij opgave 2 is de volgorde van belang als je het allebei wilt: eerst instellen van point bins en daarna pas de regressielijnen toevoegen. Wanneer eerst de regressielijnen worden toegevoegd, is het instellen van de point bins niet meer mogelijk (dit lijkt mij een bug en niet de bedoeling) De volgende aanwijzing met betrekking tot het rapporteren van een regressievergelijking 5

8 WEEK 3. MEERVOUDIGE REGRESSIE a. voor de steekproef / descriptief: rapporteer alle coëfficiënten. b. voor de populatie / toetsend / generalizerend: i. rapporteer alle coëfficiënten, maar geef aan welke coefficientencoëfficiënten significant zijn en welke niet. Dit is een minder goede aanpak, maar wordt door sommige tijdschriften gevraagd. ii. wanneer men voor een zuinige oplossing / zuinig model kiest, draait men de analyse opnieuw met alleen de significante voorspellers en rapporteert dit resultaat (maar meldt wel dat het zo gedaan is) NB het intercept (ongeacht de uitkomst van de toetsing) wordt altijd meegenomen in de analyse en gerapporteerd, behalve in het zeldzame geval dat er inhoudelijke redenen zijn om het intercept vooraf op nul te zetten 6

9 WEEK 4 Andere Bestanden 1. Copieer TABTEST.TXT, METING1.SAV, METING2.SAV en THERAPEUT.SAV zoals dat al eerder gedaan is. 2. Doe dit via File, Read Text Data. Open TABTEST.TXT. a. Je ziet de dataregels. Als je al een leesvoorschrift (Format) hebt, kun je dat nu opgeven, in het algemeen heb je dat niet. b. Er wordt naar de structuur van de dataregels gevraagd: scheiders of vaste indeling in kolommen (TABTEST.TXT heeft scheiders), wel of geen namen (wel). c. Er wordt verder naar de structuur van de dataregels gevraagd: een regel per persoon of een aantal variabelen, hoeveel regels wil je importeren? d. Er wordt, afhankelijk of er in stap 2b. scheiders of vaste kolommen zijn gemeld, naar het type scheider dan wel de kolomindeling gevraagd (zie codeboek). SPSS doet in het geval van scheiders een eerste gok en laat zien hoe dit uitpakt (NB Er zijn alleen tabulaties gebruikt (dus geen spaties) en tekst wordt met dubbele quotes aangegeven). e. Je kunt variabelen aanpassen, qua naam en type. Beide aspecten kunnen ook achteraf nog worden gewijzigd in de Variable View. NB het is wel nuttig om variabelen die in stap 2e. ten onrechte als tekststring worden geidentificeerd, naar numeriek te forceren. f. Er wordt gevraagd hoe je het inlezen wilt uitvoeren. Tenslotte kan met Finish het proces worden afgerond. In het geval van een te smalle kolom voor geslacht, dit in de Variable View aanpassen door Columns op 8 te zetten. Merk tenslotte op dat labels en missing nog moeten worden ingevuld Bewaar via File, Save of File, Save as... 7

10 WEEK 4. ANDERE BESTANDEN 3. Het koppelen van METING1.SAV en METING2.SAV. In de standaard koppeling wordt verondersteld dat beide bestanden zijn gesorteerd op de sleutel CNUM (dat is ook het geval) en per sleutelwaarde slechts 1 record bevatten i.e. per sleutelwaarde 1 koppeling. Zie meer de Vocht 14.3 a. Open METING1.SAV b. Doe Data, merge files, add variables... c. CNUM is de sleutel. 4. Het koppelen van METING12.SAV met THERAPEUT.SAV. In deze koppeling wordt verondersteld dat beide bestanden zijn gesorteerd op de sleutel TNUM (dat is niet het geval!!!) en dat 1 van de twee per sleutelwaarde meer dan 1 record bevatten waaraan bij herhaling de informatie uit de table file voor die sleutelwaarde wordt gekoppeld. NB De Vocht behandelt de table file niet. a. het bestand METING12.SAV is al open. Sorteer het bestand op TNUM. b. Doe Data, merge files, add variables... 8

11 WEEK 4. ANDERE BESTANDEN c. TNUM is de sleutel, THERAPEUT.SAV is nu de table file. 5. Geen SPSS opdracht 6. Open via File, Open, Data... en kies als bestandstype Excel (*.xls) 7. Bewaar via File, Save Eerst de functiebiblotheekforeign openen. NB De 2 instructies voor het openen van het tweede SPSS bestand zijn op 2 symbolen na identiek aan die voor het openen van het eerste bestand. a. > library(foreign) > infile <- "p:/meting1.sav" > tabel1<- read.spss(file=infile, use.value.labels=false, to.data.frame=true) b. > infile <- "p:/meting2.sav" > tabel2<- read.spss(file=infile, use.value.labels=false, to.data.frame=true) c. Het resultaat van de koppeling komt intabel12. > tabel12<- merge(tabel1, tabel2, by.x="cnum", by.y="cnum", all=true) 9. We gaan er vanuit dat de functiebiblotheek foreign nog open is. Het resultaat van de koppeling komt inthermet12. 9

12 WEEK 4. ANDERE BESTANDEN a. > infile <- "p:/therapeut.sav" > therapeut<- read.spss(file=infile, use.value.labels=false, to.data.frame=true) b. > thermet12<- merge(tabel12, therapeut, by.x="tnum", by.y="tnum", all.x=true) 10. Dit kan kort omdatread.table een standaard functie is. > tabtabel<-read.table("p:/tabtest.txt", header = TRUE, sep="\t") 10

13 WEEK 5 Uitvoer op maat 1. Copieer STUDENT.SAV zoals dat al eerder gedaan is. 2. Maak tabel via Analyze, Descripitive Statistics, Frequencies. Open de tabel in de Pivot Table Editor. In het Pivoting trays venster verplaatst men het statistics icon van column naar layer. 1 Verander nu in de nieuwe tabel het statistics label van Frequency naar Cumulative Percent. Klik nu buiten de tabel in het output venster om de Pivot Table Editor te sluiten. En klaar ben je. 3. Maak de tabel via Analyze, Descripitive Statistics, Crosstabs. Open de tabel in de Pivot Table Editor en verwissel de rij-en kolomvariabelen via Pivot, Transpose Rows and Columns. 4. Open de tabel zonodig in de Pivot Table Editor en verplaats het icon voor Ik raadpleeg regelmatig een horoscoop van column naar layer. De layer staat al op de juiste categorie. 5. Maak tabel via Analyze, Correlate, Bivariate. Open de tabel in de Pivot Table Editor en verplaats het statistics icon van row naar layer. Nu zijn alleen de correlaties nog zichtbaar. 6. Open de tabel zonodig in de Pivot Table Editor en stel het gevraagde in via Format, Table Properties, Printing. 7. Doe dit via Format, Rotate Inner Column Labels. Kolommen zijn meteen aangepast. Dus Format, Autosize is niet nodig. Ook blijkt dat het scrollen weer werkt (itt versie 16 & 17), zodat weer duidelijk is naar welke correlatie je kijkt. Je kunt dus ook opmerken dat het laatste deel van deze opgave juist kan laten zien dat het nu wel overzichtelijk is 1 Indien dit venster nog niet zichtbaar is, kan men dit via Pivot, Pivoting trays zichtbaar maken. 11

14 WEEK 5. UITVOER OP MAAT 8. Maak deze tabel via Analyze, Descriptive Statistics, Crosstabs en kies via de optie Statistics voor Chi-Square. 9. Doen! 10. Doen! 11. Pas net als in opgave 5 eerst de tabel aan zodat alleen correlaties zichtbaar zijn. Pas dan de stijl aan. 12

15 WEEK 6 Eenweg variantie-analyse + Posthoc toetsen 1. Copieer READING.SAV en WB C6.SAV zoals dat al eerder gedaan is. 2. Doen. 3. Doe dit via Analyze, Compare Means, One-Way ANOVA... en via Options, Statistics, Descriptive + Homogeneity of variance test 4. Doe dit via Analyze, Compare Means, One-Way ANOVA... en via Options, Statistics, Descriptive + Homogeneity of variance test. 5. Doe dit via Graphs, Legacy Dialogs, Error Bar, Simple, Summaries for groups of cases. Naar aanleiding van vragen over wanneer nu wat voor soort grafiek (simple of clustered) adviseer ik om te kijken naar de Vocht pagina 105 waar dit voor het Staafdiagram wordt uitgelegd 6. Doe dit via Analyze, Compare Means, One-Way ANOVA... en kies via Post Hoc, Equal variances assumed voor Bonferroni en Tukey. 7. Geen SPSS opgave. NB het gaat om de ANOVA s uit opgaven 3 en 4 (of 6) 8. R opgaven. NB de niet in de R bijlage genoemde functiesas.factor en aov. > library(foreign) > infile <- "p:/wb c6.sav" > tabel <- read.spss(file=infile,use.value.labels=false, to.data.frame=true) > attach(tabel) > coef <- lm(score as.factor(techniek)) > anova(coef) 13

16 WEEK 6. EENWEG VARIANTIE-ANALYSE + POSTHOC TOETSEN > coef2 <- aov(score as.factor(techniek)) > diff <- TukeyHSD(coef2) > diff Zoals al eerder aangegeven is (in sommige groepen), zal tijdens de toets het resultaat van R opgaven via File, Save to File... worden bewaard. Dit bewaard alles (instructies + output) dat vanaf het begin van een sessie op scherm is weergegeven. 14

17 WEEK 7 A Priori Contrast toetsen en Tweeweg ANOVA 1. Copieer DANDRUFF.SAV en SOCDEPR.SAV zoals dat al eerder gedaan is. 2. Specificeer via Contrasts, de volgende coefficienten (NB we gaan uit van positieve contrasten, en hoe beter een middel des te lager de score): a. +1, -1, 0, 0 want twee maal wassen is beter (dus lagere score) dan 1 maal wassen b. -.5, -.5, of +.5, +.5, -1, 0 omdat niet duidelijk is PyrI + PyrII gemiddeld beter of slechter is dan Keto c , -0.33, -0.33, +1 (dit is niet exact) of -1, -1, -1, +3 (hierdoor wordt de contrastwaarde 3 * te groot, maar de toets is correct) 3. Doe dit via Analyze, General Linear Model, Univariate... Specificeer REINF en DUUR als fixed factor, maak de grafiek zoals beschreven. Vraag via Options in het Display kader om Descriptive Statistics en Estimates of effect size (partiele eta2) 4. Doen! 5. R opgaven. NB de niet in de R bijlage genoemde functietolower om de namen van de variabelen naar kleine letters om te zetten. Door use.value.labels=true te gebruiken worden variabelen met value labels automatisch in een factor omgezet. > library(foreign) > infile <- "p:/socdepr.sav" > tabel <- read.spss(file=infile, use.value.labels=true, to.data.frame=true) > names(tabel) <- tolower(names(tabel)) > attach(tabel) 15

18 WEEK 7. A PRIORI CONTRAST TOETSEN EN TWEEWEG ANOVA > coef <- lm(knikkers reinf + duur + reinf * duur) > anova(coef) > interaction.plot(duur, reinf, knikkers) Zoals al eerder aangegeven is (in sommige groepen), zal tijdens de toets het resultaat van R opgaven via File, Save to File... worden bewaard. Dit bewaard alles (instructies + output) dat vanaf het begin van een sessie op scherm is weergegeven., 16

19 WEEK 8 Oefenopgaven week Copieer STUDENT.SAV, HONEYDUK.SAV, HONEYDUK2.SAV, HOGWART.SAV en WB C6.SAV zoals dat al eerder gedaan is. 2. Doe dit via Data, Split File, Organize output by groups met Groups based on GESLACHT. Doe dit via Analyze, Regression, Linear.... Vraag via Statistics... om de Confidence Intervals voor de regressiecoefficienten 3. Doe dit via Graphs, Legacy Dialogs, Scatter..., Simple, met GEWICHT voor de Y-Axis, LENGTE voor de X-Axis en GESLACHT voor Set Markers by. Zie opgave 7 van week 2 voor de regressielijnen en confidentie-intervallen. 4. Doe dit via Analyze, Correlation, Bivariate Correlations.... Open de tabel in de pivot tabel editor en voer de aanpassingen uit. 5. Doe dit via Analyze, Compare Means, One-Way ANOVA... en via Options, Statistics, Descriptive + Homogeneity of variance test 6. Doe dit via Analyze, Compare Means, One-Way ANOVA... en specificeer via Contrasts, de volgende coefficienten (NB we gaan uit van positieve contrasten): 1) -1, +0.5, +0.5 NB houdt rekening met volgorde categorieen! 2) 0, -1, +1 of 0, +1, -1 NB er is geen richting van het verschil aangegeven. 7. NB de opdracht a. staat ook al in de stam van de opgave. a. Doen b. Doen c. Doe dit via Analyze, Compare Means, One-Way ANOVA... en via Options, Statistics, Descriptive + eventueel Homogeneity of variance 17

20 WEEK 8. OEFENOPGAVEN WEEK 1-7 test. Kies via Post Hoc, Equal variances assumed voor een Posthoc toets 8. Doe dit via Analyze, Compare Means, One-Way ANOVA... (want alleen DUUR wordt meegenomen in de analyse) specificeer via Contrasts, de volgende coefficienten (NB we gaan uit van positieve contrasten): 1) -0.5, -0.5, +0.5, ) 0, -0.5, -0.5, +1, 0 9. Doe dit via Analyze, Compare Means, One-Way ANOVA.... Specificeer via Contrasts, de volgende coefficienten (NB we gaan uit van positieve contrasten en training geeft hogere scores dan geen training. NB2 met plaatsen associatie-conditie worden bedoeld de werkgroepopgave 6.1 genoemde associatie met plaatsen-methode en de zelfgevormde associaties-methode ): 1) +0.5, +0.5, Doe dit via Analyze, General Linear Model, Univariate.... Specificeer de profile plotjes via de optie Plots. Doe het contrast via Analyze, Compare Means, One-Way ANOVA... en specificeer via Contrasts, de volgende coefficienten (NB we gaan uit van positieve contrasten, en hoe lekkerder des te hoger de score): 1) -0.5, -0.5, 1 (=500 gr is lekkerder dan het gemiddelde van 250 en 100 gr) 2) -1, +1, 0 (=250 gr is lekkerder dan 100 gr) 11. Doe dit via Data, Merge Files, Add Variables. Key is pnum. 12. Doe dit via Data, Merge Files, Add Variables. Key is hnum. 13. NB de niet in de R bijlage genoemde functietolower om de namen van de variabelen naar kleine letters om te zetten. Door use.value.labels=true te gebruiken worden variabelen met value labels automatisch in een factor omgezet. > library(foreign) > infile <- "p:/student.sav" > tabel <- read.spss(file=infile, use.value.labels=true, to.data.frame=tru > names(tabel) <- tolower(names(tabel)) > attach(tabel) > coef <- lm(v8 v7 + v6) > coef 18

21 WEEK 8. OEFENOPGAVEN WEEK R opgave. NB we doen geen Errorbars, en geen Levene s toets > library(foreign) > infile <- "p:/dandruff.sav" > tabel <- read.spss(file=infile, use.value.labels=true, to.data.frame=true) > names(tabel) <- tolower(names(tabel)) > attach(tabel) > boxplot(flaking treatmnt) > tapply(flaking, treatment, FUN = sd) > coef2 <- aov(flaking treatmnt) > diff <- TukeyHSD(coef2) > diff 15. Eerst de functiebiblotheekforeign openen. NB De 2 instructies voor het openen van het tweede SPSS bestand zijn op 2 symbolen na identiek aan die voor het openen van het eerste bestand. a. > library(foreign) > infile <- "p:/honeyduk.sav" > tabel1<- read.spss(file=infile, use.value.labels=true, to.data.frame=true) > names(tabel) <- tolower(names(tabel)) b. > infile <- "p:/honeyduk2.sav" > tabel2<- read.spss(file=infile, use.value.labels=true, to.data.frame=true) > names(tabel2) <- tolower(names(tabel2)) c. Het resultaat van de koppeling komt intabel12. > tabel12<- merge(tabel1, tabel2, by.x="pnum", by.y="pnum", all=true) d. bereken het verschil. > diff<- score2 - score1 > coef<- lm(diff gewicht + tijdstip + gewicht*tijdstip) 19

22 WEEK 8. OEFENOPGAVEN WEEK