statistiek 2
DESCRIPTION
Statistiek 2. Hoofdstuk 7: Variantieanalyse hoofdstuk 7. type AV?. aantal OV?. type OV?. hoeveel populaties?. categorieën afhankelijk?. parametrisch. non-parametrisch. chi-square goodness of fit. one sample t-test / z-test. 1. niet in dit boek. independent t-test / z-test. - PowerPoint PPT PresentationTRANSCRIPT
Hoofdstuk 7: Variantieanalyse
hoofdstuk 7
STATISTIEK 2
interval/ordinaal
nominaal
1
nominaal
> 1
1
one sample t-test /z-test1
2
> 2
interval/ordinaal
onafh.
onafh.
onafh.
afh.
afh.
independent t-test / z-test
dependent t-test
one way ANOVA
repeated measures ANOVA
Pearson correlation
nominaal
interval
gemengd
afh.
gemengd
n-way ANOVA
repeated measures ANOVA
mixed design ANOVA
multiple regression
Pearson chi-square
multiple regression
nominaal/ ordinaal
onafh.
type AV? aantal OV? type OV? hoeveel populaties?
categorieën afhankelijk?
parametrisch non-parametrisch
Rank-sum
Signed-ranks
Kruskal-Wallis
Friedman’s ANOVA
Spearman correlation
niet in dit boek chi-square goodness of fit
1
≥ 2
chi-square goodness of fitonafh.
• 2• Hoofdstuk 7: Variantieanalyse
Variantieanalyse: one way ANOVA& Kruskal-Wallis
VANDAAG
Tot nu toe bij hypothesetoetsing:
t-toets en z-toets voor verschil tussen 2 gemiddelden
- hebben mensen die therapie A gevolgd hebben minder angst dan mensen die therapie B gevolgd hebben?
- besteden jongens en meisjes evenveel tijd aan huiswerk?
-> telkens 1 OV (vb. therapie, geslacht) met telkens 2 waarden-> telkens 1 AV (vb. angst, tijd)
VARIANTIEANALYSE
4 Hoofdstuk 7: Variantieanalyse
5
Ook mogelijk: toetsen voor verschillen tussen meer dan 2 gemiddelden
- is er een verschil in het welbevinden van kinderen met ouders die autoritair, autoritatief of permissief opvoeden?
-> telkens 1 OV (vb. opvoedingsstijl) met telkens meer dan 2 waarden (vb. 3)-> telkens 1 AV (vb. welbevinden)
eenwegs (‘one way’) variantie-analyse (‘ANOVA’)
Bij twee OV: tweewegs (‘two way’) variantie analyse (zie volgende les)Bij meer dan één AV: MANOVA (niet in Statistiek II)
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
6
1. ToetsingssituatieIs er een verschil in gemiddelde tussen groep a, b, c, … op variabele Y?ofIs er een effect van variabele X (met niveau’s a, b, c,..) op variabele Y?
en:Indien er een effect is, tussen welke groepen is er een verschil? (= post hoc toetsing)
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
7
2. Voorwaarden• AV is gemeten op intervalniveau• OV wordt als nominaal beschouwd (ook al is OV soms
ordinaal)• scores van AV zijn in elke populatie normaal verdeeld of
aantal deelnemers is in elke populatie groter dan 30• varianties in populaties zijn gelijk (homogeniteit)• onafhankelijke steekproeven
Assumptie van normaliteit en homogeniteit minder strikt bij gelijke steekproeven
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
8
3. HypothesenH0: alle populatiegemiddelden zijn aan elkaar gelijk:
µa = µb = µc = … = µj als er J populaties zijnH1: minstens twee populatiegemiddelden zijn niet gelijk aan elkaar
µj ≠ µj’ voor minstens één paar van j en j’Dus H1 is NIET µa ≠ µb ≠ µc ≠… ≠ µj
H0 wordt getoetst door gebruik te maken van varianties:De tussen-groeps-variantie of between-groups variance
mean square between (MSb)De binnen-groeps-variantie of within-groups variance
mean square within (MSw)
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
VARIANTIEANALYSE
9
Within groups
Hoofdstuk 7: Variantieanalyse
VARIANTIEANALYSE
10
Between groups
Within groups
Hoofdstuk 7: Variantieanalyse
Wanneer de verschillen tussen groepsgemiddelden groter worden en de verschillen binnen elke groep ongeveer hetzelfde blijven wordt de between-groups variantie groter ten opzichte van de within-groups varianties.
Dus: de verhouding between-groups variantie/within-groups variantie zegt iets over het verschil tussen groepsgemiddelden.
VARIANTIEANALYSE
11
Between groups
Within groups
Hoofdstuk 7: Variantieanalyse
MSw = verschillen te wijten aan verschillen tussen personen binnen dezelfde groep
= inter-individuele verschillen die niet te wijten zijn aan het effect van de OV
= foutenvariantie (varfout)
MSb = variantie van groepsgemiddelden + variantie van scores rondom groepsgemiddelden
= variantie van de effecten van OV (vareffect) + foutenvariantie (varfout)
MSw = varfout
MSb = vareffect + varfout
VARIANTIEANALYSE
12 Hoofdstuk 7: Variantieanalyse
13
MSb = vareffect + varfout MSw = varfout
-> ALS H0 waar is, dwz. vareffect zeer klein is of gelijk is aan 0 DAN: MSb = MSw of MSb / MSw = 1
-> ALS H0 niet waar is, dwz. vareffect verschilt van 0 DAN: MSb > MSw of MSb / MSw > 1
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
14
4. Toetsingsgrootheid
Df b = J – 1 (J =aantal groepen)Df w = N – J (N = totaal aantal waarnemingen; J = aantal groepen)
Kansverdeling: F-verdeling (zie bijlage)
Vb.
Met df b = 3 – 1 = 2 en df w = 27 – 3 = 24
VARIANTIEANALYSE
ww
bb
w
b
dfSSdfSS
MSMSF
//
13.776.268.19
24/27.662/35.39
F
Hoofdstuk 7: Variantieanalyse
15
5. Beslissingsregels
a. Overschrijdingskansen (niet in tabel)
Is P r (F) ≤ α ?ja, verwerp H0neen, verwerp H0 niet
Vb. P r (F = 7.13) = 0.0037 voor df b = 2 , df w= 24
P r (= 0.0037) < 0.05 dus H0 verwerpen
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
16
b. kritieke waardenIs F ≥ kritieke F waarde bij
df teller = df b = J – 1 ja, verwerp H0df noemer = df w = N - J neen, verwerp H0 niet
kritieke F waarde df b = 2 , df w= 24 bij alpha = 0.05 = 3.4 (zie tabel) F (7.13) > Fkritiek (3.4) dus H0 verwerpen
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
VARIANTIEANALYSE
17
ANOVA
TOETSGEG
39,355 2 19,677 7,126 ,00466,275 24 2,761
105,630 26
Between GroupsWithin GroupsTotal
Sum ofSquares df Mean Square F Sig.
Hoofdstuk 7: Variantieanalyse
18
Wanneer H0 verworpen is weten we dat minstens 2 groepen verschillen mbt. hun gemiddelde-> welke groepen?
= post-hoc toetsing
We zouden via t-toetsen elk paar van groepen met elkaar kunnen vergelijken (vb. groep 1-2, 2-3, 1-3). Bij elke t-toets gebruiken we een α = 0.05. Probleem: door herhaaldelijk t-toetsen uit te voeren neemt de fout van de 1e soort toe.
Oplossing: bij posthoc toetsing corrigeren voor deze hogere kans op fouten van de 1e soort.
>> Bonferroni correctie: wanneer we drie groepen vergelijken, alleen besluiten dat er een significant verschil is als P ≤ 0.05/3 (ipv. 0.05)(andere mogelijke correcties: Tukey, Scheffé,...)
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
19
Post-hoc toetsing in SPSS:
SPSS output houdt al rekening met deze correctie; dus de P waarden zijn al gecorrigeerd.
Als P ≤ 0.05 dan is er een significant verschil tussen beide groepenvb. enkel significant verschil ts. Groep 1-3
VARIANTIEANALYSE
Multiple Comparisons
Dependent Variable: TOETSGEGBonferroni
-1,2667 ,76353 ,330 -3,2317 ,6984-3,0417* ,80747 ,003 -5,1198 -,96351,2667 ,76353 ,330 -,6984 3,2317-1,7750 ,78824 ,101 -3,8037 ,25373,0417* ,80747 ,003 ,9635 5,11981,7750 ,78824 ,101 -,2537 3,8037
(J) GROEP2,003,001,003,001,002,00
(I) GROEP1,00
2,00
3,00
MeanDifference
(I-J) Std. Error Sig. Lower Bound Upper Bound95% Confidence Interval
The mean difference is significant at the .05 level.*.
Hoofdstuk 7: Variantieanalyse
20
Voorbeeld ANOVA in SPSS: stressreductie door chocolade bij dansers
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
21
ANOVAstress Sum of
Squaresdf Mean Square F Sig.
Between Groups 714,490 2 357,245 3,136 ,048Within Groups 11277,471 99 113,914 Total 11991,961 101
6. Effectgrootte
7. RapporteringEr was een significant effect van chocolade op het stressniveau van de dansers, F(2, 99) = 3.14, p = .048, r = .24 . De dansers die geen chocolade aten rapporteerden een hoger stressniveau (M = 65.5, SD = 10.54) dan dansers die twee repen chocolade aten (M = 59.12, SD = 12.27). Het stressniveau van de dansers die één reep chocolade aten (M = 61.32, SD = 8.95) verschilde niet significant van de andere condities.
VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
interval/ordinaal
nominaal
1
nominaal
> 1
1
one sample t-test /z-test1
2
> 2
interval/ordinaal
onafh.
onafh.
onafh.
afh.
afh.
independent t-test / z-test
dependent t-test
one way ANOVA
repeated measures ANOVA
Pearson correlation
nominaal
interval
gemengd
afh.
gemengd
n-way ANOVA
repeated measures ANOVA
mixed design ANOVA
multiple regression
Pearson chi-square
multiple regression
nominaal/ ordinaal
onafh.
type AV? aantal OV? type OV? hoeveel populaties?
categorieën afhankelijk?
parametrisch non-parametrisch
Rank-sum
Signed-ranks
Kruskal-Wallis
Friedman’s ANOVA
Spearman correlation
niet in dit boek chi-square goodness of fit
1
≥ 2
chi-square goodness of fitonafh.
Variantieanalyse: two way ANOVA
24
Eénwegs-variantie analyse-> 1 OV met meer dan twee waarden-> 1 AVis er een verschil in het welbevinden van kinderen met ouders die autoritair, autoritatief, of permissief opvoeden?
Tweewegs-variantie analyse (of: tweefactor-variantie analyse)-> 2 OV-> 1 AVwat is het effect van drie verschillende lesmethoden en het geslacht van de leerling op de studieresultaten van leerlingen? = 3 X 2 ANOVA = k x r factorieel design met k = aantal niveaus OV1, r = aantal niveaus OV2
TWEEWEGS-VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
Twee vragen:
1. vraag over hoofdeffect van elke OV op AV
2. vraag over interactie-effect tussen OV1 en OV2 op AVhoe hebben de twee OV’s samen in combinatie een effect op AV?is het effect van de ene OV op AV anders naargelang het niveau van de andere OV?
- is het effect van ses op toekomstbeeld anders voor jongens dan voor meisjes?- is het effect van chocolade op stressreductie anders voor beginners dan voor gevorderden?
TWEEWEGS-VARIANTIEANALYSE
25 Hoofdstuk 7: Variantieanalyse
26
1. Toetsingssituatiea. Is er een effect van variabele A (met niveaus a1, a2, …) op variabele Y?b. Is er een effect van variabele B (met niveaus b1, b2, …) op variabele Y?
= 2 hoofdeffecten
c. Is het effect van variabele A anders naargelang het niveau van variabele B (of omgekeerd)? Wat is het effect van de combinatie van A en B op Y?= interactie-effect tussen A en B
d. Indien er een hoofdeffect is van A, tussen welke groepen van A is er een verschil?
e. Indien er een hoofdeffect is van B, tussen welke groepen van B is er een verschil?= post hoc toetsing
TWEEWEGS-VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
2. Voorwaarden• AV is gemeten op intervalniveau• OV’s worden als nominaal beschouwd (ook al is OV soms ordinaal)• scores van AV zijn in alle populaties normaal verdeeld• varianties in populaties zijn gelijk (F-toets of Levene’s toets)• onafhankelijke steekproeven
TWEEWEGS-VARIANTIEANALYSE
27 Hoofdstuk 7: Variantieanalyse
28
3. HypothesenWat is het effect van ses en geslacht op de toekomstverwachting van jongeren? OV1 (A) = ses (laag, midden, hoog)OV2 (B) = geslacht (jongens, meisje)AV = toekomstbeeld score ts. -10 en +10
-> 3 x 2 design (dus 6 populaties - zie les 2: waarden van OV bepalen aantal populaties)
a. Is er een hoofdeffect van variabele A (met i niveaus)?
H0: alle populatiegemiddelden van A zijn aan elkaar gelijkµ1 = µ2 = µ3 = … = µi als er I groepen zijn van A
H1: minstens twee populatiegemiddelden zijn niet gelijk aan elkaarµi ≠ µi’ voor minstens één paar van i en i’
Of in termen van varianties H0: σ²A = σ²W of σ²A / σ²W = 1 H1: σ²A > σ²W of σ²A / σ²W > 1
TWEEWEGS-VARIANTIEANALYSE
laag midden hoog01234567
SES
Toek
omst
beel
d
Hoofdstuk 7: Variantieanalyse
29
b. Is er een hoofdeffect van variabele B (met j niveaus)?H0: alle populatiegemiddelden van B zijn aan elkaar gelijk
µ1 = µ2 = µ3 = … = µj als er J groepen zijn van BH1: minstens twee populatiegemiddelden zijn niet gelijk aan elkaar
µj ≠ µj’ voor minstens één paar van j en j’
Of in termen van varianties H0: σ²B = σ²W of σ²B / σ²W = 1 H1: σ²B > σ²W of σ²B / σ²W > 1
TWEEWEGS-VARIANTIEANALYSE
jongens meisjes0123456
geslacht
Toek
omst
beel
d
Hoofdstuk 7: Variantieanalyse
30
c. Is er een interactie-effect van variabele AxB ?H0: alle populatiegemiddelden van combinatie AxB zijn aan elkaar gelijk: µ11 = µ12 = … = µij als er I x J groepen zijn H1: minstens twee populatiegemiddelden zijn niet gelijk aan elkaar
µij ≠ µi’j’ voor minstens één paar van ij en i’j’
Of in termen van varianties H0: σ²AxB = σ²W of σ²AXB / σ²W = 1 H1: σ²AXB > σ²W of σ²AXB / σ²W > 1
TWEEWEGS-VARIANTIEANALYSE
laag midden hoog0123456789
jongensmeisjes
SES
Toek
omst
beel
d
Hoofdstuk 7: Variantieanalyse
31
4. Toetsingsgrootheid4.1 F toets voor hoofdeffect van A
met dfA = I – 1 (I = aantal niveaus van A)met dfW = N – (I x J) (N = totaal aantal )vb. FA = 10/2.02 = 4.95 met dfA = 2 dfW = 24
4.2 F toets voor hoofdeffect van B
met dfB = J – 1 (J = aantal niveaus van B)met dfW = N – (I x J) (N = totaal aantal )vb. FB = 0.53/2.02 = 0.26 met dfB = 1 dfW = 24
4.3 F toets voor interactie-effect van AxB
met dfAxB = (I - 1). (J – 1)met dfW = N – (I x J) (N = totaal aantal)vb. FAxB = 30.54/2.02 = 15.12 met dfAxB = 2
dfW = 24
TWEEWEGS-VARIANTIEANALYSE
WW
AA
W
AA dfSS
dfSSMSMS
F//
WW
BB
W
BB dfSS
dfSSMSMS
F//
WW
AxBAxB
W
AxBAxB dfSS
dfSSMSMS
F//
Hoofdstuk 7: Variantieanalyse
5. Beslissingsregelsa. Overschrijdingskansen
Is P r (F) ≤ α?ja, verwerp H0neen, verwerp H0 niet
>> overschrijdingskans per mogelijk effect (hoofd / interactie) in ANOVA-tabel SPSS
b. Kritieke waardenOok mogelijk via tabel met F-waarden.
TWEEWEGS-VARIANTIEANALYSE
32 Hoofdstuk 7: Variantieanalyse
significant hoofdeffect ses: jongens en meisjes samengenomen is er een effect van sesgeen significant hoofdeffect geslacht: 3 ses niveaus samengenomen is er geen significant verschil tussen j en m
een interactie-effect: het verschil ts. j en m is niet hetzelfde voor alle niveaus van ses
>> post-hoc toetsing nodig om te weten tussen welke groepen er een verschil is. (SPSS)
TWEEWEGS-VARIANTIEANALYSE
33 Hoofdstuk 7: Variantieanalyse
interactie-effect: het verschil ts. jongens en meisjes is niet hetzelfde voor alle niveaus van ses (lijnen lopen niet parallel)
TWEEWEGS-VARIANTIEANALYSE
34
laag midden hoog0
2
4
6
hoofdeffect SES
SES
Toek
omst
beel
d
jongens meisjes0
2
4
6geen hoofdeffect geslacht
geslacht
Toek
omst
beel
d
laag midden hoog0123456789
interactie effect
jongensmeisjes
SES
Toek
omst
beel
d
seslaag midden hoog
jongens 5,6 5,6 4,2 5,13
meisjes 2,4 4,4 7,8 4,87
4 5 6
Hoofdstuk 7: Variantieanalyse
35
Post hoc analyse bij two-way ANOVA:Zie post-hoc bij one-way ANOVA: niveaus binnen 1 OV vergelijken.
(overbodig als er maar 2 niveaus zijn – bv. geslacht. Kijk dan naar gemiddeldentabel)
Om alle cellen paarsgewijs te vergelijken: simple effects – enkel met SPSS syntax (zie boek p. 163)
TWEEWEGS-VARIANTIEANALYSE
seslaag midden hoog
jongens 5,6 5,6 4,2 5,13
meisjes 2,4 4,4 7,8 4,87
4 5 6
seslaag midden hoog
jongens 5,6 5,6 4,2 5,13
meisjes 2,4 4,4 7,8 4,87
4 5 6
Hoofdstuk 7: Variantieanalyse
36
Interpretatie resultaten ANOVA: via plots van gemiddelden per groep - 4 alternatieve hypothetische situaties (hier geïdealiseerd):
1. Eén hoofdeffect en geen interactie-effect
- geen hoofdeffect ses: geen verschil ts. laag-midden-hoog groep wanneer j en m samennemen- wel hoofdeffect geslacht: j scoren hoger dan m wanneer 3 ses groepen samennemen- geen interactie-effect: het verschil ts. j en m is hetzelfde voor alle niveaus van ses (lijnen lopen parallel)
TWEEWEGS-VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
2. Twee hoofdeffecten en geen interactie-effect
- een hoofdeffect ses- een hoofdeffect geslacht- geen interactie-effect: het verschil
ts. j en m is hetzelfde voor alle niveaus van ses (lijnen lopen parallel)
TWEEWEGS-VARIANTIEANALYSE
37 Hoofdstuk 7: Variantieanalyse
3. Twee hoofdeffecten en een interactie-effect
- een hoofdeffect ses: jongens en meisjes
samengenomen is er een effect van ses
- een hoofdeffect geslacht- een interactie-effect: het verschil
ts. j en m is niet hetzelfde voor alle niveaus van ses (lijnen lopen niet parallel)
TWEEWEGS-VARIANTIEANALYSE
38 Hoofdstuk 7: Variantieanalyse
39
4. Geen hoofdeffecten maar wel een interactie-effect
- geen hoofdeffect ses: jongens en meisjes samengenomen is er geen effect van ses- geen hoofdeffect geslacht: 3 ses niveaus samengenomen is er geen effect van geslacht
- een interactie-effect: het verschil ts. j en m is niet hetzelfde voor alle niveaus van ses (lijnen lopen niet parallel)
TWEEWEGS-VARIANTIEANALYSE
seslaag midden hoog
jongens 9 5 1 5meisjes 1 5 9 5
5 5 5
0123456789
10
laag midden hoog
ses
scor
e jongensmeisjes
Hoofdstuk 7: Variantieanalyse
40
6. Effectgrootte
Partial Eta squared: interpreteerbaar zoals rte berekenen met SPSS
Via ANOVA-dialoogbox > options > estimates of effect size aanvinken
TWEEWEGS-VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
41
Demo two-way ANOVA: effect van chocolade én dansniveau op stress?
TWEEWEGS-VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
42
7. RapporteringEerst de potentiële hoofdeffecten bespreken (zie one-way
ANOVA, inclusief eventuele post-hoc) gegevens: gemiddelden, SD, F-waarde, p-waarde, r
Daarna potentieel interactie-effect, zelfde gegevens.
Hoofdeffecten zijn niet meer relevant als er een interactie-effect is, maar moeten wel gerapporteerd worden. Interpretatie van de resultaten gaat enkel over interactie-effect.
TWEEWEGS-VARIANTIEANALYSE
Hoofdstuk 7: Variantieanalyse
interval/ordinaal
nominaal
1
nominaal
> 1
1
one sample t-test /z-test1
2
> 2
interval/ordinaal
onafh.
onafh.
onafh.
afh.
afh.
independent t-test / z-test
dependent t-test
one way ANOVA
repeated measures ANOVA
Pearson correlation
nominaal
interval
gemengd
afh.
gemengd
n-way ANOVA
repeated measures ANOVA
mixed design ANOVA
multiple regression
Pearson chi-square
multiple regression
nominaal/ ordinaal
onafh.
type AV? aantal OV? type OV? hoeveel populaties?
categorieën afhankelijk?
parametrisch non-parametrisch
Rank-sum
Signed-ranks
Kruskal-Wallis
Friedman’s ANOVA
Spearman correlation
niet in dit boek chi-square goodness of fit
1
≥ 2
chi-square goodness of fitonafh.
• 43• Hoofdstuk 7: Variantieanalyse
44
1. ToetsingssituatieIs er een verschil in gemiddelde tussen groep a, b, c, … op
variabele Y?>> zelfde situatie als eenwegs-variantieanalyse.
2. VoorwaardenAV is niet normaal verdeeld en/ofAV is van ordinaal meetniveau
Chocolade als afrodisiacum? Gemeten met:
KRUSKAL-WALLIS TOETS VOOR VERSCHIL TUSSEN K POPULATIES
Seks is absoluut het allerlaatste waar ik nu aan kan denken.
Ik ervaar niet meer of minder zin in seks dan op een doordeweekse dag.
Ik voel een onwaarschijnlijke lust tot paren – annuleer de voorstelling!
Hoofdstuk 7: Variantieanalyse
45
3. HypothesenH0: θ1 = θ2 = … = θkH1= “niet H0”
bij k niveaus van de OV
4. ToetsingsgrootheidGebaseerd op rangordening zoals bij Mann-Whitney, grootheid =
H>> analyze > non-parametric > legacy dialogs > k independent
samples(zie boek 7.3.4)
KRUSKAL-WALLIS TOETS VOOR VERSCHIL TUSSEN K POPULATIES
Hoofdstuk 7: Variantieanalyse
46
5. Beslissingsregel
Is de gerapporteerde overschrijdingskans in SPSS kleiner dan α ?
ja > verwerp H0nee > verwerp H0 niet
Is er een effect? post-hoc toetsen met meerdere Mann-Whitney/Wilcoxon Rank-Sum. Gebruik zo weinig mogelijk tests en hanteer Bonferroni-correctie: α / aantal tests.
KRUSKAL-WALLIS TOETS VOOR VERSCHIL TUSSEN K POPULATIES
Hoofdstuk 7: Variantieanalyse
47
Demo Kruskal-Wallis: chocolade als afrodisiacum?
OV : 3 niveaus chocolade – geen, één reep, twee repenAV: ordinale schaal met 3 niveaus
KRUSKAL-WALLIS TOETS VOOR VERSCHIL TUSSEN K POPULATIES
Hoofdstuk 7: Variantieanalyse
48
6. Effectgrootte• Geen effectgrootte voor K-W test algemeen• Wel effectgrootte van bijhorenden Mann-Whitney tests – zie
H5
KRUSKAL-WALLIS TOETS VOOR VERSCHIL TUSSEN K POPULATIES
Test Statisticsa
lust
Mann-Whitney U 359,500
Wilcoxon W 954,500
Z -2,976
Asymp. Sig. (2-tailed) ,003
a. Grouping Variable: chocolade
Hoofdstuk 7: Variantieanalyse
49
7. Rapportering
Een Kruskal-Wallis toets werd uitgevoerd om het effect van het eten van chocolade op de lustgevoelens van dansers na te gaan. Dit effect bleek inderdaad significant, H = 8.71, p = .013. Bijkomend werden de condities zonder chocolade (mean rank = 41), met één reep chocolade (mean rank = 59.91) en twee repen chocolade (mean rank = 53.59) onderling vergeleken door middel van een Wilcoxon rank-sum toets, waarbij een gecorrigeerd significantieniveau van α = .017 werd gehanteerd. Hieruit bleek dat er enkel een significant verschil was tussen de conditie zonder chocolade en de conditie met één reep chocolade (Ws = 954.5, z = -2.976, p = .003, r = -.36). Het verschil tussen de conditie zonder chocolade en de conditie met twee repen chocolade (Ws = 1034.5, z = -1.861, p = .06, r = -.23) noch het verschil tussen de conditie met één reep chocolade en de conditie met twee repen chocolade (Ws = 1105.5, z = -.917, p = .36, r = -.11) waren significant.
KRUSKAL-WALLIS TOETS VOOR VERSCHIL TUSSEN K POPULATIES
Hoofdstuk 7: Variantieanalyse
Fetisjisme bij kwartels? (zie Field, 2009)
Çetinkaya, Hakan & Domjan, Michael (2006). Sexual fetishism in a quail (Coturnix japonica) model system: Test of reproductive success. Journal of Comparative Psychology, Vol 120(4), Nov 2006, 427-432.
VOORBEELD ANALYSE MET K POPULATIES
50 Hoofdstuk 7: Variantieanalyse