SPSS Basics

Als je voor jezelf hebt bepaald welke data typen je tot je beschikking hebt en weet welke toetsen je moet uitvoeren, dan kan je gebruik maken van een veelgebruikt statistisch verwerkingsprogramma genaamd SPSS. SPSS biedt de mogelijkheid om relaties te ontdekken tussen verschillende variabelen. In SPSS kan je bijvoorbeeld data van Excel sheets inlezen. Het is hierbij van belang dat de variabelen door de kolommen worden aangeduid en de rijen een observatiereeks weergeven. Dit wordt in onderstaande tabel weergegeven:

86-spss

Hierbij wordt in SPSS de eerste regel vanuit Excel ingelezen als de naam van de variabele(n), zorg er dus voor dat je eerste regel in een Excel bestand bestaat uit de aanduidingen van je variabelen. Het werkveld in SPSS bestaat daarna uit alle unieke data observaties. SPSS kent een data view en een variable view. Je moet bij ieder van je variabelen nagaan of SPSS direct het juiste type data eraan heeft toegekend (dit gaat namelijk niet altijd in één keer goed). Verder zul je eventueel je specifieke variabelen nog moeten construeren door middel van de functie compute variable. Allereerst moet je wat kwaliteitstoetsen doen op je gevonden of verkregen data. Dit betekent dat je moet bekijken in hoeverre je data normaal verdeeld (normale verdeling) zijn. Je kunt dit bekijken door gebruik te maken van een grafiek. In SPSS ga je hiervoor naar Graph en vervolgens naar Chart Builder. Je kunt uit diverse grafieken kiezen, maar om te bekijken of je data beïnvloed worden door uitbijters is een histogram handig. Dit is overigens alleen mogelijk voor numerieke variabelen (interval + ratio). Indien je nog wat meer informatie over je gegevens wilt verkrijgen, kan je via het menu Analyze > descriptive statistics nog meer informatie opvragen, zoals minima en maxima.

Nadat je informatie via descriptive statistics en een eventuele grafiek hebt verkregen van je data, kan je concluderen in hoeverre je data een normale verdeling volgen. Indien dit niet het geval is, dan is het de bedoeling dat je een transformatie toepast op je data. Je kunt bijvoorbeeld werken met ln of log functies. Wat je exact dient te gebruiken, is afhankelijk van de scheefheid waar je mee te maken hebt. Als je variabelen nog niet normaal verdeeld zijn ondanks het toepassen van een transformatie, dien je te kiezen voor een non-parametrische toets (zoals bijvoorbeeld de Spearman rangcorrelatie) om relaties binnen je data te onderzoeken.

Het is belangrijk om voor al je afzonderlijke variabelen hun relatie tot je afhankelijke variabele(n) te onderzoeken. Dit helpt om uiteindelijk je conclusie te kunnen formuleren naar aanleiding van het onderzoeken van de verklarende kracht van je gehele model. Het toetsen van het verklarende effect van je gehele model doe je door middel van regressie analyse.

Sidebar