Hoofdstuk 3 jamovi

Dirk Hoek, Natascha de Hoog en Peter Verboon

Laatste update: 22 juli 2022

3.1 Introductie

Van oudsher gebruiken we binnen Psychologie SPSS als het softwarepakket om gegevens te analyseren en te bewerken. SPSS is echter verouderd: het softwarepakket mist enkele state-of-the-art analysetechnieken. Daarnaast is SPSS kostbaar en niet volledig transparant.

De afgelopen decennia heeft in de onderzoekswereld, met name waar het gaat om methodologische innovaties, een ander pakket een steeds prominentere rol gekregen ten koste van SPSS. De naam van deze statistische programmeer- en analyseomgeving is R. Alhoewel R een gratis softwarepakket is dat zeer compleet en geavanceerd is, wordt het door veel studenten en onderzoekers gezien als niet heel gebruiksvriendelijk.

Enige jaren geleden is een groep onderzoekers en programmeurs daarom begonnen met de ontwikkeling van een ander alternatief voor SPSS. Dat alternatief is volledig gebaseerd op R, maar de ontwikkelaars voegden daar veel gebruikersvriendelijkheid aan toe. Zij noemden het programma jamovi. In feite is jamovi een schil om R, met een uiterlijk en (menugestuurde) interface die vergelijkbaar is met SPSS.

Deze handleiding geeft een overzicht van de meeste (basis) functies in jamovi en hoe je deze precies uitvoert. Om het overzichtelijk te houden vind je steeds een plaatje van een muis rechts in het document daar waar de precieze handelingen staan hoe je iets moet doen.

3.2 Installatie

jamovi is gratis beschikbaar voor verschillende besturingssystemen, bijvoorbeeld Windows, macOS, Linux en Chrome OS. Installatie kan als volgt:

• ga naar https://www.jamovi.org/download.html. Hier tref je een tabel aan met de namen van de hierboven genoemde besturingssystemen.

• Maak de keuze van je besturingssysteem. Door op de naam te klikken kan jamovi worden binnengehaald en vervolgens geïnstalleerd. Op het moment van schrijven van deze handleiding is versie 2.2.5 gebruikt.

3.3 Starten van jamovi

Het starten van jamovi gaat op dezelfde manier als alle andere programma’s. Als je jamovi hebt gestart zie je het volgende scherm.

Figuur 1. Beginscherm na opstarten jamovi

Figuur 1 toont een beginscherm na het opstarten van jamovi. Je ziet in de bovenste menubalk verschillende keuzemogelijkheden in de vorm van tabbladen: Variables, Data, Analyses, Edit, een verborgen menu achter de drie streepjes en rechtsboven drie puntjes.

3.3.1 Opties in het startscherm

In het Variables menu staat een overzicht van de variabelen. Hierin kan je eenvoudige bewerkingen van de variabelen doen. Wanneer je op Data klikt, zie je de data en vind je ook mogelijkheden tot eenvoudige bewerking van je data. Je kunt bijvoorbeeld scores optellen of het meetniveau veranderen.

Het tabblad Analyses bevat de modules waarmee je de data kan analyseren. In het Edit menu kan je tekst bewerken die je bij de resultaten zet.

In het menu onder de drie streepjes kun je onder meer bestaande databestanden openen, nieuwe data importeren of exporteren en de data met bijbehorende analyses bewaren (zie Figuur 2). Klik bijvoorbeeld op Open en dan Browse om op je computer naar een bestand te zoeken dat je wil openen. Diverse formats kunnen worden geopend, met extensies .csv en .txt, en ook SPSS, SAS, Stata en R files. Door te klikken op de pijl naar links klapt het menu weer in.

Figuur 2. Menu na de drie streepjes

Als je op de drie puntjes klikt, dan opent Figuur 2b, waarin een aantal algemene opties kunnen worden ingesteld, die bijvoorbeeld te maken hebben met hoe de output eruit komt te zien. Door te klikken op het pijltje naar rechts klapt het menu weer in.

Figuur 2b. Menu met opties na de drie puntjes

3.3.2 Databestand openen

Voordat je kunt beginnen met het analyseren van data, moeten data aan je jamovi-project worden toegevoegd. Data kunnen worden ingetypt of worden ingelezen vanuit een ander format.

Vaak zul je een databestand gebruiken dat in een ander programma is aangemaakt (zoals SPSS of Excel). Deze typen bestanden kun je in jamovi inlezen op de volgende manier:

• Kies de optie ‘Open’.

• Vervolgens kies je de map waarin het bestand staat en klik je op de juiste naam. Zorg ervoor dat je onderaan de pagina aan jamovi opgeeft welke type bestand je wilt inlezen, zoals .omv voor jamovi, of .sav voor SPSS.

In Figuur 3 zie je een deel van de data dat afkomstig is van het databestand ‘statistiekangst’ (dit bestand wordt gebruikt in de cursus Inleiding Onderzoek). In Figuur 3 zie je links een deel van het databestand en rechts een wit vlak. In dit witte vlak worden de resultaten van de analyses zichtbaar als die zijn uitgevoerd.

Figuur 3: Deel van een databestand

In het tabblad Data bevat het onderste deel twee mogelijke vensters: de data zelf en de output. In het tabblad Analyses bevat het onderste deel drie mogelijke vensters: de data zelf, de analysespecificaties en de output.

3.3.3 Data invoeren

Voor het zelf invoeren van data ga je naar de betreffende cel en type je daar de score in. Als je op enter drukt verplaatst de cursor een rij naar beneden. Op deze manier kan je data handmatig invoeren.

3.3.4 Bewaren

Bewaren (save) houdt in jamovi in dat data, analyses en resultaten als één bestand worden opgeslagen. Dit in tegenstelling tot SPSS waar de data, de eventuele syntax en de output als aparte bestanden kunnen worden opgeslagen. Het is daarom beter om te spreken van het opslaan van een jamovi-project dan van een jamovi dataset.

Bewaren kan als volgt: - Open het menu onder de drie streepjes links bovenin (zie Figuur 2)

• Sla je project de eerste keer op via ‘Save as’. Je kiest dan een naam en geeft hierbij ook aan in welke map je het wilt opslaan.

3.4 Databewerking

3.4.1 Meetniveaus en naam variabelen toekennen en wijzigen

In Figuur 1 zie je drie variabelen staan: A, B en C, met telkens daarvoor drie rondjes. In jamovi betekent dit dat dit nominale variabelen zijn. Dit is de automatische toekenning door jamovi van het meetniveau. Dit meetniveau kun je veranderen, bijvoorbeeld in continue variabelen.

• Dubbelklik op de variabelenaam in het Data menu of het Variables menu. Nadat je dit gedaan hebt, zie je het scherm in Figuur 4a.

Figuur 4a: Scherm voor veranderen meetniveau

Je kunt nu het meetniveau (measure type) veranderen. In Figuur 4b zie je het huidige meetniveau geactiveerd (nominaal). Je kunt dit veranderen door een ander meetniveau aan te klikken. In jamovi zijn er vier: continues (minimaal intervalmeetniveau), ordinal, nominal en ID. We kiezen bijvoorbeeld voor ‘Continuous’ door deze optie aan te klikken.

Figuur 4b: Scherm voor veranderen meetniveau

Je ziet nu dat het meetniveau van variabele ‘A’ is gewijzigd in ‘continuous’, zie Figuur 4c.

Figuur 4c: Na verandering meetniveau

In Figuur 4c zie je dat van variabele A het meetniveau is veranderd. In het bovenste deel van het scherm zie je een B (de naam van de tweede variabele staan). Hiervan kun je op dezelfde manier het meetniveau veranderen. Behalve voor verschillende meetniveaus, kun je ook kiezen voor ID. Dit kun je gebruiken voor het invoeren van respondentnummers. Het is dan voor jezelf en voor jamovi duidelijk dat er op deze variabele geen analyses (kunnen) worden gedaan.

De letteraanduiding (A, B enz.) kun je simpel wijzigen in een handige herkenbare naam voor je variabele.

Als je dit voor alle variabelen hebt gedaan, klik je op de grijze cirkel met de naar boven wijzende pijl, dan kom je weer terug in het beginscherm. Je ziet dan dat de variabelen zijn aangepast, omdat het icoontje ervoor is veranderd. In het voorbeeld in Figuur 4c zie je voor de variabele naam A een soort lineaal staan, hetgeen aangeeft dat het meetniveau is veranderd naar continu.

In Figuur 4a kan er behalve het meetniveau ook het data type worden gewijzigd. Het data type kent drie waarden: integer, decimaal en text. Wanneer je voor “text” kiest dan verandert het meetniveau automatisch weer in nominaal. Tenslotte is in Figuur 4a ook te zien dat er waarden kunnen worden opgegeven die als missing moeten worden opgevat.

3.4.2 Somscores berekenen

In de sociale wetenschappen wordt er vaak gebruik gemaakt van schalen. Deze schalen bestaan uit meerdere variabelen. Om schaalscores te berekenen is het soms noodzakelijk om de variabelen eerst te hercoderen (zie onder het kopje 3.4.3 Hercoderen hoe dat gedaan kan worden). Vervolgens kunnen somscores worden berekend.

Als de schaal bijvoorbeeld extraversie meet, dan kan de score op de extraversieschaal als volgt worden berekend in jamovi.

• Klik op het Variables of Data tabblad en klik dan in de menubalk op Compute.

Figuur 5: Compute nieuwe variabele

• Vul op de plek waar nu “D” staat de naam in van de te berekenen nieuwe variabele of schaal (bijvoorbeeld Extraversie).

• Bereken dan de somscore door de score van de items die tot de schaal behoren op te tellen. Let op: gebruik de juiste itemnamen als er is gehercodeerd.

Het optellen kan door de items op volgorde op te tellen, bijvoorbeeld door in te typen extraversie1 + extraversie2, etc.

Figuur 6a: Voorbeeld berekenen nieuwe variabele

Om de uitkomsten van Figuur 6a te krijgen is eerst op compute geklikt. Vervolgens kan in plaats van D een nieuwe variabelenaam worden ingetypt. In het Description vak onder de naam kan een korte beschrijving worden gegeven van de nieuwe variabele. In het rekenvenster is zichtbaar dat de scores op variabelen A, B en C worden opgeteld. In plaats van het zelf in te typen kun je ook de SUM functie gebruiken, te vinden onder het formulesymbool.

Je kunt hier ook voor een andere berekening kiezen, bijvoorbeeld door gebruik te maken van MEAN. Hiermee bereken je niet een somscore maar een gemiddelde score voor je schaal. De functie voor MEAN is ook te vinden als formule, zie Figuur 6b. Als je op het functiesymbool (\(f_x\)) klikt, zie je dat er nog veel meer kant-en-klare functies beschikbaar zijn die je kan gebruiken om een nieuwe variabele mee te berekenen.

Figuur 6b: Voorbeeld met functie voor berekenen nieuwe variabele

In tegenstelling tot functies zoals de MEAN functie die rij voor rij hun berekening uitvoeren over meerdere variabelen, zijn er ook functies die beginnen met een “V”, die werken op een variabele. Zo berekent de functie VMEAN het gemiddelde van een variabele en zet dat gemiddelde als nieuwe variabele in het databestand, die waarde is dus voor iedereen gelijk. De opties “group_by” in deze functie kan heel handig zijn, omdat nu het gemiddelde per groep wordt berekend, zie Figuur 6c voor een voorbeeld met de statistiekangst data.

Figuur 6c: Voorbeeld met functie voor berekenen gemiddelde per groep

3.4.3 Hercoderen

Soms is het noodzakelijk om scores van een variabele te hercoderen. Het hercoderen is in jamovi echter niet altijd eenvoudig. In figuur 7 zie je hoe hercoderen (transform) in zijn werk gaat.

Figuur 7: Voorbeeld hercoderen van een variabele

Ga naar tabblad Data. Selecteer een variabele die je wil hercoderen door erop te klikken, hier variabele C. Klik daarna op Transform in het menu en selecteer vervolgens naast “using transform” de optie Create new Transform.... Je komt nu in een scherm waarin je de transformatie (hercodering) kunt specificeren.

In het voorbeeld in Figuur 7 is er een 6-puntsschaal gebruikt en wordt deze variabele (aangegeven met $source) gehercodeerd. Een score 1 wordt ‘omgezet’ in een 3, een 2 blijft een 2, en alle andere waarden krijgen de waarde 1. De gehercodeerde variabele geven we de naam “C-recoded” en bij Description geven we een korte beschrijving van de hercodering. Het resultaat verschijnt meteen in het datascherm.

Wanneer je nu nog meer variabelen wil hercoderen met dezelfde hercodering als voor variabele C, dan is dat simpel. Selecteer deze variabelen (dat kunnen er meerdere tegelijk zijn) en klik weer op transform. Naast “using transform” staat nu “C-recoded” met een rode stip ervoor. Als je deze selecteert worden alle geselecteerde variabelen op dezelfde manier gehercodeerd.

3.5 Analyses

Hieronder zullen we enkele veelvoorkomende analyses de revue laten passeren (die tevens aan bod komen in de cursus Inleiding Onderzoek en Experimenteel onderzoek). We zullen kort aangeven hoe deze analyses in jamovi kunnen worden uitgevoerd. Niet alle analyses zijn meteen beschikbaar als je jamovi hebt gedownload. Echter door op het plus-teken met de tekst Modules rechtsboven te klikken, kun je heel veel state-of-the-art modules toevoegen. Het aantal beschikbare modules zal naar alle waarschijnlijkheid blijven toenemen. Als je op het plus-teken hebt geklikt, zie je welke modules je al hebt geïnstalleerd en je ziet jamovi library staan. Door daarop te klikken verschijnt de bibliotheek met de beschikbare modules.

3.5.1 Beschrijving van de data: Descriptieven

Voordat we de analyse kunnen beginnen is het handig om beschrijvende statistieken (descriptieven) van je data op te vragen. Hierbij kan gedacht worden aan frequenties, gemiddelde, mediaan, modus, scheefheid, kurtosis, variantie, standaarddeviatie en normaliteit of figuren zoals histogrammen, box plots, staafdiagrammen en grafieken voor normaliteit (de zogenaamde q-q grafieken).

Om descriptieven op te vragen ga je naar tabblad Analyses, selecteer Exploration en kies vervolgens Descriptives. Hieronder in Figuur 8a is een deel van wat er mogelijk is te zien voor de variabele leeftijd van de statistiekangst data. Deze variabele (Age) is uit de rij met variabelen geselecteerd en via het pijltje naar het venster Variables overgebracht. Er kunnen meerdere variabelen tegelijk worden geanalyseerd op deze manier. Ook zou je de resultaten nog kunnen uitsplitsen naar bijvoorbeeld mannen en vrouwen door de variabele geslacht (Gender) via het pijltje naar het Split by venster over te brengen.

Figuur 8a: Opvragen van de beschrijvende maten

Door op het pijltje op de Statistics balk te klikken vouwt er een menu open waarin allerlei beschrijvende maten kunnen worden aangevinkt. Deze maten verschijnen dan onmiddelijk in het rechter paneel, eventueel uitgesplitst naar een bepaalde variabele als je dat hebt opgegeven.

Op dezelfde manier kan je ook figuren opvragen door op de Plots balk te klikken. In Figuur 8b is een voorbeeld van een boxplot getoond voor de variabele Statistiekkennis-1

Figuur 8b: Opvragen van de beschrijvende maten en plotjes

3.5.2 Scatterplot

Voor het maken van een scatterplot om het verband tussen twee continue variabelen weer te geven, dien je eerst een extra module te installeren. In het tabblad Analyses zie je in de rechterbovenhoek een grote PLUS staan met daar vlak onder Modules. Als je daar op klikt, zie je de zogenaamde jamovi library. Daar klik je op en vervolgens komt er weer een lijst in beeld. Kies in die lijst de module scatr (van Ravi Stelker) en klik op de knop Install. Als je dat hebt gedaan klik je op de pijl bovenin het zwevende menu. De nieuwe module is nu toegevoegd en je kunt weer verder met je analyse.

Je kunt nu een scatterplot maken. Dit doe je via tablab Analyses, dan Exploration, gevolgd door Scatterplot. Daarna kun je de variabelen die je wilt opnemen in de scatterplot selecteren, zoals bijvoorbeeld statistiekkennis op tijdsstip 1 en 2 (zie Figuur 9).

Figuur 9: Scatterplot

De figuur kan worden uitgebreid door een groepsvariabele toe te voegen (bijvv. Geslacht), waarmee de punten van mannen en vrouwen een aparte kleur krijgen. Ook kunnen de verdelingen van de variabelen worden getoond naast de figuur met bijvoorbeeld een boxplot. Tenslotte kan een regressielijn worden toegevoegd die het verband tussen beide variabelen weergeeft.

3.5.3 Correlatieanalyse

Voor het berekenen van de samenhang (correlatie) tussen twee of meer variabelen klik je op tabblad Analyses, gevolgd door Regression, en dan Correlation matrix (zie Figuur 10). Selecteer de variabelen en breng ze via het pijltje naar het rechter venster. Vervolgens kun je eronder een aantal opties aanvinken.

Het is belangrijk om in ieder geval het betrouwbaarheidsinterval (confidence interval) aan te vinken, dat staat standaard ingesteld op 95%, maar dat kan je wijzigen. Standaard staat Pearson aangevinkt (voor interval variabelen), maar je kunt ook Spearman’s Rho of Kendall’s Tau aanvinken. Deze zijn beide geschikt voor ordinale of nominale categorische variabelen.

Figuur 10: Correlatiematrix

Verder kan je nog een plot opvragen. Deze geeft, in een matrixvorm, de scatterplots van alle geselecteerde variabelen, inclusief regressielijn.

3.5.4 Regressieanalyse

Voor het uitvoeren van een enkelvoudige regressieanalyse klik je op het tabblad Analyses, gevolgd door Regression en dan Linear regression (zie Figuur 11). De variabelen kunnen naar drie vensters worden gebracht: onder Dependent kies je de afhankelijke variabele door deze aan te klikken en daarna op de pijl te klikken voor Dependent variable. De onafhankelijke variabelen gemeten op interval niveau (continue variabelen) kun je vervolgens naar het venster onder Covariates overbrengen en categorische onafhankelijke variabelen naar het venster onder Factors.

Figuur 11: Regressieanalyse

De regressieanalyse kent veel opties die zijn gegroepeerd onder de balkjes in het linker venster, die je kan openvouwen.

-Model Builder is van toepassing als je meerdere predictoren hebt en je wilt interactietermen maken of de analyses in blokken opdelen.

-Onder Reference Levels kan je kiezen welke categorie van de categorische variabelen in je model de referentiecategorie moet zijn.

-Onder Assumptie Checks kunnen een aantal plots en tests worden opgevraagd, waarmee je de aannames die aan regressieanalyse ten grondslag liggen kunt testen.

-Bij Model Fit kun je diverse fitmaken van je model opvragen en bij Model Coefficients of je de F-test wilt zien, de gestandaardiseerde parameterschattingen en de betrouwbaarheidsintervallen.

-De Estimated Marginal Means laten de gewenste modelschattingen zien in tabelvorm en in een figuur.

-Tenslotte, kan je met Save bepaalde uitkomsten bewaren, zoals onder andere de door het model voorspelde scores (predicted values). Die scores worden als variabele aan de data set toegevoegd, onder de naam ‘Predicted values’.

3.5.5 t-testen

Voor het uitvoeren van een onafhankelijke t-toets klik je op tabblad Analyses, gevolgd door t-tests, en daarna Independent samples t-test aan. In het menu, zie Figuur 12, selecteer je een of meer afhankelijke variabelen, die getoetst moet worden en zet deze onder Dependent Variables. Vervolgens kun je aangegeven welke onafhankelijke variabele er in de analyse wordt gebruikt. Je klikt de betreffende variabele aan en klikt vervolgens op de pijl voor Grouping Variable.

Figuur 12: Onafhankelijke t-test

Er zijn weer diverse opties aan te vinken. Naast de klassieke Student’s t test, kan je kiezen voor Welch’s test (die meestal standaard wordt gebruikt) of de Mann-Whitney U test.

Voor de hand ligt dat je de gemiddelde waarde van de afhankelijke variabele opvraagt voor elke groep. Je kunt dit doen door het hokje aan te vinken dat voor Descriptives.

Daarnaast kun je ook het gemiddelde verschil tussen de groepen met 95% betrouwbaarheidsinterval opvragen door het hokje voor Mean difference en het hokje Confidence interval aan te vinken. Je kunt ook nog de effectgrootte (in dit geval Cohen’s D) opvragen door het hokje voor Effect size aan te vinken.

Voor het uitvoeren van een gepaarde t-test klik je op tabbald Analyses, gevolgd door t-testen en daarna Paired samples t-test. Eerst bepaal je welke paren van afhankelijke variabelen getoetst moeten worden. Je selecteert de desbetreffende variabelen in de variabelenlijst en brengt ze naar het rechter venster. Hier worden nu automatisch paren van afhankelijke variabelen gevormd. De opties zijn vergelijkbaar met de onafhankelijke t-test.

3.5.6 One-way ANOVA

Voor het uitvoeren van een One-way ANOVA ga naar tabblad Analyses, gevolgd door ANOVA en daarna One-way ANOVA aan. In het menu, zie Figuur 13, selecteer je een of meer afhankelijke variabelen, die getoetst moet worden en zet deze onder Dependent Variables. Vervolgens kun je aangegeven welke onafhankelijke variabele er in de analyse wordt gebruikt. Je klikt de betreffende variabele aan en klikt vervolgens op de pijl voor Grouping Variable.

Figuur 13: Oneway anova

Er zijn weer diverse opties aan te vinken. Naast de klassieke Fisher’s F-test, kan je kiezen voor Welch’s test 9die je het beste standaard kunt gebruiken). De gemiddelde waarde van de afhankelijke variabele voor elke groep kan worden opgevraagd.

Je kunt dit doen door het hokje aan te vinken dat voor Descriptives staat. Daarnaast kun je ook de gemiddelden van de groepen met 95% betrouwbaarheidsinterval laten zien door descriptive plots aan te vinken. Ook is het mogelijk test op te vragen om de aannames te testen.

Je kunt een post-hoc toets opvragen door op het bolletje te klikken voor Games Howell (unequal variances) of door op het bolletje te klikken voor Tukey (equal variances).

In jamovi is het niet mogelijk om bij een one-way ANOVA effect sizes te berekenen. Deze kun je wel berekenen door in plaats van One-way ANOVA de optie ANOVA te kiezen. Via deze analyse heb je ook toegang tot iets meer verschillende post-hoc testen.

3.5.7 Factoriele ANOVA

Voor een factoriële ANOVA ga naar tabblad Analyses, kies onder het kopje ANOVA de tweede analyse: ANOVA. Breng de afhankelijke variabele naar het veld Dependent Variable. Dit moet een variabele met tenminste een interval meetniveau zijn. Bij Fixed Factors zet je één of meer categorische variabelen. Hier mag je nominale of ordinale variabelen gebruiken. Wanneer je slechts één Fixed Factor gebruikt dan zou het resultaat van de analyse gelijk moeten zijn aan die bij de one-way ANOVA.

In Figuur 14 is de toename in statistiekangst de afhankelijke variabele en is de variabele Cursus een experimenteel gemanipuleerde variabele. Daarnaast is het geslacht opgenomen als fixed factor. Onder de vensters zijn de Model Fit aangevinkt en als effectgrootte de omega-kwadraat, die daarom in de output worden getoond.

Figuur 14a: Factoriele anova

De overige opties bij deze analyse zijn gegroepeerd onder de balkjes in het linker venster, zie Figuur 14b.

Figuur 14b: Opties bij anova

-Onder Model kan het model worden gespecificeerd: welke hoofd- en interactie-effecten moeten worden meegenomen. In dit voorbeeld twee hoofdeffecten en één interactieterm. Bij twee factoren is dit het meest uitgebreide model, dat standaard wordt gespecificeerd.

-Onder Assumptie Checks kunnen een plot en tests worden opgevraagd, waarmee je de aannames die aan ANOVA ten grondslag liggen kunt testen.

-Per Factor kunnen diverse contrasten worden gespecificeerd onder de Contrast balk.

-Bij de balk Post Hoc Tests kan per term in het model post hoc toetsen worden opgevraagd, inclusief Cohen’s D met een betrouwbaarheidsinterval.

-De Estimated Marginal Means laten de gewenste modelschattingen zien in tabelvorm en in een figuur.

-Tenslotte, kan je met Save de residuen bewaren die dan worden toegevoegd aan het databestand.

3.5.8 Herhaalde Metingen ANOVA

Voor een herhaalde metingen (repeated measures) ANOVA ga naar tabblad Analyses, kies onder het kopje ANOVA: Repeated Measures ANOVA. Je ziet dan het scherm van Figuur 15a. In het venster Repeated Measures Factors staat RM Factor 1, dat is de eerste herhaalde metingen factor met twee niveaus (levels). Je hebt minimaal twee interval variabele nodig om in te voeren in een herhaalde metingen analyse, die breng je naar het venster Repeated Measures Cells.

Het is mogelijk om meerdere RM factoren te definieren en per RM factor meerdere niveaus. Ook is het mogelijk om zelf namen te geven aan de factoren en de niveaus. Herhaalde metingen factoren worden ook wel ‘Within Subjects Factors’ genoemd, omdat het herhaalde metingen binnen personen zijn.

Figuur 15a: Herhaalde metingen anova

Statistiekkennis en statistiekangst zijn beide op twee momenten gemeten. We kunnen deze variabelen als volgt invoeren, zie Figuur 15b.

Figuur 15b: Herhaalde metingen anova met twee factoren

We hebben de eerste RM factor Statistiek-kennis genoemd met twee niveaus, die we ‘voormeting’ en ‘nameting’ hebben genoemd. Daarna hebben we een tweede RM factor gedefinieerd: Statistiek-angst met wederom ‘voormeting’ en ‘nameting’ als niveaus, die nu automatisch het cijfer twee erbij krijgen, omdat deze namen al bestaan. Vervolgens brengen we de desbetreffende variabelen naar hun juiste plek, en vinken de eta-kwadraat aan als effectgrootte. Tenslotte kunnen we de afhankelijke variabele ook nog een label geven.

De balkjes onder de vensters geven weer de opties, die vergelijkbaar zijn met eerder besproken anova analyses. Merk nog op dat we de vensters Between Subjects Factors en Covariates leeg hebben gelaten. Deze analyse is dus een pure herhaalde metingen analyse, zonder between subjects factor en zonder covariaten.

3.5.9 Mixed ANOVA

Wanneer we in het scherm van de herhaalde metingen ook between subjects (BS) factoren toevoegen dan spreken we van een mixed anova. De term mixed verwijst hier naar de situatie dat er zowel between als within subjects (WS) factoren (herhaalde metingen) gespecificeerd zijn in het model.

In Figuur 15b kunnen we simpelweg de BS factor Cursus toevoegen aan het venster Between Subjects Factors, terwijl verder alles gelijk blijft, zie Figuur 16. De output laat nu de resultaten zien van een mixed anova.

Figuur 16: Mixed anova

3.5.10 ANCOVA

Bij de herhaalde metingen en de mixed ANOVA was er ook een veld waarboven ‘Covariates’ stond. Hier kunnen één of meer variabelen met minimaal interval meetniveau worden gezet. Deze analyses worden dan uitgevoerd met de extra gespecificeerde covariaten.

Bij factoriele anova was er geen veld ‘Covariates’ (zie Figuur 14a). Om factoriële anova met een covariaat uit te voeren ga naar tabblad Analyses, kies onder het kopje ANOVA: ANCOVA. Dit scherm is identiek aan dat van factoriële anova met een wijziging: het veld covariates is extra. Zie Figuur 17

Figuur 17: ancova

De balkjes voor de opties zijn gelijk aan die van factoriële anova. Bij het model wordt standaard wel de interactieterm tussen de fixed factoren gespecificeerd, maar alleen het hoofdeffect van de covariaat. Eventueel kan een interactie tussen de factoren en de covariaten wel worden gespecificeerd hier.