Hallo,
Ik heb bij mensen gevraagd naar associaties. Bij vier advertenties met een bepaald product (passend of niet -passend) hebben zij associaties opgeschreven. Voor iedere advertentie met een specifiek product heb ik bepaald welke associaties negatief waren en welke positief. Ik heb dus vier advertenties met ieder positieve en negatieve associaties.
Nu is mij verteld dat ik na kan gaan of er bij de advertenties verschillen optreden qua positievere associaties en negatieve associaties.
Dit wordt vaak gedaan door een gepaarde t-test, maar kan ook met een herhaalde variantie analyse. Alleen vroeg ik mij
af of dit wel kan en hoe je dit aanpakt want ik heb alleen maar percentages. Moet ik hiervan een gemiddelde maken of?
Ik heb sowieso een herhaalde meting uitgevoerd want bij iedere advertentie hebben de proefpersonen associaties opgeschreven.
Kan iemand mij misschien uitleggen hoe ik dit moet aanpakken?
Dankjewel.
Lisanne
Laatste berichten
-
07:53
Rotatie van het heelal 25
-
00:49
Ervaringen met "herontdekkingen" 11
-
21:28
hall effect in vloeistof gebruiken als stromingssensor 6
-
17:59
Gezocht: de/een naam voor een getallenrij met een cauchyrij als partieelsommenrij
-
17:28
Casus uit de praktijk: positief test THC 18
-
17 apr
speciale rel. theorie 4
-
17 apr
Vreemde stank in huis 11
-
17 apr
3 vragen over mijn rooskleurige r.berekening H2netGekoppeldeHBrflowbatterij.
-
17 apr
Interpretatie reactie-energie 3
-
17 apr
Logistic equation (Pierre Verhulst,Belgian Mathematician) 5
-
16 apr
vB 9
-
15 apr
Kunnen quantum Zonnecellen 190% quantum efficiënt zijn 1
-
15 apr
Python: sockets sluiten 4
-
14 apr
Een eenvoudige logische redenering waarom tijd niet kan bestaan 'daarbuiten' 6
-
14 apr
Hoe kun je op quantumwijze getallen vinden in een rij die kleiner zijn dan getal k 3
-
13 apr
Documentenverdwijnen uit onedrive 1
-
12 apr
Behoud van impulsmoment en energie 5
-
12 apr
INLOG STORING / TIPS 4
-
09 apr
[natuurkunde] systeemgrafen 1
-
05 apr
afbuiging licht rond zware objecten via grondbeginselen relativiteitstheorie 490
Nieuwsberichten
-
04 mar
Een nieuw soort magnetisme: altermagnetisme
-
31 okt
AI kan via stem diabetes vaststellen 11
-
21 okt
Einstein krijgt wéér gelijk 45
-
07 feb
witter dan wit 20
-
19 jun
irrigatie en de aardas
Procenten vergelijken in SPSS
-
- Berichten: 467
Re: Procenten vergelijken in SPSS
Een t-test of anova kan je gebruiken als je een continue variabele hebt. Maar die heb je niet. Lees deze pagina eens door. Hier staat het eea uitgelegd over meetniveaus en keuze van een toets.
-
- Berichten: 9
Re: Procenten vergelijken in SPSS
Ik inderdaad alleen maar woorden die ik heb ingedeeld in de groepen positief en negatief. Het zou moeten kunnen want in voorgaande onderzoeken is dit ook gedaan lleen staat er niet bij hoe.....ze nemen dan een proportie van de percentages. Maar ik snap er weinig van
-
- Berichten: 467
Re: Procenten vergelijken in SPSS
Dan hebben ze misschien de proportie positieve associaties van het totaal aantal associaties genomen? Dus vb. van de 10 gemaakte associaties zijn er 4 positief, dan is het dus 40%. Iedereen heeft dan een waarden tussen de 0-100 % die waarschijnlijk wel redelijk normaal verdeeld is, en die je in een t-test kan stoppen.
-
- Berichten: 9
Re: Procenten vergelijken in SPSS
Dankjewel voor je antwoord. Het is gelukt! Nu heb ik nog een vraag over een drieweg variantie analyse met herhaalde metingen.
Ik heb aan proefpersonen vier advertenties voorgelegd met Nederlands of dialect in combinatie met een passend product of niet-passend product.
Dus ik heb de variabele taal: dialect en Nederlands en de variabele product: passend of niet-passend. Nu wil ik nagaan
wat voor invloed de taal heeft op de afhankelijke variabelen: attitude t.o.v. advertentie, productattitude, koopintentie en associaties.
Ik heb voor iedere afhankelijke variabele een drieweg variantie-analyse met herhaalde metingen (mixed model) uitgevoerd:
1) attitude ten opzichte van de advertentie
2) attitude ten opzichte van het product
3) koopintentie
4) associaties
Ik krijg als ik een mixed model met herhaalde metingen uitvoer wel de gemiddelden maar geen standaard deviaties. Het rapporteren van de SE lijkt mij niet echt zinvol.
Ik dacht dat ik bij gepaarde t-testen de gemiddelden voor de effecten van taal en product zou kunnen vinden, maar deze blijken net iets anders te zijn dan bij het uitvoeren van een mixed model.
Omdat ik de volgende deelvragen heb dacht ik ik draai voor iedere deelvraag een GLM.
- Wat is de invloed van het Genneps dialect respectievelijk Standaardnederlands in productadvertenties op de attitude ten opzichte van de advertentie, de attitude ten opzichte van het product, de koopintentie en de opgeroepen associaties? (de taal)
- Wat is de invloed van een fit tussen passende respectievelijk niet-passende streekgebonden consumptiegoederen en geschreven Genneps dialect respectievelijk Standaardnederlands in productadvertenties op attitude ten opzichte van de advertentie, de attitude ten opzichte van het product, de koopintentie en de opgeroepen associaties? (de taal x product)
Bovenstaande deelvragen spits ik toe op de groepen: 1) kenners en 2) import.
Uit de aparte GLMs komen net iets andere resultaten. Maar als ik voor iedere afhankelijke variabele aparte GLMs draai voor taal dan krijg ik wel de standaarddeviaties, maar niet als ik alles samen neem in een mixed model. Bovendien krijg ik bij een mixed model ook het interactie-effect 'product x groep (dialect/import)' en dit hoef ik niet te weten, alleen 'taal x groep'.
Hoe kan het dat als je aparte GLMs uitvoert er net iets andere resultaten uitkomen dan bij een Mixed MoDdel en wat is de beste manier:
1) Voor deelvraag 1: het uitvoeren van een eenweg variantie-analyse met herhaalde metingen voor iedere afhankelijke variabele en voor deelvraag 2) het uitvoeren van een tweeweg varianatie- analyse met herhaalde metingen (taal x product)
2) Of voor voor iedere afhankelijke variabele een drieweg variantie-analyse met herhaalde metingen , waardoor je alle resultaten in een keer hebt (en er een aantal niet nodig hebt).
Met vriendelijke groet,
Lisanne
Ik heb aan proefpersonen vier advertenties voorgelegd met Nederlands of dialect in combinatie met een passend product of niet-passend product.
Dus ik heb de variabele taal: dialect en Nederlands en de variabele product: passend of niet-passend. Nu wil ik nagaan
wat voor invloed de taal heeft op de afhankelijke variabelen: attitude t.o.v. advertentie, productattitude, koopintentie en associaties.
Ik heb voor iedere afhankelijke variabele een drieweg variantie-analyse met herhaalde metingen (mixed model) uitgevoerd:
1) attitude ten opzichte van de advertentie
2) attitude ten opzichte van het product
3) koopintentie
4) associaties
Ik krijg als ik een mixed model met herhaalde metingen uitvoer wel de gemiddelden maar geen standaard deviaties. Het rapporteren van de SE lijkt mij niet echt zinvol.
Ik dacht dat ik bij gepaarde t-testen de gemiddelden voor de effecten van taal en product zou kunnen vinden, maar deze blijken net iets anders te zijn dan bij het uitvoeren van een mixed model.
Omdat ik de volgende deelvragen heb dacht ik ik draai voor iedere deelvraag een GLM.
- Wat is de invloed van het Genneps dialect respectievelijk Standaardnederlands in productadvertenties op de attitude ten opzichte van de advertentie, de attitude ten opzichte van het product, de koopintentie en de opgeroepen associaties? (de taal)
- Wat is de invloed van een fit tussen passende respectievelijk niet-passende streekgebonden consumptiegoederen en geschreven Genneps dialect respectievelijk Standaardnederlands in productadvertenties op attitude ten opzichte van de advertentie, de attitude ten opzichte van het product, de koopintentie en de opgeroepen associaties? (de taal x product)
Bovenstaande deelvragen spits ik toe op de groepen: 1) kenners en 2) import.
Uit de aparte GLMs komen net iets andere resultaten. Maar als ik voor iedere afhankelijke variabele aparte GLMs draai voor taal dan krijg ik wel de standaarddeviaties, maar niet als ik alles samen neem in een mixed model. Bovendien krijg ik bij een mixed model ook het interactie-effect 'product x groep (dialect/import)' en dit hoef ik niet te weten, alleen 'taal x groep'.
Hoe kan het dat als je aparte GLMs uitvoert er net iets andere resultaten uitkomen dan bij een Mixed MoDdel en wat is de beste manier:
1) Voor deelvraag 1: het uitvoeren van een eenweg variantie-analyse met herhaalde metingen voor iedere afhankelijke variabele en voor deelvraag 2) het uitvoeren van een tweeweg varianatie- analyse met herhaalde metingen (taal x product)
2) Of voor voor iedere afhankelijke variabele een drieweg variantie-analyse met herhaalde metingen , waardoor je alle resultaten in een keer hebt (en er een aantal niet nodig hebt).
Met vriendelijke groet,
Lisanne
-
- Berichten: 467
Re: Procenten vergelijken in SPSS
Mixed models houden rekening met de clustering in je data (meerdere metingen per persoon); daardoor kan je verschillen krijgen met GLM.
Als je een product term kreeg de je niet wilde hebben, dan heb je toch echt zelf iets niet goed gespecificeerd, want dat doet SPSS niet vanzelf. Klik eens op 'paste' ipv 'run'. Dan krijg je de hele symtax te zien en kan je ook zien of je model goed gespecificeerd staat.
Als je alles wat je wilt weten in 1 model kan draaien, dan zou dat mijn voorkeur hebben.
Als je een product term kreeg de je niet wilde hebben, dan heb je toch echt zelf iets niet goed gespecificeerd, want dat doet SPSS niet vanzelf. Klik eens op 'paste' ipv 'run'. Dan krijg je de hele symtax te zien en kan je ook zien of je model goed gespecificeerd staat.
Als je alles wat je wilt weten in 1 model kan draaien, dan zou dat mijn voorkeur hebben.
