Voor mijn scriptie dien ik statistische analyses uit te voeren.
Ik heb hiervoor een SPSS dataset met 14 cases - deelnemers aan het onderzoek.
Deze deelnemers hebben 4 gevalideerde vragenlijsten ingevuld. Deze vragenlijsten maken gebruik van Likert-scale items. Van deze vragenlijsten zijn totaalscores te berekenen en subscores van subscales die bepaalde onderwerpen middels bepaalde items uitlichten.
De deelnemers hebben de vragenlijsten voor- en na de interventie ingevuld, en het gaat mij om het verschil tussen de scores voor en na.
Nu loop ik hierbij tegen de volgende problemen aan....
1. Ik heb gelezen dat items met een Likert-scale beschouwd moeten worden als 'Ordinal variables', maar dat de totaal scores, en de scores voor de subschalen beschouwd kunnen worden als 'Scale'. De dataset die ik heb gekregen is echter al deel vooraf ingevuld, en nu zijn sommige subschalen (maar niet alle) gelabeld als 'Nominal'. Dit begrijp ik niet, want deze 'Nominal subscales' zijn ook gewoon de som van een aantal vragen. Deze zouden dan toch ook gelabeld moeten worden als 'Scale'?
2. Van een van de vragen mist een aantal data. 3 cases hebben deze vragenlijst in het geheel niet gemaakt (ik weet niet waarom), en van een aantal cases missen een aantal vragen. Nu weet ik inmiddels dat er een aantal manieren zijn om Missing Data te behandelen. Ik heb met mijn scriptiebegeleider afgesproken dat we de 3 cases excluderen, en dat ik de andere missings zal imputeren door de mean van de overige items van die betreffende case te berekenen. Ik kan me echter ook voorstellen dat je de mean van het item kunt berekenen. Op internet lees ik echter dat beide manieren niet het meest elegant zijn, en dat ik eigenlijk Multiple Imputation moet doen. Ik begrijp echter niet hoe dat werkt? Volstaat voor een kleine case size die overwegend t-toetsen (overwegend, zie probleem bij vraag 3.) gebruikt deze vorm van 'Case Mean data imputation', of niet?
3. Ik had bedacht - ik ben geen statistisch wonder
- dat ik een gepaarde t-toets kan gebruiken voor de analyse. Echter, moet ik hiervoor bepalen of mijn data wel normaal genoeg verdeeld zijn. Dat heb ik gedaan met SPSS - en nu meen ik dat ik met een Shapiro-Wilk test kan bepalen of de variabele normaal normaal verdeeld is of niet... Als de Shapiro-Wilk p-waarde kleiner is dan 0,05 is de variabel niet normaal verdeeld.... Als ik dit aanneem - dan is dat het geval bij 2 van mijn variabelen (p= 0,035; p= 0,043).Wat moet ik hier nu mee? Ik weet dat - zeker bij deze kleine dataset - data nooit normaal verdeeld zijn, maar dat het gaat of je de benadering van de normaal verdeling genoeg vindt of niet.... Moet ik nu voor deze 2 variabelen een andere test, bijvoorbeeld de non-parametrische Wilcoxon Signed Rank toets, gebruiken... Of is er een truc om op een andere wijze aan te nemen dat mijn data normaal verdeeld zijn - ik lees hiervoor iets over 'bootstrappen' data, maar ook dat begrijp ik niet helemaal.
Alvast bedankt voor de hulp!
