SPSS output Interpreteren & Rapporteren

 

 

Stap 1:

Interpreteren van de SPSS OUTPUT.

Voor dat we kunnen gaan rapporteren moeten de resultaten geinterpreteerd worden. De resultaten in SPSS ( – de ‘OUTPUT’ – ) kunnen de eerste keer misschien wat intimiderend zijn.
Een hoop statistieken met afkortingen of enkel letters als namen worden in meerdere tabellen op je scherm gepresenteerd.

+ Wat wordt bedoeld met -OUTPUT- ? | vouw open
SPSS output interpreteren uitleg en voorbeeld, screenshot

bron: ‘discovering statistics with SPSS, Andy Field’ | Bekijk op bol.com


Laat je hierdoor niet afschrikken, je hoeft vaak maar enkele ‘letters’ met bijbehorende getallen op te zoeken en de rest kun je negeren.

Waar te beginnen?

Het eerste waar je naar kijkt (ongeacht welke toets je hebt toegepast) is de ‘significantiewaarde(rood omcirkeld in bovenstaand SPSS ‘OUTPUT’ voorbeeld van een ANOVA toets).
Uit deze waarde kun je afleiden of je gevonden resultaten (denk hierbij bijvoorbeeld aan je ‘multipele regressie analyse’, ‘chi-kwadraat’ of ‘Mann Witney U test’) anders zijn dan je op basis van kans zou kunnen verwachten (oftewel; ‘is er een effect/verschil?’).

 


 

 

 


 

De significantiewaarde (Sig.) in de SPSS OUTPUT geeft je hier het antwoord op.
De significantie wordt in de SPSS OUTPUT met ‘Sig.’ aangeduid. Buiten SPSS (lees: bij het rapporteren) wordt dit aangeduid met de (kleine) letter ‘p’.

screenshot SPSS output interpreteren, significantie

De significantiewaarde (‘sig. ookwel afgekort als  ‘p’) is altijd kleiner dan 1. Je kunt het zien als de kans dat het gevonden verschil toeval is, waarbij 1 gelijk staat aan 100%. In een onderzoek wordt meestal de regel gehanteerd dat als de kans kleiner is dan 5% dat het gevonden verschil toeval is, dan mag er gezegd worden dat het geen toeval is en er inderdaad een ‘significante’ samenhang is (dit bewijst echter geen causaliteit!). De ‘cut-off’ waarde van sig. (‘p) om te kunnen concluderen dat het gevonden verschil in gemiddelde sterfleeftijd van rokers tegenover niet-rokers te groot is om toeval te zijn wordt dan ook in dit voorbeeld gesteld op 0,05. (=5%)

Als de significantiewaarde (de waarde weergegeven in de kolom ‘sig.’ in de SPSS ‘OUTPUT’) kleiner is dan .05, dan is er sprake van een significant verschil/effect.

+ Hoe interpreteer ik de < en > tekens nu ook alweer? | vouw open

 

 

Stap 2:

‘test-statistic’ (na het aflezen van de significantie)

Vervolgens (nog steeds in de SPSS OUTPUT) kijk je naar het ‘test-statistic’. Deze wordt afhankelijk van de gekozen toets weergegeven met de letter r, t, F, U of .
Het getal dat onder een van deze letters weergegeven zegt iets over de grootte van het verschil/effect (F) of het vertelt of er sprake is van een positieve (een positief getal) of negatieve (een min teken voor het getal) samenhang/effect.

 

Negatieve en positieve test-statistic waarden in SPSS OUTPUT?

Positief en negatief zijn geen waardeoordelen, ze zeggen niets over of iets goed of slecht is. Met positief wordt bedoeld dat wanneer de ene variabele toeneemt of afneemt in waarde (hoger of lager getal), dan ook de andere variabele hoger of lager in getal wordt. D.w.z. een ontwikkeling in de ene variabele gaat samen met een ontwikkeling ‘in dezelfde richting’ bij de andere variabele . Van een negatieve samenhang/correlatie is sprake wanneer deze richting tegenstrijdig zijn. Als het toenemen van de ene variabele samengaat met de afname van de andere variabele, of andersom. (let op; een afname in variabele A die samengaat met een afname in variabele B is dus een positieve correlatie omdat ze in dezelfde richting gerelateerd zijn)

Dit is vaak beter begrijpbaar met een aantal voorbeelden
(‘variabele A’ & ‘variabele B’ -> ‘soort correlatie’)Statistiek met SPSS, positieve en negatieve correlatie

      • krachttraining & spiermassa -> positieve correlatie
      • beschikbare hoeveelheid olie & prijs benzine -> negatieve correlatie
      • aantal uren studeren & eindcijfer -> positieve correlatie
      • leeftijd in jaren & afstand tot pensioen -> negatieve correlatie

 

Klik hier om na te vragen wat het zou kosten om je te laten begeleiden door een professionele partij bij het afronden/schrijven van je scriptie.


 

 

 


Stap 3:

Rapporteren van de SPSS testresultaten

Als je begrijpt hoe je de OUTPUT dient te interpreteren (stap 1 en 2) is het rapporteren vrij eenvoudig.
Het bestaat uit enkele conventies die je simpelweg even moet weten.
Je schrijft de bevinding eerst uit in woorden. Deze zin sluit je niet af met een ‘punt’, je zet er een ‘komma’ achter en na de komma komt de letter van je ‘test-statistic(afhankelijk van de gekozen toets) r, t, F, U of .
Na deze letter komt tussen haakjes het aantal ‘vrijheidsgraden’ te staan (‘df’), dit wordt gevold door het ‘=’ teken, en dan de waarde uit de SPSS OUTPUT (te vinden onder de letter van je test-statistic).

Dan komt een ‘,(komma), en dan de letter ‘p(weet je nog, deze staat voor de significantiewaarde).
Na deze ‘p’ komt ‘> .05(is groter dan 5%) of  ‘< .05(is kleiner dan 5%). Welke van de twee (‘<’ of ‘>’) is af afhankelijk van de grootte van de waarde onder ‘sign.’ in de OUTPUT.
Je raadt het al; als deze waarde kleiner is dan .05 dan gebruik je ‘< .05(dit betekent dat je resultaat significant is). Is deze waarde groter dan .05, dan gebruik je ‘> .05(dit betekent voor de meeste toetsen dat je resultaat niet significant is).

 

Algemene voorbeelden

(na bijvoorbeeld een t-Test:)

Er is een significant verschil gevonden in …. tussen …. en …. , t(..)= , p < .05‘ 

(na bijvoorbeeld een Chi-square test:)

Er is een significant verschil gevonden in …. tussen …. en …. , X²(..)= , p < .05

Tussen de haakjes (achter t bij t-test en achter bij Chi kwadraat test (ook wel ‘Chi-squared) vul je de ‘degrees of freedom’ (vrijheidsgraden) in. Deze kun je vinden onder kolom ‘df’ in de SPSS output). 
Na het ‘=’ teken na de ‘df’ waarden komt de daadwerkelijke test-value, ook deze vindt je in de SPSS output.
Tot slot de p waarde. Bij een significant effect mag je ‘p < .05‘ zetten, je kunt er ook voor kiezen om de exacte waarde weer te geven, bijvoorbeeld ‘…p = .023‘  Maar gebruik maximaal 3 decimalen).
In de meeste gevallen wil je ook nog na een komma het aantal participanten invullen als N=… (met het aantal participanten op de plaats van de puntjes).


 

– Lijst van voorbeelden per statistische toets –

 

Voorbeelden van APA-stijl rapporteren per toets

Multipele regressie rapporteren.

+ Voorbeeld APA stijl rapporteren van multipele regressie | vouw open

 

Regressie analyse rapporteren.

+ Voorbeeld APA stijl rapporteren van regressie analyse | vouw open

 

Chi kwadraat rapporteren.

+ Voorbeeld APA stijl rapporteren van Chi square test | vouw open

 

Mann-Whitney U test rapporteren.

+ Voorbeeld APA stijl rapporteren Mann Whitney U test | vouw open

 

ANOVA rapporteren.

+ Voorbeeld APA stijl rapporteren van ANOVA | vouw open

 

MANOVA rapporteren.

+ Voorbeeld APA stijl rapporteren van MANOVA | vouw open

 

Independent samples t-Toets rapporteren.

+ Voorbeeld APA stijl rapporteren van de independent samples t-toets | vouw open

 

Paired samples t-Toets rapporteren.

+ Voorbeeld APA stijl rapporteren van een paired samples t-toets | vouw open

 

Pearson Correlatie rapporteren.

+ Voorbeeld APA stijl rapporteren van de Pearson correlatie | vouw open

 

Kruskall Wallis rapporteren.

+ Voorbeeld APA stijl rapporteren van de Kruskall Wallis test | vouw open

 

 


 

 

 

 

 


 

Voor meer informatie over statistiek met SPSS adviseren we ‘Discovering Statistics with SPSS’ van Andy Field. |  Terug naar het ‘4 stappen overzicht’.