• Post-Hoc test

    Post hoc test, waarom en hoe?post hoc test, bonferroni

    Post hoc‘  is Latijn voor  ‘nadien‘. In de statistiek wordt ‘post hoc test’ als verzamelnaam gebruikt voor toetsen die uitgevoerd worden na de algemene statistische test (e.g. ANOVA) om significantie te bepalen.

    + wat bedoelen we met significantie? | vouw open


    Een post hoc test (na bijvoorbeeld een ANOVA) wordt uitgevoerd om:

    1. ) Bij een gevonden significant verschil in means tussen meerdere groepen, het verschil tussen exact welke twee groepen is dan de significante?
      (denk in deze sitatuatie bijvoorbeeld aan een Tukey’s honestly significant difference (HSD), in SPSS aangeduid met ‘Tukey’)
    2. ) Het corrigeren van de Family-Wise error die ontstaat bij een toets die ‘onder water’ eigenlijk bestaat uit meerdere kleine significantie toetsen (een voorbeeld hiervan is ANOVA).

    Wat bedoelen we hiermee?

    SPSS maakt het makkelijk om in een enkele handeling meerdere hypothesen te toetsen. (D.w.z. SPSS maakt het mogelijk om met enkele kliks meerdere groepen variabelen met elkaar te vergelijken. Bekijk voor een meer uitgebreide uitleg hierover ‘Discovering Statistics).
    Een ANOVA bijvoorbeeld is in SPSS erg snel uitgevoerd. Het is deze ‘luxe’ die post hoc tests/analyses juist harder nodig maakt (verdere uitleg in groen hieronder).


     

     


    Met een ANOVA toets je in één analyse meerdere onafhankelijke (predictor) variabelen voor een effect op een afhankelijke (outcome) variabele. Voor jou is dit een enkele ‘ANOVA’. Voor SPSS is dit een t-Test voor elke onafhankelijke (predictor) variabele op de afhankelijke (outcome) variabele. Zonder dat je er misschien bij stil staat toets je op deze manier erg veel mogelijke effecten (‘hypothesen’).
    waarom is post hoc nodig na significantie toetsen

    Je kunt je misschien wel voorstellen dat wanneer er maar genoeg verschillende effecten getoetst worden op een significant verschil (significant dus minder dan 5% kans op een toevallig gevonden verschil in jouw proefpersonen (sample) maar eigenlijk niet in de echte wereld (populatie)), er bijna wel een toevalstreffer gevonden moet worden.

     

    Het is geen probleem als je deze uitleg niet helemaal begrepen hebt. Wat wel goed is om te begrijpen is dat wanneer je erg veel verschillende mogelijke hypothesen/verschillen toetst (bijv met behulp van SPSS), de kans toeneemt dat er onterecht een effect gevonden (i.e. als significant bestempeld) wordt, (dit ongewenste effect wordt ook wel de ‘family-wise error’ genoemd).

    Hier moet je vooral op letten bij het gebruik van (M)ANOVA’s ( maar ook Kruskal-Wallis testen, en ‘regressie analyses’) omdat hierbij één enkele analyse/test eigenlijk al een aantal losse significantie toetsen zijn.

    Om te corrigeren voor de toegenomen kans op het onterecht vinden van een significant effect (de family-wise error), worden ‘post hoc tests’ toegepast. Voor deze situatie wordt met name de bonferroni correctie post hoc test (ookwel afgekort als ‘de bonferroni correctie’) gebruikt.


    scriptie hulp, spss uitbesteden icoon Overweeg ook eens het om betaalde hulp in te schakelen. Je kunt bij scriptiemaster.nl heel eenvoudig een vrijblijvend (en gratis) advies gesprek aanvragen.


     

    Wat doet een post-hoc ‘bonferroni correctie’ en waarom is dit nodig?

    Omdat dit uiteindelijk op kans rekenen neerkomt is dit het makkelijkst te begrijpen aan de hand van een voorbeeld met dobbelstenen.
    Een zes gooien met een dobbelsteen staat even symbool voor het vinden van een significant verschil tussen groepen. De kans op 6 gooien met een dobbelsteen is: 1/6 (een worp is een enkele (t-Test) toets). Als je 5 keer mag gooien is deze kans veel groter: 5 keer 1/6 (dit staat voor je ANOVA met eigenlijk 5 losse (t-Test) toetsen).
    Dit is niet terecht, want de gemeten data is hetzelfde, het echte effect is er wel of niet, en toch gaat je kans op het vinden van een effect omhoog, dat kan niet kloppen.

    Bonferroni correctie maakt van de kans op 6 gooien (in dit geval) 1/30. En 5 keer 1/30 is gelijk aan 1/6. (de 1/30 is tot stand gekomen door kans (1/6) te delen door het aantal ‘pogingen’ (toetsen), zo werkt de Bonferroni correctie (“p/n toetsen”).

    Voor significantie toetsen houdt dit in dat wanneer er vijf willekeurige effecten getoetst worden, de p waarde (grens voor significantie) volgens Bonferroni niet .05 (5%) is maar .01 (1%).

    Post hoc tests en analyses in SPSS

    In SPSS zijn post hoc tests zoals bonferroni’s correctie gewoon ‘post hoc analyse’ opties die aangevinkt kunnen worden bij het uitvoeren van je test / analyse dus wordt er van jou als SPSS gebruiker geen kennis van complexe formules verwacht.

    post hoc test/analyse, bonferroni in spss

    Om een post hoc analyse in SPSS uit te voeren dien je dus dit als optie aan te vinken in de statistische analyse die je gebruikt (bijvoorbeeld ANOVA), in plaats van deze als losstaande test uit te voeren.
    Wil je meer weten of het rapporten van post-hoc test resultaten na een ANOVA, lees dan ThesisHulp’s artikel over ‘ANOVA resultaten rapporteren in APA-stijl.

    Er worden erg veel post-hoc tests en correcties aangeboden in SPSS. Bonferroni’s, REGWQ, Tukey’s, Hochberg’s GT2, Gabriel’s, Tamhame’s T2, Dunnet’s T3, Games-Howell en (zoals je kunt zien) nog meer.
    De situaties waarin deze post-hoc tests bruikbaar zijn verschilt van test tot test. Het is best is per hypothese toets die je uiteindelijk gebruikt op te zoeken welke post-hoc test hier het meest geschikt voor is.


  •  


     

    snel afstuderen boek reviewSnel afstuderen! | Erik Feijen         Nederlands | Paperback | bekijk op bol.com
    Het makkelijke en boekje ‘Snel afstuderen!’ geeft je praktische technieken waarmee je stap voor stap lastige scriptieproblemen kunt overwinnen… Meer
    Let op: Gratis verzending slechts vanaf 20 euro!  € 16,00
    Voor 23:00 uur besteld, morgen in huis.

Post Tagged with , ,

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *