Studie en studentenleven

SPSS: General Linear Model (GLM)

General Linear Model (GLM), is de verzamelnaam die SPSS geeft voor diverse technieken binnen de variantieanalyse. Variantieanalyse is vergelijkbaar met de diverse t-toetsen voor het toetsen van verschillen tussen gemiddelden. Echter, een t-toets is alleen geschikt voor het toetsen van verschillen tussen twee gemiddelden. Met een variantieanalyse kun je verschillen toetsen wanneer je meer dan twee groepen hebt. Ook kun je meerdere onafhankelijke variabelen gebruiken, meerdere afhankelijke variabelen, of een combinatie hiervan. De vormen die binnen de e-desk behandeld worden zijn:

  • Univariate variantieanalyse 
    (ANOVA): Wordt toegepast bij de analyse van één afhankelijke variabele. De onafhankelijk variabele heeft drie of meer categorieën, of er zijn meerdere onafhankelijke variabelen, of er is een combinatie van onafhankelijke variabele(n) en controlevariabele(n) (zie ook 'Covariaat').

  • Multivariate variantieanalyse  
    (MANOVA): Als ANOVA, maar dan voor de analyse van meerdere afhankelijke variabelen.

  • Herhaalde metingen-variantieanalyse
    Wordt toegepast bij de analyse van onderling afhankelijke metingen, waarbij meer dan twee metingen zijn ('within-subjects factor) of wanneer er naast de onderling afhankelijke metingen tevens een of meer onafhankelijke variabelen zijn (between-subjects factor).

Voordat je een van de vormen kiest, is het belangrijk de algemene informatie door te nemen over meetniveau, terminologie, covariaten, post-hoc toetsen en contrasten.

Meetniveau

Voor het uitvoeren van een variantieanalyse moeten de afhankelijk variabelen van (semi)-interval meetniveau zijn. De onafhankelijke variabelen zijn in principe van nominaal meetniveau. Variabelen van ordinaal meetniveau met weinig waarden kunnen worden beschouwd alszijnde van nominaal meetniveau (zie aanpassen meetniveau). Variabelen van interval en van ordinaal niveau met veel waarden moeten worden gecategoriseerd (zie aanpassen meetniveau), of kunnen worden meegenomen onder 'Covariate'.

Schendingen van assumpties

Variantieanalyse is niet erg gevoelig voor afwijkingen van normaliteit, zolang de verdeling van de scores van afhankelijke variabele maar redelijk symmetrisch is verdeeld. Ook aan de assumptie van gelijke varianties tussen groepen hoeft niet perse worden voldaan, zolang de groepsgrootten ongeveer gelijk zijn. Wijken de data erg veel af, dan kun je als alternatief de Kruskal-Wallis toets (Univariaat en Multivariaat) of de Friedman toets (herhaalde metingen) uitvoeren.

Terminologie

De termen univariaat, enkelvoudig, multivariaat en meervoudig worden nogal eens verward. Deze termen worden gebruikt voor het aanduiden van het aantal afhankelijke en onafhankelijke variabelen. Bij een univariate variantieanalyse is er altijd maar één afhankelijke variabele. Bij een multivariate variantieanalyse zijn er altijd meerdere afhankelijke variabelen. Een enkelvoudige variantieanalyse heeft slechts één onafhankelijke variabele. Een meervoudige variantieanalyse heeft er meer. Je kunt dus een meervoudige univariate, maar ook een enkelvoudige multivariate variantieanalyse uitvoeren. Bij scriptieonderzoek wordt bijna altijd gewerkt met één afhankelijke variabele en één of meerdere onafhankelijke variabele(n) en beperken de toetsen zich tot univariate analyses.

Binnen de variantie-analyse worden de onafhankelijke variabelen ook wel factoren genoemd. De onafhankelijke variabelen worden ingevoerd als 'Fixed Factor(s)' (Univariaat en Multivariaat) of 'Between-Subjects Factor(s)' (Repeated Measures). Onderling afhankelijke metingen worden ingevoerd als 'Within-Subjects Factor(s)' (Repeated Measures).

Covariaat

Een covariaat is een factor die naar verwachting invloed heeft op de relatie tussen de onafhankelijke en afhankelijke variabele en waarvoor je controleert in de analyse. Het effect van deze variabele kan significant zijn, maar ook als die niet significant is zal deze variabele invloed uitoefenen op de relatie tussen de onafhankelijke en afhankelijke variabele.

Verwarrend in SPSS, is dat binnen het keuzemenu GLM alleen variabelen van (semi-)interval meetniveau onder "Covariate" kunnen worden meegenomen in de analyse. Heb je een covariaat van nominaal meetniveau (bijvoorbeeld geslacht) dan dien je deze mee te nemen als een extra "Fixed Factor".

Wanneer variabelen van (semi-)interval meetniveau in de analyse als 'Covariate' zijn meegenomen, verandert de variantieanalyse in een covariantieanalyse (ANCOVA). In een covariantieanalyse wordt het verschil tussen groepen bekeken na correctie voor de invloed van de covariaat. Voor meer informatie hierover, zie bijv. Hinkle et al. (1998), hoofdstuk 19.

Post Hoc toetsen en contrasten

Bij een variantieanalyse kun je één of meerdere significante hoofd- en/of interactie-effecten krijgen. Deze geven aan dat er een verschil is tussen minstens twee van de categorieën gevormd door de onafhankelijke variabele(n). Om te weten te komen welke categorieën precies van elkaar verschillen kun je Post Hoc toetsen doen of contrasten analyseren.