Startpagina / Samenvattingen / Class notes - Statische modellen / steekproef-teruglegging-bootstrap

Bootstrapping

Q: Hoe bootstrap je voor een onafhankelijke t-test in SPSS?

Independent sample t-test voorbeeld bootstrapping  analyse  compare means  indepedent sample t-test  doe test variabele en groepsvariabele eronder  Define groups 1. Klik op bootstrap 2. Vink perform bootstrapping aan 3. Je kan het aantal boostraps aanpassen (number of samples = 5000 aanbevolen) 4. Vinkje aan van ‘set seed for Mersenne Twister’ = niet telkens opnieuw berekenen  deze keus is de beste 5. Vinkje uit ‘set seed for Mersenne Twister’ = wel telkens opnieuw berekenen 6. Confidence intervals: 95%  bias corrected 7. Continue 8. Paste & run

3 belangrijke vragen over Bootstrapping

Wat is een steekproef met teruglegging en zonder teruglegging?

Een steekproef met teruglegging = elke steekproef wordt teruggeplaatst en heeft evenveel kans om terug te komen in de steekproef  dit maakt dat het vaak anders is dan het orginele sample/steekproef.

Een steekproef zonder teruglegging = dit gebruik je dan bijvoorbeeld als je wil dat iemand maar een keer een vragenlijst invult en niet telkens dezelfde persoon.

Vaker is het wel met teruglegging, want herhaling is dan toegestaan, maar als het dus om specifieke voorbeelden gaat/ unieke kenmerken en dan is het beter om het zonder teruglegging te doen.

Wat is een beperking aan bootstrapping?

De verdeling in de steekproef waaruit je de bootstrap trekt, moet representatief zijn voor de populatieverdeling anders geeft het een vertekent beeld. Omdat je op basis van dat sample duizenden samples gaat maken.

Hoe weet je of dit representatief is?
- als je het random hebt getrokken
- als de steekproef groot is
- maar je weet het nooit zeker 1

Hoe bootstrap je voor een onafhankelijke t-test in SPSS?

Independent sample t-test voorbeeld bootstrapping
 analyse  compare means  indepedent sample t-test  doe test variabele en groepsvariabele eronder  Define groups
1. Klik op bootstrap
2. Vink perform bootstrapping aan
3. Je kan het aantal boostraps aanpassen (number of samples = 5000 aanbevolen)
4. Vinkje aan van ‘set seed for Mersenne Twister’ = niet telkens opnieuw berekenen  deze keus is de beste
5. Vinkje uit ‘set seed for Mersenne Twister’ = wel telkens opnieuw berekenen
6. Confidence intervals: 95%  bias corrected
7. Continue
8. Paste & run

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

Statische modellen

Bekijk samenvatting