Independent-Samples T test

Uit Methodologiewinkel
Ga naar: navigatie, zoeken

Waar deze test voor wordt gebruikt

De independent-samples t-test (of onafhankelijke t-test) wordt gebruikt wanneer twee groepen aan twee verschillende condities worden onderworpen en je de scores van de groepen met elkaar wil vergelijken. Een voorbeeld hiervan zou het toedienen van koffie kunnen zijn om het effect van koffie op een reactietaakje te meten. De helft van de proefpersonen krijgt dan koffie voordat het reactietaakje gedaan wordt en de andere helft niet.

Assumpties

1. Normaal Verdeeld – De afhankelijke variabele moet voor iedere groep normaal verdeeld moeten zijn, zie Normaliteit.

2. Niveau van de variabelen - De afhankelijke variabele is op interval of ratio niveau gemeten.

3. Homogeniteit van Varianties - De variantie van de afhankelijke variabele moet voor iedere groep ruwweg hetzelfde zijn.

4. Onafhankelijkheid - De scores zijn onafhankelijk, zie Onafhankelijkheid.

Wat te doen als je niet aan je assumptie(s) voldoet?

De non-parametrische variant is de Wilcoxon Matched-Pairs Test.

Let op: de output van de t-test geeft ook de resultaten wanneer de assumptie van gelijke variantie wordt geschonden (onder: "equal variances not assumed"). Hiervoor is dus geen non-parametrische test nodig.

Hoe uit te voeren in SPSS

Ten eerste kun je je dataset het beste inrichten met een kolom met je afhankelijke variabele, in dit geval de reactietijden, en een kolom met je onafhankelijke variabele, namelijk in welke groep de desbetreffende proefpersoon zich bevond (de conditie met of de conditie zonder koffie). In SPSS ga je vervolgens naar

Analyze → Compare Means → Independent-Samples T Test. In het menu dat je dan voor je ziet sleep je vervolgens je twee variabelen naar de rechterkant (zie plaatje).

Independent.png

Let op. Voordat je de analyse kan uitvoeren moet je op "define groups" klikken. Hierbij is het slechts de bedoeling dat je aangeeft welke condities je gebruikt. Dus bij het vakje conditie 1 heb ik een "1" ingevoerd, want bij mij waren proefpersonen binnen de conditie "geen koffie" gecodeerd als een 1. Bij het vakje conditie 2 heb ik een "2" ingevoerd, want proefpersonen binnen de conditie "koffie" waren gecodeerd als een 2. Let er dus wel op hoe jij de variabele conditie hebt gecodeerd. Als dit bijvoorbeeld 0 en 1 is voer je bij conditie 1 een 0 in en bij conditie 2 een 1.

Interpreteren SPSS-output

De SPSS output bestaat uit twee tabellen.

De eerste tabel geeft de gemiddelden van de twee condities (proefpersonen zonder koffie en proefpersonen met koffie) op de afhankelijke variabele (reactietijd).

Voordat we de resultaten van de t-test, die in de tweede tabel staat weergegeven, kunnen interpreteren, is het van belang dat we eerst toetsen of de varianties in beide groepen gelijk was. Dit wordt gedaan middels de Levene's test, en deze staat ook in de tweede tabel weergegeven. De Levene's test toetst de nulhypothese van gelijke varianties:

1. Op het moment dat deze niet significant is (p > .05), betekent dit dat aan de aanname van homogene varianties is voldaan. Interpreteer dan de rest van de tabel achter "Equal variances assumed".

2. Op het moment dat deze significant is (p < .05), betekent dit dat de aanname van homogene varianties is geschonden. Interpreteer dan de rest van de tabel achter "Equal variances not assumed".

Vervolgens staat in de tabel de verschilscore tussen de condities (Mean Difference) gerapporteerd en wordt er getoetst of dit verschil significant afwijkt van nul. Dit gaat in dit voorbeeld dus om het verschil in reactietijd bij mensen zonder koffie (gemiddelde reactietijd van proefpersonen in conditie 1) en reactietijd bij mensen na een kop koffie (gemiddelde reactietijd van proefpersonen in conditie 2). In de tabel staat de t-waarde van de toets, het aantal vrijheidsgraden (df), de p-waarde (Sig.) en het 95%-betrouwbaarheidsinterval gerapporteerd.

Uit de Levene's test blijkt dat aan de aanname van homogene varianties is voldaan en dus interpreteren wij de t-waarde, het aantal vrijheidsgraden en de p-waarde achter "Equal variances assumed".

Independentresults.png

Rapporteren conclusie

Uit de independent t-test bleek dat deelnemers die koffie hadden gedronken sneller waren dan mensen die geen koffie hadden gedronken, t(18) = 2.635, p = .017.

Non-parametrische variant

Voor de non-parametrische variant, zie: Wilcoxon Matched-Pairs Test