WOT statistiek Inleiding

Presentatie over: "WOT statistiek Inleiding"— Transcript van de presentatie:

1 WOT statistiek Inleiding
Welcome. I will present data from a large-scale study at the University of Brussels on the interplay between curricular and extracurricular factors in the process of instructed second language learning. My focus will be on the impact of differences in the learning context on oral L2 fluency. Other aspects of the broader study (e.g. global proficiency, other dimensions of oral proficiency and social-psychological dispositions) have been presented on earlier occasions (i.a. Eurosla 2008 and 2009). Yesterday, my colleague Ellen Schoonheere presented her research on gender assignment which also draws on the data collected in the scope of this large-scale research project.

2 Korte inhoud levels of measurement of variables
vooraf: data bekijken a.d.h.v. ‘descriptives’ normaalverdeling WOT Statistiek 04/06/2012

3 Levels of measurement categorical variables continuous variables
- nominal - ordinal - interval scale - ratio scale - discrete variables WOT Statistiek 04/06/2012

4 Levels of measurement a. categorical: NOMINAL VARIABLES
geen inherente numerieke waarde geen rangorde op schaal beperkt aantal mogelijkheden Voorbeeld geslacht van participanten: 1 = man, 2 = vrouw taalachtergrond: 1 = Franstalig, 2 = Nederlandstalig ‘group membership’: 1 = control group vs experimental group WOT Statistiek 04/06/2012

5 Levels of measurement a. categorical: ORDINAL VARIABLES
beperkte numerieke waarde:rangorde geen informatie over intervalgrootte; geen garantie dat rangorde even groot is Voorbeeld 1e, 2e, 3e leerjaar: verschil in L2 kennis niet per se even groot 1e, 2e, 3e plaats in quiz: puntenverschil niet per se even groot WOT Statistiek 04/06/2012

6 Levels of measurement a. continuous: INTERVAL VARIABLES
even groot verschil tussen alle waarden op een schaal geen absoluut nul-punt  0 staat niet voor de afwezigheid van een eigenschap; waarden kunnen kleiner dan nul zijn Voorbeeld Temperatuur in °C : kan ook negatief zijn WOT Statistiek 04/06/2012

7 Levels of measurement a. continuous: RATIO VARIABLES
= interval, behalve: absoluut nul-punt  0 = afwezigheid van een eigenschap Voorbeeld Gewicht: 0 kg = iets bestaat niet Temperatuur in ° Kelvin: 0 = kleinst mogelijk leeftijd WOT Statistiek 04/06/2012

8 Levels of measurement a. continuous: DISCRETE VARIABLES
enkel bepaalde waarden zijn mogelijk Voorbeeld aantal kinderen: 1, 2, 3,…, niet 1,5 WOT Statistiek 04/06/2012

9 ‘if you multiply a human by a cat, you do not get a hat’
Levels of measurement voor formules kunnen enkel ‘continuous variables’ gebruikt worden ‘if you multiply a human by a cat, you do not get a hat’ interpretatie van de onderzoeker speelt ook een rol: Leeftijd = continuous maar onderzoeker kan kiezen voor groepering in bv jong, oud, … = nominal Likert scale: vaak geïnterpreteerd als interval scale maar: hebben we hier zekerheid over gelijke intervalgrootte? “We should probably regard these data as ordinal although many scholars do not” (Field, 2009, p. 8) WOT Statistiek 04/06/2012

10 Levels of measurement categorical variables continuous variables Bv.
Chi-Square test Ordinal: Spearman rank correlation - Pearson’s correlation - T-test en ANOVA WOT Statistiek 04/06/2012

11 Vooraf: ‘descriptives’
1. verkennende blik op je data werpen vertrouwd worden met data kan je soms al een idee van de uitkomst geven 2. zijn je data normaal verdeeld? WOT Statistiek 04/06/2012

12 Vooraf: ‘descriptives’
Voorbeeld: de meeste mannen in de U.K. zijn 175 cm groot. Een aantal zijn iets kleiner of groter. Slechts een klein aantal mannen zijn zeer groot (> 205 cm) of zeer klein (< 145 cm) Frequency distribution = histogram meerderheid van de waarden ligt rond het gemiddelde μ ‘frequency’ (aantal observaties) daalt naarmate je verder weggaat van het gemiddelde observaties liggen symmetrisch rond het gemiddelde 175cm WOT Statistiek 04/06/2012

13 Vooraf: ‘descriptives’
1. verkennende blik op je data werpen vertrouwd worden met data kan je soms al een idee van de uitkomst geven 2. zijn je data normaal verdeeld? ja: parametric statistics (bv. ANOVA, t-test) Nee: non-parametric statistics WOT Statistiek 04/06/2012

14 Vooraf: ‘descriptives’
1. verkennende blik op je data werpen vertrouwd worden met data kan je soms al een idee van de uitkomst geven 2. zijn je data normaal verdeeld? ja: parametric statistics (bv. ANOVA, t-test) Nee: non-parametric statistics WOT Statistiek 04/06/2012

15 Descriptives 1. numeriek 2. grafisch mean, median, …
standaard deviatie, variantie, standard error range, interquartile range 2. grafisch histogram boxplot Q-Q-plot (quantile-quantile plot) WOT Statistiek 04/06/2012

16 WOT Statistiek 04/06/2012

17 WOT Statistiek 04/06/2012

18 WOT Statistiek 04/06/2012

19 Descriptives: SPSS Output
WOT Statistiek 04/06/2012

20 Descriptives: SPSS Output
WOT Statistiek 04/06/2012

21 Descriptives: SPSS Output
>.01 = OK (normal distribution) WOT Statistiek 04/06/2012

22 Descriptives: SPSS Output
Niet handig wanneer je < 50 observaties hebt WOT Statistiek 04/06/2012

23 Descriptives: SPSS Output
Box = middenste helft van geordende observaties Horizontale lijn in box = median (middelste observatie) Verticale lijnen = bovenste en onderste kwart van geordende observaties (extreme waarden uitgezonderd) Bol = outlier  afstand tot box is > 1.5 x de lengte van de box Voorwaarden voor normaalverdeling: median in midden van box geen outliers twee lijnen even lang WOT Statistiek 04/06/2012

24 Descriptives: SPSS Output
Lijn: ‘expected values’: waar de observaties zouden liggen in geval van normaalverdeling Bollen: ‘observed values’ waar jouw observaties liggen hoe dichter bij de lijn, hoe beter WOT Statistiek 04/06/2012