Significant: Toeval of niet?

Als je een toets hebt uitgevoerd, dan krijg je daar een getal uit. Bij een normale verdeling en binomiale verdeling is dat een percentage; bij de chi kwadraat toets en de t-toets is dat een toetsingsgrootheid. Hoe weet je wanneer je uitkomst significant is?

 

Wat betekent ‘significant’?

Volgens de Van Dale is de betekenis: “statistisch niet aan toeval toe te schrijven en dus betekenisvol”. Ook in onderzoek wordt het zo opgevat: significant betekent het onderscheiden van toeval.

 

Als er gevraagd wordt of iets significant verschilt, dan wordt er dus gevraagd: “Is er meer aan de hand dan toeval?“.

Vaak lijkt het alsof een groot verschil ook significant moet zijn. Dit is niet altijd het geval! Aan de andere kant moet je je ook afvragen of een significant altijd de moeite waard is. Een grote steekproef bijvoorbeeld maakt het makkelijker om ‘iets’ te vinden, maar je moet je altijd afvragen of dat verschil er echt toe doet.

 

Wanneer is iets significant?

Nu je weet wat significantie betekent, moet je weten hoe je de significantie beoordeelt. Daarvoor moet je eerst iets weten over de alfa (of alfafout; fout van de eerste soort). De alfa geeft de marge aan dat je fout zit. Dit is de kans dat de nulhypothese ten onrechte wordt verworpen – en de alternatieve hypothese dus ten onrechte wordt aangenomen. Deze alfa heb je zelf in de hand; je mag hem zelf kiezen. De meest gangbare zijn 1%, 5% en 10%. Hoe strenger je deze kiest (1% is strenger dan 10%), hoe meer kans echter dat je de nulhypothese ten onrechte laat staan. Dit wordt de bètafout (fout van de tweede soort) genoemd. Dit betekent dus hoe strenger alfa is, hoe hoger de bètafout is.

 

De alfa is belangrijk bij HBO statistiek – bovendien heb je deze (onder andere) nodig om te bepalen of iets significant is.

 

Significantie met percentages – normale verdeling en binomiale verdeling

Bij de normale verdeling (z-scores) en binomiale verdeling (binomiaal formule én gebruik van de tabel) reken je met een percentage. Dit percentage vergelijk je met de alfa. Is je gevonden percentage hetzelfde of lager dan de alfa, dan is het het significant.

 

Significantie met kritieke waarden – Chi kwadraat toets en t-toets

Bij de chi kwadraat toets en de t-toets krijg je juist geen percentages, maar een toetsingsgrootheid. Deze toetsingsgrootheid vergelijk je met de kritieke waarde uit de tabel – daarvoor heb je het aantal vrijheidsgraden en de alfa nodig. Is je gevonden toetsingsgrootheid hoger dan de kritieke waarde, dan is het significant.

 

Significantie met SPSS

In SPSS staat vaak de overschrijdingskans onder “Sig. (2-tailed)” of “Sig. (2-sided)” of iets van deze strekking. Hier staat weer een (reken)percentage, bijvoorbeeld 0,002 – dat betekent een percentage van 0,2%. Aangezien dit weer een percentage is, kun je dit weer direct vergelijken met de alfa: Ligt het op of onder de alfa, dan is het significant.

Let op: SPSS geeft vaak de overschrijdingskans van een tweezijdige toets (2-tailed). Heb jij een eenzijdige toets, dan zul je de overschrijdingskans moeten delen door 2. In het voorbeeld wordt het dan dus 0,001 (0,1%).

 

Significantie: conclusie

  1. Heb je een percentage? Lager of gelijk aan alfa, betekent significant.
  2. Heb je een toetsingsgrootheid? Hoger dan de kritieke waarde betekent significant.

 

Succes met het bepalen van de significantie!

 

Groetjes,

Marilyn

Marilyn

Was dit waardevol voor jou? Je kunt nu doneren door via deze link te shoppen. HBOstatistiek krijgt dan een kleine commissie, maar het kost jou niets extra’s!
Koop bij bol.com
In 60 sec de juiste toets kiezen

 

 

8 reacties:

  1. Hi Marilyn,
    Ik beschik na een enquête, afgenomen onder 372 personen, over een hele reeks gegevens in te delen in ordinale en nominale schalen. Klopt het dat ik met die twee soorten gegevens (ordinaal en nominaal) geen significantie kan berekenen?

  2. Als je met de t-toets geen significant verschil kan aantonen, dan wil dat nog niet zeggen dat er geen verschil is, maar alleen dat het door jouw onderzoek niet aangetoond is.

    • Zeker waar! Tevens kan het ook zo zijn dat jouw onderzoek wel significantie aantoont, maar dat dat toch niet per se waar is – bijvoorbeeld als je een heel grote steekproef trekt wordt de kans op een significant verschil groter.

  3. Wat als er geen significant verschil is in een uitkomst tussen een interventiegroep en een placebogroep. Kan je dan stellen dat het op toeval berust omdat het niet significant is maar kan je tegelijk ook stellen dat er gewoonweg geen verschil is tussen de 2 groepen?

    • Als er geen significant verschil is kun je zeggen dat het gevonden verschil op de variabele tussen de groepen op toeval berust. Daarvoor is ook de overschrijdingswaarde ingebouwd (alfa: nulhypothese wordt onterecht verworpen). Deze alfa mag je als onderzoeker zelf kiezen.

      Verder kun je zeggen dat er tussen de twee groepen geen significant verschil gevonden is op variabele X (andere verschillen op variabelen kunnen uiteraard wel aanwezig zijn, dus let op hoe je het verwoord).
      Natuurlijk kan het wel altijd zo zijn dat de nulhypothese (H0) onterecht blijft staan. Dit wordt de bètafout genoemd (fout van de tweede soort). Een strengere (kleinere, bijvoorbeeld 1% ipv 5%) alfa leidt tot een grotere foutkans van bèta. Oftewel: Als je een alfa van 1% hebt gekozen, zou je de test nog eens kunnen uitvoeren met een alfa van 5% of zelfs 10%. Afhankelijk van hoe ‘gelijk’ (onder andere leeftijd en geslacht) je interventie- en placebogroep zijn, kun je met een grotere alfa toch een significant verschil vinden.

      Denk er ook om dat een (niet) aangetoond verschil niets zegt over de oorzaak hiervan. Dit kan een derde (verborgen) variabele zijn, misschien een te groot verschil in je groepen, zijn je groepen aan de kleine kant (per groep minder dan 25), is je meting niet zo goed gegaan…

      Tot slot: als mens gaan we graag op zoek naar bevestiging en zijn daardoor eerder blij met een significant verschil dan een niet significant verschil (alsof álles zou moeten werken).
      Als je uitkomst ook met een grotere alfa niet significant wordt, is mijn tip om dit aan te geven in je resultaten en in je discussie te bekijken waarom het mogelijk zo kan zijn en aanbevelen tot meer (/groter) onderzoek.

  4. Klopt het dat bij een controlegroep en een experimentele groep..Het gemiddelde van de controlegroep de kritieke waarde voor die toets kan zijn?

    • Bij de toetsen die ik hier behandel (binomiaal toets, chi kwadraat toets en de t toets) haal je de kritieke waarde uit de tabel die hoort bij de betreffende toets. Bij de t toets kun je twee groepen hebben die je wilt vergelijken (zoals een controle en experimentele groep) maar via de formule komt hier een t waarde uit en die vergelijk je met de kritieke waarde die hoort bij de betreffende df (vrijheidsgraden) en alfa (overschrijdingskans) zoals uit de tabel blijkt. Bijvoorbeeld zoals bij de gepaarde t toets of de t toets voor onafhankelijke steekproeven.

Geef een reactie

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