Gegevens nodig voor toetsen van significante invloed SPSS

Continue & discrete verdelingen, toevalsveranderlijken, betrouwbaarheidsintervallen, correlaties.
Plaats reactie
BusinessMath
Vast lid
Vast lid
Berichten: 57
Lid geworden op: 23 feb 2014, 15:14

Gegevens nodig voor toetsen van significante invloed SPSS

Bericht door BusinessMath » 02 feb 2016, 11:12

Hallo,

Ik heb een vraag over welke gegevens nodig zijn om significante invloed te testen in SPSS.


Van elke week wordt bekeken/getoetst de verandering van de omzetcijfers van winkels ten opzichte van t=0 verband aantonen met bepaalde gebeurtenissen die plaatvinden in die week.

Hoe kun je toetsen of de verandering van de omzetcijfers ten opzichte van t=0 verband aantonen met bepaalde gebeurtenissen die plaatsvinden in die week.

Met SPSS moet dit getoetst worden, of er een significante invloed is.

Hiervoor heb je de volgende gegevens nodig:
1. Omzetcijfers op tijdstip t=0
2. Omzetcijfers van elke volgende week.
3. Welke evenementen plaatsvinden die week
Welke gegevens heb je nog meer nodig?
Aantal bezoekers?
Als je één evenement hebt die week en je hebt de omzetcijfers, hoe kun je dan toetsen of er een significante invloed is? (dan bedoel ik niet welke toets je moet uitvoeren)
Maar als je één evenement hebt dan ligt het toch sowieso daaraan, maar dat wil ik dus toetsen of het komt door dat evenement dat de omzetcijfers van winkels dalen of juist stijgen ten opzichte van tijdstip t=0.

Welke gegevens heb je nog meer nodig om dit te kunnen testen?
Hoeveel bezoekers op tijdstip t=0 komen en hoeveel er komen in die week + hoeveel er naar het evenement gaan?

Dit zou mij heel erg helpen! :mrgreen:
Durf te vragen!

Gebruikersavatar
wnvl
Vergevorderde
Vergevorderde
Berichten: 1490
Lid geworden op: 05 okt 2011, 16:30

Re: Gegevens nodig voor toetsen van significante invloed SPS

Bericht door wnvl » 02 feb 2016, 21:50

Welke gegevens je nodig hebt, hangt af van het model dat je voor ogen hebt.
Het aantal factoren dat zinvol is om mee te nemen is afhankelijk van de hoeveelheid data die je hebt.
Je zou een lineaire regressie kunnen overwegen. Het is wel nodig dat de hoeveelheid data vijf keer groter is dan het aantal onafhanelijke variabelen.

Je zou ook de autocorrelatie moeten onderzoeken en of er een multicollineatiteit is (via de VIF waarde).

Alternatief kan een repeated measures ANOVA zijn.

Plaats reactie