Let op, bij vraag a moet je een nieuwe variabele maken waarin je op grond van het gemiddeld aantal uren dat er per weekdag of per weekeinddag tv wordt gekeken, vertaald wordt naar het totaal aantal uren dat een respondent gemiddeld per week naar tv kijkt. Je moet de gemiddelde kijktijd voor een werkdag dus met 5 (werkdagen) vermenigvuldigen en de gemiddelde kijktijd per weekeinddag met 2 (zaterdag en zondag) vermenigvuldigen voordat je beide kijktijden bij elkaar optelt.
Wanneer je de stappen uit het analyseproces goed volgt, krijg je de volgende syntax. Kijk goed of je geen stappen hebt overgeslagen.
*Univariaat beschrijven van de variabelen.
*Dit is nu wel handig omdat het laat zien dat 99 een missing value aangeeft.
FREQUENCIES
VARIABLES=v5uur v5min v6uur v6min v12 v3 v4uur v2
/BARCHART FREQ
/ORDER= ANALYSIS .
*De value labels toevoegen en missing values definiëren.
*Define Variable Properties.
*v5uur.
MISSING VALUES v5uur ( 99 ).
*v5min.
MISSING VALUES v5min ( 99 ).
*v6uur.
MISSING VALUES v6uur ( 99 ).
*v6min.
MISSING VALUES v6min ( 99 ).
*v12.
VALUE LABELS v12
1 'Helemaal nooit'
9 'Zeer vaak' .
*v3.
MISSING VALUES v3 ( 99 ).
*v4uur.
MISSING VALUES v4uur ( 99 ).
*v2.
MISSING VALUES v2 ( 99 ).
VALUE LABELS v2
1 'Lager onderwijs'
2 'MAVO'
3 'MBO'
4 'HAVO, Mulo'
5 'VWO'
6 'HBO'
7 'WO' .
EXECUTE.
*Berekenen van de totale tijd die naar tv wordt gekeken.
*NB je kunt de nieuwe variabelen natuurlijk ook een andere naam geven.
COMPUTE TVpweek = ((v5uur + v5min / 60) * 5) + ((v6uur + v6min / 60) * 2) .
VARIABLE LABELS TVpweek 'Aantal uren tv kijken per week' .
EXECUTE .
*Vraag a: een asymmetrisch verband tussen variabelen op interval/ratio niveau, dus regressie-analyse.
*Het is verstandig om eerst via een spreidingsdiagram te kijken of het verband wel lineair kan zijn.
GRAPH
/SCATTERPLOT(BIVAR)=TVpweek WITH v12
/MISSING=LISTWISE .
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT v12
/METHOD=ENTER TVpweek .
*Vraag b: een asymmetrisch verband tussen variabelen op interval/ratio niveau, dus regressie-analyse.
*Het is verstandig om eerst via een spreidingsdiagram te kijken of het verband wel lineair kan zijn.
GRAPH
/SCATTERPLOT(BIVAR)=v3 WITH v12
/MISSING=LISTWISE .
GRAPH
/SCATTERPLOT(BIVAR)=v4uur WITH v12
/MISSING=LISTWISE .
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT v12
/METHOD=ENTER TVpweek v3 v4uur .
*Vraag c: eerst selecteren van relevante cases, daarna multipele regressieanalyse.
*Selectie wanneer opleiding (v2) minstens vwo (waarde 5) is.
USE ALL.
COMPUTE filter_$=(v2 >= 5).
VARIABLE LABEL filter_$ 'v2 >= 5 (FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FORMAT filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE .
*Regressieanalyse.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT v12
/METHOD=ENTER v3 v4uur TVpweek .
*Vraag d: Aparte analyses voor mannen en vrouwen.
*Vrouwen (v1= 0).
USE ALL.
COMPUTE filter_$=(v1 = 0).
VARIABLE LABEL filter_$ 'v1 = 0 (FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FORMAT filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE .
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT v12
/METHOD=ENTER v3 v4uur TVpweek .
*Mannen (v1= 1).
USE ALL.
COMPUTE filter_$=(v1 = 1).
VARIABLE LABEL filter_$ 'v1 = 1 (FILTER)'.
VALUE LABELS filter_$ 0 'Not Selected' 1 'Selected'.
FORMAT filter_$ (f1.0).
FILTER BY filter_$.
EXECUTE .
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT v12
/METHOD=ENTER v3 v4uur TVpweek .
Vraag a: Als de respondenten 1 uur per week meer kijken neemt het praten over dingen uit de media met 0,01 af. De samenhang is zeer zwak negatief (β = -0,08). Hoe vaak de respondenten over dingen uit de media praten wordt vrijwel niet verklaard (R2 = 0,006 = 0,6%) door het aantal uren dat ze tv kijken per week.
Vraag b: Wanneer de respondenten 1 uur per week meer kijken en de leeftijd en het aantal werkuren gelijk blijven neemt het praten over dingen uit de media met -0,01 af. De samenhang tussen tv kijken en het praten dingen uit de media is zeer zwak negatief (β = -,08). Wanneer de respondenten 1 jaar ouder zijn en de tijd kijken naar tv en het aantal werkuren gelijk blijven, dan blijft het praten over dingen uit de media vrijwel gelijk (B = 0,00). Ook wanneer de respondenten 1 uur per week meer werken en het kijken naar tv en de leeftijd gelijk blijven, dan blijft het praten over dingen uit de media vrijwel gelijk (B = 0,00). Hoe vaak de respondenten over dingen uit de media praten wordt vrijwel niet verklaard (0,7%) door het aantal uren dat ze tv kijken per week, de leeftijd en het aantal werkuren. Het aantal uren dat de respondenten tv kijken heeft nog het sterkste effect (β = -,08).
Vraag c: Wanneer de respondenten met een opleiding op vwo-niveau of hoger 1 uur per week meer kijken en de leeftijd en het aantal werkuren gelijk blijven, dan blijft het praten over dingen uit de media vrijwel gelijk (B = 0,00). De samenhang tussen tv kijken en het praten over dingen uit de media is zeer zwak positief (β = ,02). Ook wanneer de respondenten 1 jaar ouder zijn en de tijd kijken naar tv en het aantal werkuren gelijk blijven, dan blijft het praten over dingen uit de media vrijwel gelijk (B = 0,01). En wanneer de respondenten 1 uur per week meer werken en het kijken naar tv en de leeftijd gelijk blijven, dan blijft het praten over dingen uit de media vrijwel gelijk (B = 0,00). Hoe vaak de respondenten over dingen uit de media praten wordt vrijwel niet verklaard (0,5%) door het aantal uren dat ze tv kijken per week, de leeftijd en het aantal werkuren. Leeftijd (β = 0,05) en Werkuren (β = 0,04) hebben een zeer zwak effect, maar wel iets sterker dan TV-kijktijd per week (in uren) (β = 0,02).
Vraag d: Wanneer vrouwen of mannen 1 uur per week meer kijken en de leeftijd en het aantal werkuren gelijk blijven, dan neemt het praten over dingen uit de media iets af (B = -0,01). Het effect van tv kijken op praten over dingen uit de media is zeer zwak negatief, bij vrouwen (β = -0,10) is het effect sterker dan bij mannen (β = -0,05).
Ook wanneer mannen of vrouwen 1 jaar ouder zijn en de tijd kijken naar tv en het aantal werkuren gelijk blijven, dan blijft het praten over dingen uit de media vrijwel gelijk (B = 0,00). En wanneer mannen of vrouwen 1 uur per week meer werken en het kijken naar tv en de leeftijd gelijk blijven, dan blijft het praten over dingen uit de media vrijwel gelijk (B = 0,00). Bij vrouwen hebben leeftijd en werkuren een even sterk maar zeer zwak positief effect (beide β = 0,02). Bij mannen heeft werkuren geen effect (β = 0,00) en leeftijd een zeer zwak positief effect (β = 0,03).