Qq-plots maken en interpreteren in spss

Een QQ-plot , een afkorting van „quantile-quantile“, wordt vaak gebruikt om te beoordelen of een variabele normaal verdeeld is of niet.

In deze tutorial wordt uitgelegd hoe u een QQ-plot in SPSS maakt en interpreteert.

Voorbeeld: QQ-plot in SPSS

Laten we zeggen dat we de volgende dataset in SPSS hebben die de punten per wedstrijd weergeeft voor 25 verschillende basketbalspelers:

We kunnen de volgende stappen in SPSS gebruiken om een QQ-plot te maken om te bepalen of de variabele punten normaal verdeeld zijn of niet.

Stap 1: Kies de optie Ontdekken.

Klik op het tabblad Analyseren , vervolgens op Beschrijvende statistieken en vervolgens op Verkennen :

Stap 2: Maak de QQ-plot.

Sleep de variabele punten naar het gebied met de naam Afhankelijke lijst. Klik vervolgens op de knop met het label Plots en zorg ervoor dat het vakje naast Normality Plots with Tests is aangevinkt. Klik vervolgens op Doorgaan . Klik vervolgens op OK .

Stap 3: Interpreteer de QQ-plot.

Zodra u op OK klikt, wordt de volgende QQ-plot weergegeven:

Het idee achter een QQ-plot is eenvoudig: als de residuen een min of meer rechte lijn volgen in een hoek van 45 graden, dan zijn de residuen grofweg normaal verdeeld.

We kunnen in onze QQ-grafiek hierboven zien dat de residuen de neiging hebben iets af te wijken van de 45 graden-lijn, vooral aan de uiteinden, wat erop zou kunnen wijzen dat ze niet normaal verdeeld zijn.

Hoewel een QQ-plot geen formele statistische test is, biedt het een eenvoudige manier om visueel te controleren of de residuen normaal verdeeld zijn of niet.

Voor twee formele statistische tests, zie de p-waarden van de Kolmogorov-Smirnov-test en de Shapiro-Wilk-test, weergegeven boven de QQ-plot:

• Kolmogorov-Smirnov normaliteitstest P-waarde: 0,086
• Shapiro-Wilk normaliteitstest P-waarde: 0,042

Omdat deze twee waarden dicht bij 0,05 liggen, geeft dit aan dat de variabele punten mogelijk niet normaal verdeeld zijn.