Wat is het verschil tussen nominale, ordinale en scale data in SPSS?

Nominale data bestaat uit categorieën zonder onderlinge rangorde, zoals geslacht of regio. Ordinale data heeft wel een logische volgorde, bijvoorbeeld tevredenheid op een schaal van zeer ontevreden tot zeer tevreden. Scale data is numeriek en geschikt voor het berekenen van een gemiddelde, zoals leeftijd. Het juiste meetniveau kiezen is belangrijk, omdat dit bepaalt welke analyses je later in SPSS kunt uitvoeren op die variabele.

Waarom moet ik missing values apart coderen in SPSS?

Wanneer een respondent een vraag niet heeft beantwoord, moet je dit apart coderen met een waarde die nergens anders in je codeboek voorkomt, bijvoorbeeld -99. Zo voorkom je dat SPSS deze ontbrekende antwoorden per ongeluk meerekent als een geldig antwoord. Via Define Variable Properties geef je vervolgens aan welke waarden als missing moeten worden behandeld, zodat je analyses kloppen.

Wanneer gebruik ik een frequentietabel in plaats van een kruistabel?

Een frequentietabel gebruik je wanneer je wilt weten hoe vaak elke waarde van één variabele voorkomt, bijvoorbeeld hoeveel respondenten man of vrouw zijn. Een kruistabel gebruik je wanneer je twee variabelen tegen elkaar wilt afzetten, bijvoorbeeld tevredenheid uitgesplitst naar geslacht. Zo ontdek je of er een mogelijk verband bestaat tussen twee variabelen in je dataset.

Hoe weet ik of een verschil in mijn kruistabel significant is?

Om te bepalen of een gevonden verschil significant is, voer je een chikwadraattoets uit via Analyze, Descriptive Statistics en Crosstabs. Kijk in de output naar de Pearson Chi-Square waarde. Is het significantieniveau kleiner dan 0.05? Dan mag je met 95% betrouwbaarheid concluderen dat er een significant verschil bestaat tussen de onderzochte groepen.

Moet ik leeftijd altijd hercoderen voordat ik een kruistabel maak?

Alleen wanneer je leeftijd als los getal hebt uitgevraagd, moet je deze eerst hercoderen naar categorieën voordat je een kruistabel kunt maken. Dit doe je via Transform en Recode into Different Variables, waarbij je bijvoorbeeld de categorieën tot en met 50 jaar en ouder dan 50 jaar aanmaakt. Bij data die al in categorieën is verzameld, is deze stap niet nodig.

Studie- en scriptietips > 3. Onderzoeksmethoden scriptie

SPSS tips: de basis analyses

Scriptietips Alle onderwerpen

Studietips algemeen

1. De start van je scriptie

2. Theoretisch kader scriptie schrijven

3. Onderzoeksmethoden scriptie

4. Afronding scriptie

Geschreven door: Mirjam de Winter

Laatst geüpdatet op: 11 augustus 2026

SPSS tips helpen je om je scriptiedata stap voor stap te analyseren, van het opzetten van een codeboek tot het uitvoeren van kruistabellen. Volg de vijf basisstappen op deze pagina om zelfstandig de belangrijkste SPSS analyses uit te voeren voor je scriptie.

Op deze pagina geven we je SPSS tips. We hebben de volgende vijf basisstappen (de belangrijkste SPSS tips) voor je op een rij gezet. Wanneer je deze stappen helemaal volgt, dan heb je de basis analyses uitgevoerd met behulp van deze SPSS tips.

Kun jij wel wat hulp gebruiken van een SPSS begeleider?

Een codeboek is een overzicht van 1 of 2 A4 (afhankelijk van de omvang van je vragenlijst) waarbij je de antwoorden van de vragenlijst codes geeft en aangeeft wat die codes betekenen. Het is gebruikelijk om de code 0 alleen te gebruiken als er sprake is van een dummy variabele; in alle andere gevallen laat je de codering gewoon beginnen bij 1.

SPSS heeft twee basisschermen: Data View en Variable View. Je start je proces altijd in Variable View (je kan onderaan het scherm switchen tussen Data View en Variable View). In Variable View kan je het codeboek invoeren. Daarbij kan je achtereenvolgens de volgende cellen invullen:

Name: hier kan je het vraagnummer invoeren zoals weergegeven in de eerste kolom van het codeboek (dus respnr, v1, v2, etc). Doe dit zonder hoofdletters en spaties.
Type: hier voer je het type data in: ‘Numeric’ voor data in cijfers en ‘String’ voor data in letters.
Width: hier kan je de breedte van de kolom aangeven. Meestal is het alleen bij string-data (dus data in letters) nodig om de kolom te verbreden. Dat doe je door het cijfer te verhogen.
Decimals: hier kan je het aantal cijfers achter de komma aangeven (dit is alleen nodig voor numerieke data, dus data in cijfers). Het aantal decimalen staat standaard op 2.
Label: hier voer je de daadwerkelijke naam van de variabele in. Je neemt dus letterlijk over wat in de tweede kolom van het codeboek staat (Respondentnummer, Geslacht, Leeftijd, etc.). In sommige gevallen kan het dus zijn dat je een volledige vraag uit een vragenlijst letterlijk overneemt.
Values: hier voer je de codes in, dus de derde kolom uit het codeboek (bijvoorbeeld: 1 = man, 2 = vrouw, 3 = neutraal). Dat doe je dus alleen voor de variabelen die ook daadwerkelijk een code hebben. Het invoeren van de codes gaat via een invoermenu die verschijnt wanneer je op het vakje ‘values’ klikt. Daarbij staat ‘value’ voor het getal (bijvoorbeeld 1) en ‘label’ voor de betekenis (bijvoorbeeld man). Wanneer je dan op ‘add’ drukt, krijg je ‘1 = man’ in beeld. Zo ga je één voor één alle codes af, en druk je vervolgens op OK.
Missing: hier noteer je hoe SPSS moet omgaan met ontbrekende data (bijvoorbeeld wanneer een respondent een vraag heeft open gelaten). Het wordt aangeraden om een code te gebruiken die absoluut niet in je codeboek voorkomt, zoals -99.
Columns: hier kan je de breedte van de column aangeven zoals deze te zien is in je datascherm.
Align: hier kan je een voorkeur aangeven voor de wijze van uitlijning van de data.
Measure: hier geef je het meetniveau aan van de variabele. Dit is een belangrijke stap, omdat het invloed heeft op de analyses die je uit kunt voeren. Die meetniveaus zijn:
- Nominal: bij codes die op bepaalde categorieën duiden, bijvoorbeeld geslacht (1 = man, 2 = vrouw, 3 = neutraal) of regio (1 = noord, 2 = oost, 3 = zuid, 4 = west). Bij nominale data zegt het cijfer op zichzelf niets.
- Ordinal: bij codes die een bepaalde logische volgorde hebben waardoor een hoger getal een andere waarde betekent, bijvoorbeeld tevredenheid met dienstverlening (1 = zeer ontevreden … 5 = zeer tevreden) of stelling (1 = zeer oneens … 5 = zeer eens).
- Scale: voor data waarbij je een gemiddelde kan berekenen, bijvoorbeeld leeftijd.
Role: hiermee kan je aangeven welke rol de variabele gaat vervullen in de data-analyse. Zo kan je aangeven of de variabele een onafhankelijke variabele (Input) is of juist een afhankelijke variabele (Target), of dat de variabele allebei die rollen kan vervullen (Both). Wanneer je dat nog niet weet, dan laat je dit gewoon open. Het is niet noodzakelijk om dit aan te geven.

Nu ben je klaar om je data in te voeren. Je gaat daarvoor naar het scherm Data View. In de kolommen staan alle variabelen zoals je die hebt aangemaakt. Iedere rij vertegenwoordigt één respondent. Gebruik voor ontbrekende data (Missing values) de code zoals je die hebt aangegeven in het codeboek (bijvoorbeeld -99). Via ‘Data’- ‘Define Variable Properties’ (in het scherm Variable View) kan je aanvinken welke waarden ‘Missing’ zijn.

Wanneer je de data online verzameld hebt, kan je die het beste rechtstreeks importeren in SPSS.

SPSS tip: Op YouTube zijn veel filmpjes te vinden over hoe je dit het beste kunt doen.

De term ‘beschrijvende statistiek’ zegt het al: je start je data-analyse met het beschrijven van je data. Dat beschrijven gaat meestal op twee manieren: 1) via frequentietabellen en 2) via centrum- en spreidingsmaten. Beide manieren worden hier besproken.

In een frequentietabel is te zien hoe vaak iedere waarde voorkomt per variabele. In SPSS krijg je een frequentietabel door de volgende stappen uit te voeren:

Ga boven in de menubalk naar ‘Analyse’
Klik op ‘Descriptive Statistics’ en vervolgens op ‘Frequencies’
Plaats de naam van de variabele waarvan je een frequentietabel wilt maken in het witte vlak onder ‘Variable(s)’ en druk vervolgens op OK. In de tabel die SPSS vervolgens toont, moet je kijken naar de kolom waarboven staat ‘Valid Percent’, dit zijn de frequenties voor je frequentietabel.
Mocht je de uitkomsten liever niet in een tabel tonen maar in een grafiek, dan kan je de data transformeren in een staaf- of cirkeldiagram. Dit doe je door de stappen ‘Analyse’- ‘Descriptive Statistics’ – ‘Frequencies’ te herhalen en nu rechts van het witte vlak waar je de variabele plaatst te klikken op ‘Charts’. Kies vervolgens ‘Bar charts’ voor een staafdiagram en ‘Pie charts’ voor een cirkeldiagram. Je kan deze grafieken trouwens ook maken door in de menubalk naar ‘Graphs’ te gaan en vervolgens naar ‘Chart Builder’.

Centrummaten (zoals het gemiddelde) en spreidingsmaten (zoals de standaarddeviatie) zijn een andere manier om de data te beschrijven. Je verkrijgt de centrum- en spreidingsmaten in SPSS via de volgende stappen:

Volg dezelfde stappen als voor het maken van een frequentietabel: ‘Analyse’- ‘Descriptive statistics’ – ‘Frequencies’.
Rechts naast het witte vlak waar je de variabele die je wilt analyseren plaatst, klik je nu op ‘Statistics’.
Vervolgens klik je de gewenste centrummaten (Central Tendency) en de gewenste spreidingsmaten (Dispersion) aan en druk je op ‘Continue’ en vervolgens op ‘OK’.

Nadat je jouw data hebt beschreven, ga je die nader onderzoeken. Een eenvoudige manier om op zoek te gaan naar patronen in je data is door gebruik te maken van kruistabellen. In een kruistabel zet je twee variabelen tegen elkaar af, bijvoorbeeld ‘Tevreden met dienstverlening’ en ‘Geslacht’. In dat voorbeeld denk je dat de tevredenheid van de dienstverlening wel eens af zou kunnen hangen van het geslacht. ‘Tevredenheid met dienstverlening’ is in dat geval de afhankelijke variabele en ‘Geslacht’ de onafhankelijke variabele. Je maakt een kruistabel met SPSS via de volgende stappen:

Ga in de menubalk naar ‘Analyze’ en klik op ‘Descriptive Statistics’ en vervolgens op ‘Crosstabs’.
Zet bij ‘Row(s)’ de afhankelijke variabele en bij ‘Column(s)’ de onafhankelijke variabele
Druk vervolgens op ‘Cells’ en klik bij ‘Percentages’ het vakje voor Column aan.
Druk vervolgens op ‘Continue’ en op ‘OK’.

Stel dat je in bovenstaand voorstel een verschil vindt tussen mannen en vrouwen in relatie tot de variabele ‘Tevredenheid met dienstverlening’. In dat geval wil je graag onderzoek of dat verschil significant is. Dat doe je door middel van een chikwadraattoets. In SPSS volg je de volgende stappen:

Herhaal de stappen van de kruistabel: ‘Analyze’- ‘Descriptive Statistics’- ‘Crosstabs’
Klik rechts op ‘Statistics’ en vink ‘Chi-square’ aan. Druk op ‘Continue’.
Klik op ‘Cells’ en klik naast de ‘Observed Counts’ ook de ‘Expected Counts’ aan. Klik bij ‘Residuals’ op ‘standardized’.
Druk op ‘Continue’ en op ‘OK’
In de SPSS-ouput kijk je vervolgens naar de ‘Pearson Chi-Square’. Wanneer het significantieniveau (laatste kolom) kleiner is dan 0.05 dan is er met 95% betrouwbaarheid een significant verschil is tussen de twee groepen (bijvoorbeeld mannen en vrouwen). Vervolgens kan je dus concluderen dat er een significant verband is tussen de afhankelijke en de onafhankelijke variabele

Het maken van een kruistabel kan alleen wanneer je data in categorieën presenteert. Wanneer je bijvoorbeeld leeftijd als absoluut getal hebt gevraagd in je enquête, kan je daar dus niet direct een kruistabel van maken. Je moet de data dan eerst hercoderen. Dat doe je als volgt:

Ga in de menubalk naar ‘Transform’ en vervolgens naar ‘Recode into Different Variables’.
Schuif de variabele die je wilt hercoderen naar het witte vlak rechts.
Geef de nieuwe variabele helemaal rechts een naam en een label (het label is uiteindelijk wat je in je tabellen te zien krijgt, zie ook stap 2).
Klik vervolgens op ‘Old and New Values’. Bij ‘Old Values’ gaat het om de oorspronkelijke variabele (bijvoorbeeld leeftijd) en bij ‘New Variables’ om de nieuwe variabele (bijvoorbeeld leeftijd in categorieën). Je kan nieuwe categorieën maken door bij ‘Old Value’ een range aan te geven (bijvoorbeeld 1 t/m 50) en bij ‘New Value’ de nieuwe waarde (bijvoorbeeld 1) en dan op ‘Add’ te drukken. Zo kan je bijvoorbeeld de leeftijdscategorie ‘1 = tot en met 50 jaar’ en de leeftijdscategorie ‘2 = ouder dan 50 jaar’ maken.
Vervolgens druk je op ‘Continue’ – ‘Change’ – ‘OK’.

Goed gedaan! Je hebt nu de basis van SPSS in kaart! Veelal is het nodig om je data vervolgens dieper te analyseren (vergeet niet om altijd voorafgaand aan het uitvoeren van deze analyses de assumpties te checken). Hieronder geven we je kort een aantal opties in SPSS:

Naar een topper van een data-analyse!

Topscriptie wenst je veel succes bij de verwerking en analyse van jouw kwantitatieve data middels deze SPSS tips. Kom je er niet helemaal uit en heb je hulp nodig? We hebben verschillende SPSS begeleiders die je graag helpen.