3: Twee afhankelijke variabelen Flashcards
Afhankelijke groepen
- Wanneer steekproeven zelfde onderwerpen betreffen
- Meting over tijd (bijvoorbeeld voor en na dieet)
- Gegevens gematchte paren. Onderwerpen tussen roepen worden vergeleken (bijvoorbeeld getrouwd koppel, man in groep 1, vrouw in groep 2)
- Elimineren standaardfouten
Stappen:
Hypothesetoetsing bij 2 afhankelijke categorische variabelen- McNemar´s test
1) Assumpties checken
- Dichotome/nominaal variabelen
- Afhankelijke steekproeven
§ Test over tijd
§ Gematchte paren
- Voldoende observaties
§ Eenzijdig: (N≥30)
§ Tweezijdig: Mag altijd
2) Hypothesen opstellen
* Wat verwacht je als er wel iets gebeurt en wat als er niet iets gebeurt
* Twee hypothesen bij hypothesetoets
Nulhypothese (H0)
□ H_0:P1-P2= 0
□ Geen effect
Alternatieve hypothese (HA of H1)
□ Eenzijdig: H_A:p_1−p_2>0 of H_A:p_1−p_2<0
□ Tweezijdig: H_A:p_1−p_2≠0
3) Toetsingsgrootheid (tg) (Test Statisic) berekenen
* Hoe groter z-score, hoe verder er vanaf dat H0 waar is
* Als H0 waar is, dan is z-score 0
* Aan de hand van een tabel, dus proporties dus niet per se nodig
4) P-waarde opzoeken
* Beschrijft hoe zeldzaam de geobserveerde steekproefproportie (of extremer) zou zijn als H0 waar is
* Hoe kleiner P-waarde, hoe sterker bewijs tegen nulhypothese
* Passend bij z-waarde in tabel
- Bij hypothese ‘<’ in tabel geïnteresseerd in linkerkant
- Bij hypothese ‘>’ in tabel geïnteresseerd in rechterkant, dus 1-p
- Bij hypothese ‘≠’ in tabel geïntresseerd in beide kanten dus 2p (p-waarde verdubbelen)
5) Conclusies trekken
* Rapporteer en interpreteer Interpreteren
* Beslisregels verwerpen is
a) p-waarde is kleiner dan vooraf gekozen significantieniveau (α) (meestal 0.05/5%)
- p≤α→Verwerp H_0
- p>α→Niet H_0 verwerpen
b) Toetsingsgrootheid (tg) extremer is dan grenswaarde/kritieke waarde
Stappen:
Hypothesetoetsing 2 afhankelijke kwantitatieve variabelen- t-toets gepaarde verschillen
1) Assumpties checken
- Kwantitatieve variabelen
- Afhankelijke steekproeven
§ Test over tijd
§ Gematchte paren
- Normaal verdeeld
§ Behalve bij grote steekproeven (N≥30)
§ Behalve bij tweezijdig toetsen
2) Hypothesen opstellen
Nulhypothese (H0)
□ H_0:μ_1−μ_2=0
□ Geen verschil
Alternatieve hypothese (HA of H1)
□ Eenzijdig: H_A:μ_1−μ_2>0 of H_A:μ_1−μ_2<0
□ Tweezijdig: H_A:μ_1−μ_2≠0
3) Toetsingsgrootheid (tg) (Test Statisic) berekenen
* Hoe groter t-score, hoe verder er vanaf dat H0 waar is
* Lijkt op simple t-test omdat je met verschillen bezig gaat
* n= aantal gepaarde waarnemingen
4) P-waarde opzoeken
* Beschrijft hoe zeldzaam de geobserveerde steekproefproportie (of extremer) zou zijn als H0 waar is
* Hoe kleiner P-waarde, hoe sterker bewijs tegen nulhypothese
* Passend bij t-waarde in tabel
- Bij hypothese ‘<’ in tabel geïnteresseerd in linkerkant
- Bij hypothese ‘>’ in tabel geïnteresseerd in rechterkant, dus 1-p
- Bij hypothese ‘≠’ in tabel geïntresseerd in beide kanten dus 2p (p-waarde verdubbelen)
* Df=N-1
5) Conclusies trekken
* Rapporteer en interpreteer Interpreteren
* Beslisregels verwerpen is
a) p-waarde is kleiner dan vooraf gekozen significantieniveau (α) (meestal 0.05/5%)
b) Toetsingsgrootheid (tg) extremer is dan grenswaarde/kritieke waarde
2 kwantitatieve variabelen (afhankelijk) (2)
1) Hypothesetoetsing
* 3 soorten gemiddelde bepalen
- Voormeting
- Nameting
- Verschilscores (zelfde als verschil gemiddelde voor- en nameting)
2) Betrouwbaarheidsinterval * Geeft weer tussen welke waarde het populatiegemiddelde waarschijnlijk ligt * x ̅_d±t−score⋅〖se〗_(x ̅_d ) * DF= N-1 * Assumpties - Kwantitatieve variabelen - Afhankelijke steekproeven § Test over tijd § Gematchte paren - Normaal verdeeld § Behalve bij grote steekproeven (N≥30) § Behalve bij tweezijdig toetsen * Als 0 binnen interval valt, dan mogelijke waarde dus niet verwerpen * Gemiddelde: Gemiddelde verschil tussen de gemiddelden * Sample mean difference = point estimate
Confounder
- Variabele die gevonden relatie tussen andere variabelen beïnvloedt/verklaart
- Zorgt dat causaal verband tussen onafhankelijke en afhankelijke varbanden
- Geven alternatieve verklaring
- Kunnen heel ander effect laten zien
- Simpson’s paradox
- Richting van associatie kan veranderen nadat een derde (lurking/condfounding) variabele is opgenomen en gegevens op afzonderlijke niveaus van die variabele hebben geanalyseerd.
- In hele dataset relatie positief, maar door opdelen andere variabele negatief, of andersom
- Geen echte paradox, omdat het te verklaren is
Lurking variabele:
- Potentiële confounder
- Variabele die gevonden relatie tussen andere variabelen mogelijk beïnvloedt/verklaard
- Niet meegenomen in je onderzoek
Controle variabele:
- Potentiële confounder
- Variabele die gevonden relatie tussen andere variabelen mogelijk beïnvloedt/verklaard
- Neem je mee in je onderzoek/analyse
- Zoeken naar alternatieve verklaringen
- Spurious (Afhankelijke en onafhankelijke variabelen beïnvloed door zelfde oorzaak)
Oplossingen controlevariabele (2)
- Experimentele controle
- Mogelijke confounder/medium constant houden
- Randomisatie
- Manipulatie van groepen met gelijke niveaus op controlevariabelen
- Statistical control
- Meten en controleren van elk level van de control variabele
- Bij vergelijkbaar verschil op elk level, geen alternatieve verklaring
- Genoeg observaties nodig
- Creatie achteraf van groepen met gelijke niveaus op controlevariabelen
Uitkomsten control variabele (4)
- Geen alternatieve verklaring
- Onafhankelijke variabele beïnvloedt afhankelijke variabele
- Direct effect
- Causaal verband
- Confounder
- Er is geen verband tussen afhankelijke en onafhankelijke variabelen, maar confounder beïnvloedt allebei
- Moderator
- Zorgt voor een sterker of zwakker resultaat
- Z (gender) wordt de interactievariabele (moderator) genoemd
- Mediator
- Afhankelijke en onafhankelijke variabelen beïnvloeden elkaar indirect via control variabele
- Y (self-esteem) wordt de mediërende- of interveniërende variabele genoemd
- Vermenigvuldigingsregel:
○ Beide effecten positief = positief
○ Beide negatief = positief
○ Eén positief en één negatief = negatief
