Col4. Factoriële ANOVA Flashcards

1
Q

Factorieel design

A

Twee criteria:
1) >= 2 factoren (OV’s, = factoren op basis waarvan je groepen zou kunnen maken)
2) ieder niveau (groep) van de ene factor (bijv sporttype) bevat ieder niveau van alle andere factoren (bijv. mannen en vrouwen)
Drie typen:
- independent factorial design
- dependent factorial design
- mixed design

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Independent factorial design

A

Factoren worden TUSSEN proefpersonen gevariëerd -> group comparisson

  • > fact. ANOVA
  • iedere pp hoort in 1 cel (= combi van verschillende niveaus van alle factoren)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Dependent factorial design

A

Factoren worden BINNEN proegpersonen gevarieerd –> repeated measures ANOVA
- iedere pp doorloopt binnen het experiment alle cellen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Mixed design

A

De ene factor wordt tussen pp gevarieerd, de ander binnen pp

  • > repeated measures ANOVA
  • bijv herhaald meten van verschillende groepen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Interactie

A

Hoe de effecten van verschillende factoren elkaar wederzijds beïnvloeden; wat het gecombineerde effect is op de AV
- = de mate waarin effecten van factor 1 op de AV verschillen voor de verschillende niveaus van factor 2

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Hoofdeffect

A

Het effect van één specifieke factor op de AV

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Drieweg interactie

A

Interactie tussen 3 factoren; de interactie tussen factor 1 en 2 is anders voor de verschillende niveaus van factor 3
- HEEL lastig om betekenis aan te verlenen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Intercept

A

In SPSS-output van fact. ANOVA; = grand mean

  • significantie: kijkt of de grand mean van de AV anders is dan 0
  • doorgaans niet interessant, tenzij je AV verschilscores zijn
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Corrected model

A

netto effect van alle hoofdeffecten en interacties bij elkaar
- significantie: kijkt of de gemiddelden van alle CELLEN van elkaar verschillend zijn

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Gebalanceerd design

A

Factorieel design waarbij alle cellen evenveel waarnemingen hebben
- dan geld SS(corrected)= SS(fact1) + SS(fact2) + SS(fact1*fact2)
ANDERS NIET! ivm vrijheidsgraden

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

R^2

A

Percentage variantie verklaard door het corrected model (= hoofdeffecten + interacties)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Adjusted R^2

A

Gecorrigeerd obv aantal waarnemingen en variabelen

- omdat R^2 in steekproef vaak overschatting van populatie

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Eta squared

A

Effect size bij ANOVA; percentge verklaarde variantie door een bepaalde factor: SS(effect)/SS(corrected)total
- 0.01= klein
- 0.06= gemiddeld groot
- 0.14 = groot
!! Hoe meer factoren die allemaal bijdragen, hoe kleiner de eta squared voor de losse factoren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Partial eta squared

A

Gecorrigeerde effect size bij ANOVA; percentage variantie dat door een bepaalde factor wordt verklaard EN NIET door de andere factoren (= de error)
- SS(effect)/ (SSeffect+SSerror)
!! Effect size voor de STEEKPROEF niet POPULATIE

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Planned contrast = planned comparisson

A

Vervolganalyse na ANOVA als je een specifieke verwachting hebt over (de richting van) de verschillen tussen groepen

  • lineaire combinatie van variabelen (weegfactoren), waarvan de coëfficiënten opgeteld 0 zijn
  • doelgericht testen wat je wilt weten –> minder vergelijkingen -> minder alfa-inflatie + grotere powerc
  • aantal contrasten = aantal groepen -1
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Orthogonale contrasten

A

= onafhankelijk; iedere vergelijking toetst andere stukjes van de variantie -> geen alfa-correctie nodig -> gewoon toetsen met t-toets

  • !! Bij 3 groepen heb je 2 vergelijkingen binnen één contrast !! Orthogonaal gaat over die 2 vergelijkingen tov ELKAAR
  • het PRODUCT van de coëfficiënten OPGETELD = 0
17
Q

Niet-orthogonale contrasten

A

= onafhankelijk; de stukjes variantie die in iedere vergelijking getoetst worden overlappen elkaar gedeeltelijk
- Eig wel alfa-inflatie -> voorzichtig met interpreteren van p-waarde

18
Q

Deviation contrast

A

Afwijking/ verschil tov de grand mean toetsen:

  • 1 vs (1+2+3)
  • 2 vs (1+2+3)
19
Q

Simple contrast

A

Iedere geroep met dezelfde referentiegroep vergelijken

  • 1 vs 2
  • 1 vs 3
20
Q

Helmert Contrast

A

ORTHOGONAAL
Eerst groep 1 vergelijken met alle latere groepen samen, vervolgens die twee latere groepen met elkaar vergelijken
- 1 vs (2+3)
- 2 vs 3

21
Q

Repeated contrast

A

Opvolgende vergelijkingen; eerst 1 met 2 en dan 2 met 3 enz

  • 1 vs 2
  • 2 vs 3
22
Q

Difference contrast

A

ORTHOGONAAL, omgekeerde Helmert
Eerst de eerste twee groepen met elkaar vergelijken, vervolgend de laatste groep vergelijken met die twee eerdere samen
- 1 vs 2
- 3 vs (1+2)

23
Q

df(hoofdeffect)

A

n1-1

- n= aantal NIVEAUS van die factor

24
Q

df(interactie)

A

df(hoofd1) * df(hoofd2)

- met df(hoofd)= NIVEAUS -1

25
Q

df(corrected_model)

A

(n1*n2)-1

- n1= aantal NIVEAUS van factor 1 etc

26
Q

df(total)

A

n

- n= totaal aantal PROEFPERSONEN

27
Q

df(corrected__total)

A

n-1

- n= totaal aantal PROEFPERSONEN

28
Q

df(error)

A

n-(n1*n2)

  • n= totaal aantal PROEFPERSONEN
  • n1= aantal NIVEAUS van factor 1 etc