Factoriële disigns Flashcards
Wat is kanskapatalisatie
Toename van een type 1-fout
zodra er meer dan twee groepen vergeleken moeten worden om de hypothese te toetsen
Hoe verhoudt zich de betrouwbaarheid tot het aantal toetsen
Bij meerdere groepen neemt de type 1-fout toe tot de macht van het aantal toetsen.
vb drie toetsen bij een alpha van 5% = .95 tot de macht 3= 0.857
Bij vergeleken toetsen, waarin tien toetsen nodig zijn is de kans dat er in minstens één toets onterecht de nulhypothese wordt verworpen, al opgelopen tot 40%
Noem twee manieren om de de toename van type 1-fout op te lossen
1 Het aantal uit te voeren toetsen verminderen door:
- contrasten op te stellen ( a priori te bedenken welke vergelijkingen zijn van belang en welke niet)
- Omnibustoetsen; kies eerst een toets die een algemeen effect toetst en toets specifieke vergelijkingen pas als de omnibustoets aangeeft dat er ergens een verschil is ( vb One-way ANOVA of Factorial ANOVA)
2. De alpha strenger te maken; kiezen van een post-hoc-correctiefactor
Wat is de bekendste post-hoc-correctiefactor
Bonferri; de alpha wordt gedeeld door het aantal getoetste vergelijkingen
Wat is een manipulatiecheck
extra variabelen die gemeten worden om te toetsen of beoogde manipulatie geslaagd is
Waarom een manipulatiecheck
Heeft manipulatie beoogd effect gehad.
Heeft manipulatie onbedoeld effect gehad op andere variabele dan de beoogde.
GEEN evaluatie effect, want het gaat niet over afhankelijke variabele.
Geen hypothese toetsing.
Verificatie of manipulatie geslaagd is = preliminair effect = interactie effect.
Wat is een cross over effect
manipulatie is niet geslaagd, want manipulatie in ene conditie gedraagt zich als manipulatie andere conditie
Waardoor ontstaat een cross over effect
Verstoorde interne validiteit
Incongruent effect
Wat te doen als manipulatie niet geslaagd is
Nagaan waarom.
Hoe nuanceert dit in conclusies
Wat zijn alternatieve interpretaties van de resultaten
Wanneer inzet t-toets
2 condities (onafhankelijke, dichotome, nominale variabele) + manipulatiecheck minstens intervalniveau
Kenmerken t-toets
- Linear model
- 2 datareeksen worden verzameld, gemiddelde wordt berekend; deze gemiddelde verschillen veel of weinig
- datareeksen uit dezelfde populatie–> verwachting dat gemiddelden ongeveer gelijk zijn
- H0 : experimentele manipulatie heeft geen effect–> gemiddelden zijn gelijkaardig
- Verschil gemiddelde steekproef vergelijken met verwachte gemiddelde als H0 waar is
- Standaardmaat : standaardfout
- klein–> gelijkaardige gemiddelden
- groot–> grote verschillen tussen gemiddelden
- verschil groter dan verwachting (op basis van standaardfout) –> atypische steekproef (aselect), of verschil is echt omwille van typische populaties, hoe groter het verschil, hoe zekerder we hier van zijn
Wat zegt de t-waarde in een t-toets
- t = verschil tussen 2 gemiddelden ( schatting standaardfout tussen 2 gemiddelden = error)
- verhouding systematische variatie (som van de verschillen) t.o.v. onsystematische variatie (standaardfout van de verschillen)
- t-test test: verschillen tussen gemiddelden + of correlatie significant is + regressie coëfficiënt = 0
- t > 1 –> meer systematische variantie dan onsystematische –> variatie veroorzaakt door experimentele variatie
t <1 –> meer onsystematische variantie dan systematische –> variatie veroorzaakt door individuele verschillen –> variatie veroorzaakt door manipulatie - gevonden t-waarde vergelijken met maximum waarde die waarde die we verwachten als er geen effect zou zijn in de verdeling met t-verdeling met dezelfde df–> groter dan kritische waarde–> experimentele manipulatie heeft effect
- significantie grootte effect vaststellen: étakwadraat, of omegakwadraat
- sterkte effect: proportie verklaarde variantie R2 ( analoog aan r2 (gekwadrateerde correlatiecoëfficiënt regressieanalyse), partieel étakwadraat n2 en omegakwadraat w2
- gestandaardiseerde maten waarin gemiddelden van elkaar verschillen: Cohen’s d (t-toets) en Cohen’s f
