MODERATIE & MEDIATIE (HC, Grasple, Weekopdracht)

Question 1

Is dit een voorbeeld voor moderatie of mediatie?: Als een effect anders is voor een andere groep. (HC)

Answer 1

Moderatie. Bv: Sekse van het oudste kind als moderator van de relatie tussen prosociaal gedrag oudste kind en probleemgedrag jongste kind

Question 2

Vul in (HC). ‘Van invloed is op…’ past bij …(1). ‘Een verklaring geven voor’ past bij …(2).

Answer 2

1: moderatie
2: mediatie

Question 3

Welke soorten meetniveaus heb je bij moderatie? (HC)

Answer 3

Afhankelijk = interval
Onafhankelijk = categorisch of interval
Moderator = categorisch of interval

Question 4

Welk meetniveau hebben de onafhankelijke variabele en moderator in dit voorbeeld (HC): Wordt de relatie tussen leeftijd en kennis van getallen gemodereerd door sekse?

Answer 4

Categorisch*categorisch.
Kennis van getallen (Y) = interval
Leeftijd (X) = categorisch
Sekse (M) = categorisch

Question 5

Welke analysetechniek gebruik je als je onafhankelijke variabele bestaat uit 3 categorische kenmerken en je moderator uit 2 categorische kenmerken? (HC)

Answer 5

• Meerweg ANOVA of
• Multipele regressie met dummy’s en interactie-effect

Question 6

Waar in de output kun je aflezen of je een signfiicant moderatie-effect hebt? (HC)

Answer 6

Bij het interactie-effect.

Question 7

Welk meetniveau hebben de onafhankelijke variabele en moderator in dit voorbeeld (HC): Is de relatie tussen voorbereiding en rekenvaardigheid voor dyslectische en niet dyslectische leerlingen hetzelfde?

Answer 7

Categorisch*interval
Rekenvaardigheid (Y) = interval
Voorbereiding, uren per week (X) = interval
Dyslexie, wel/niet (M) = categorisch

Question 8

Welke analysetechniek gebruik je als je onafhankelijke variabele van interval meetniveau is en je moderator uit 2 categorische kenmerken bestaat? (HC)

Answer 8

• Interactie bij ANCOVA (niet handig, want willen hier geen interactie-effect)
• Multipele regressie analyse met interactie-effect
• Moderatie-analyse met PROCESS

Question 9

Waar in deze modelvergelijking zit het interactie-effect: Y = B0 + B1 D1 + B2 X + B3 D1 X + E (HC)

Answer 9

B3 D1 X

Question 10

Welk meetniveau hebben de onafhankelijke variabele en moderator in dit voorbeeld (HC): Is intelligentie een moderator voor de relatie tussen voorbereiding en studieresultaten?

Answer 10

Interval*Interval
Studieresultaat (Y) = interval
Voorbereiding, uren per week (X) = interval
Intelligentie, IQ-score (M) = interval

Question 11

Welke analysetechniek gebruik je als je onafhankelijke variabele en je moderator van interval meetniveau zijn? (HC)

Answer 11

• Multipele regressieanalyse met interactie-effect
• Moderatie-analyse met PROCESS

Question 12

Schrijf de regressievergelijking uit voor (HC):
Y = Studieresultaat
X = Voorbereiding
M = Intelligentie

Answer 12

Cijfer^ = b0 + b1huiswerk + b2iq + b3huiswerk*iq
b0 = constant/intercept
b1 = huiswerk
b2 = iq
b3 = interactie huiswerk en iq

Question 13

Stel, in de output Coefficients tabel is ‘huiswerk’ .256. Wat houdt dit inhoudelijk in als je kijkt naar dit getal en de invloed daarvan op het cijfer (Y)? (HC)

Answer 13

Als je meer huiswerk maakt, dan stijgt je cijfer met .256.

Question 14

Kun je in de output kijken naar de B bij ‘Unstandardized Coefficient’ als je kijkt voor iq en huiswerk? (HC)

Answer 14

Nee, want beide zijn op een andere schaal. Hierom moet je kijken naar Standardized Coefficients Beta.

Question 15

Hoe kun je bij Beta zien welke variabele van meer invloed is op de afhankelijke variabele? (HC)

Answer 15

De variabele met de hoogste Beta heeft het meeste invloed.

Question 16

Waarom hebben interactie-effecten vaak een klein getal als regressiecoëfficiënt (B)? (HC)

Answer 16

Dat komt doordat de schaal van de interactie groot is waardoor de effecten klein worden. Hierom moet je kijken naar Standardized Beta, zodat je kan beoordelen of er een groot effect is.

Question 17

Bij toevoegen van interactie-effect kan het zijn dat de onafhankelijke variabele en moderator op zichzelfstaand in de min gaan. Wat kan de reden zijn voor dit resultaat? (HC)

Answer 17

Multicollineariteit. Er is een hele hoge correlatie tussen de onafhankelijke variabelen. Hierdoor weet het model niet goed wat ze nou aan welke variabele moeten toedichten. Je kijkt naar Collinearity Statistics.

Question 18

Wat zijn de vuistregels bij multicollineariteit? (HC)

Answer 18

Je hebt een probleem met multicollineariteit wanneer:
VIF > 10
Tolerance < .2

Question 19

Hoe kun je multicollineariteit oplossen? (HC)

Answer 19

Standaardiseren of centrere van X en M.

Question 20

Wat doe je bij standaardiseren? (HC)

Answer 20

Je maakt Z-scores van je variabele. Dit heeft een gemiddelde van 0 en een SD van 1.

Question 21

Wat doe je bij centreren? (HC)

Answer 21

We halen alleen het gemiddelde van de observaties af. Bv bij IQ hadden we gemiddelde van 100 en SD van 15. Dan halen we alleen maar 100 overal van af. Dan houd je data en de SD van 15.

Question 22

Wat geeft de constant (bv. 6,558) aan in de output wanneer je z-scores hebt gemaakt? (HC)

Answer 22

Deze geeft aan: iemand die overal 0 op scoort, heeft een verwachtte score van 6,6.

Question 23

Hoe interpreteer je de Zscores in de output? Bv: Zscore(IQ)= .492, Zscore(huiswerk)=1.011, ZIQhuiswerk=-.035 (HC)

Answer 23

Iemand die 1 SD hoger scoort op IQ, die scoort hoger (.49). Iemand die 1 SD hoger scoort voor huiswerk, scoort hoger (1.01). Als je slimmer bent, wordt het effect van huiswerk maken zwakker (-.035).

Question 24

Multicollineariteit ontstaat enkel wanneer beide variabelen van …(1) zijn (HC).

Answer 24

1: interval

Question 25

Wat zijn de mogelijke meetniveaus van de variabelen bij mediatie? (HC)

Answer 25

Afhankelijk = interval
Onafhankelijk = interval of dichotoom
Moderator = interval

Question 26

Waarom heeft de M een error bij mediatie? (HC)

Answer 26

M kan zowel afhankelijk als onafhankelijk zijn, dus heeft daarom een error.

Question 27

Wat is de Y, X en M in dit voorbeeld (HC): Voedingsvoorlichting is gericht op verandering eetgedrag en het eetgedrag heeft op zijn beurt een effect op afname van lichaamsgewicht.

Answer 27

Y = afname lichaamsgewicht
X = voorlichting (geen/wel)
M = eetgedrag

Question 28

Wat is de analysetechniek die je gebruikt bij mediatie? (HC)

Answer 28

Multipele regressies volgens drie stappenmethode Baron en Kenny voor beoordeling mediatie-effect.

Question 29

Wat zijn de drie stappen van Baron en Kenny voor beoordeling mediatie-effect? (HC)

Answer 29

1. X voorspelt Y
2. X voorspelt M
3. Y wordt voorspeld op basis van X en M

Question 30

Waarom kijk je naar het directe model X en Y? (HC)

Answer 30

Als er geen relatie is tussen X (voorlichting) en Y (verandering gewicht), dan valt er ook niks van de relatie te mediëren.

Question 31

Hoe kun je de output interpreteren bij voorlichting en afname gewicht (HC): constant = 4.689, voorlichting = .224.

Answer 31

Als je geen voorlichting hebt gehad, verwachten we dat je 4.689 kilo afvalt. Als we extra voorlichting geven, val je extra .224 af.

Question 32

Wat bekijk je bij stap 2 van beoordeling mediatie-effect? (HC)

Answer 32

Je kijkt of X effect heeft op M. In de output gebruik je M als de afhankelijke variabele.

Question 33

Waar wordt stap 1 (X -> Y) mee aangegeven in de regressievergelijking? (HC)

Answer 33

b1

Question 34

Waar wordt stap 2 (X -> M) mee aangegeven in de regressievergelijking? (HC)

Answer 34

b2

Question 35

Wat houdt stap 3 van beoordeling mediatie-effect in? (HC)

Answer 35

Je kijkt naar of er een effect van X en M op Y is.

Question 36

Waarom komt er een prime bij b1? (HC)

Answer 36

Je hebt de relatie van b1 al een keer eerder bekeken. Dit was directe model van X op Y. Het wordt dus b’1.

Question 37

Wat houdt het in om volledige of gedeeltelijke mediatie te hebben? (HC)

Answer 37

Er was een effect bij de eerste 2 stappen (X op Y en X op M). Dit was apart van elkaar bekeken. Is er nog steeds een effect als we M, X en Y in één model zetten. Als er geen relatie over is = volledige mediatie. Als er nog wel een relatie over is = gedeeltelijke mediatie.

Question 38

Wat concluceer je met de volgende gegevens uit output: constant = 3.079, voorlichting = -.139, eetgedrag = .220*, afhankelijke = gewicht (HC)

Answer 38

Je valt minder af als je voorlichting hebt gehad (-.139). Als je eetgedrag veranderd, val je meer af (.220). Dus: het eetgedrag veroorzaakt de verandering, en niet meer de voorlichting.

Question 39

Hoe bereken je het indirecte effect bij mediatie? (HC)

Answer 39

Door b2 keer b3 te doen.

Question 40

Vul aan (Grasple). Wanneer het interactie-effect significant is, stellen we dat het effect de onafhankelijke variabele X op de afhankelijke variabele Y afhangt van …

Answer 40

de moderator M.

Question 41

Zou leeftijd een mediator kunnen zijn? (Grasple)

Answer 41

Nee. Onveranderbare persoonskenmerken (zoals leeftijd/geslacht) kunnen alleen moderatoren zijn en geen mediatoren.

Question 42

Welke van de twee onderstaande uitspraken is juist en welke is onjuist?
I. Er is sprake van moderatie als de relatie tussen twee variabelen verandert als een functie van derde variabele.
II. Er is sprake van moderatie als de relatie tussen twee variabelen verandert als je derde variabele toevoegt.

Answer 42

Juist: I
Onjuist: II
Als er een relatie is tussen 2 variabelen, dan kan het zo zijn dat de relatie (en sterkte/richting) afhankelijk is van een 3e variabele. Afhankelijk van je score op je 3e variabele, is relatie tussen de andere twee variabelen verschillend. Voorbeeld: X=uren bijles, Y=leerprestatie, M=motivatie. Bij meer motivatie, is de relatie tussen bijles en leerprestatie sterker.

Question 43

Welke van de twee onderstaande uitspraken is juist en welke is onjuist?
I. Moderatie kun je toetsen met de analyse van een regressiemodel waarbij de afhankelijke variabele wordt voorspeld met een predictor, de modererende variabele en de interactieterm (product) van de predictor en de modererende variabele.
II. Moderatie kun je toetsen met analyse van een regressiemodel waarbij de afhankelijke variabele wordt voorspeld met een predictor, de modererende variabele en de interactieterm (product) van de afhankelijke variabele en de modererende variabele.

Answer 43

Juist: I
Onjuist: II

Question 44

Welke van de twee onderstaande uitspraken is juist en welke is onjuist?
I. De interactie tussen predictor en modererende variabele kun je berekenen door voor elke deelnemer aan het onderzoek de score op de predictor te vermenigvuldigen met de score op de modererende variabele en de uitkomst daarvan op te nemen in je regressiemodel.
II. De interactie tussen predictor en modererende variabele kun je berekenen door voor elke deelnemer aan het onderzoek de score op de predictor te vermenigvuldigen met het gemiddelde op de modererende variabele en de uitkomst daarvan op te nemen in je regressiemodel.

Answer 44

Juist: I
Onjuist: II

Question 45

Welke van de twee onderstaande uitspraken is juist en welke is onjuist?
I. De predictor en de modererende variabele moeten gestandaardiseerd (of gecentreerd) worden voordat ze in de regressieanalyse kunnen worden opgenomen.
II. De predictor en de modererende variabele kun je ongestandaardiseerd (of ongecentreerd) meenemen in de analyse maar de interactieterm moet wel gestandaardiseerd worden in de regressieanalyse.

Answer 45

Juist: I
Onjuist: II
De interactieterm wordt gestandaardiseerd/gecentreerd wanneer je de predictor en modererende variabele standaardiseert/ centreert, dus die zit er al bij in. Hiermee voorkom je multicollineariteit.

Question 46

Vul in (Field). Een gecombineerd effect van twee of meer voorspellende variabelen wordt een… (1) genoemd.

Answer 46

1: moderatie

Question 47

Hoe noem je de a, b en c’ (ofwel b1, b2 en b’1) (Field)?

Answer 47

De niet gestandaardiseerde regressiecoëfficiënten.

Question 48

Vul aan (Field). Er is sprake van mediatie wanneer…

Answer 48

de relatie tussen predictor en uitkomstvariabele minder sterk wordt door het toevoegen van de mediator.

Question 49

Wanneer is er sprake van perfecte mediatie? (Field)

Answer 49

Wanneer b’1 = 0, dus directe effect.

Question 50

Vul in. Moderatie toets je met het voorspellen van Y met een predictor (X), moderator (M) en het product …(1) in een regressieanalyse.

Answer 50

1: X*M

Question 51

Als het interactie effect significant is, spreken we van …

Answer 51

moderatie. Als deze niet significant is, is er geen moderatie.

Question 52

Hoe ziet het regressiemodel eruit voor: Y, X en M?

Answer 52

Y = b0 + b1X + b2M + b3XM

Question 53

Welke is juist en welke onjuist?
I. Interactieterm tussen voorspeller en moderator bereken je door individuele scores te vermenigvuldigen met de individuele scores op de moderator.
II. Interactieterm tussen voorspeller en moderator bereken je door individuele scores te vermenigvuldigen met de gemiddelde score op de moderator.

Answer 53

I is juist, II is onjuist. De interactieterm bereken je door voor elke respondent de score op de voorspeller (X) te vermenigvuldigen met de score op de moderator (M).

Question 54

Kan moderatie getoetst worden met interactieterm tussen motivatie (X) en zelfvertrouwen (M)? (y=begrijpend lezen)

Answer 54

Ja. Moderatie houdt in dat de invloed van X op Y niet voor alle waarde van M gelijk zijn. Dit kun je vaststellen door interactieterm tussen X en M op te nemen in regressiemodel.

Question 55

Waarom wordt er gebruik gemaakt van gestandaardiseerde variabelen in de analyse (z-scores)

Answer 55

Om multicollineariteit te voorkomen. Is voorwaarde voor regressieanalyse.

Question 56

Is er sprake van moderatie als je interactieterm significant is?

Answer 56

Ja. Er is sprake van moderatie als interactie effect significant is.

Question 57

Kun je een tweeweg ANOVA in GLM gebruiken wanneer het meetniveau van X en M beide van interval meetniveau zijn?

Answer 57

Nee. Het is onmogelijk om tweeweg ANOVA uit te voeren. Dit kan alleen als X en M op nominaal/ordinaal meetniveau gemeten zijn.

Question 58

Vinden jongere vrouwen zichzelf minder of meer aantrekkelijk dan oudere vrouwen bij mediatiemodel Participant Age -> Attratctiveness = -.33*

Answer 58

Er is een negatief effect van leeftijd op gevoel van aantrekkelijkheid. Als de leeftijd toeneemt, dan neemt de geschatte aantrekkelijkheid af.

Question 59

Roddelen aantrekkelijke vrouwen meer of minder dan minder aantrekkelijke vrouwen bij mediatiemodel Attratctiveness -> Gossip = .44*

Answer 59

Er is een positief effect van aantrekkelijkheid op neiging tot roddelen. Als aantrekkelijkheid toeneemt, dan neemt neiging tot roddelen ook toe.

Question 60

Wat houdt het getal in een mediatiemodel tussen haakjes in?

Answer 60

Dit is het effect van X op Y gecorrigeerd voor M. Dit is het directe effect. Dus deze valt weg, als deze niet significant is (dan is het volledige mediatie).

Question 61

Naar wat in de tabel kijk je als je wilt weten hoeveel de proportie verklaarde variantie in drie afhankelijke variabelen toeneemt door opname van de twee mediatoren in het model?

Answer 61

Je kijkt naar deltaR^2.