Moeilijke begrippen

Question 1

Wat gebeurt er met b1 als je de confounder wegneemt?
–> schijnrelatie

Answer 1

b1 is fout geschat –> toetsen van causale hypothese geeft fout resultaat
- er is namelijk geen directe relatie, dat lijkt zo door de schijnrelatie

Question 2

Indirecte schijnrelaties

Answer 2

Er zit nog een variabele tussen de gemeenschappelijke oorzaak en een of beide variabele

Question 3

Schijnrelatie door onbekend effect

Answer 3

De relatie gaat via de gemeenschappelijke oorzaak
–> dit is hetzelfde als een normaal indirect effect, we weten alleen niet wat precies de relatie is?

Question 4

Exploratief onderzoek

Answer 4

Je doet onderzoek om iets te ontdekken –> je laat de data spreken

Question 5

Confirmatief onderzoek

Answer 5

Je doet onderzoek om iets te bevestigen

Question 6

Manifeste variabele

Answer 6

Variabele die direct meetbaar en te observeren is

Question 7

Latente variabele

Answer 7

Variabele die niet direct meetbaar of te observeren is

Question 8

Decompositieregel
- !!

Answer 8

Correlatie tussen X en Y =
Direct effect (causaal) + Indirecte effecten (causaal) +
Schijnrelaties (niet causaal) + Onbekende effecten (niet causaal)

Question 9

padcoëfficiënten berekenen aan de hand van decompositieregels

Answer 9

Correlatie = direct+indirect+schijn+onbekend
Direct = correlatie-indirect-schijn-onbekend
Indirect = correlatie-direct-schijn-onbekend
Schijn = correlatie-direct-indirect-onbekend

Question 10

Effect of interest

Answer 10

Correlatie - andere effecten/relaties

Question 11

Recursief model

Answer 11

• geen dubbele pijlen (tussen distrurbance termen en endogene variabelen
• geen wederkerende effecten
• geen ‘feedbackloops’

Question 12

Hoe bereken je het totale causale effect

Answer 12

Je telt alle paden bij elkaar op (indirecte effecten vermenig vuldig je met elkaar)
–> je wilt hier niet de correlatie weten, dus je maakt geen gebruik van de tracing rules

Question 13

Wanneer gebruik je tracing rules?

Answer 13

Tracing rules gebruik je wanneer je de correlatie wilt berekenen

Question 14

Tracing rules

Answer 14

• met de richting mee óf beginnen tegen de richting in (max. 1 keer wisselen)
• elke variabelen max 1 keer passeren per pad
• max. 1 onbekend effect passeren
• je vermenigvudig alles in de paden en telt dan de paden bij elkaar op (zie decompositieregel)

Question 15

Conditioneel indirect effect

Answer 15

Indirect effect waarbij tenminste één van de betrokken effecten gemodereerd wordt (conditioneel is op een variabele)
–> wat tussen de haakjes staat bij een indirect verband

Question 16

Conditioneel direct effect

Answer 16

Wat tussen de haakjes staat bij een direct verband

Question 17

Totale conditionele effect

Answer 17

Alle haakjes van de directe en indirecte verbanden

Question 18

Wanneer is indirecte effect statistisch significant op basis van 95%CI

Answer 18

Wanneer 0 in het interval valt, is het verschil niet significant van 0
–> wanneer 0 niet in het interval valt, verschilt het significant van 0

Question 19

Chi-kwadraat toets

Answer 19

H0 = verschil tussen geobserveerde en geïmpliceerde correlaties is -
- p-waarde < 0.05 –> model verworpen

Question 20

RMSEA

Answer 20

Vat in 1 getal samen hoe sterk geobserveerde e geïmpliceerde correlaties van elkaar verschillen
- <0.05= goede model fit
- >0.08= slechte model fit

Question 21

Hoe bereken je communcaliteit?

Answer 21

De waardes van de component (uit de componentmatrix) kwadrateren en bij elkaar optellen

Question 22

Component matrix

Answer 22

Ruwe waardes voor componentladingen
–> deze zijn dus niet geroteerd of gecorreleerd

Question 23

Pattern matrix

Answer 23

Waardes voor componentladingen die obliek geroteerd zijn
–> bij oblique rotatie zijn de waardes ook gecorreleerd

Question 24

Structure matrix

Answer 24

Bevat de correlaties tussen de variabele en het component
–> dit is dus met de oblique geroteerde waarden

Question 25

Hoe bereken je de proportie variantie met de eigenwaarde?

Answer 25

Eigenwaarde delen door het totaal –> dan krijg je de proportie en kun je ook cumulatief berekenen

Question 26

Rotated component matrix

Answer 26

Dit zijn de waarden die orthogonaal geroteerd zijn
–> oblique geroteerde waarde staan in de pattern matrix

Question 27

Wat zie je in de communalities tabel

Answer 27

Bij initial staat altijd 1.000, omdat voor de componentvorming 100% werd meegenomen
Bij extraction staat de berekende communalitie nu niet alles door de componenten wordt meegenomen.
- berekenen door de waarden uit componentmatrix te kwadrateren en bij elkaar op te tellen

Question 28

item-specifieke variantie

Answer 28

deels verklaarbare variantie en deel puur-random variantie

Question 29

Gemeenschappelijke variantie

Answer 29

Variantie die wordt verklaard door de gemeenschappelijke, onderliggende latente factoren

Question 30

Verschil PCA en Factor analyse

Answer 30

Bij PCA wil je het aantal variabelen reduceren
Bij factor analyse (FA) wil je zoeken naar latente variabelen

Question 31

Wat is Factor analyse

Answer 31

• Zijn er latente variabelen die samenhang tussen items verklaren?

Question 32

1-factor model

Answer 32

Er is 1 onderliggende factor die de samenhang verklaard F1

Question 33

Visuele weergave CFA

Answer 33

Heeft de zelfde opzet als PCA, omdat sommige ladingen op 0 zijn gezet
–> het verschil met PCA is dat het niet samenvat, maar verklaard dmv de latente factor

Question 34

Stellingen EFA

Answer 34

• EFA verklaart alle correlaties tussen geobserveerde variabelen door middel van schijnrelaties via een of meer latente variabelen
• in EFA zijn de factoren NIET het resultaat van een regressie op de geobserveerde variabelen

Question 35

Stellingen PCA

Answer 35

• PCA analyseert de totale variantie van de geobserveerde variabelen, inclusief de meetfout
• Als het onrealistisch is om aan te nemen dat latente variabelen de scores op de geobserveerde variabelen veroorzaken, dan kun je beter PCA gebruiken
• een component is een gewogen som van de geobserveerde variabelen

Question 36

Checklisten even doornemen voor extra informatie

Question 37

Wat stelt de gouden regel?

Answer 37

Volgens de gouden regel moet je alle mogelijke confounders van de veronderstelde causale
relaties tussen de variabelen in je model eveneens in het model opnemen

Question 38

Hoeveel regressievergelijkingen heeft een model nodig?

Answer 38

Evenveel vergelijkingen als dat er endogene variabelen zijn

Question 39

Hoe stel je de regressievergelijking bij een model op?

Answer 39

In de vergelijking staan alleen die variabelen die direct naar de engogene varbiabele gaan (indirecte paden worden niet meegenomen!)

Question 40

Wat is een verzadigd model?

Answer 40

Er zijn vier variabelen, dus er zijn (4x3)/2 = 6 unieke correlaties die relaties tussen de variabelen beschrijven. Het padmodel heeft 6 parameters; d.w.z., er zijn zes te schatte coëfficiënten, namelijk de drie directe effecten en de correlaties tussen de exogene variabelen. De correlaties tussen de exogene variabelen kun je beschouwen als te schatten onbekende effecten. Dus het model heeft evenveel parameters als dat er unieke correlaties zijn tussen de variabelen in het model, en daarmee is het model verzadigd. Dit betekent dat je met dit model de geobserveerde correlaties exact kunt reproduceren.

Question 41

Wat gebeurt er met het effect van een variabele als je een andere variabele weghaalt
- x1 en x2 verklaren beide x3, ik haal x1 weg, wat gebeurt er met effect van x2

Answer 41

Het effect van de overgebleven variabelen wordt groter, de weggehaalde variabele had namelijk een confounder kunnen zijn

Question 42

Multicollineariteit

Answer 42

De statistische term voor de correlaties tussen de exogene variabelen

Question 43

Hoe bereken je het maximale conditionele effect aan de hand van regressievergelijkingen met interactieeffecten

Answer 43

Berken het interactie effect voor de laagst mogelijke score en vermenigvuldig dit met hoeveel scores er nog gehaald kunnen worden
–> dus van 1-5 schaal is 1 de laagste en kunnen er nog 4 scores gehaald worden

Question 44

Hayes’ macro analyse

Question 45

Verschil statistisch en conceptueel model

Answer 45

Conceptueel model is met moderator op de lijn, bij statistisch model worden alle effecten van de moderator op de variabele weergegeven

Question 46

Hoeveel indicatoren zijn er bij PCA?

Answer 46

Evenveel indicatoren als dat er componenten zijn