pp Flashcards
PCA
principle components analysis -> hoofdcomponentenanalyse
PAF
Principal axis factoring (PAF)
wanneer gebruik je PAF
voor inhoudelijke interpretatie
Wanneer gebruik je PCA
voor data reductie
- Orthogonale rotatie
Er zijn geen correlaties tussen de factoren mogelijk: zorgt ervoor dat de constructen niet met elkaar samenhangen/correleren
- Oblique rotatie:
Er zijn wel correlaties tussen de factoren mogelijk: de constructen mogen onderling met elkaar samenhangen. Dit is een theoretische vraag. Hier kan gebeuren dat er veel correlatie is tussen de 2 factoren dan kun je nog meer reduceren.
Voor welke doelen kunnen we een factoranalyse inzetten
- Ondersteuning vinden voor de dimensionaliteit van meetinstrument (interne structuur).
- Datareductie bij veel items voor hetzelfde kenmerk, of bij meerdere variabelen die
hetzelfde kenmerk meten
Wat moet je doen om te controleren of een factoranalyse zinvol is
Om te controleren of een factoranalyse zinvol is, ga je in de item-correlatiematrix (voor de
twaalf items) na of er minstens één correlatie groter is dan .30.
moderatie
moderatie is als een effect anders is voor een bepaalde andere groep -> je hebt een relatie tussen 2 factoren en een andere variabele is van invloed op die relatie
m is van invloed op de relatie tussen x en y
waarin ben je vooral geintereseerd bij moderatie
in het interactie-effect tussen x en M
wat toest je bij moderatie
het hoofdeffect: x op y
het hoofdeffect: m op y
en het interactie-effect x . m op y
VIF
> 10
tolerance
< .2
wat is de vraag bij mediatie
is er een variabele m die een verklaring geeft voor de relatie tussen x en y
wat is het meetniveau van de mediator
interval meetniveau omdat het ook een uitgangsmaat is. m wordt voorspelt door x
mediatie direct model
kijken of er een relatie is tussen x en y. Als er geen relatie is, dan is er ook niks wat die relatie verklaart -> dus er moet eerst een relatie zijn voordat je kunt beginnen om deze relatie te verklaren.
model 2
zit er een relatie tussen x en m. hier moet een relatie tussen zitten want je wil met m de relatie verklaren tussen x en y als x niks veranderd in m dan zal dat niet de reden zijn dat er iets anders gaat gebeuren. Als x niks veranderd dan heeft m geen effect op y
model 3
kijken naar de relatie x en y
en m en y, dan stop je ze beide in een model en kijk je of er een volledige of partiele mediatie aanwezig is.
belangrijke beslissingen op individueel niveau
- Individuele keuze, betrouwbaarheid moet hoger zijn want consiquentie is hoog
onvoldoende a < .80
voldoende .80 < a < .90
goed a >.90
minder belangrijke beslissingen op individueel niveau
- Minder belangrijke beslissingen mag lager, omdat het over minder belangrijke punten gaat
onvoldoende: a < .70
voldoende .70 < a <.80
goed a>.80
onderzoek op groepsniveau
- Groepsniveau mag ook lager omdat je het bij meer mensen afneemt, kun je nog steeds een goede schatting krijgt.
onvoldoende a <.60
voldoende .60 < a <.70
goed a >.70
Directe replicatie
Bij een directe replicatie wordt de oorspronkelijke onderzoeksopzet zo veel mogelijk overgenomen. Op grond van de oorspronkelijke studie wordt één onderzoeksprotocol opgesteld met daarin alle te nemen stappen in de uitvoering van het experiment. Alle onderzoeksgroepen die een replicatie willen uitvoeren moeten zich strikt aan dit protocol houden en het experiment dus op precies dezelfde manier uitvoeren.
Conceptuele replicatie
Bij een conceptuele replicatie kijken onderzoekers naar deze onderzoeksvraag maar ze gebruiken hierbij andere procedures. De conceptuele variabelen zijn hetzelfde, maar de operationalisatie is anders.
Een conceptuele replicatie biedt de mogelijkheid om problemen uit oorspronkelijk onderzoeksprotocol aan te pakken. Bijvoorbeeld als de operationalisatie van de afhankelijke variabele niet goed bleek te zijn, dan kan de onderzoeker nu voor een ander of verbeterd instrument kiezen.
Replicatie met toevoeging
Bij een replicatie met toevoeging repliceren de onderzoekers het originele onderzoek waaraan ze variabelen toevoegen om nieuwe vragen te onderzoeken. Je kunt bijvoorbeeld denken aan het toevoegen van een extra experimentele conditie of een extra (on)afhankelijke variabele.
Power
Met power (in het Nederlandse ook wel onderscheidingsvermogen genoemd) van een toetsprocedure wordt de kans aangeduid, dat de nulhypothese wordt verworpen, als de alternatieve hypothese waar is.
Type I fout
Een Type I fout wordt gemaakt wanneer als de nulhypothese waar is, ten onrechte tot de conclusie wordt gekomen, dat de nulhypothese kan worden verworpen. De kans op het maken van een Type I fout is bij het uitvoeren van één toets gelijk aan α. Kort door de bocht: Er is in werkelijkheid geen effect in de populatie, maar op basis van je steekproef concludeer je dat er in de populatie wel een effect is.
Type II fout
Een Type II fout wordt gemaakt wanneer als de alternatieve hypothese waar is, ten onrechte tot de conclusie wordt gekomen, dat de nulhypothese niet kan worden verworpen. Kort door de bocht: Er is in werkelijkheid wel effect in de populatie, maar op basis van je steekproef concludeer je dat er in de populatie geen effect is.
wanneer is er sprake van een zuivere ANCOVA
model met homogene regressie (ANCOVA), model zonder interactie effect. Dit maakt het mogelijk om een uitspraak te doen over het verschil tussen groepen op y gecorrigeerd voor de covariaat.
wat is het effect van de covariaat bij een zuivere ANCOVA/homogene regressie
dan is het effect van de covariaat op de verschillende groepen gelijk.
Als er wel sprake is van een interactie-effect dan is het effect van de covariaat op y voor de groepen verschillend.
wat zijn de doelen van de ANCOVA
- een algemene uitspraak doen over de groepsverschillen op de y waarbij gecorrigeerd is voor de covariaat.
- Extra variantie verklaren: je model verbeteren, met minder error variantie en als gevolg eerder een significant resultaat. Waardoor je dan weer meer power hebt.
wat zijn gevolgen van het toevoegen van de covariaat
- Bias-correctie (elimination of
confounds): Door een covariaat op te nemen, wordt het effect van de factor groepen gecorrigeerd voor groepsverschillen in de covariaat (gelijke gemiddelden). Je krijgt een eerlijke vergelijking van de groepen.
Error-reductie:
Verkleining van de voorspellingsfout, vergoot de kans op significant resultaat en daarom ee5n toename van de power.
between subjectfactoren
(tussen subject factoren) tussenpersoonsfactor -> hier wordt gekeken of tussen personen/groepen verschillen zijn op de afhankelijke variabele -> ANOVA
within subject factoren
binnenpersoonsfactor. Dit is de herhaalde meting analyse, hierbij zijn we geintereseerd in de vraag of een groep over de tijd of een groep bij verschillende condities verschillende gemiddeldes laat zien op de afhankelijke variabele.
hoe beoordeel je de kwaliteit van factoroplossing
kan alleen bij oblique rotatie, als de samenhang sterk is kun je een factor verwijderen, je wil namelijk zo min mogelijk factoren.
wat zijn de stappen van de factorenanalyse
Stappen factoranalyse
0. Data verzamelen en data screening:
1. Keuze factormodel
- Hoofdcomponentenanalyse (PCA -Principle Components Analysis)
- Principal axis factoring (PAF)
2.Bepalen aantal factoren
-Eigenwaarde >1 criterium
- Knikcriterium screeplot
3. Interpreteren factoren
- Orthogonale rotatie / oblique rotatie
- Factorladingen
4. Beoordelen kwaliteit factoroplossing
- Proportie verklaarde variantie
- Correlatie tussen de factoren
Betrouwbaarheid
Een meetinstrument geeft betrouwbare resultaten wanneer dat meetinstrument steeds dezelfde resultaten geeft onder verschillende condities (plaats, tijd, omstandigheden).
o Test-hertest:
je doet de test, tijdje later opnieuw.
o Parallel-test
meerdere groepen uit de populatie en tegenlijkertijd dezelfde test laten doen. Dan zou er ongeveer hetzelfde uit moeten komen.
o Split-halftest:
je kijkt of de scores van de ene helft van de test correleren met het andere deel van de tests.
o Cronbach’s alpha
geeft een indicatie voor de ondergrens van de betrouwbaarheid. En dat kun je berekenen op basis van een test.
confirmerende factoranalyse
je zoekt ondersteuning voor een verwachting van het aantal dimensies/factorren of aspecten binnen een verzameling van items.
explorerende factoranalyse
is een factoranalyse waar je vooraf geen enkele vooronderstelling hebt voor het aantal onderscheiden aspecten.
Begripsvaliditeit
De mate waarin een
conceptuele variabele accuraat
is gemeten of gemanipuleerd.
Interne validiteit
De mate waarin de
onderzoeksmethode
alternatieve verklaringen voor
een effect/relatie kan uitsluiten.
Externe validiteit
De mate waarin de
onderzoeksresultaten
gegeneraliseerd kunnen worden
naar de populatie en andere
populaties, settings en tijden.
Statistische validiteit
De mate waarin de resultaten
van een statistische analyse
accuraat en adequaat zijn.
Spreiding in Y-scores is gelijk in de onderscheiden populaties. Te controleren via boxplots, of de Levense test.
Homoscedasticiteit: