Thema 3 Flashcards
Herhaalde metingen
Bij herhaalde metingen gaat het om het verschil tussen de gemiddelden van metingen die aan elkaar gerelateerd zijn. De meting is bijvoorbeeld gerelateerd als:
• Dezelfde meting is verricht bij mensen die bij elkaar horen.
• Als bij dezelfde persoon meerdere metingen van variabelen zijn verricht.
Het gaat niet om metingen binnen groepen maar binnen individuen. Een herhaalde meting betekent niet automatisch ‘chronologie’. Zie herhaalde metingen als een situatie met meerdere afhankelijke variabelen.
Assumpties van repeated measures
- Assumptie van normaliteit (Kolmogorov-Smirnov of Shapiro-Wilk)
- Assumptie van sphericiteit (Mauchly’s test)
- Onafhankelijkheid
Sphericiteit
De aanname van sphericiteit is de specifieke aanname van een repeated ANOVA. Het verwijst naar de gelijkheid van varianties van de verschilscores tussen groepen. De nulhypothese zegt dat de varianties gelijk zijn.
Mauchly’s test bij repeated measures
Bij een herhaalde-metingen analyse met drie of meer meetmomenten, doe je een Mauchly’s test om te bepalen of er sprake is van sphericiteit. Als deze significant is (p kleiner dan 0,05), dan is er niet voldaan aan de aanname van sphericiteit en dus zijn de varianties dan ongelijk. Heeft deze test een niet-significante p-waarde (groter dan 0,05), dan is er wél voldaan aan de aanname van sphericiteit en dus zijn dan de varianties dan (ongeveer) gelijk. De Mauchly’s test is afhankelijk van de steekproefomvang en dus is deze niet altijd handig te gebruiken. Dan werkt Greenhouse-geisser estimate, Huynh-Feldt estimate of lower-bound estimate beter.
Wat als de mauchly’s test significant is?
Als de Mauchly’s test significant is, dan is er níet voldaan aan de aanname van sphericiteit en zijn de varianties dus ongelijk. Je kan de vrijheidsgraden van de betrokken F-statistieken dan aanpassen. Hiervoor kijk je naar de epsilon output.
• Als Greenhouse-Geisser epsilon >.75, gebruik dan de Huyn-Feldt correctie.
• Als Greenhouse-Geisser epsilon
Partial eta kwadraat
De partial eta kwadraat is een indicatie van de mate waarin de variante van de afhankelijke variabele wordt verklaard door de onafhankelijke variabele. Een waarde van 0,24 betekent dus dat 24% van de variantie van de afhankelijke variabele wordt verklaard door de onafhankelijke variabele. Een indicatie om partial N2 te interpreteren is: rond 0,01 is een klein effect, rond 0,06 is een gemiddeld effect en rond 0,14 is een groot effect.
Mixed design
Within-subjects-effecten hebben betrekking op veranderingen tussen herhaalde metingen. De interactie-effecten die er zijn tussen de within-subjects-factoren en de between-subjects-factoren (mixed design) hebben betrekking op hoe verschillen tussen herhaalde metingen kunnen verschillen per ‘groep’.
Assumpties van mixed design
- De steekproef moet bestaan uit onafhankelijke deelnemers.
- De afhankelijke variabele moet normaal verdeeld zijn (normality check)
- Voor de within-subjects variabelen moet er sphericiteit zijn. (Mauchly’s test)
- Er moet homogeniteit van varianties zijn voor de between-subject variabelen met elke combinatie van categorieën van de within-subjects variabelen. (Levene’s)
Verschil MultiLevel Analyse en Repeated Measures
Als het ontwerp/design eenvoudig is en er zijn geen ontbrekende gegevens dan zullen MLA en RM identieke resultaten opleveren. De flexibiliteit van MLA-modellen wordt belangrijker naarmate het onderzoeksontwerp complexer wordt of als er (veel)
ontbrekende waarden zijn.
Voordelen MLA
- Kan worden gebruikt als voorwaarden van homogeniciteit en spericity wordt geschonden. Deze aannames zijn dus niet noodzakelijk.
- MLA maakt hiërarchische structuur mogelijk: oftewel, complexere metingen dan allee herhaalde metingen binnen personen.
- MLA kan ontbrekende gegevens verwerken. Bij RM mogen geen missings zijn.
- MLA kan gegevens verwerken waarbij er variatie zit in exacte timing van gegevensverzameling.
- MLA kan, in tegenstelling tot RM, omgaan met afhankelijke variabelen die geen continu meetniveau hebben.
- MLA werkt ook als de onderzoeksopzet niet gebalanceerd is.
Assumpties one-way ANOVA
- Assumpties van normaliteit (Shapiro wilk)
- Assumpties van homogeniteit van varianties (Levene’s)
- Onafhankelijkheid.
Wat betekent robuuste toets
Wanneer een toets robuust is dan kan in bepaalde gevallen, ook als er niet voldaan is aan de assumpties van normaliteit of homogeniteit, nog steeds deze toets uitgevoerd worden. Het kan wel zijn dat de toets minder onderscheidend vermogen heeft dan wanneer de assumpties niet geschonden worden. Voorbeelden van robuuste toetsen:
• One way ANOVA.
• T-toets bij meer dan 100 N
Assumpties voor factoriële ANOVA (two way)
- De steekproef moet bestaan uit onafhankelijke deelnemers.
- De afhankelijke variabele moet normaal verdeeld zijn voor elke combinatie van groepen van de onafhankelijke variabele.
- Homogeniteit van varianties.
assumpties voor T-toets
Normaliteit
Wanneer post-hoc en wanneer contrast
Als je geen specifieke hypotheses hebt en alle groepen met elkaar wilt vergelijken dan doe je post-hoc. Heb je wel specifieke hypotheses dan kijk je naar contrasten.
