Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

Verschil statistische regressie en maturation niet duidelijk

0 leuk 0 niet-leuks
In thema 1.2 bedreigers interne validiteit wordt uitgelegd onder statistische regressie dat bij een klinisch onderzoek naar depressie  de interne validiteit bedreigd kan worden doordat mensen met depressie pas hulp wanneer hun klachten het ergst zijn: wanneer zij dan behandeling ondergaan ervaren zij minder klachten. De waargenomen verbetering kan dan onterecht worden toegeschreven aan de behandeling: door statistische regressie zouden deze personen een afname van klachten hebben gehad.

Maar wat houdt nu precies ‘maturation’ in? Ik dacht dat dit van doen heeft met natuurlijke psychologische en biologische verandering in proefpersonen. Dus bijv.ook ‘natuurlijk herstel’. Kan er in bovengenoemd voorbeeld ook sprake zijn van maturation? Zo nee, waarom niet?
gevraagd 19 januari 2018 in Psychologisch Experiment (PE) door 838794193 (370 punten)

1 Antwoord

0 leuk 0 niet-leuks
Maturation is een eigenschap in de personen zelf; een natuurlijke groei die niets met het experiment van doen heeft, slechts het natuurlijke verloop van tijd. De proefpersoon verandert hier ook echt. Deze verandering kan dan ten onrechte aan het experiment worden toegeschreven

Statistical regression is wel een eigenschap die experiment-gebonden is; door welke reden dan ook is de voormeting vertekend, waardoor een 'terugzakken naar baseline' zodra de eerste excitement, o.i.d. van meedoen aan het experiment onterecht kan worden gezien als een afname. De proefpersoon is hier dus niet echt veranderd (ceteris paribus); en de verandering kan dan ook ten onrechte aan de experimentele manipulatie worden toegescreven, terwijl dit meer een probleem is van en onvoorzien effect van het observeren van de proefpersonen
beantwoord 19 januari 2018 door Ron Pat-El (41,340 punten)
Ik denk dat ik het voorbeeld verkeerd begreep: Er staat ‘‘door statistische regressie zouden deze proefpersonen een afname aan klachten hebben gehad, ongeacht de behandeling die ze zouden ondergaan, zelfs als ze niet behandeld zouden zijn.’ Begrijp ik bovengenoemd  voorbeeld van statistische regressie dan goed als ik zeg dat er in werkelijkheid geen (significante) afname van klachten zijn, maar door de (extreem)hoge voormeting lijkt het of de klachten zijn afgenomen? ( Al lijkt dat ook niet te kloppen met wat er staat, er staat namelijk, dat ze van ‘ernstig depressief’ weer ‘ normaal’ depressief zijn geworden).

Kan er bij bovengenoemd voorbeeld geen sprake zijn van ‘maturation’ (‘natuurlijk herstel)’  proefpersonen ervaren in het begin ernstige klachten (voormeting)  maar na verloop van tijd nemen de klachten af ongeacht of ze behandeling krijgen of niet? Het effect toeschrijven aan de behandeling is dan onterecht omdat de klachten door een natuurlijk beloop ook wel waren afgenomen -> maturation?
Hier kan beiden optreden; echter, klachten zijn vaak niet constant, maar 'piekerig'. Iemand die in een 'piek' zit ervaart wellicht ineens een crisis die deze persoon uitnodigt tot een gang naar een hulpverlener; een crisis die niet veel later uit zich zelf weg zou ebben. Later kan er weer een 'piek' optreden, omdat de gemeten afname (het wegebben van de piek) geen stabiele verandering is (of niet noodzakelijkerwijs is)

Maturation is een stabiele verandering; mensen worden ouder en wijzer, kinderen leren hun weg in school vinden, etc.; allemaal veranderingen in de staat van zijn waar men niet (zonder uitzonderlijke oorzaak) ineens uit kan regresseren naar een eerder stadium.

Maturation is dus een stabiele verandering, in de enge zin van het woord 'veranderen', iets gaat over in een nieuwe stabiele staat. Statistische regressie is een instabiele 'piek' die toevallig met de voormeting gepaard is gegaan; maar de staat na de piek is vergelijkbaar of hetzelfde als de staat voor de piek
Als poging wat extra illustratie toe te voegen: stel je voor dat je een studie doet naar het effect van bijles. Je geeft studenten een vragenlijstje om hun statistiekniveau te meten. Je vraagt de studenten die het laagst scoren op dat vragenlijstje om meet te doen. Na afloop van de bijles zie je een toename in het statistiekniveau van de deelnemers.

Twee mogelijke verklaringen voor die toename zijn maturatie en regressie naar het gemiddelde. Maturatie is het makkelijkst: dit treedt op doordat de deelnemers wellicht over tijd (los van de bijles) wat meer nadenken over de relevante statistische concepten waardoor ze ze bij de tweede meting iets beter begrijpen. Dit is geen artefact van je meting: het is een 'echte' toename of afname van de betreffende variabele over de tijd.

Regressie naar het gemiddelde vereist altijd dat je om de een of andere reden in de eerste meting uitzonderlijke scores verkreeg. In dit geval selecteerde je de laagst scorende studenten. De score van een student komt deels tot stand door toeval; mensen die een drukke dag hadden en moe zijn, of die al lang geen koffie hebben gehad, of die net zijn natgeregend, scoren wellicht lager. Dit bedoelt Ron met de piek: je treft die mensen dan net als ze door toevallige omstandigheden uitzonderlijk extreem scoren (dus heel hoog of zoals in dit voorbeeld, heel laag). Maar, als je diezelfde mensen nu straks nog een keer meet, dan scoren ze natuurlijk gewoon weer hoger. Ze zitten dan niet in die piek: ze zijn dan niet net natgeregend of hadden niet net een drukke dag achter de rug. Deze 'opheffing' van de reden waardoor de deelnemers toevallig extreem scoorden manifesteert zich als die regressie naar het gemiddelde.

Regressie naar het gemiddelde kun je zien als naam voor het fenomeen dat de deelnemers met de extreemste scores bij een tweede meting waarschijnlijk minder extreme scores hebben. Als je dus de deelnemers met de extreemste scores selecteert, dan ga je in een tweede meting noodzakelijkerwijs een verandering zien.
Bedankt voor de toevoeging. Duidelijk!
...