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!

Ik moet onderzoeken wat de invloed van twee onafhankelijke variabelen op twee afhankelijke variabelen is. Met welke toets kan ik dit doen?

0 leuk 0 niet-leuks
Kan ik dit doen door twee regressies achter elkaar uit te voeren? (eerst met ene afhankelijke variabele en dan met andere) of moet ik een andere toets doen?
gevraagd 18 oktober 2014 in Methodologie door Marloes (360 punten)

1 Antwoord

1 leuk 0 niet-leuks
 
Beste antwoord

Zonder informatie over de meetniveau's van de variabelen is het eigenlijk niet mogelijk om een antwoord te geven. Ik ga ervan uit dat wanneer je zelf denkt aan regressie-analyses dat al je variabelen op intervalniveau zijn gemeten.

In dat geval zijn er drie opties (van makkelijk naar moeilijk, maar tegelijk ook van niet te prefereren tot de beste optie):

  1. Twee losse regressies. Voordeel: eenvoudig. Nadeel: het negeert de gedeelde variantie tussen de afhankelijke variabelen; hiermee overschat je de effecten van de onafhankelijke variabelen (vergroten type 1 fout)
  2. Multivariate regressie (niet te verwarren met multipele regressie). Multivariate regressie is in SPSS uit te voeren, en lijkt in veel opzichten op de MANOVA (een ANOVA voor meerdere afhankelijke variabelen). Voordelen: in SPSS uit te voeren; kennis van regressie-analyses kan worden gebruikt om deze complexere toets te interpreteren. Nadelen; interpretaties kunnen lastig zijn; weinig documentatie over het uitvoeren van deze toets.
  3. Structural Equation Modeling (of alleen met de variabelen, zoals bij regressie: Path Analysis). Het hele model met alle relaties tussen alle predictoren en afhankelijke variabelen kan als een geheel getoetst worden. Voordelen: zeer fijne controle over alle elementen van het te toetsen model; zeer gedetailleerde informatie over hoe het model aan te passen als dat nodig is; veel documentatie over het uitvoeren van allerlei soorten SEM. Nadelen: niet in SPSS, alleen in gespecialiseerde SEM software; nieuwe techniek waarbij kennis van regressiemodellen helpt bij het begrip en de globale interpretatie, maar niet in de direkte uitvoering van de toets, of het begrijpen van de te interpreteren statistieken.
beantwoord 19 oktober 2014 door Ron Pat-El (41,340 punten)
geselecteerd 21 oktober 2014 door gjp
Bedankt voor het duidelijke antwoord! Heel erg fijn! De variabelen zijn inderdaad van intervalniveau. Dan lijkt de multivariate regressie de beste optie. Ik kan hier echter niks over vinden in de statistiekboeken.. Hoe voer ik de test uit in SPSS en hoe interpreteer ik de resultaten? Weet u een goed artikel/boek/internetpagina dat hier over gaat?

De makkelijkste manier binnen SPSS is om dit te doen via de General Linear Models

  1. Ga naar Analyse -> General Linear Model -> Multivariate
  2. Stop de afhankelijke variabelen bij 'Dependent Variables'
  3. Stop de onafhankelijke variabelen bij 'Covariate(s)'
  4. Ga naar Options...
    1. Vink het hokje 'Parameter Estimates aan
    2. Continue
  5. Ok (of Paste als je syntax opslaat)

De regressieparamaters vind je in de laatste tabel (Parameter Estimates). Hier vind je per afhankelijke variabele de B van intercept en predictoren

De R^2 per afhankelijke variabele vind je in de voetnoot van de tabel erboven (Tests of between-subjects effects).

Het is alleen mogelijk om een multivariate test voor het gehele model als geheel op te vragen middels syntax. De makkelijkste manier om dit te doen is om de syntax van de analyse middels de 'Paste' knop in de syntax-editor te krijgen.

  1. Haal in de syntax van de analyse (die moet starten met de opdracht GLM, de allerlaatste punt weg (waarschijnlijk die na 'design'.
  2. Voeg twee regels code toe:
    1. /LMATRIX 'Multivariate van complete model
      X1 1; X2 1; X3 1.
    2. Vervang X1, X2, etc. met de variabelenamen uit jouw dataset. de '1' achter die variabelen moet je laten staan, dat zijn noodzakelijke contrastgewichten
    3. Vergeet niet om die laatste punt toe te voegen, anders runt de opdracht niet.
  3. ​Run syntax

​Als het goed is krijg je nu ook een multivariate toets die toetst of er een multivariaat effect is (vergelijk deze met de multivariate toets zoals deze bij MANOVA wordt geinterpreteerd.

Ik hoop dat dit werkt!

 

Bedankt!!! Ik ga er vandaag weer mee aan de slag. Ik hoop dat het gaat lukken... Ik heb dan nog één vraag.. Is het ook mogelijk om in dit model interactievariabelen toe te voegen (voorspeller X moderator) om moderatie-effecten te toetsen?
Ja, dat is zeker mogelijk. Dit kun je op dezelfde manier doen, zoals bij normale regressie (via compute een interactievariabele aanmaken, centreren, etc.; toevoegen als covariate)
Oké.. gelden voor deze analyses eigenlijk dezelfde voorwaarden als voor een regressie? Dus is het ook belangrijk om te kijken naar de assumpties (lineariteit, homoscedasticity, onafhankelijkheidsassumptie etc.)? en ik neem aan dat variabelen (die niet van intervalniveau zijn) ook gedummificeerd moeten worden? Ik hoor het graag.. Alvast super bedankt!
Dat klopt; vooral multicollineariteit kan een probleem zijn; maar multivariate regressie maakt dezelfde aannames als reguliere regressie.
...