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!

0 leuk 0 niet-leuks
Hallo,

ik werk aan mijn eindopdracht voor cross-sectioneel onderzoek. Voor het onderdeel 'analyseplan voor de datascreening' wordt in de rubric gevraagd dat je grenswaarden noemt en onderbouwt, maar ik weet niet waar ik terecht kan voor die onderbouwing. Heeft u hier tips voor?

Vriendelijke groeten,
Greet
in Cross-sectioneel Onderzoek (OCO, PB08x2) door (120 punten)

2 Antwoorden

0 leuk 0 niet-leuks
Dag Greet

Ik zit met hetzelfde probleem bij de validiteit en interne consistentie.

Ik vond wel in het artikel van McNeish (2018) dat ω > 0.7 als voldoende betrouwbaar wordt beschouwd.

In Field (2018) vond ik dat factorladingen van ±0.4 als substantieel beschouwd worden.

Ik weet echter niet of dit volgende is als onderbouwing?

Verder is er ook geen eerder validatie-onderzoek beschikbaar om mee te vergelijken, dacht ik?

Groeten

David
door (240 punten)
0 leuk 0 niet-leuks
Beste GreetV,

Grenswaarden bij datascreening hebben meer betrekking op outliers, zie 4.2.1. Je maakt hierbij onderscheid tussen "onmogelijke waarden" waarbij er waarden te zien zijn die niet mogelijk zijn (10 op een schaal van 1 tot en met 7 bv) en tussen extreme waarden die wel mogelijk zijn. Van die laatste kun je een grenswaarde aangeven maar bij waardes die meer extreem zijn dan die grenswaarde ga je de data niet automatisch verwijderen maar kijk je wat er aan de hand is - meestal kun je er dan voor kiezen om de waarde toch te behouden. "Extreme waarden komen nu eenmaal voor in de populatie" (zie tekst  4.2.1). Het behouden of verwijderen van data onderbouw je in je rapportage van de datascreening. Voor skew en kurtosis geldt hetzelfde, je gaat hier beschrijvend te werk, maar het is voor je analyse geen belemmering dat de skew en kurtosis extremer dan de grenswaarden zijn, het zegt je alleen wel iets over je data en in je resultaten beschrijf je dit.

Piet
door (2.2k punten)
...