waarom zijn repeated contrasten die orthogonaal zijn aangewezen bij mixed measures?

Question

Bij gerichte hypotheses worden die contrasten gebruikt. Waarom eigenlijk?
Post hoc toetsen lijken makkelijker interpreteerbaar.

Comments

Ik begrijp deze vraag niet helemaal. Kun je wat extra uitleg toevoegen?

---

Als de omnibustoets laat zien dat er een verschil is tussen groepen, moet bij een gerichte hypothese het voorspelde verschil tussen de groepen met geplande contrasten onderzocht worden. Bij een ongerichte hypothese, moet in dat geval, gebruik worden gemaakt van post-hocanalyses.
Er is een verschil tussen het uitvoeren van post-hocanalyses en het uitvoeren van contrasten. Het bepalen van contrasten is aan 3 regels gebonden. Als contrasten voldoen aan die regels, zijn ze orthogonaal. Als regel 1 (een groep die afgesplitst is van een andere groep mag niet nogmaals in een vergelijking voorkomen) wordt geschonden, zijn de contrasten niet orthogonaal. Zulke contrasten zijn wel toegestaan, maar met voorzichtigheid te interpreteren. De vergelijkingen die dan worden uitgevoerd, zijn niet onafhankelijk maar aan elkaar gerelateerd. Daarom gaat de voorkeur uit naar orhogonale contrasten.
SPSS onderscheid 7 contrasten. Helmert en Difference contrasten zijn orthogonaal; de andere niet.

Mijn vraag is eigenlijk:
OK, er is een verschil tussen post-hocanalyses en contrasten. Waarom precies maken we bij gerichte hypotheses gebruik van contrasten? In elk geval lijkt de reden waarom we dan geen gebruik maken van post-hoc toetsen, omdat bij die toetsen alle groepen onderling worden vergeleken. En het heeft ook te maken met de power van je toets?

waarom worden repeated contrasten dan toch gebruikt en geïnterpreteerd als wat er staat? Want het zijn geen orthogonale contrasten. En dan is voorzichtigheid geboden.

En contrasten zijn zowel toe te passen bij hypotheses rond hoofdeffecten als bij interactiehypotheses? Blijkbaar zijn contrasten van interactiehypotheses erg moeilijk te interpreteren

Bedankt alvast

Answer 1

Ja, dit heeft te maken met power. Hoe meer p-waarden te uitrekent, hoe meer je je alpha moet bijstellen naar beneden vanaf de oorspronkelijke .05. Contrasten zijn gericht; dan bereken je alleen p-waarden voor de verbanden waar je echt in geinteresseerd bent. Bij post-hoc toetsen bereken je een hoop overbodige p-waarden, die desondanks de kans op een type-1 fout verhogen als je je alpha niet naar beneden bijstelt.

Contrasten zijn altijd toe te passen; en ze zijn niet zozeer moeilijk te interpreteren, als wel moeilijk goed op te stellen (als je complexe onderzoeksvragen hebt) :-)