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
Wanneer ik het interactie-effect wil analyseren voer ik analyse uit met 2 onafhankelijke variabelen en 1 afhankelijke variabele. Van de hoofdeffecten is er 1 significant en de andere niet. Het interactie effect is ook significant waardoor de resultaten van mijn hoofdeffecten wegvallen, toch? Dit geef ik dan aan bij de discussie.

Wanneer ik de interactie-effect wil doortoetsen maak ik gebruik van simple main effects analyse. Deze blijken beide significant te zijn. Hoe moet ik dit nou interpreteren en welk effect/gevolgen heeft dit op de hypotheses die ik wil toetsen?

Daarnaast moet ik aangeven of er sprake is van een crossover effect. Is dit het geval omdat er sprake is van een significant interactie-effect?
in Experimenteel Onderzoek (OEO, PB04x2) door (120 punten)

1 Antwoord

0 leuk 0 niet-leuks

Als je interactie significant is, dan betekent dat dat het effect van elke van je voorspellers afhankelijk is van het niveau van de andere voorspeller.  Er is dus geen effect van voorspeller A - het effect van voorspeller A is namelijk anders afhankelijk van het niveau van voorspeller B. Als voorspeller B laag is, is het effect van voorspeller A bijvoorbeeld gemiddeld sterk; maar als voorspeller B hoog is, is het effect van voorspeller A misschien wel heel erg sterk. Die simple effects zijn de effecten van je voorspellers per niveau van de andere voorspeller. Dit is dus ook hoe je die interpreteert. Mijn advies is om de zinnen elke keer helemaal uit te schrijven, dus bijvoorbeeld "Het effect van A onder lage B is ..., en het effect van A onder hoge B is ...".

Een cross-over effect is iets heel anders dan een interactie. Cross-over effecten betreffen de validiteit van je design, en gaan dus niet over je uitkomsten. Als je onderzoeks of je cross-over effecten hebt, kijk je of voorspeller A een effect heeft op de manipulatiecheck van voorspeller B (en vice versa). Je validiteit is alleen veilig gesteld als elke manipulatie (dus elke voorspeller) alleen een effect heeft op de bijbehorende manipulatiecheck. Als voorspeller (manipulatie) A dus een effect heeft op de manipulatiecheck die je opnam om de werking van manipulatie (voorspeller) B te verifieren, dan kun je in je design geen onderscheid meer maken tussen A en B. Beiden hebben immers invloed op dezelfde variabele(n).

Bijvoorbeeld: je manipuleert stress en onstpanning, omdat je beniewd bent wat er gebeurt als je iemand zowel stresst als ontspant. Stel je nu voor dat je ontspanningsfilmpje een meditatie-sessie betreft. Nu heb je de pech dat je proefpersonen toevallig allemaal meditatie-foob zijn. Je ontpanningsfilmpje wordt dus ervaren als erg stresserend. Je ziet dan dat je ontspanningsmanipulatie effect heeft op de manipulatiecheck van stress.

Dat is een cross-over effect: je manipulatie beinvloedt een andere variabele dan de bedoeling was, sterker nog, hij beinvloedt een variabele die normaal alleen beinvloedt zou moeten worden door een andere manipulatie (die van stress). Hierdoor kun je niet meer zeggen of verschillen op andere variabelen, zoals bijvoorbeeld mood, door de stress-manipulatie komen, of door de ontspannings-manipulatie. Kort samengevat: je validiteit is aangetast, en je dataset onbruikbaar, of in elk geval veel minder bruikbaar.

door (77.8k punten)
...