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

Ik ben aan het analyseren of de variabelen 'eetgedrag' en 'beweging' voorspellers zijn van de criteriumvariabele 'welbevinden'. De correlatie- analyse wijst uit dat er alleen een significante samenhang is tussen de predictorvariabelen onderling (dus eetgedrag en beweging). Wanneer ik vervolgens de MRA uitvoer, laat de ANOVA al zien dat het model niet significant is (Sig = .529). Nu het model niet significant is, kan ik dan al concluderen dat eetgedrag en beweging klaarblijkelijk geen voorspellers zijn van welbevinden? Houd het daarmee op of dien ik de  navolgende 'coefficiententabel' ook nog te verklaren? Ook daar komt overigens naar voren dat beide predictorvariabelen lage (Beta) waarden hebben én niet significant zijn.

in Cross-sectioneel Onderzoek (OCO, PB08x2) door (400 punten)
Het is mij niet helemaal duidelijk wat er precies onduidelijk is. Je lijkt de juiste interpretatie van de statistieken te hebben, en in een resultatensectie kan het nooit kwaad om ook niet-significante resultaten te benoemen. Waar zit dan de onduidelijkheid, wat maakt dat je twijfelt?

1 Antwoord

0 leuk 0 niet-leuks

Om een antwoord toe te voegen (hoewel Ron's opmerking voldoende lijkt qua antwoord):

  1. Je rapporteert altijd de uitkomsten van alle analyses. Dit is een kwestie van wetenschappelijke integriteit: de uitkomsten van analyses mogen nooit bepalen of je ze rapporteert of niet. Dus ja, rapporteer je niet-signficante Anova uitkomsten (of beter, de toets van je R^2, want Anova is slechts een middel of te toetsen of die R^2 afwijkt van 0).
  2. Rapporteer ook de coefficienten. Dit had je immers ook gedaan als ze wel significant waren geweest. Bovendien leren we uiteindelijk niets van enkele studies, maar moeten data altijd worden geaggregeerd over verschillende studies. Het is daarom van belang zo volledig mogelijk te rapporteren.
  3. Om die laatste reden: vergeet niet een correlatiematrix toe te voegen! Schattingen van verbanden uit multivariate analyses (e.g. regressie-coefficienten uit regressie-analyses met meerdere voorspellers) hebben geen duidelijke betekenis buiten dat model, en kunnen dus niet goed worden vergeleken over studies. Schattingen van bivariate verbanden (e.g. correlatie coefficienten) wel, en moet je dus altijd ook toevoegen als je multivariate verbanden rapporteert.
door (77.8k punten)
...