Een t-toets is een zogenaamde 'bivariate' analyse; dus voor een situatie waarin twee variabelen varieren. In jullie geval varieert er ook nog een derde variabele (de betreffende controle-variabele), en dan moet je uitwijken naar multivariate analyses.
Dit zou betekenen dat je een anova of een regressie-analyse zou doen. Voordat je bekijkt of je een controlevariabele uberhaupt wel mee moet nemen, moet je echter twee dingen doen:
-
Controleren of de controlevariabele samenhangt met de afhankelijke variabele. Zonee, dan is het niet zinvol deze mee te nemen in je analyses.
-
Controleren of de controlevariabele samenhangt met de onafhankelijke variabele. Als dit niet zo is, kan het nog steeds zinvol zijn om een covariaat mee te nemen in je analyses om power te winnen (als hij tenminste samenhangt met je afhankelijke variabele).
In jullie situatie ligt het echter iets complexer: jullie mogelijke confounder (controlevariabele) varieert alleen in de experimentele conditie. Dat betekent dat je een eventuele samenhang tussen de controlevariabele en de afhankelijke variabele niet kunt scheiden van samenhang tussen conditie en de afhankelijke variabele. Stel dat jullie situatie zo is:
|
(aantal proefpersonen) |
Conditie |
|
controle |
experimenteel |
|
Controlevariabele |
nee |
12 |
20 |
|
ja |
8 |
0 |
Als je nu met een t-toets vindt dat conditie samenhangt met de afhankelijke variabele, kan dat twee oorzaken hebben: ofwel conditie had echt een effect, ofwel de 8 mensen die 'ja' scoren op de controle-variabele scoren simpelweg lager (of hoger) op de afhankelijke variabelen dan de mensen die 'nee' scoren op de controle-variabele. Dit zou immers leiden tot een lager (of hoger) gemiddelde in de controlegroep, zelfs als er geen effect was van conditie: die 8 mensen worden immers gemiddeld met de 12 mensen die 'nee' scoren in de controlegroep als naar het effect van conditie wordt gekeken.
Het is dus zaak om na te gaan of de groepen deelnemers die 'ja' en 'nee' scoren, gelijk aan elkaar zijn. Dit onderzoek je door alleen binnen je controle-conditie te kijken, en de twee groepen ('nee' en 'ja' op de controlevariabele) te vergelijken met een t-toets. Bovendien is het goed om deze twee groepen te vergelijken op alle andere variabelen die je hebt gemeten, zoals leeftijd, geslacht, etc.
Als de twee 'ja' en 'nee' groepen niet verschillen, kan deze variabele geen confounder zijn. In dat geval kun je hem verder negeren.
Als de 'ja' en 'nee' groepen wel verschillen, moet je de 'ja'-mensen uit je steekproef gooien. Je weet dan dat deze niet equivalent zijn aan de 'nee'-mensen, en dat je dus niets kunt zeggen over het effect van conditie op deze groep. Je moet je analyses dus herhalen zonder deze groep, en in je artikel vermelden dat je dus alleen kunt generaliseren naar de 'ja' 'nee'-groep.
Zie voor informatie over confounders trouwens ook http://oupsy.nl/help/92/wat-is-een-confounder en http://oupsy.nl/help/55/hoe-spoor-je-confounders-op.
