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!

1 leuk 0 niet-leuks
Hoe moet je de resultaten van een mixed design anova interpreteren wanneer ze elkaar lijken tegen te spreken? bv: in het takenboek staan bij het voorbeeld van mixed design de resultaten van ambitieverandering met (bij within - subjects) een significante interactie tussen ambitieverandering en conditie, wat als nu blijkt dat voor conditie ( between- subjects) geen significant effect is? Hoe kunnen deze resultaten dan geïnterpreteerd worden?
in Experimenteel Onderzoek (OEO, PB04x2) door (140 punten)
bewerkt door

1 Antwoord

2 leuk 0 niet-leuks

De toets van het main effect van de between subjects factor (in dit geval conditie) toetst een andere nulhypothese dan de toets van de interactie tussen de between subjects factor en de within subjects factor (in dit geval de interactie van conditie met tijd; onthoud dat je within-subjects factor het effect van tijd op de meting van ambitie representeert).

Bekijk bijvoorbeeld het linker deel van figuur 1 uit een recente meta-analyse (http://www.tandfonline.com/doi/full/10.1080/17437199.2012.703527#.UkLTFxC66JY):

Dit is een typisch voorbeeld van een interactie-effect. Stel je voor dat 'threat' de within-subjects factor is, en de verschillende lijnen de between-subjects factor representeren: de lichtgrijze lijn correspondeert bijvoorbeeld met de controle-conditie en de zwarte lijn met de experimentele conditie. Zoals je ziet is er alleen een effect van threat in de experimentele conditie; in de controle conditie maakt het niet uit of threat laag of hoog is.

De toets op interactie tussen de within-subjects factor (threat, de x-as) en de between-subjects factor (conditie, de lichtgrijze vs zwarte lijnen) toetst of de lichtgrijze en zwarte lijnen parallel lopen. De nulhypothese is dat deze lijnen parallel lopen; als deze toets significant is, lijkt het er dus op dat er interactie is, wat betekent dat het effect van de between-subjects factor afhankelijke is van het niveau van de within-subjects factor; of dat het effect van de within-subjects factor afhankelijke is van het effect van de between-subjects factor.

De toets op het main-effect van de between-subjects factor negeert de within-subjects factor. De x-as verdwijnt dus uit de grafiek. Dat betekent dat de vier datapunten waarop deze twee lijnen zijn gebaseerd moeten worden teruggebracht tot twee datapunten, en dit gebeurt door het gemiddelde te nemen. Het gemiddelde wat je zou krijgen als je naar het main effect van 'threat' zou kijken, staat in de figuur aangegeven met een grijze onderbroken lijn. Wij willen in dit geval het effect van conditie ('lijnkleur') weten als we threat juist negeren.

Kijk even mee in de figuur.
Het gemiddelde van de controleconditie (de lichtgrijze lijn) is hetzelfde als onder low of high threat: die lijn loopt immers horizontaal, dus het gemiddelde van die twee punten ligt midden op die lijn, en dat is dus gelijk aan het effect van controleconditie onder high threat, wat weer gelijk is aan het effect van de controleconditie onder low threat.
Het gemiddelde van de experimentele conditie (de zwarte lijn) ligt ook midden tussen de twee eindpunten van de zwarte lijn; alleen is dat gemiddelde in dit geval niet gelijk aan de twee eindpunten. Zoals je ziet zou dat gemiddelde uitkomen op het rechter eindpunt van de onderbroken lijn; dit is het gemiddelde effect van de experimentele conditie, als we de within-subject factor negeren.

De toets op het main effect van de between-subjects factor heeft als nulhypothese dat de between-subjects factor geen effect heeft. Als de between-subjects factor geen effect heeft, is het gemiddelde van de controleconditie gelijk aan het gemiddelde van de experimentele conditie. De twee punten die we net hebben opgezocht (de twee eindpunten van de onderbroken lijn) representeren die gemiddelden. De toets op het between-subjects effect toets dus of die twee punten op elkaar liggen.

Zoals je ziet hangt het er in dit geval vanaf hoe sterk de interactie is, of dat between-subjects effect ook significant gaat zijn. Bij zwakke interacties zal het between-subjects hoofdeffect niet significant zijn. Aan de andere kant zijn er andere interacties denkbaar, bijvoorbeeld van deze vorm:

Als je hier de 'simple effects' (bovenste, gestippelde, lijn en onderste, ononderbroken, lijn) uitmiddelt tot het 'main effect' (onderbroken lijn), krijg je precies een horizontale lijn. Het hoofdeffect zal dus niet significant zijn, maar de interactie wel. Dit zou bijvoorbeeld kunnen betekenen dat in de tweede meting, ambitie is gedaald in de controle-conditie, maar gestegen in de experimentele conditie. Het gemiddelde effect van ambitie (en van tijd) is dus 0 - je kunt pas zien wat er gebeurt als je allebei de factoren tegelijk bekijkt (zoals in een interactie).

Dus, samenvattend: verschillende uitkomsten voor voor de toets op een effect van de between-subjects factor en de toets op een effect van de interactie tussen de within- en de between-subjects factoren spreken elkaar niet tegen; de toetsen toetsen verschillende hypothesen.

Heb je hier wat aan? Zonee, dan kun je d.m.v. opmerkingen om verduidelijking vragen, zodat ik het antwoord kan verbeteren.

door (77.8k punten)
Klopt het dat de interactie bij de "tests of within subjects effects" in feite test of er verschil is tussen de between factors op het within effect. Zeg ik dit goed zo?

Verder, kan de "tests of between subjects effects" gezien worden als een 'normale' factorial anova aangezien de gemiddelde score van de between factors op de afhankelijke variabele met elkaar worden vergeleken?
Ja, dat klopt - een interactie betekent altijd dat het effect van de ene variabele afhankelijk is van het niveau van de andere variabele. Dus ofwel het effect van een between-subjects factor is anders op het ene meetmoment dan op het andere meetmoment; ofwel het effect van tijd is anders in de twee (of drie, etc) condities. Welke van de twee het is, blijkt niet uit een interactie; dit kan alleen uit je design of uit theorie blijken.

En die laatste zienswijze is in principe inderdaad correct; je negeert daar de within-subjects factor!
Okay bedankt! Ter zijde, zijn alle anova's two sided tests of mag de repeated measures net zoals de gepaarde t-test wel one-sided worden getoetst?

Je mag in de psychologie nooit eenzijdig toetsen. Dit is slechts een didactisch instrument, maar dit mag je in het echt nooit toepassen. Dat wordt hier ergens al behandeld, maar ik ga nu slapen; je moet die vraag/dat antwoord even zelf zoeken, sorry :-)

...