Als ik het goed begrijp lopen hier eigenlijk twee vragen door elkaar. De ene is: hoe onderzoek je wederzijdse invloed, en hoe scheid je die invloeden? De tweede is: hoe onderzoek je data die samenhangt, bijvoorbeeld in koppels?
De eerste vraag (e.g. partner 1 beinvloedt partner 2, maar partner 2 beinvloedt partner 1 ook) heeft een tweeledig antwoord. Ten eerste vereisen uitspraken over causaliteit een experimenteel design. Als je dit echt grondig wilt bestuderen, moet je dus e.g. sociale steun beinvloeden, en dan kijken wat er gebeurt. Ten tweede vereisen dergelijke complexe situaties meerdere meetmomenten, zodat je kunt kijken of een verband het gevolg is van een verandering bij partnet 1 die doorwerkt bij partner 2 of vice versa.
Het antwoord op de tweede vraag is: met een analyse die deze samenhang binnen stellen (koppels) kan modelleren. Er zijn twee technieken die dat kunnen: Multi-level Regressie en Structural Equation Modeling. De M&T community bevat een bron over multi-level modelling (regressie). Over Structural Equation Modeling kan bijvoorbeeld met Lavaan (http://lavaan.ugent.be/), waar ook een bron over is in de M&T community, maar die bron dekt maar een deel van het modelleringsproces, dus dan zul je je begeleider om hulp moeten vragen.