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
Begrijp ik Field nou goed dat:

- indien er een significant interactie-effect gevonden wordt, je geen post-hoc of contrasten interpreteert: dit doe je enkel wanneer er een significant hoofdeffect is en geen significant interactie-effect?

- Bij een significant interactie-effect voer je een simpel effect analyse uit?

- als je zowel een significant hoofdeffect als interactie-effect hebt, kun je dan gewoon voor het hoofdeffect (indien meer dan 2 niveau’s) naar de post-hoc/contrasten kijken en voor de interactie-effect naar de simple effect analyse of interpreteer je dan (officieel) het hoofdeffect niet meer en kijk je dus ook niet meer naar de post-hoc?
in Experimenteel Onderzoek (OEO, PB04x2) door (370 punten)
bewerkt door
Zou je aan de vraag kunnen toevoegen op welke bladzijde (en liefst ook druk) van Field je deze informatie haalt? Dat maakt het makkelijker om je interpretatie op te controleren
Betreft 4th edition:

H13: factorieel ANOVA

Paragraaf 13.5.2,  op pag. 528 onderaan zegt hij: ‘ In general, you should not interpret main effects in the presence of a significant interaction effect involving that main effect’

Volgende paragraaf 13.5.3, pagina 529: geeft Field uitleg over contrasten, maar plaatst daar een opmerking bij: ‘ in reality we wouldn’t look at this effect because the interaction involving alcohol was significant’.

1 Antwoord

0 leuk 0 niet-leuks
Beide punten die je in je vraag betrekt komen uit eenzelfde stelling voort: je evalueert geen hoofdeffecten wanneer er een significant interactie-effect is. Het idee hierachter is dat een interactie-effect betekent dat het effect van een variabele altijd besproken wordt in het licht van een andere variabele. Zodoende is het op zichzelf evalueren van een hoofdeffect lastig.

Dit is een beetje de manier waarop iedereen het lijkt te doen, en daar met bijna dogmatische overtuiging voor blijft pleiten. Ik zou zeggen: houd het als een bottom-line aan: je kunt de algemene hoofdeffecten wel bespreken, maar detailtoetsing middels post-hocs of contrasten enkel op de significante interactie doen. Dit is belangrijk omdat contrasten en post-hocs veel detailinformatie verstrekken, veel ruimte in een verslag kunnen kosten, en waarvan het uitzonderlijk storend is als een alinea later geschreven wordt: maar alles wat ik net schreef kunt u negeren, want als we het interactie-effect in detail evalueren is alles weer anders! Daar worden lezers een beetje kribbig van.

Zijn hier uitzonderingen op te bedenken? Ik stel van wel. Het begint eigenlijk al bij de mixed-design ANOVA, waar er eerst een hoofdeffect van bijvoorbeeld tijd wordt geevalueerd (within-effect), waarbij getoetst wordt of gemiddeld genomen er over alle groepen een toename of afname is over tijd. Daarnaast wordt dan ook een interactie tussen groepen en tijd genomen middels de interactie between-within effects. Vaak evalueren we daar al beiden.

In welke situatie is dit en mogelijk een puur between-subjects design bijvoorbeeld zinvol? Stel dat er een situatie is waarbij je een controlegroep en een experimentele groep vergelijkt. Om welke reden dan ook scoort de experimtele groep al hoger op de afhankelijke variabele bij de eerste meting dan de controlegroep (misschien zelf volkomen verwacht), en deze voorsprong neemt over tijd alleen maar meer toe. Dan is er een interactie-effect, dat je dan in detail middels post-hoc en contrasten kunt uitpluizen, maar er is ook een relevant hoofdeffect: de experimentele groep is altijd hoger dan de controle. Dit is vaak ook nog interessant om te vermelden; echter het toetsen van de 'simple effects' (dus wat je met post-hocs zou doen), zou ik daar ook, conform Field, enkel op de interactie doen.

Bovenstaand voorbeeld is in een zuiver experiment niet zo realistisch (randomisatie zou geen apriori verschillen moeten opleveren), maar in quasi-experimentele designs komt het nog wel eens voor. Een bekend voorbeeld in onderwijswetenschappen is bijvoorbeeld het vergelijken van low-achievers en high-achieverers. Daar treed vaak wat men noemt het 'mattheus-effect' op: high-achievers halen vaak meer uit een onderwijsinterventie dan low-achievers. Dit is een situatie waarbij er een hoofdeffect is tussen low- en high-achievers (de high-achievers zijn steevast 'beter' dan de low achievers) en er is een interactie-effect (beginnen beter en vergroten alleen maar een voorsprong). Hoewel sommigen dit als een bewijs zijn dat het hoofdeffect niet van belang is, is het hoofdeffect wel interessant om aan te stippen, omdat het in dit geval het mattheus-effect onderstreept. Dan ook nog steeds conform Field: enkel post-hoc/contrasten op het interactie-effect doen, want het interactie-effect legt zowel de apriori voorsprong als de a-posterio vergrootte voorsprong vast.
door (63.5k punten)
bewerkt door
Bedankt voor het uitgebreide antwoord. Ik moet het nog even goed bestuderen, maar begrijp dat het soms zinvol kan zijn om wel verder naar de hoofdeffecten te kijken ook al zijn er sig.interactie-effecten. Ben nu bezig met de voorbereiding voor het theorietentamen. Het is dus niet zo, wat ik dacht op te maken uit Field, dat jij bij sig.interactie-effecten geen post-hocs/contrasten kunt uitvoeren, maar enkel simple effect analyses?
Zinvol als in: globaal. Al het detail dat je wilt evalueren, enkel op het interactie-effect (mits significant)
Ik zie dat ik een deel van de vraag niet goed verwoord had en niet juist had toegelicht:

Ik vroeg me af wanneer je die simple-effect analyse moet/kan gebruiken: ik meende uit H13 ( factorieel ANOVA) van Field op te maken dat je bij een significant interactie-effect niet naar de post-hoc/contrasten kijkt maar naar de  simple-effect analyse. In de ‘praktijk’ zie ik dat we bij een factoriele ANOVA wel naar post-hoc/contrasten kijken. Dus, wanneer gebruik je de simple-effect analyse?
...