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
Beste,

Ik wil graag een MRA doen met 3 OV op 1 AV (interval) met daarbij een drieweginteractie.

Van de 3 OV zijn er 2 sowieso dichotoom welke ik beide heb gecodeerd als -0.5 en +0.5 (2 condities van 2 manipulaties 2x2 design)

De derde OV, een moderator, is een verschilscore van (het gemiddelde) van twee schalen en loopt van -3 tot +3. Het betekent daadwerkelijk iets of de score positief danwel negatief is. (positief = approach-, negatief = avoidance georiënteerd)

Nu had ik vanwege deze indeling eerst het idee om deze derde OV te dichotomiseren waardoor ik een 2x2x2 A(C)OVA kon doen. Maar nu blijken 10 respondenten een score van 0 te hebben op deze derde OV en zijn daardoor dus niet in te delen. Het zou jammer zijn om ze om deze reden te verliezen. Daarnaast is het een verlies aan power en wordt deze variabele in de meeste vergelijkbare studies niet gedichotomiseerd. Vandaar dat ik toch een MRA wil doen.

Nu begrijp ik vanuit OP:APM dat de onafhankelijke variabelen moeten worden gecentreerd om het gemiddelde voor een juiste interpretatie van de interacties in een MRA. Maar als ik mijn derde OV centreer om het gemiddelde, dan verschuift mijn nulpunt en verdwijnt de betekenis van de positieve en negatieve waarde, van Approach/Avoidance. Moet ik dit dus perse doen?

Ik heb allebei de manieren geprobeerd en zie de regressiecoefficienten iets wijzigingen, lijkt me niet goed...

Moet ik dus centreren om het gemiddelde om de interacties te mogen interpreteren? Als dat zo zou zijn, dan zou ik OV1 en OV2 ook moeten centreren om gemiddelde....  

Alvast dank voor de reactie.
in Multivariate statistiek door (320 punten)

1 Antwoord

0 leuk 0 niet-leuks
 
Beste antwoord
Op zich hoeft er alleen gecentreerd te worden als het gemiddelde niet al nul is. Als dit al 'handmatig' gedaan is, dan is het op zich niet nodig om te centreren. Het belangrijkste voordeel van centreren rond het werkelijke gemiddelde is dat het centrum van de data het meest informatief is, dus soms een betere schatter oplevert. Maar zonder de data verder te kennen: als de schaal al een centrum op de nul heeft: dan doet het al iets heel zinvols. Let er dan bij de interpretatie op dat de betekenis van de regressiegewichten af moet hangen van wat 'nul' betekent in deze specifieke dataset.

Centreren is enerzijds noodzakelijk, maar tegelijkertijd ook controversieel. Dat een vorm van centratie noodzakelijk is staat eigenlijk niet ter discussie. Maar waar men op moet centreren wel, omdat het een beetje arbitrair is om dit altijd rond het gemiddelde te doen, en mensen soms vrij spelen met een centratiepunt om significantie te forceren. Maar hier lijk je apriori een zeer goede reden gehad te hebben om te centreren op een eigen gekozen punt. Je nulpunt is dan nu niet het gemiddelde van de variabele, maar een (naar men hoopt) werkelijk neutraal punt. Dat klinkt volgens mij volkomen acceptabel.

Van uiterst groot belang is om dit helder op papier te zetten. Maak voor de lezer zondermeer duidelijk waar je rond centreert, en waarom. Transparantie is eigenlijk altijd het antwoord bij dit soort vragen
door (63.5k punten)
geselecteerd door
...