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
In het simpelste geval wordt van één covariaat en één onafhankelijke variabele het interactie-effect in kaart gebracht via custom (covariaat * onafh variabele).

Stel ik heb meerdere covariaten en meerdere onafhankelijke variabelen, is het dan gebruikelijk om alle mogelijke interacties in het model toe te voegen? (dan wordt dit een hele uitgebreide reeks met uitgebreide output, vooral door zoiets als dit te doen: covariaat 1 * covariaat 2 * covariaat 3 *  onafh 1 *  onafh 2. Aan de andere kant lijkt dit wel vollediger om te doen).
in Experimenteel Onderzoek (OEO, PB04x2) door (1.4k punten)

1 Antwoord

1 leuk 0 niet-leuks
Kort antwoord: nee.

Langer antwoord: het is handig om modellen niet complexer te maken dan nodig. Tweeweginteracties tussen covariaten en predictoren zijn nog te verantwoorden. Drieweginteracties worden al lastiger, en alles complexer dan dat, zoals vierweginteracties komen al op het niveau van 'naar de data toeschrijven', dus dat het model gesatureerd raakt, oftewel het model een soort 'verbind de puntjes' spelletje geworden is.

Dus cov1*pred1 cov1*pred2 cov2*pred1 cov2*pred2 etc. zou ik als maximale complexiteit inzetten. Ik zou niet bijvoorbeeld beginnen aan cov1*pred1*pred2, etc.

Dit gezegd hebbende: het is niet fout. Maar hogere orde interacties zijn modellen waar een afweging op gemaakt moet worden die een geavanceerd begrip van lineare modellen, power en overfitting vereisen.
door (63.5k punten)
...