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
Bij een experiment worden als covariaat  IQ cijfers van alle deelnemers meegenomen. Van 2 groepen ondergaat 1 groep een interventie. Er is een voor- en nameting voor beide groepen. Klopt deze redenering:

1e: T-test (IQcijfer + groep (1of2) Hiermee wordt de start van het experiment zoveel mogelijk gelijk gehouden.

2: mixed ancova: interventie=onafh var, voor-nameting zijn beide afh var., IQcijfer als covariaat meenemen.
in Literatuur zoeken door (140 punten)
wat is precies het doel van de t-test? Is hier de (covariaat) IQ de afhankelijke variabele?
Beste Ron,

De T toets uitvoeren voordat er gestart wordt met de mixed ancova zorgt voor meer betrouwbaarheid. Je weet (of hoopt) dat beide groepen (contr+ exp) met hetzelfde gemiddelde IQ-cijfer starten  bij de voormeting.

Maar is het dan nog nodig om tijdens de mixed ancova het covariaat IQ-cijfer te gebruiken? (omdat je dit al in de T toets hebt meegenomen)
Betrouwbaarheid kan het niet geven helaas. Dat is een eigenschap die in het meten, design of samplingstrategie verankert zit. Extra toetsen kunnen juist betrouwbaarheid ondermijnen middels type-1 foutinflatie.

Bepalen of de groepen gelijk zijn op een variabele hoort eigenlijk niet nodig te zijn. In een random toewijzing sowieso niet, want je toetst dan iets wat niet getoest hoeft te worden, want al bekend, namelijk of je scores uit random toegewezen groepen scores zijn uit random toegewezen groepen.

Als er geen random toewijzing was, dan is het eigenlijk ook niet nodig om deze 'start' te toetsen, want de voormeting als covariaat opnemen zou alles al gelijktrekken, en de voormeting in een mixed design lost het probleem al op door het onderscheiden van within en between effecten. Eventueel kun je 'post-hoc' met een simple effect analyse (een t-toets bijvoorbeeld) kunnen kijken wat het verschil is op de voormeting. Maar dan is dat iets wat na de mixed-design komt.
Misschien snap ik het design ook niet helemaal. Maar als IQ een covariaat is, dan zou er geen verschil tussen conditie en IQ mogen zijn, geen interactie IQ*conditie, en enkel een relatie tussen IQ en afhankelijke variabele. Als aan die drie voorwaarden voldaan is, kan IQ als covariaat in het model worden opgenomen.

Dan is het wel zinvol om conditie als voorspeller van IQ op te nemen, bijvoorbeeld in een t-toets, met het doel om een assumptiecheck te zijn.

Aub. inloggen or registreren om deze vraag te beantwoorden.

...