Bootstrapping PROCESS assumpties

Question

Als ik in de literatuur duik, zie ik dat bootstrapping om de aanname van normaliteit heen gaat. Ik kan alleen nergens vinden aan welke aannames dan wel gecontroleerd moeten worden. Ik zie in sommige artikelen staan dat multicollineariteit gecontroleerd moet worden. Ook heb ik gelezen dat alleen de data representatief moet zijn. Verder zie ik ook staan dat er sprake is van lineariteit en dat de observaties onafhankelijk moeten zijn. Kan iemand mij hier duidelijkheid over geven? Ik gebruik de extensie PROCESS van Hayes. En als de observaties onafhankelijk moeten zijn, hoe controleer ik dat?

Answer 1

Of de observaties onafhankelijk zijn zit in je design. Als je bijvoorbeeld meerdere metingen hebt, zijn je observaties afhankelijk; als je deelnemers in een organisatie met afdelingen hebt geworven, zijn je observaties ook afhankelijk. Zie hiervoor de cursus Longitudinaal Onderzoek.

Bootstrapping heeft geen aannames over de verdelingsvorm voor zover ik weet (maar ik zal deze vraag doorsturen naar twee collega's die misschien dingen weten die ik niet weet), omdat de steekproevenverdeling wordt samengesteld op basis van je data.

Andere aannames voor PROCESS worden besproken in dit artikel, dat ook heel erg de moeite waard is: "That’s a lot to PROCESS! Pitfalls of Popular Path Models", https://doi.org/10.31234/osf.io/paeb7