Dit zijn eigenlijk twee vragen, en bovendien betreffen ze de eindopdracht, waar wij als docenten niet bij mogen helpen. Ik verwijs je daarom naar de YouLearn voor de huidige cursusrun (PB0812202144), en zal de relevante fragmenten er even uit liften en toelichten als voorschot op het vragenuurtje donderdagavond. Ik zal de link naar dit antwoord ook posten als mededeling, zodat iedereen gelijk wordt behandeld (i.e. dit ziet).
Met betrekking tot je eerste vraag staat in studietaak 6.1:
Bovendien geldt in dit geval dat minimaal een onderzoeksvraag die je kiest te analyseren moet zijn met multipele regressieanalyse. Dit stelt een aantal eisen aan de onderzoeksvraag: die moet bijvoorbeeld minimaal drie constructen betreffen (twee voorspellers en een afhankelijke variabele). Houd er rekening mee dat er geen ‘standaard niveau’ bestaat waarop constructen worden gedefinieerd. ‘Persoonlijkheid’ is evengoed een construct als ‘extraversie’, en ‘warmte’ (een facet van extraversie) is evenzeer een construct als extraversie en persoonlijkheid. Er bestaat geen ‘ideaal’ niveau voor de definitie van constructen: elk item in een meetinstrument meet dus in zekere zin een construct. Tegelijkertijd moet je ook demonstreren dat je item-analyse en factoranalyse beheerst, dus je onderzoeksvraag moet minimaal één construct betreffen waarmee je dit kunt demonstreren. Lees eventueel alvast de volgende studietaak door om te zien hoe je dit straks moet beschrijven.
Kortom: er zijn dus niet "de constructen van het onderzoek": attitude is evenzeer een construct als een specifieke verwachting binnen attitude, of een specifieke evaluatie binnen attitude. Welke constructen je interessant vindt, kies je zelf.
Met betrekking tot je tweede vraag moet je eigenlijk heel Thema 6 grondig bestuderen, maar dit fragment uit studietaak 6.1 beantwoord je vraag al:
Vervolgens denkt je na over een onderzoeksvraag die je zou willen onderzoeken, of zelfs een hypothese als je een theorie tegenkomt die een voorspelling doet die je toevallig met deze dataset kunt toetsen. Let in dat geval wel goed op dat de hypothese geen causaliteit betreft: dit kan immers niet worden onderzocht met een cross-sectioneel ontwerp. Of een verband tussen twee constructen wel of niet wordt gevonden in een cross-sectioneel studie-ontwerp is niet indicatief voor of er wel of geen causaal verband tussen die constructen bestaat.
Dus, je kunt geen onderzoeksvragen onderzoeken die causaliteit betreffen. Dat betekent dat je niets kunt met termen als (of synoniemen ervan) de invloed van X op Y of het effect van X op Y. Het is belangrijk je te realiseren dat dit niet om woorden gaat - dit gaat om wat je uitdrukt. Het voorbeeld dat jij noemt betreft wel causaliteit: "de samenhang van opleidingsniveau op het aangeven van grenzen" laat duidelijk zien dat je vermoed dat opleidingsniveau wel eens invloed zou kunnen hebben het aangeven van grenzen, en dat je dat zou willen bekijken. Zulke vragen kun je echter niet beantwoorden met deze dataset. Zelfs als je een sterk verband vindt tussen bijvoorbeeld opleidingsniveau (een categorische variabele) en intentie om grenzen aan te geven zou dat geenzins impliceren dat er een causaal verband is. Hoogstwaarschijnlijk zijn andere factoren verantwoordelijk voor beiden, waardoor verhoging van opleidingsniveau niet zou leiden tot het eerder of later aangeven van grenzen.
Voorbeeldvragen
Nu concreet, want ik voel je al denken, "wat moet ik dan?" (of een andere student, misschien denk jij jij het zelf niet natuurlijk).
Er staan voorbeelden van onderzoeksvragen in studietaak 6.1, specifiek in verwerkingsopdracht 6.1.1.
Er zijn globaal gesteld twee soorten onderzoeksvragen die zich goed lenen voor beantwoording met een observationele, cross-sectionele dataset (dus een dataset met 1 meetmoment per deelnemer en zonder dat er randomisatie plaatsvond, i.e. zonder experimentele studie-opzet).
- Je gebruikt het theoretisch kader in de inleiding, en de daarin gestelde causale verbanden, en werkt binnen die aannames.
- Je bent juist kritisch over dat theoretisch kader, en gaat kijken naar die delen van de theorie waar je goed naar kunt kijken met een observationele, cross-sectionele dataset: de structuur van de menselijke psychologie.
Een theoretisch kader doet twee dingen:
- Constructen (of processen) definieren, en dus specifieke 'stukjes psychologie vangen';
- Beschrijven hoe die constructen (of processen) met elkaar (en vaak, met perceptie en gedrag) samenhangen
Binnen het theoretisch kader werken
Als je een onderzoeksvraag van het eerste type formuleert (dus, de theorie accepteren als kader), dan gebruik je factor-analyse en item-analyse om de validiteit van de meetinstrumenten in de gebruikte steekproef te verifieren, en je gebruikt regressie-analyse om te kijken hoeveel variantie je kunt verklaren met een gegeven set aan constructen. Die constructen kunnen dan bijvoorbeeld zijn:
- De drie RAA 'hoofdconstructen';
- Een set van 'subconstructen', zoals alleen instrumentele attitude en injunctieve norm, of alleen de vragen waarmee verwachtingen worden gemeten (binnen attitude) en dus niet de vragen waarmee evaluaties worden gemeten;
- Een combinatie daarvan
Je onderzoeksvraag is dan een voorbeeld van descriptief onderzoek: je beschrijft een stukje van de wereld, specifiek in de gebruikte steekproef. Je kunt zelf kiezen welke constructen je wil onderzoeken.
Kristisch zijn over het theoretisch kader
Je kunt ook je twijfels hebben bij de theorie (i.e. de RAA). Die theorie doet twee dingen: uitspraken over verbanden, die in het geval van de RAA causaal zijn, en stukjes psychologie "ophakken" in constructen. Die verbanden kun je niet onderzoeken: in een dataset uit een studie met een cross-sectionele, observationele studie-opzet zitten allerlei confounders waardoor relaties (of het gebrek aan relaties) je niet het recht geven conclusies te trekken over het al dan niet bestaan van causale relaties. Je kunt het tweede deel wel in twijfel trekken en onderzoeken: kloppen die definities wel? Als die definities kloppen, dan volgen daar bepaalde voorspellingen uit over de patronen aan factorladingen die je zou verwachten als je bepaalde items combineert in een factor-analyse. Als je bijvoorbeeld de items van de directe meting van attitude combineert met de items van de directe meting van waargenomen norm, dan moeten die netjes in tweede aparte factoren laden. Klopt dat?
Je kunt van alles bedenken: je mag zo kritisch zijn als je wil. Sterker nog, kritisch zijn is je verantwoordelijkheid als onderzoeker.
Kortom
Hiervoor moet je het theoretisch kader natuurlijk wel goed begrijpen; daarom doe je daar onderzoek naar (zie studietaak 6.1).
Je kunt ook allerlei combinaties bedenken. Zo lang je maar zorgt dat je minimaal 1 onderzoeksvraag formuleert die je kunt beantwoorden met multipele regressie-analyse, en zolang je maar zorgt dat je mimimaal een factor-analyse item-analyses uitvoert, heb je volledige vrijheid. De enige beperkingen zijn:
- de methodologische en statistische beperkingen waarover je in deze en voorgaande cursussen hebt geleerd;
- common sense en logica (i.e. het moet wel ergens op slaan)
- het theoretisch kader (in deze cursusrun, de RAA)
Mijn advies is: probeer niet een variant op de voorbeeldonderzoeksvragen te bedenken, maar bedenk vooral wat jou interessant lijkt in termen van het grondig en kritisch bekijken van de constructen in de RAA, of het beschrijven van het relatieve belang van constructen die je interessant vindt aan de hand van R^2 (i.e. de proportie verklaarde variantie, oftewel, "hoeveel van de afhankelijke variabele begrijpen we met deze voorspellers?").
Op het vragenuurtje donderdag kunnen we hier natuurlijk nog dieper op ingaan!
