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 Methodologie door (200 punten)

1 Antwoord

0 leuk 0 niet-leuks

In het algemeen geldt het volgende.
En t-toets kan alleen het verband tussen een interval-variabele en een dichotome variabele toetsen, waarbij die laatste zich manifesteert als twee groepen. Een dichotome variabele is in de praktijk bijna altijd een categorische variabele (dus een nominale of ordinale variabele), maar dan dus een die maar twee mogelijke waarden aan kan nemen. Als je nu het verband tussen een categorische variabele met meer dan twee mogelijke meetwaarden hebt, kun je geen t-toets meer gebruiken, en moet je variantie-analyse (anova) gebruiken. Dit geldt ook als je een multivariate analyse wilt doen, waarbij je het verband tussen meerdere variabelen tegelijk wil onderzoeken.

Bij herhaalde metingen betekent dit concreet het volgende.
Bij herhaalde metingen meet je dezelfde variabele herhaald. Als je de variabele twee keer meet, is de variabele die die herhaling uitdrukt (die zou bijvoorbeeld 'tijd' of 'meetmoment' kunnen heten) dichotoom, en kun je een gepaarde t-toets gebruiken. Als je de variabele vaker dan twee keer meet, is de 'tijd' of 'meetmoment' variabele nog wel categorisch, maar niet langer dichotoom; hij heeft drie of meer mogelijke meetwaarden (bijvoorbeeld $t_0$, $t_1$ en $t_2$). In dat geval kan er geen t-toets meer worden uitgevoerd, en moet er variantie-analyse worden uitgevoerd. Repeated measures anova is dan de voor-de-hand liggende keuze.

Multivariate within-subject designs
Maar, zelfs bij een 2x2 withinsubjects design, waarbij elk van de twee factoren dichotoom is, kan geen t-toets worden gedaan. In dit geval is er immers sprake van drie variabelen die tegelijkertijd worden geanalyseerd; de analyse is dus niet bivariaat, maar multivariaat (ok, je zou het eigenlijk 'trivariaat' kunnen noemen, maar dat bestaat niet :-)). Omdat t-toetsen een bivariate methode zijn (je kunt alleen het verband tussen twee variabelen analyseren), moet je in dit geval ook uitwijken naar repeated measures anova.

Is dit zo een beetje te volgen? Zonee, je kunt vervolgvragen stellen door een 'opmerking' toe te voegen aan dit antwoord!

door (77.8k punten)
Bedankt voor je antwoordt.
Echter als we nu casus 1 nemen als voorbeeld.  Daar doen ze een voormeting en een nameting voor te kijken of een bepaalde cursus ( 2 mogelijke cursussen) een verandering geeft naar statistiekkennis en statistiekangst.

hier zijn 2 variabelen aanwezig : de 2 mogelijke cursussen... Of versta ik dit verkeerd ?

Het is voor mij erg moeilijk om te begrijpen. Het ene moment denk ik dat ik het versta en dan komt er een ander onderwerp of opdracht en dan doe ik het fout.

Bedankt!
Maar er zijn wel 5 mogelijk vooropleidingen... dus hier zijn er dan weer 5 verschillende ? daarmee dat ik in de war ben!

Dank je :)
Als er twee cursussen zijn, is dat 1 variabele: 'cursus', met twee waarden: 'cursus 1' en 'cursus 2'. Maar, niet iedereen krijgt elke cursus. Deze varieert dus niet over tijd. Alleen of mensen een cursus hebben gehad varieert over tijd. Tijdens de voormeting is iedereen hetzelfde; niemand heeft een cursus gehad. Tijdens de nameting zijn er misschien verschillen, als de cursussen verschillen.

Als je dit in een 2x2 split-plot anova zou gooien, met 'cursus' between-, en 'tijd' als within-factor, zou je drie p-waarden krijgen.

De p-waarde voor 'cursus' toetst of, als je tijd negeert en dus de voor- en nameting middelt, de groep die cursus 1 krijgt, verschilt van de groep die cursus 2 krijgt. Dit is geen interessante vraag; een eventueel verschil zit hem immers pas in de nameting, dus als je de nameting gaat middelen met de voormeting, krijg je een verstoord (verzwakt) effect. Geen zinvolle toets.

De p-waarde voor 'tijd' toetst of, als je cursus geneert en dus 'cursus 1' en 'cursus 2' bij elkaar gooit, de meting op de voormeting verschilt van de meting op de nameting. Ook geen interessante vraag natuurlijk; we willen juist weten of cursus iets uitmaakt. Een algemeen effect van tijd, los van cursus-type, is irrelevant voor die onderzoeksvraag. Geen zinvolle toets.

De p-waarde voor de interactie tussen die twee toets of het effect van tijd hetzelfde is voor de mensen die cursus 1 volgden als de mensen die cursus 2 volgden. Als cursus 1 en cursus 2 hetzelfde doen, is de interactie dus niet significant. Als een van de twee cursussen meer effect heeft, dan gaat het verschil tussen voor- en nameting (het verschil wat je zien in de variabelen 'tijd') hoger zijn voor die cursus. Deze toets toetst dus of de cursussen even goed werken. Dit is dus de enige interessante toets.

ALs er 5 vooropleidingen zijn, dan heeft de variabele 'vooropleiding' 5 verschillende mogelijke meetwaarden. Het is een ordinale variabele met 5 mogelijke waarden, net zoals cursus een dichotome variabele is, die dus noodzakelijkerwijs twee mogelijke waarden heeft.

(Dus: vooropleiding is een variabele: de waarde van vooropleiding varieert van persoon tot persoon.)
...