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 OpenMenS fig 28.11 wordt causaliteit aangegeven, terwijl het in de tekst over een voorspelling gaat. Klopt het model dan wel?

Van gjp mocht ik dat in deze vraag namelijk niet zo tekenen.

In het werkboek 2.1 staat ook dat deze pijl causaal is:

Als een pijltje maar één pijlpunt heeft, heeft de ene variabele invloed op de andere variabele. Er wordt dan gesproken over een causaal verband.

in Inleiding Onderzoek (OIO, PB02x2; was Inleiding Data Analyse, IDA) door (3.7k punten)
bewerkt door

1 Antwoord

1 leuk 0 niet-leuks
 
Beste antwoord
Het ligt vrij ingewikkeld hoe het nu precies zit met de richting van pijltjes en structurele modellen en causaliteit. Maar zoals een student gisteren in de bijeenkomst al aangaf, staat het overal vrij consistent in de cursus (Een pijl die een richting op gaat = een causaal verband) en dat ik het onnodig ingewikkeld maakte.

Dus de conclusie is dat als je een causaal verband veronderstelt je de pijlen een richting op moet tekenen en in alle andere gevallen is het samenhang en moeten de pijlen naar beide kanten.

Echter waar jouw vraag over lijkt te gaan is of het voorspellen van de ene variabele uit de andere hetzelfde is als causaliteit. En het antwoord is, zoals vaak bij onderzoek het geval is: dat ligt er aan. De verwachting dat de ene variabele de ander kan voorspellen kan maar hoeft niet de veronderstelling te hebben dat er een causaal verband is. Maar dit verondersteld zo'n pijl wel, dus kunnen we er vanuit gaan dat dit hier het geval is.

In jouw voorbeeld had je gekeken naar correlatie niet regressie en bij correlatie is er altijd enkel sprake van samenhang nooit causaliteit. Maar om het gelijk weer ingewikkelder te maken hoeft er bij regressie-analyse ook geen sprake te zijn van causaliteit. Sterker nog, vaak kun je dit helemaal niet aantonen, omdat je causaliteit enkel hard kunt maken als je het juiste design gebruikt.
door (49.7k punten)
geselecteerd door
OK, dus het gaat vooral om je verwachting. Als ik dus temperatuur wil voorspellen uit het jaar, dan doe ik dat wel met een regressie-analyse, maar het is natuurlijk onzin om te veronderstellen dat de hoogte van "jaar" een causale invloed op de hoogte van "temperatuur" heeft. Ik denk dat ik het wel ongeveer begrijp dan.
...