Toegepaste Methoden en Statistiek
Hoorcollege 1
Padanalyse:
Het doel van een padmodel is om theorieën te vangen in een formele vorm, het
“paddiagram”, om daarna te kunnen onderzoeken of de veronderstelde theorie
overeenkomt met geobserveerde correlaties in de werkelijkheid. Het handige
hiervan is dat we kunnen testen of het model daadwerkelijk overeenkomt met de
correlaties die we hebben gevonden.
Basiselementen van een padmodel:
- Variabelen
- Relaties tussen variabelen
o Covariatie (correlatie)
o Causale effecten.
- Soorten relaties/effecten
o Direct
o Indirect
o Onbekend
o Schijnrelaties (spurious)
o Wederkerige effecten (reciprocal)
o Conditionele effecten
Variabelen:
- Variabelen zijn eigenschappen van onderzoekseenheden (zoals personen,
echtparen, scholen…) waar je in geïnteresseerd bent.
- Er moet variatie zijn in de eigenschap over de eenheden. Als er geen
variatie is in de eigenschap over de eenheden is het geen variabele maar
een constante.
o Bij psychologie studenten is student/geen student een constante.
- Veelvoorkomende fouten:
o Verwarring van de waarden van de variabele met de variabele zelf:
bijvoorbeeld ‘rijk’ en ‘arm’ zijn twee waarden van dezelfde variabele
‘inkomen’ niet apart in het padmodel opnemen.
o Verwarring van een proces of theorie met een variabele:
bijvoorbeeld: attribution theory, math-related career choice proces.
Relaties
- Een uitspraak waarin:
o Twee variabelen voorkomen.
o Waarden van de ene variabele samengaan met die van de andere.
- Twee soorten uitspraken:
1. Covariatie-uitspraak: A leidt niet tot B of andersom. Als B bijvoorbeeld
omhooggaat dan gaat A ook omhoog, maar ze veroorzaken elkaar niet.
2. Causale uitspraak: A leidt tot B. Wees altijd heel voorzichtig met het
concluderen dat iets causaal is.
,Causale relatie betekent dat de ene variabele leidt tot verandering in de andere.
Als je de onafhankelijke verandert dan verandert daardoor ook de afhankelijke.
Bijvoorbeeld: opletten leidt tot kennis. Woorden waaraan je causale relatie kunt
herkennen: leidt tot, veroorzaakt, produceren, voortbrengen, beïnvloeden.
Schijnrelaties (spurious relations): Wanneer er een basisvariabele (x) is en
die heeft invloed op Y1 en Y2. Twee pijltjes vanuit X naar de variabelen. Dan is
het heel aantrekkelijk om te denken dat er een oorzakelijke relatie is tussen Y1
en Y2 maar dat is niet want ze worden beiden beïnvloed door X.
(Causale uitspraak 1) chocolate causes happiness en (Causale uitspraak 2)
chocolate causes longevity
Daardoor ook: (covariatie uitspraak) gelukkige mensen leven langer.
Algemeen:
(Uitspraak 1) “Variabele X veroorzaakt y1”
(Uitspraak 2) “Variabele X veroorzaakt y2”
Covariatie uitspraak: y1 hangt samen met y2 (maar
eigenlijk worden ze beiden veroorzaakt door X).
Het is een makkelijke aanname om een causale
relatie te zien tussen y1 en y2 terwijl dat er niet is.
Voorbeeld: aantal ijsjes dat verkocht wordt op een dag aan de kust, als er
meer ijsjes worden verkocht gaat het samen met meer verdrinking. Dus
door ijsjes te eten heb je meer kans op verdrinking, dit is een schijnrelatie
want meer ijsjes en verdrinking worden beide veroorzaakt door het warme
weer.
Directe en indirecte effecten
(C1) “Feeling blue leads to neglecting self-
care”
(C2) “Neglecting self-care leads to bad
health”
Valence of emotion:
- Direct effect op self-care
- Indirect effect op health (via mediator self-care). Het effect gaat via een
andere variabele.
Direct effect: A leidt direct tot B. bijvoorbeeld koffie kan direct een invloed
hebben op hoe alert ik me voel. Er zit verder niks tussen, koffie leidt tot alertheid.
Indirect effect: Koffie leidt tot alertheid en dit heeft invloed op de hoeveelheid
auto-ongelukken. Er is wel een effect tussen koffie en auto-ongelukken maar er
zit nog een blokje tussen.
Onbekende effecten: Variabele X heeft een direct effect op
Y2. Er is ook een pijl tussen X en Y1. Ze hangen dus wel
samen maar we weten niet welke kant deze relatie op gaat.
We weten niet of Y1 leidt tot X of X leidt tot Y1.
,Soms doen we geen uitspraak over de richting van een effect. We nemen dan
gewoon de correlatie op in het padmodel met een dubbele pijl (dubbele pijl =
correlatie). Dit is een onbekend effect.
- Pijl rond of recht maakt niks uit, het gaat erom of je een
dubbele pijl hebt.
- Onbekende effecten zijn er eigenlijk altijd, het is dus
ook belangrijk om ze altijd aan je model toe te voegen.
- Pijltjes naar beide kanten = onbekend effect!
Wederkerige effecten (reciprocal effects)
(C1) “Health causes happiness” (C2):
“Happiness causes health”
Algemeen:
- Uitspraak 1: variabele y1 veroorzaakt
y2.
- Uitspraak 2: variabele y2 veroorzaakt
y2.
Als we gezond zijn voelen we ons gelukkiger, en als we gelukkiger zijn dan zijn
we ook gezonder want minder stress bijvoorbeeld. X heeft dus invloed op Y maar
Y ook op X.
Let op:
- Twee directe effecten, niet één dubbele pijl.
- Wederkerig effect wordt niet expliciet genoemd in de tekst.
- Een pijl met twee pijlhoofden kan niet want dan is het een onbekend
effect.
Twee pijltjes = wederkerig effect.
Conditionele effecten
Soms beïnvloedt variabele niet (alleen) een
andere variabele, maar (ook) een effect. Als we
een effect hebben van x of y zou het kunnen dat
het niet voor iedereen even sterk is, niet voor
iedereen bestaat. Het effect hangt af van een
moderator. Het kan een relatie die bestaat
versterken of verzwakken. Het heeft niet echt invloed op een variabele maar
meer invloed op een effect tussen twee variabelen. De variabele die invloed heeft
op een effect heet de moderator.
Bijvoorbeeld: (C1) “Negative emotion leads to self-neglect, unless the person is in
a relationship”
Als je een relatie hebt is er altijd wel iemand in de buurt die, ondanks dat jij je
slecht voelt, zorgt dat je beweegt, goed
eet en je medicijnen neemt. Dit heeft
effect op self-care en health.
, Schijnrelatie is als enige géén causatie.
Hoorcollege 2
Hoorcollege 1
Padanalyse:
Het doel van een padmodel is om theorieën te vangen in een formele vorm, het
“paddiagram”, om daarna te kunnen onderzoeken of de veronderstelde theorie
overeenkomt met geobserveerde correlaties in de werkelijkheid. Het handige
hiervan is dat we kunnen testen of het model daadwerkelijk overeenkomt met de
correlaties die we hebben gevonden.
Basiselementen van een padmodel:
- Variabelen
- Relaties tussen variabelen
o Covariatie (correlatie)
o Causale effecten.
- Soorten relaties/effecten
o Direct
o Indirect
o Onbekend
o Schijnrelaties (spurious)
o Wederkerige effecten (reciprocal)
o Conditionele effecten
Variabelen:
- Variabelen zijn eigenschappen van onderzoekseenheden (zoals personen,
echtparen, scholen…) waar je in geïnteresseerd bent.
- Er moet variatie zijn in de eigenschap over de eenheden. Als er geen
variatie is in de eigenschap over de eenheden is het geen variabele maar
een constante.
o Bij psychologie studenten is student/geen student een constante.
- Veelvoorkomende fouten:
o Verwarring van de waarden van de variabele met de variabele zelf:
bijvoorbeeld ‘rijk’ en ‘arm’ zijn twee waarden van dezelfde variabele
‘inkomen’ niet apart in het padmodel opnemen.
o Verwarring van een proces of theorie met een variabele:
bijvoorbeeld: attribution theory, math-related career choice proces.
Relaties
- Een uitspraak waarin:
o Twee variabelen voorkomen.
o Waarden van de ene variabele samengaan met die van de andere.
- Twee soorten uitspraken:
1. Covariatie-uitspraak: A leidt niet tot B of andersom. Als B bijvoorbeeld
omhooggaat dan gaat A ook omhoog, maar ze veroorzaken elkaar niet.
2. Causale uitspraak: A leidt tot B. Wees altijd heel voorzichtig met het
concluderen dat iets causaal is.
,Causale relatie betekent dat de ene variabele leidt tot verandering in de andere.
Als je de onafhankelijke verandert dan verandert daardoor ook de afhankelijke.
Bijvoorbeeld: opletten leidt tot kennis. Woorden waaraan je causale relatie kunt
herkennen: leidt tot, veroorzaakt, produceren, voortbrengen, beïnvloeden.
Schijnrelaties (spurious relations): Wanneer er een basisvariabele (x) is en
die heeft invloed op Y1 en Y2. Twee pijltjes vanuit X naar de variabelen. Dan is
het heel aantrekkelijk om te denken dat er een oorzakelijke relatie is tussen Y1
en Y2 maar dat is niet want ze worden beiden beïnvloed door X.
(Causale uitspraak 1) chocolate causes happiness en (Causale uitspraak 2)
chocolate causes longevity
Daardoor ook: (covariatie uitspraak) gelukkige mensen leven langer.
Algemeen:
(Uitspraak 1) “Variabele X veroorzaakt y1”
(Uitspraak 2) “Variabele X veroorzaakt y2”
Covariatie uitspraak: y1 hangt samen met y2 (maar
eigenlijk worden ze beiden veroorzaakt door X).
Het is een makkelijke aanname om een causale
relatie te zien tussen y1 en y2 terwijl dat er niet is.
Voorbeeld: aantal ijsjes dat verkocht wordt op een dag aan de kust, als er
meer ijsjes worden verkocht gaat het samen met meer verdrinking. Dus
door ijsjes te eten heb je meer kans op verdrinking, dit is een schijnrelatie
want meer ijsjes en verdrinking worden beide veroorzaakt door het warme
weer.
Directe en indirecte effecten
(C1) “Feeling blue leads to neglecting self-
care”
(C2) “Neglecting self-care leads to bad
health”
Valence of emotion:
- Direct effect op self-care
- Indirect effect op health (via mediator self-care). Het effect gaat via een
andere variabele.
Direct effect: A leidt direct tot B. bijvoorbeeld koffie kan direct een invloed
hebben op hoe alert ik me voel. Er zit verder niks tussen, koffie leidt tot alertheid.
Indirect effect: Koffie leidt tot alertheid en dit heeft invloed op de hoeveelheid
auto-ongelukken. Er is wel een effect tussen koffie en auto-ongelukken maar er
zit nog een blokje tussen.
Onbekende effecten: Variabele X heeft een direct effect op
Y2. Er is ook een pijl tussen X en Y1. Ze hangen dus wel
samen maar we weten niet welke kant deze relatie op gaat.
We weten niet of Y1 leidt tot X of X leidt tot Y1.
,Soms doen we geen uitspraak over de richting van een effect. We nemen dan
gewoon de correlatie op in het padmodel met een dubbele pijl (dubbele pijl =
correlatie). Dit is een onbekend effect.
- Pijl rond of recht maakt niks uit, het gaat erom of je een
dubbele pijl hebt.
- Onbekende effecten zijn er eigenlijk altijd, het is dus
ook belangrijk om ze altijd aan je model toe te voegen.
- Pijltjes naar beide kanten = onbekend effect!
Wederkerige effecten (reciprocal effects)
(C1) “Health causes happiness” (C2):
“Happiness causes health”
Algemeen:
- Uitspraak 1: variabele y1 veroorzaakt
y2.
- Uitspraak 2: variabele y2 veroorzaakt
y2.
Als we gezond zijn voelen we ons gelukkiger, en als we gelukkiger zijn dan zijn
we ook gezonder want minder stress bijvoorbeeld. X heeft dus invloed op Y maar
Y ook op X.
Let op:
- Twee directe effecten, niet één dubbele pijl.
- Wederkerig effect wordt niet expliciet genoemd in de tekst.
- Een pijl met twee pijlhoofden kan niet want dan is het een onbekend
effect.
Twee pijltjes = wederkerig effect.
Conditionele effecten
Soms beïnvloedt variabele niet (alleen) een
andere variabele, maar (ook) een effect. Als we
een effect hebben van x of y zou het kunnen dat
het niet voor iedereen even sterk is, niet voor
iedereen bestaat. Het effect hangt af van een
moderator. Het kan een relatie die bestaat
versterken of verzwakken. Het heeft niet echt invloed op een variabele maar
meer invloed op een effect tussen twee variabelen. De variabele die invloed heeft
op een effect heet de moderator.
Bijvoorbeeld: (C1) “Negative emotion leads to self-neglect, unless the person is in
a relationship”
Als je een relatie hebt is er altijd wel iemand in de buurt die, ondanks dat jij je
slecht voelt, zorgt dat je beweegt, goed
eet en je medicijnen neemt. Dit heeft
effect op self-care en health.
, Schijnrelatie is als enige géén causatie.
Hoorcollege 2
