Uitwerkingen hoorcolleges MTO-C
Technieken voor Causale Analyse
Hoorcollege 1: Introductie en ANOVA
De centrale vraag in deze cursus is: “Waarom is er varia(n)tie in de scores van afhankelijke
variabele(n) van een onderzoek?”
Antwoord:
1. Systematisch gemeten verschillen tussen groepen.
Systematische invloeden van andere variabelen die we hebben gemeten
2. Systematische en toevallige niet-gemeten verschillen tussen groepen.
Systematische invloeden van niet-gemeten variabelen en toevallige invloeden→ ERROR
In deze cursus gebruiken we nummer 1: afhankelijke variabelen worden beïnvloed door systematisch
gemeten invloeden.
De SPSS matrix bestaat uit:
- Rijen- respondenten
- Kolommen- variabelen
Dus de centrale vraag is dus waarom de scores van variabelen in de kolommen variëren (scores op
variabele, afhankelijke variabelen).
Er zijn 4 technieken die antwoord kunnen geven op deze vraag:
A. One-way Between-Subjects Analysis of Variance (ANOVA)
B. Bivariate en Multipele Regressie-Analyse
C. Padanalyse
D. Logistische Regressie-Analyse
Deze technieken verschillen wat betreft:
1. Het meetniveau van de afhankelijke variabele die je ermee kunt analyseren
2. Het meetniveau van onafhankelijke variabele die je kunt opnemen ter verklaring of
voorspelling
3. De complexiteit van verbanden (theorie) die je ermee kunt onderzoeken.
Er zijn 4 meetniveaus: nominaal, ordinaal, interval en ratio.
In onderstaand tabel zie je de verschillende technieken staan. Zo kan je zien dat variantieanalyse
alleen eenvoudige hypothesen kan testen (complexiteit). In deze cursus wordt geen afhankelijke
variabele op ordinaal meetniveau behandelt.
Kwantitatief= interval/ratio
Kwalitatief= nominaal
1
,Van interval of ratio variabelen kan je een gemiddelde berekenen en zijn dus continue variabelen (→
variantieanalyse en groepsgemiddelde).
In de variantieanalyse is de onafhankelijke variabele nominaal. De padanalyse is een uitbreiding van
de multipele regressie. De logische regressie is een uitbreiding van de normale regressieanalyse.
Complexiteit van verbanden
➢ One-Way Between-Subjects Analysis of Variance
= 1 weg variantie analyse.
In dit conceptueel model is er een 1-richtingspijl. Dus een causaal verband. Team is nominaal
en van Organizational Commitment kan je een gemiddelde berekenen.
Bij ANOVA kan je dit soort simpele modellen onderzoeken en meer ook niet.
➢ Bivariate regressieanalyse
Bij bivariate regressieanalyse kan je hetzelfde doen als ANOVA: slechts 2 variabelen (waarvan
1 onafhankelijke variabele).
➢ Multipele regressieanalyse
De afhankelijke variabele in dit conceptueel model is Organizational Commitment. Deze
wordt indirect voorspelt door team (nominaal) en salaris die iemand heeft. De relatie tussen
salaris en Organizational Commitment is een geconditioneerd effect. Het is conditioneel
2
, omdat het afhankelijk is van geslacht (moderatie effect/interactie effect). Verbanden met
moderatie/interactie kan je door middel van multipele regressieanalyse onderzoeken.
➢ Padanalyse
In dit conceptueel model zijn er meerdere afhankelijke variabelen. Nu is niet alleen
Organizational Commitment een onafhankelijke variabele, maar ook salaris. In zulke gevallen
wordt gebruik gemaakt van Padanalyse. Bij Padanalyse speelt het mediatie effect een rol.
➢ Bivariate logistische regressieanalyse
Bij bivariate logistische regressieanalyse is er een afhankelijke variabele die maar uit 2
categorieën bestaat. Dit kan je zo omrekenen naar kansen.
➢ Multipele logistische regressieanalyse
In multipele logistische regressieanalyse onderzoek je complexere verbanden. Directe en
moderate effecten. (2-zijdige peilen → correlatie, geeft geen richting aan).
Herhaling: hypothese toetsen
Je doel is om te leren over een populatie. Je wilt over een populatie conclusies trekken. Daarvoor
moet je een steekproef nemen uit de populatie. In kwantitatief onderzoek maken we daarbij gebruik
van random sampling.
Voorbeeld: mannen en vrouwen vergelijken in mate van tolerantie. Je neemt aan dat er in de gehele
bevolking van Nederland (populatie) geen verschil in gemiddelde in tolerantie is tussen mannen en
vrouwen.
- Steekproef 1: mannen en vrouwen vergelijken in variantie, resultaat: 0.032
- Steekproef 2: mannen en vrouwen vergelijken in variantie, resultaat: 0.00017
Dit kunnen we blijven doen en uiteindelijk vinden we een normale verdeling. (steeds vind je een
beetje of wat groter verschil). In de staart van de verdeling zitten de grote gevonden verschillen
tussen mannen en vrouwen.
- Steekproef 3: mannen en vrouwen vergelijken in variantie, resultaat: 5.27
Dit resultaat is erg uitzonderlijk voor deze populatie. Deze bevinding ligt in de staart van de verdeling
(verassend resultaat).
3
, Door middel van de test-statistics kan je zien of je resultaat in normale of uitzonderlijke gebied ligt.
Analysis of Variance (ANOVA) → Logica
ANOVA is hetzelfde als 1 weg variantieanalyse (one-way between-subjects analysis of variance). Het
gaat over een verband waarbij de onafhankelijke variabele een nominaal meetniveau heeft en de
afhankelijke variabele een continu meetniveau (daarvan kunnen we het zinvolle gemiddelde
uitrekenen).
Inhoudelijke hypothese: de mate van organizational commitment (Y) is afhankelijke van het team
waarin iemand werkt (X).
Als de hypothese juist is, wat zou je dan moeten vinden met betrekking tot gemiddeld commitment
tussen de teams? Teams zullen verschillende gemiddelde scores hebben. ANOVA test of deze
verschillen tussen groepen significant verschillen.
Stel we hebben data verzameld met meting van organizational commitment bij 3 teams, 2 scenatio’s
wat betreft de data:
Scenario 1 en scenario 2 hebben dezelfde gemiddelde scores, maar de varianties verschillen.
Vraag: bij welk van beide data-scenario zou je eerder concluderen dat er een verband bestaat tussen
het team waarin men werkt en organizational commitment? En waarom? (Bij welk scenario zie je de
duidelijkste verschillen tussen teams?)
Antwoord: in scenario 2. Bij scenario 1 is de spreiding veel groter binnen de groepen dan in scenario
2. Binnen de groepen wordt bij lagere variantie dus weinig beïnvloed door andere variabelen. Zijn er
4
Technieken voor Causale Analyse
Hoorcollege 1: Introductie en ANOVA
De centrale vraag in deze cursus is: “Waarom is er varia(n)tie in de scores van afhankelijke
variabele(n) van een onderzoek?”
Antwoord:
1. Systematisch gemeten verschillen tussen groepen.
Systematische invloeden van andere variabelen die we hebben gemeten
2. Systematische en toevallige niet-gemeten verschillen tussen groepen.
Systematische invloeden van niet-gemeten variabelen en toevallige invloeden→ ERROR
In deze cursus gebruiken we nummer 1: afhankelijke variabelen worden beïnvloed door systematisch
gemeten invloeden.
De SPSS matrix bestaat uit:
- Rijen- respondenten
- Kolommen- variabelen
Dus de centrale vraag is dus waarom de scores van variabelen in de kolommen variëren (scores op
variabele, afhankelijke variabelen).
Er zijn 4 technieken die antwoord kunnen geven op deze vraag:
A. One-way Between-Subjects Analysis of Variance (ANOVA)
B. Bivariate en Multipele Regressie-Analyse
C. Padanalyse
D. Logistische Regressie-Analyse
Deze technieken verschillen wat betreft:
1. Het meetniveau van de afhankelijke variabele die je ermee kunt analyseren
2. Het meetniveau van onafhankelijke variabele die je kunt opnemen ter verklaring of
voorspelling
3. De complexiteit van verbanden (theorie) die je ermee kunt onderzoeken.
Er zijn 4 meetniveaus: nominaal, ordinaal, interval en ratio.
In onderstaand tabel zie je de verschillende technieken staan. Zo kan je zien dat variantieanalyse
alleen eenvoudige hypothesen kan testen (complexiteit). In deze cursus wordt geen afhankelijke
variabele op ordinaal meetniveau behandelt.
Kwantitatief= interval/ratio
Kwalitatief= nominaal
1
,Van interval of ratio variabelen kan je een gemiddelde berekenen en zijn dus continue variabelen (→
variantieanalyse en groepsgemiddelde).
In de variantieanalyse is de onafhankelijke variabele nominaal. De padanalyse is een uitbreiding van
de multipele regressie. De logische regressie is een uitbreiding van de normale regressieanalyse.
Complexiteit van verbanden
➢ One-Way Between-Subjects Analysis of Variance
= 1 weg variantie analyse.
In dit conceptueel model is er een 1-richtingspijl. Dus een causaal verband. Team is nominaal
en van Organizational Commitment kan je een gemiddelde berekenen.
Bij ANOVA kan je dit soort simpele modellen onderzoeken en meer ook niet.
➢ Bivariate regressieanalyse
Bij bivariate regressieanalyse kan je hetzelfde doen als ANOVA: slechts 2 variabelen (waarvan
1 onafhankelijke variabele).
➢ Multipele regressieanalyse
De afhankelijke variabele in dit conceptueel model is Organizational Commitment. Deze
wordt indirect voorspelt door team (nominaal) en salaris die iemand heeft. De relatie tussen
salaris en Organizational Commitment is een geconditioneerd effect. Het is conditioneel
2
, omdat het afhankelijk is van geslacht (moderatie effect/interactie effect). Verbanden met
moderatie/interactie kan je door middel van multipele regressieanalyse onderzoeken.
➢ Padanalyse
In dit conceptueel model zijn er meerdere afhankelijke variabelen. Nu is niet alleen
Organizational Commitment een onafhankelijke variabele, maar ook salaris. In zulke gevallen
wordt gebruik gemaakt van Padanalyse. Bij Padanalyse speelt het mediatie effect een rol.
➢ Bivariate logistische regressieanalyse
Bij bivariate logistische regressieanalyse is er een afhankelijke variabele die maar uit 2
categorieën bestaat. Dit kan je zo omrekenen naar kansen.
➢ Multipele logistische regressieanalyse
In multipele logistische regressieanalyse onderzoek je complexere verbanden. Directe en
moderate effecten. (2-zijdige peilen → correlatie, geeft geen richting aan).
Herhaling: hypothese toetsen
Je doel is om te leren over een populatie. Je wilt over een populatie conclusies trekken. Daarvoor
moet je een steekproef nemen uit de populatie. In kwantitatief onderzoek maken we daarbij gebruik
van random sampling.
Voorbeeld: mannen en vrouwen vergelijken in mate van tolerantie. Je neemt aan dat er in de gehele
bevolking van Nederland (populatie) geen verschil in gemiddelde in tolerantie is tussen mannen en
vrouwen.
- Steekproef 1: mannen en vrouwen vergelijken in variantie, resultaat: 0.032
- Steekproef 2: mannen en vrouwen vergelijken in variantie, resultaat: 0.00017
Dit kunnen we blijven doen en uiteindelijk vinden we een normale verdeling. (steeds vind je een
beetje of wat groter verschil). In de staart van de verdeling zitten de grote gevonden verschillen
tussen mannen en vrouwen.
- Steekproef 3: mannen en vrouwen vergelijken in variantie, resultaat: 5.27
Dit resultaat is erg uitzonderlijk voor deze populatie. Deze bevinding ligt in de staart van de verdeling
(verassend resultaat).
3
, Door middel van de test-statistics kan je zien of je resultaat in normale of uitzonderlijke gebied ligt.
Analysis of Variance (ANOVA) → Logica
ANOVA is hetzelfde als 1 weg variantieanalyse (one-way between-subjects analysis of variance). Het
gaat over een verband waarbij de onafhankelijke variabele een nominaal meetniveau heeft en de
afhankelijke variabele een continu meetniveau (daarvan kunnen we het zinvolle gemiddelde
uitrekenen).
Inhoudelijke hypothese: de mate van organizational commitment (Y) is afhankelijke van het team
waarin iemand werkt (X).
Als de hypothese juist is, wat zou je dan moeten vinden met betrekking tot gemiddeld commitment
tussen de teams? Teams zullen verschillende gemiddelde scores hebben. ANOVA test of deze
verschillen tussen groepen significant verschillen.
Stel we hebben data verzameld met meting van organizational commitment bij 3 teams, 2 scenatio’s
wat betreft de data:
Scenario 1 en scenario 2 hebben dezelfde gemiddelde scores, maar de varianties verschillen.
Vraag: bij welk van beide data-scenario zou je eerder concluderen dat er een verband bestaat tussen
het team waarin men werkt en organizational commitment? En waarom? (Bij welk scenario zie je de
duidelijkste verschillen tussen teams?)
Antwoord: in scenario 2. Bij scenario 1 is de spreiding veel groter binnen de groepen dan in scenario
2. Binnen de groepen wordt bij lagere variantie dus weinig beïnvloed door andere variabelen. Zijn er
4
