College aantekeningen Experimenteel en Correlationeel Onderzoek - Cijfer: 9.6

Hoorcollege - Week 1 | Correlaties en Maten voor Effectgrootte

Correlatie is geen causaal verband

Correlatie: is er een samenhang tussen 2 variabelen (welke veroorzaakt de ene)

Causaliteit: is er een effect?
Wat is er nodig:
1. Covariantie: variabelen moeten samenhangen
2. Directionaliteit: oorzaak gaat vooraf aan gevolg (in de tijd)
3. Interne validiteit: alternatieve verklaringen uitgesloten

1 & 2 zijn ook bij correlatie.
Correlationeel onderzoek: er is een verband, associatie etc.

Scatterplots:

Als we kunnen nadenken over een
correlationeel verband  Pearson
correlatie




Covariantie:

Hoe een score van een
participant afwijkt van een
bepaald gemiddelde.

Meeteenheid veranderd 
covariantie veranderd ook
 lastig om sterkte te
interpreteren. Je wilt niet
worden beïnvloedt door de
arbitraire invloeden 
hierom Pearson correlatie.

Onderste formule: z:
gestandaardiseerde score

,1. Als er geen lineair verband is  kan je beter geen pearson r gebruiken  er is dan geen
samenhang.
2. Uitbijters kunnen een evenredig groot effect hebben op de sterkte van de correlatie 
data plotten mét en zonder uitbijters  dit grote verschil rapporteren. Wel altijd aangeven
waarom je uitbijters eruit haalt
3. Heb je heterogene groepen  sprake van verschillende groepen  bijv. categorische
variabelen  verband x en y anders in ene dan in ander
4. Meten van de variabelen op een beperkte range van mogelijke scores  kan een
vertekend beeld geven.

Z-scores berekenen 




Dichotoom: variabelen met 2
uitkomsten, vaak nominaal
(voor/tegen, geslaagd/gezakt)

,Eerst rangscores  dan gewoon z-formule om de correlatie te berekenen

Spearman = Pearson correlatie met rangscores op de data

Rangscores berekenen  kan er daardoor meer lineair uitzien

Spearman  iets ordenen  zelfde gemiddelde en zelfde sd voor x en y

Spearman is iets lager dan Pearon  iets minder power



Richting is hier anders: ook een plus
of min-teken: hangt af van welke
groep we wat hebben toegekend.
Ene is 0, andere is 1  heeft invloed
op het teken van de correlatie

Dichotoom en kwantitatieve
variabele  t-toets  heeft een
samenhang voor onafhankelijke
steekproeven (independent sample-
t-test)

Ziet er heel anders uit 
komt puur door de 2
condities die we hebben.
Niks met positieve of
negatieve samenhang

X heeft alleen maar 0 of 1
 als je dat gaat berekenen
 zie je terugkomen in de z
score

Groep met hoogste
gemiddele scores  met 1
coderen  hierdoor positief of negatief (alleen invloed op – of +, niet op sterkte)

, Als er samenhang is 
bepaalde combinaties
moeten vaker voorkomen




Let op de wortel trekken onder de
streep!