Les 7 : factoriële designs : p(265-294)
Bij experimentele onderzoeksstrategie : manipulatie en controle nodig
Binnen-subject design : steekproef kan kleiner zijn
Bij postest-only…-> geen manipulatie nodig of variabele constant houden -> we nemen al bestaande
groepen
P 283-284 niet kennen!
Stap 6
Inleiding
Tot nu toe : relatief eenvoudige designs
Maar meestal heeft een onderzoek een moeilijker design nodig
Burst of white noise afhankelijke variabele : aan de verliezer mochten ze dat toedienen
Meting van het agresisief gedrag ->
2 onafhankelijk variabelen :
Geslacht (2niveau’s)
Videospel (2niveaus)
Op basis hiervan 4 condities
Dit laat toe om na te gaan hoe agressief gedrag beïnvloed wordt door 2 variabelen die samen
optreden
Onafhankelijke variabelen worden een factor genoemd
Factorieel design (2-factor design)
Hangt af van hoeveel onafhankelijke variabelen er zijn (1->single-factor design)
Factorieel design omvat meerdere onafhankelijke variabelen
Laat ons toe om een meer complexe situatie te bestuderen waaar meerder onafh var een
invloed hebben op de afh variabele
Voordeel :
Heel flexibel
Het kan voor alle soorten van experimintele designs -> als alle onafh var gemanipuleerd
worden
Non en quasi experimenteel -> wanneer niet alle onafh var gemanipuleerd zijn
Meer realistisch dan 1 factor in isolatie te bestuderen : gedrag wordt meestal bepaald door
meerdere factoren tegelijk
2x2 design-> 2 factoren (=onafh var) met elk 2 nieveaus
Aantal condities = 4
Waarom geen 2 aparte studies waar telkens 1 van onafh var gemanipuleerd wordt
Factorieel design laat toe om na te gaan heo elke individuele factor het gedrag beïnvloedt
(=hoofdeffecten)
MAAR het laat ook toe om na te gaan hoe de factoren samen het gedrag beïnvloeden
(=interactie)
Hoofdeffecten en interacties
In het geval een een 2-factor design, bevattten de data 3 bronnen van informatie
Wat is het effect van factor A op de afh var?
Wat is het effect van factor B op de afh var?
, Wat is het effect van factroen A en B SAMEN op de afh var? -> interactie
Deze effecten zijn onafhankelijk en dus kunnen alle combinaties van hoofd-en interactie-
effecten voorkomen
Random toewijzing
1) Gemiddeldes berekenen
2) Marginale gemiddeldes berekenen
3) Tendens bepalen
Hoe kunnen we nu het gezamenlijk effect van modaliteit materiaal én controle over studietijd
op score examen nagaan? = interactie
Handboek verschillende perspectieven
Plot de data!
Grafiek zelf kunnen tekenen
Interactie : het effect van de ene factor hangt samen met de andere factor
Convergerend of kruisende lijnen
Lijnen op elkaar geen interactie + geen hoofdeffect (soms wel)
LET OP! De aanwezigheid van interactei kan de interpretatie van de hoofdeffecten vertekenen
Indien een statische analyse aangeeft dat er een significante interactie aanwezig is, kan je de
hoofdeffecten niet langer eenduidig interpreteren -> niet makkelijk meer interpeteren
Tweefactor non-experimenteel tussen-subject design
2 niveaus : education en non-education en veel of weinig tv
Convergerende lijnen : er is een interactie!
De 2 factoren zijn niet onafhankelijk -> ze zijn afhankelijk van elkaar
Waarom kun je ze niet gemakkelijk duiden : een hoofdeffect kan niet meer zo eenduidig
gemaakt worden
1. Hoofdeffect van factor A + geen hoofdeffect van B en geen interactie
Tendens van … !
2. Hoofdeffect van factor B + hoofdeffect van factor A + geen interactie
3. Geen hoofdeffect van A en van B, maar wel interactie
Vraag 1 : hoeveel onafhankelijk variabelen heeft een 2x2x2 factorieel design = 3 factoren -> factor A,
factor B, factor C -> elk 2 condities
Vraag 2 hoeveel condities : 2x3 -> 6 condities
Vraag 3 : tabel :
Types factoriële designs
1. Tussen-subject designs -> nadeel hiervan is dat je heel veel participanten nodig hebt
2. Binnen-subject designs -> nadeel hiervan is dat de participanten heel veel verschillende
condities moeten doorlopen -> mensen gaan misschien stoppen voordat het gedaan is
Combinatie hiervan : “mixed designs”
3. Experimentele onderzoeksstrategie
4. Non- of quasi-experimentele onderzoeksstrategie
Combinaties hiervan = gecombineerde strategieën -> sommige factoren gemanipuleerd
en anderen niet
Factorieel design laat toe om verschillende onderzoeksstrategieën en verschillene
onderzoeksdesigns te mengen
Zoe een brede range aan mogelijke onderzoeksvragen bestuderen
LET OP! : alle voor en nadelen van deze design blijven bestaan (bedreiging interne validiteit)
, Voorbeelden :
1. Mixed design : experimenteel mixed design
Alles is gemanipuleerd
Foto’s raten
Alle participanten krijgen zowel positieve als negatieve foto’s
Emoties afgevlakt
2. Gecombineerde strategie (tussen-subject design) -> ze spelen 1 van de 2
2 factoren met 2 niveaus
1 van de factoren is gemanipuleerd (mannen en vrouwen)
Niet experimenteel!
5. Pretest-potest equivalente controle groep design
Experimentele en controle groep worden eerst gemeten/ geobserveerd (O) experimentel
groep krijgt dan behandeling (X) en nadien worden beide groepen opnieuw gemeten of
geobserveerd
6. Hogere-orde factoriële designs
2x2x3 tussen-subject, gecombineerd factorieel (IQ-2 de en 3de bachelor -> gemanipuleerd)
design
Drie hoofdeffecten (A, B en C), drie 2-wegs interacties (AxB, AxC, BxC) en één 3-
wegsinteracties (AxBxC)
Toepassingen van factoriële designs :
Handboek 11.4
Factoriële designs geven ondezoekers een enorme flexibiliteit en vrijheid om studies te
construeren
Een voordeel hiervan is dat onderzoekers de beïnvloeding van 2 of meer variabelen en
interacties kunnen zien
Factoriële designs hebben een bijna oneindig bereik voor verschillende toepassingen
3 voorbeelden van hoe het toevoegen van een tweede factor ervoor zorgt dat er kan
geantwoord worden op een specifieke vraaag
Uitbreiden en repliceren van een vorige studie
Het opnieuw doen van een vorige studie
Zouden dezelfde effecten optreden als de behandelingen worden gedaan onder andere
condities?
Zou de behandeling veranderen als individuen met andere karakteristieken meedoen?
Voor de eerste vraag : heeft een tweede factor nodig
De andere vraag heeft dezelfde behandeling en verschillende types van participanten
Het verminderen van variantie in tussen-subject designs
Individuele verschillen zijn een serieus probleem voor tussen-subject designs
Het kan zorgen voor een grote variantie
Een grote variantie maakt het moeilijk om enig significant verschil te bewijzen tussen
behandelingscondities
Bij experimentele onderzoeksstrategie : manipulatie en controle nodig
Binnen-subject design : steekproef kan kleiner zijn
Bij postest-only…-> geen manipulatie nodig of variabele constant houden -> we nemen al bestaande
groepen
P 283-284 niet kennen!
Stap 6
Inleiding
Tot nu toe : relatief eenvoudige designs
Maar meestal heeft een onderzoek een moeilijker design nodig
Burst of white noise afhankelijke variabele : aan de verliezer mochten ze dat toedienen
Meting van het agresisief gedrag ->
2 onafhankelijk variabelen :
Geslacht (2niveau’s)
Videospel (2niveaus)
Op basis hiervan 4 condities
Dit laat toe om na te gaan hoe agressief gedrag beïnvloed wordt door 2 variabelen die samen
optreden
Onafhankelijke variabelen worden een factor genoemd
Factorieel design (2-factor design)
Hangt af van hoeveel onafhankelijke variabelen er zijn (1->single-factor design)
Factorieel design omvat meerdere onafhankelijke variabelen
Laat ons toe om een meer complexe situatie te bestuderen waaar meerder onafh var een
invloed hebben op de afh variabele
Voordeel :
Heel flexibel
Het kan voor alle soorten van experimintele designs -> als alle onafh var gemanipuleerd
worden
Non en quasi experimenteel -> wanneer niet alle onafh var gemanipuleerd zijn
Meer realistisch dan 1 factor in isolatie te bestuderen : gedrag wordt meestal bepaald door
meerdere factoren tegelijk
2x2 design-> 2 factoren (=onafh var) met elk 2 nieveaus
Aantal condities = 4
Waarom geen 2 aparte studies waar telkens 1 van onafh var gemanipuleerd wordt
Factorieel design laat toe om na te gaan heo elke individuele factor het gedrag beïnvloedt
(=hoofdeffecten)
MAAR het laat ook toe om na te gaan hoe de factoren samen het gedrag beïnvloeden
(=interactie)
Hoofdeffecten en interacties
In het geval een een 2-factor design, bevattten de data 3 bronnen van informatie
Wat is het effect van factor A op de afh var?
Wat is het effect van factor B op de afh var?
, Wat is het effect van factroen A en B SAMEN op de afh var? -> interactie
Deze effecten zijn onafhankelijk en dus kunnen alle combinaties van hoofd-en interactie-
effecten voorkomen
Random toewijzing
1) Gemiddeldes berekenen
2) Marginale gemiddeldes berekenen
3) Tendens bepalen
Hoe kunnen we nu het gezamenlijk effect van modaliteit materiaal én controle over studietijd
op score examen nagaan? = interactie
Handboek verschillende perspectieven
Plot de data!
Grafiek zelf kunnen tekenen
Interactie : het effect van de ene factor hangt samen met de andere factor
Convergerend of kruisende lijnen
Lijnen op elkaar geen interactie + geen hoofdeffect (soms wel)
LET OP! De aanwezigheid van interactei kan de interpretatie van de hoofdeffecten vertekenen
Indien een statische analyse aangeeft dat er een significante interactie aanwezig is, kan je de
hoofdeffecten niet langer eenduidig interpreteren -> niet makkelijk meer interpeteren
Tweefactor non-experimenteel tussen-subject design
2 niveaus : education en non-education en veel of weinig tv
Convergerende lijnen : er is een interactie!
De 2 factoren zijn niet onafhankelijk -> ze zijn afhankelijk van elkaar
Waarom kun je ze niet gemakkelijk duiden : een hoofdeffect kan niet meer zo eenduidig
gemaakt worden
1. Hoofdeffect van factor A + geen hoofdeffect van B en geen interactie
Tendens van … !
2. Hoofdeffect van factor B + hoofdeffect van factor A + geen interactie
3. Geen hoofdeffect van A en van B, maar wel interactie
Vraag 1 : hoeveel onafhankelijk variabelen heeft een 2x2x2 factorieel design = 3 factoren -> factor A,
factor B, factor C -> elk 2 condities
Vraag 2 hoeveel condities : 2x3 -> 6 condities
Vraag 3 : tabel :
Types factoriële designs
1. Tussen-subject designs -> nadeel hiervan is dat je heel veel participanten nodig hebt
2. Binnen-subject designs -> nadeel hiervan is dat de participanten heel veel verschillende
condities moeten doorlopen -> mensen gaan misschien stoppen voordat het gedaan is
Combinatie hiervan : “mixed designs”
3. Experimentele onderzoeksstrategie
4. Non- of quasi-experimentele onderzoeksstrategie
Combinaties hiervan = gecombineerde strategieën -> sommige factoren gemanipuleerd
en anderen niet
Factorieel design laat toe om verschillende onderzoeksstrategieën en verschillene
onderzoeksdesigns te mengen
Zoe een brede range aan mogelijke onderzoeksvragen bestuderen
LET OP! : alle voor en nadelen van deze design blijven bestaan (bedreiging interne validiteit)
, Voorbeelden :
1. Mixed design : experimenteel mixed design
Alles is gemanipuleerd
Foto’s raten
Alle participanten krijgen zowel positieve als negatieve foto’s
Emoties afgevlakt
2. Gecombineerde strategie (tussen-subject design) -> ze spelen 1 van de 2
2 factoren met 2 niveaus
1 van de factoren is gemanipuleerd (mannen en vrouwen)
Niet experimenteel!
5. Pretest-potest equivalente controle groep design
Experimentele en controle groep worden eerst gemeten/ geobserveerd (O) experimentel
groep krijgt dan behandeling (X) en nadien worden beide groepen opnieuw gemeten of
geobserveerd
6. Hogere-orde factoriële designs
2x2x3 tussen-subject, gecombineerd factorieel (IQ-2 de en 3de bachelor -> gemanipuleerd)
design
Drie hoofdeffecten (A, B en C), drie 2-wegs interacties (AxB, AxC, BxC) en één 3-
wegsinteracties (AxBxC)
Toepassingen van factoriële designs :
Handboek 11.4
Factoriële designs geven ondezoekers een enorme flexibiliteit en vrijheid om studies te
construeren
Een voordeel hiervan is dat onderzoekers de beïnvloeding van 2 of meer variabelen en
interacties kunnen zien
Factoriële designs hebben een bijna oneindig bereik voor verschillende toepassingen
3 voorbeelden van hoe het toevoegen van een tweede factor ervoor zorgt dat er kan
geantwoord worden op een specifieke vraaag
Uitbreiden en repliceren van een vorige studie
Het opnieuw doen van een vorige studie
Zouden dezelfde effecten optreden als de behandelingen worden gedaan onder andere
condities?
Zou de behandeling veranderen als individuen met andere karakteristieken meedoen?
Voor de eerste vraag : heeft een tweede factor nodig
De andere vraag heeft dezelfde behandeling en verschillende types van participanten
Het verminderen van variantie in tussen-subject designs
Individuele verschillen zijn een serieus probleem voor tussen-subject designs
Het kan zorgen voor een grote variantie
Een grote variantie maakt het moeilijk om enig significant verschil te bewijzen tussen
behandelingscondities
