Samenvatting Onderzoeksmethoden en dataverwerking deel 2: theorie KUL 2e BACH

Inhoud
Module 1................................................................................................................. 1
Module 2................................................................................................................. 6
Module 3............................................................................................................... 13
Module 4............................................................................................................... 21
Module 5............................................................................................................... 26
Module 6............................................................................................................... 31
Module 7............................................................................................................... 38
Module 8............................................................................................................... 44
Module 9............................................................................................................... 52
Module 10............................................................................................................. 63
Module 11............................................................................................................. 71
Module 12............................................................................................................. 76




Module 1
Power analyse

, Wanneer aan de orde ?
- Bij statistische significantie-toetsen
- null-hypothesis significance testing (NHST)
 H0 : geen effect
 HA : wel een effect (= meestal de theorie)

 H0 WEL significant verschil
- H0 verwerpen
- Onze theorie = juist!!

 H0 GEEN significant verschil
- H0 NIET verwerpen
 Geen effect/verschil
 Te weinig power
- H0 = waar
- Onze theorie = fout!!

 Central distributie
- Wanneer H0 waar is
- Geen significant verschil
- resultaat ligt rond 0
- Kan ook soms meer naar links of rechts
 therapie is beter dan of slechter dan
- 1 – Alfa
 gebied waar je H0 niet kan verwerpen


 Sampling distributie als H0 waar is (Δ=0):
- central distribution
- geen verschil

 Sampling distributie als H0 vals is ( Δ > 0):
- noncentral distribution
- wel een verschil

 non-centrality parameter NCP
- Afstand als er wel verschil in werkelijkheid is en als er geen verschil in werkelijkheid is


H0 = waar HO = vals
H0 verwerpen TYPE 1 alfa POWER 1 - bèta
H0 niet verwerpen 1 – alfa TYPE 2 bèta
betrouwbaarheidsinterval


 Type 1
- Alfa
- 0.05

, - kans dat we zeggen dat er een effect is, wanneer er in feite geen effect is
 Zeggen dat het gaat onweren, maar gebeurt niet
- theorie TEN ONRECHTE bevestigd wordt

 Type 2
- Bèta
- 0.2
- kans dat we zeggen dat er geen effect is, wanneer er in feite wel een effect is
 zeggen dat het niet gaat onweren, maar gebeurt wel
- theorie TEN ONRECHTE niet bevestigd
- erger dan type 1

 power
- 1 – bèta
- 0.8
- kans dat we zeggen dat er een effect is, wanneer er inderdaad een effect is
 zeggen dat het gaat onweren en dat gebeurt ook
- theorie CORRECT bevestigd

 Het betrouwbaarheidsinterval
- 1 – alfa
- 0.95
- kans dat we zeggen dat er geen effect is, wanneer er in feite geen effect is
 zeggen dat het niet gaat onweren en dat gebeurt ook niet
- theorie CORRECT niet bevestigd



 Sampling distributie als H0 waar is
 Sampling distributie als H0 vals is




Determinanten van Power

1. Effect size
2. Significantieniveau (alfa)
3. Eenzijdig  tweezijdig toetsen
4. Steekproefomvang en variatie
5. Andere factoren

Effect size (ES) Dubbele pijl = ES

 Geeft weer in welke mate een fenomeen/verschil bestaat Werkelijke effect in
 duidt belangrijkheid van significante bevinding aan populatie
Geeft weer hoe ver
beide pieken van
elkaar staan

,  geeft weer:
- omvang van verschil tussen groepen
 0 als H0 juist is
- omvang van associatie ( r )
- omvang van variantie van AV, verklaard door de OV ( r2 )

 ES = afstand tussen 2 curves H0 en HA
- verschil tussen waarde in de H0 en de waarde in de HA
- (klinisch) gewenste verschil
- Hoe verder H0 en HA van elkaar, hoe groter effect sizes

 verschil tussen P en ES
- p: geeft aan of een bevinding al dan niet significant is
- ES tracht betekenisvol verschil aan te duiden

als ES ↑, power (= 1 – β) ↑

 Wat gebeurt er als we de effect size vergroten
- Bèta verkleint (type 2 fout)
- 1 – bèta (power) vergroot
 Kan vaker een correct verschil aangetoond worden

Significantieniveau (alfa)

 Zeggen dat er een effect is wanneer dit er eigenlijk niet is
 kritische waarde verschuift naar links
- HIERDOOR:
 β kleiner
 1-β vergroter (meer power)

 vergroten van α-fout zorgt voor een grotere power
- niet altijd wenselijk

 als α↑, β daalt, power (= 1 – β) ↑

Eenzijdige en tweezijdige toetsen
 eenzijdig
- bij eenzelfde α: eenzijdige toetsen meer power
- significantieniveau α vergroot aan eenzijdige kant
- oranje curve aan 1 kant van blauwe plaatsen: directioneel
- Als α = 0.05:
 verwerpingsgebied ligt in één staart (one tailed)


 tweezijdig
- Alfa fout door 2 delen
 Weet niet waar fout ligt
Kan hoger of lager liggen
- Area word kleiner
- Beta word groter
- Power word kleiner