Hoorcollege 1 – Introductie en basiselementen van padanalyse
Hoe onderzoeken we of er (mogelijk) sprake is van een causale relatie?
Via een experiment:
1) Random toewijzen aan groepen
2) Manipulatie van X (eventueel een controlegroep)
3) Significante relatie tussen Y → causale relatie
Geen significante relatie tussen Y → onvoldoende bewijs
Echter is random toewijzen of actief manipuleren in de praktijk meestal niet mogelijk.
Data uit natuurlijke settings, dus correlationeel onderzoek.
Algemene opzet causale analyse op basis van correlaties (padanalyse):
1) Causale theorie opschrijven
2) Vertaal in een statistisch (causaal) model
3) Verzamel data en schat hieruit de causale effecten in het model
4) Bekijk in hoeverre de verwachte correlaties overeenkomen met de waargenomen
correlaties. Pas indien nodig het model aan.
Padmodellen
Een padmodel is een (statistische) weergave van veronderstelde causale relaties.
Eén omvattende hypothese
Doelstellingen padanalyse
1) Toetsen van complexe causale hypothesen
• Padcoëfficiënt geeft het geschatte effect aan
• Verwachte samenhang berekenen
2) Causaal redeneren
• Causale effecten beschrijven en schijnverbanden identificeren
• Beredeneren ("Wat als?”)
Intermezzos
Variabelen vs. constanten
Variabelen zijn eigenschappen waarin de onderzoekseenheden variëren.
Constanten zijn eigenschappen waarin de onderzoekseenheden niet variëren.
Een variabele bestaat uit verschillende waarden (variabele: inkomen, waarden: rijk en arm).
Hypotheses
Causale hypothese: Correlationele hypothese:
, Correlatie ≠ causatie
Correlatie is geen causatie, maar het kán wel een causatie zijn.
Om hier meer inzicht in te krijgen, moeten we meer variabelen in de analyses
opnemen, met padanalyses.
Wat de werkelijkheid is, weten we nooit zeker, maar hoe meer relaties met andere
variabelen bekend zijn, hoe beter de modellen → wetenschappelijke theorievorming.
Met name confounders identificeren is belangrijk.
De vijf basisrelaties in padmodellen
Geen samenhang = geen direct effect
Direct effect X en Y causaal Wel samenhang = empirische ondersteuning
voor causatie, maar geen bewijs
Indirect effect X en Y causaal M = mediator / interveniërende variabele
Z = confounder / verstorende variabele
X en Y hebben een gemeenschappelijk
Schijnrelatie oorzaak
(spurious X en Y niet causaal
relationship) Schijnrelaties bij longitudinale data: wanneer
processen over tijd zich gelijkmatig
ontwikkelen, ontstaat er samenhang, maar is
er absoluut geen causaal effect.
Correlatie, waar het vandaan komt weten we
Onbekend X en Y niet causaal
niet.
Wordt ook reciproke relatie genoemd
Wederkerig X en Y causaal
Erg complex
,Oefenvragen
Oefenvraag 1
Een onderzoeker heeft de volgende hypothese: “Mensen met negatieve gevoelens slapen
gemiddeld genomen slechter, volgens ons komt dit door een tekort aan vitamine D die zowel
een gebrekkige slaapkwaliteit als negatieve gedachten veroorzaakt.”
a) Welke variabelen worden in de tekst genoemd?
b) Welke type basisrelaties wordt hier beschreven tussen de variabelen? Noem de
relaties en teken het bijbehorende model.
c) Als je uitgaat van bovenstaande theorie van de onderzoekers, helpen slaappillen dan
om negatieve gedachten te verminderen? Licht je antwoord toe!
Oefenvraag 2
Onderzoekers gaan in hun onderzoek uit van het volgende conceptueel model:
OPL: opleiding
GezG: gezond gedrag
FG: fysieke gezondheid (fitheid)
MG: mentale gezondheid.
a) Hoe zou je de relatie tussen FG en MG typeren volgens de basisrelaties?
b) Welke basisrelaties zie je nog meer terug in dit model?
c) Wat waren de causale hypothesen van deze onderzoekers?
Antwoorden
1. a) X, Y, Z
b) Schijnrelatie tussen negatieve gedachten en slaapkwaliteit
c) Nee
2. a) Schijnrelatie
b) Directe en indirecte
c) OPL → GezG, GezG → FG en MG
, Hoorcollege 2 – Van theorie naar padmodel naar lineaire regressie
Drie mogelijke bevinden na het schatten van padcoëfficiënten
Sociale druk speelt geen rol Sociale druk speelt deels een rol Sociale druk is de oorzaak van de
Mogelijk causaal effect Mogelijk causaal effect samenhang tussen de andere
Geen causaal effect
Causale hypothesen kunnen niet bewezen worden in een correlationeel onderzoek. Er
kunnen namelijk altijd nog andere confounders zijn. Je kan ze wel ontkrachten als de
correlatie volledig een schijnrelatie is.
Opstellen van een padmodel, stappen:
1) Maak en lijst van de variabelen.
2) Beschrijf de causale hypothesen tussen deze variabelen.
3) Teken de relaties in een conceptueel model.
4) a) Identificeer de exogene en endogene variabelen.
Exogeen = voorspelt
Endogeen = wordt voorspeld, en kan ook voorspellen
b) Voeg disturbance termen (= onverklaarde varianties ζ) aan de endogene variabele
toe en teken de correlaties tussen de exogene variabelen.
ζ = de variantie in de variabele die je niet kunt verklaren
uit de andere variabelen in het model.
Aannames voor disturbance termen (niet te meten):
1. Ongecorreleerd aan elkaar
2. Ongecorreleerd met exogene variabelen in het model
Hoe onderzoeken we of er (mogelijk) sprake is van een causale relatie?
Via een experiment:
1) Random toewijzen aan groepen
2) Manipulatie van X (eventueel een controlegroep)
3) Significante relatie tussen Y → causale relatie
Geen significante relatie tussen Y → onvoldoende bewijs
Echter is random toewijzen of actief manipuleren in de praktijk meestal niet mogelijk.
Data uit natuurlijke settings, dus correlationeel onderzoek.
Algemene opzet causale analyse op basis van correlaties (padanalyse):
1) Causale theorie opschrijven
2) Vertaal in een statistisch (causaal) model
3) Verzamel data en schat hieruit de causale effecten in het model
4) Bekijk in hoeverre de verwachte correlaties overeenkomen met de waargenomen
correlaties. Pas indien nodig het model aan.
Padmodellen
Een padmodel is een (statistische) weergave van veronderstelde causale relaties.
Eén omvattende hypothese
Doelstellingen padanalyse
1) Toetsen van complexe causale hypothesen
• Padcoëfficiënt geeft het geschatte effect aan
• Verwachte samenhang berekenen
2) Causaal redeneren
• Causale effecten beschrijven en schijnverbanden identificeren
• Beredeneren ("Wat als?”)
Intermezzos
Variabelen vs. constanten
Variabelen zijn eigenschappen waarin de onderzoekseenheden variëren.
Constanten zijn eigenschappen waarin de onderzoekseenheden niet variëren.
Een variabele bestaat uit verschillende waarden (variabele: inkomen, waarden: rijk en arm).
Hypotheses
Causale hypothese: Correlationele hypothese:
, Correlatie ≠ causatie
Correlatie is geen causatie, maar het kán wel een causatie zijn.
Om hier meer inzicht in te krijgen, moeten we meer variabelen in de analyses
opnemen, met padanalyses.
Wat de werkelijkheid is, weten we nooit zeker, maar hoe meer relaties met andere
variabelen bekend zijn, hoe beter de modellen → wetenschappelijke theorievorming.
Met name confounders identificeren is belangrijk.
De vijf basisrelaties in padmodellen
Geen samenhang = geen direct effect
Direct effect X en Y causaal Wel samenhang = empirische ondersteuning
voor causatie, maar geen bewijs
Indirect effect X en Y causaal M = mediator / interveniërende variabele
Z = confounder / verstorende variabele
X en Y hebben een gemeenschappelijk
Schijnrelatie oorzaak
(spurious X en Y niet causaal
relationship) Schijnrelaties bij longitudinale data: wanneer
processen over tijd zich gelijkmatig
ontwikkelen, ontstaat er samenhang, maar is
er absoluut geen causaal effect.
Correlatie, waar het vandaan komt weten we
Onbekend X en Y niet causaal
niet.
Wordt ook reciproke relatie genoemd
Wederkerig X en Y causaal
Erg complex
,Oefenvragen
Oefenvraag 1
Een onderzoeker heeft de volgende hypothese: “Mensen met negatieve gevoelens slapen
gemiddeld genomen slechter, volgens ons komt dit door een tekort aan vitamine D die zowel
een gebrekkige slaapkwaliteit als negatieve gedachten veroorzaakt.”
a) Welke variabelen worden in de tekst genoemd?
b) Welke type basisrelaties wordt hier beschreven tussen de variabelen? Noem de
relaties en teken het bijbehorende model.
c) Als je uitgaat van bovenstaande theorie van de onderzoekers, helpen slaappillen dan
om negatieve gedachten te verminderen? Licht je antwoord toe!
Oefenvraag 2
Onderzoekers gaan in hun onderzoek uit van het volgende conceptueel model:
OPL: opleiding
GezG: gezond gedrag
FG: fysieke gezondheid (fitheid)
MG: mentale gezondheid.
a) Hoe zou je de relatie tussen FG en MG typeren volgens de basisrelaties?
b) Welke basisrelaties zie je nog meer terug in dit model?
c) Wat waren de causale hypothesen van deze onderzoekers?
Antwoorden
1. a) X, Y, Z
b) Schijnrelatie tussen negatieve gedachten en slaapkwaliteit
c) Nee
2. a) Schijnrelatie
b) Directe en indirecte
c) OPL → GezG, GezG → FG en MG
, Hoorcollege 2 – Van theorie naar padmodel naar lineaire regressie
Drie mogelijke bevinden na het schatten van padcoëfficiënten
Sociale druk speelt geen rol Sociale druk speelt deels een rol Sociale druk is de oorzaak van de
Mogelijk causaal effect Mogelijk causaal effect samenhang tussen de andere
Geen causaal effect
Causale hypothesen kunnen niet bewezen worden in een correlationeel onderzoek. Er
kunnen namelijk altijd nog andere confounders zijn. Je kan ze wel ontkrachten als de
correlatie volledig een schijnrelatie is.
Opstellen van een padmodel, stappen:
1) Maak en lijst van de variabelen.
2) Beschrijf de causale hypothesen tussen deze variabelen.
3) Teken de relaties in een conceptueel model.
4) a) Identificeer de exogene en endogene variabelen.
Exogeen = voorspelt
Endogeen = wordt voorspeld, en kan ook voorspellen
b) Voeg disturbance termen (= onverklaarde varianties ζ) aan de endogene variabele
toe en teken de correlaties tussen de exogene variabelen.
ζ = de variantie in de variabele die je niet kunt verklaren
uit de andere variabelen in het model.
Aannames voor disturbance termen (niet te meten):
1. Ongecorreleerd aan elkaar
2. Ongecorreleerd met exogene variabelen in het model
