GRONDSLAGEN VAN
WETENSCHAPPELIJK ONDERZOEK
HOOFDSTUK 11 – FACTORIAL DESIGNS
Introductie tot factoriële designs
Experimentele factordesigns
Factor = een onafhankelijke variabele in een experiment, vooral in
experimenten met twee of meer onafhankelijke variabelen.
Factoriëel design = een onderzoeksdesign dat twee of meer factoren
bevat.
Voordeel:
- Het creëert een realistischere situatie dan wanneer één enkele
factor geïsoleerd wordt onderzocht.
Door twee (of meer) factoren in één studie te combineren, krijgen
onderzoekers de mogelijkheid om te zien hoe elke individuele factor
gedrag beïnvloedt en hoe de combinatie van factoren, die samen
optreden, gedrag kan beïnvloeden.
Hoofdeffecten en interacties
Hoofdeffecten
= de gemiddelde verschillen tussen de niveaus van één factor worden het
hoofdeffect van die factor genoemd.
Wanneer een onderzoeksstudie wordt weergegeven als een matrix waarbij
één factor de rijen definieert en de tweede factor de kolommen definieert,
dan bepalen de gemiddelde verschillen tussen de kolommen het
hoofdeffect van de tweede factor.
!!! Een studie met twee factoren heeft twee hoofdeffecten; één voor elk
van de twee factoren.
De interactie tussen factoren
= treedt op wanneer twee factoren, die samen werken, gemiddelde
verschillen veroorzaken die niet verklaard kunnen worden door de
hoofdeffecten van de twee afzonderlijke factoren. Aan de andere kant, als
1
, het hoofdeffect van één factor gelijk is over alle niveaus van de andere
factor, dan zijn de twee factoren onafhankelijk en is er geen interactie.
Alternatieve manieren om de interactie tussen factoren te bekijken
Een interactie bestaat tussen factoren wanneer het effect van de ene
factor afhangt van de verschillende niveaus van de tweede factor.
Wanneer de resultaten van een twee-factorstudie worden weergegeven in
een grafiek, duiden niet-parallelle lijnen (lijnen die kruisen of naar
elkaar toe bewegen) op een interactie tussen de twee factoren.
!!! Een statistische toets is nodig om te bepalen of de interactie
significant is.
Interactie herkennen
Geen interactie
= wanneer de grootte en richting van de verschillen in één rij (of
kolom) hetzelfde zijn als de overeenkomstige verschillen in andere
rijen (of kolommen).
Bewijs voor een interactie
= wanneer de verschillen veranderen van de ene rij (of kolom) naar
de andere.
Interpretatie van hoofdeffecten en interacties
Verkregen gemiddelde verschillen hoeven niet noodzakelijk een echt
behandelingseffect te vertegenwoordigen; ze kunnen ook veroorzaakt zijn
door toeval of meetfouten.
Totdat de gegevens zijn geëvalueerd met een hypothesetoets, moet je
voorzichtig zijn met het interpreteren van om het even welke resultaten
uit een twee-factorstudie.
Onafhankelijkheid van hoofdeffecten en interacties
Een studie met twee factoren stelt onderzoekers in staat om drie
afzonderlijke sets van gemiddelde verschillen te evalueren:
1. De gemiddelde verschillen die horen bij het hoofdeffect van factor A
2. De gemiddelde verschillen die horen bij het hoofdeffect van factor B
3. De gemiddelde verschillen die horen bij de interactie tussen de
factoren
Deze drie sets gemiddelde verschillen zijn afzonderlijk en volledig
onafhankelijk van elkaar.
2
WETENSCHAPPELIJK ONDERZOEK
HOOFDSTUK 11 – FACTORIAL DESIGNS
Introductie tot factoriële designs
Experimentele factordesigns
Factor = een onafhankelijke variabele in een experiment, vooral in
experimenten met twee of meer onafhankelijke variabelen.
Factoriëel design = een onderzoeksdesign dat twee of meer factoren
bevat.
Voordeel:
- Het creëert een realistischere situatie dan wanneer één enkele
factor geïsoleerd wordt onderzocht.
Door twee (of meer) factoren in één studie te combineren, krijgen
onderzoekers de mogelijkheid om te zien hoe elke individuele factor
gedrag beïnvloedt en hoe de combinatie van factoren, die samen
optreden, gedrag kan beïnvloeden.
Hoofdeffecten en interacties
Hoofdeffecten
= de gemiddelde verschillen tussen de niveaus van één factor worden het
hoofdeffect van die factor genoemd.
Wanneer een onderzoeksstudie wordt weergegeven als een matrix waarbij
één factor de rijen definieert en de tweede factor de kolommen definieert,
dan bepalen de gemiddelde verschillen tussen de kolommen het
hoofdeffect van de tweede factor.
!!! Een studie met twee factoren heeft twee hoofdeffecten; één voor elk
van de twee factoren.
De interactie tussen factoren
= treedt op wanneer twee factoren, die samen werken, gemiddelde
verschillen veroorzaken die niet verklaard kunnen worden door de
hoofdeffecten van de twee afzonderlijke factoren. Aan de andere kant, als
1
, het hoofdeffect van één factor gelijk is over alle niveaus van de andere
factor, dan zijn de twee factoren onafhankelijk en is er geen interactie.
Alternatieve manieren om de interactie tussen factoren te bekijken
Een interactie bestaat tussen factoren wanneer het effect van de ene
factor afhangt van de verschillende niveaus van de tweede factor.
Wanneer de resultaten van een twee-factorstudie worden weergegeven in
een grafiek, duiden niet-parallelle lijnen (lijnen die kruisen of naar
elkaar toe bewegen) op een interactie tussen de twee factoren.
!!! Een statistische toets is nodig om te bepalen of de interactie
significant is.
Interactie herkennen
Geen interactie
= wanneer de grootte en richting van de verschillen in één rij (of
kolom) hetzelfde zijn als de overeenkomstige verschillen in andere
rijen (of kolommen).
Bewijs voor een interactie
= wanneer de verschillen veranderen van de ene rij (of kolom) naar
de andere.
Interpretatie van hoofdeffecten en interacties
Verkregen gemiddelde verschillen hoeven niet noodzakelijk een echt
behandelingseffect te vertegenwoordigen; ze kunnen ook veroorzaakt zijn
door toeval of meetfouten.
Totdat de gegevens zijn geëvalueerd met een hypothesetoets, moet je
voorzichtig zijn met het interpreteren van om het even welke resultaten
uit een twee-factorstudie.
Onafhankelijkheid van hoofdeffecten en interacties
Een studie met twee factoren stelt onderzoekers in staat om drie
afzonderlijke sets van gemiddelde verschillen te evalueren:
1. De gemiddelde verschillen die horen bij het hoofdeffect van factor A
2. De gemiddelde verschillen die horen bij het hoofdeffect van factor B
3. De gemiddelde verschillen die horen bij de interactie tussen de
factoren
Deze drie sets gemiddelde verschillen zijn afzonderlijk en volledig
onafhankelijk van elkaar.
2
