Hoorcolleges toegepaste methoden en statistiek
Hoorcollege 1
padanalyse
geeft antwoord op de vraag: kunnen de correlaties tussen een groep variabelen verklaard
worden door een causaal model?
het doel: om theorieën zoals die van Hank Green te vangen in een formele vorm, het
“paddiagram”, om daarna te kunnen onderzoeken of de veronderstelde theorie
overeenkomt met geobserveerde correlaties in de werkelijkheid.
basiselementen
variabelen
= zijn de eigenschappen van onderzoekseenheden (zoals personen, echtparen, scholen)
waarin je geïnteresseerd bent
→ er moet variatie zijn in de eigenschap over de eenheden, als er geen variatie is is het geen
variabele maar een constante
veel voorkomende fouten:
• verwarring van de waarden van de variabele met de variabele zelf
bv.: rijk en arm zijn 2 waarden van dezelfde variabele inkomen → deze moet je NIET
apart in het padmodel opnemen
• verwarring van een proces of een theorie met een variabele
bv.: attribution theory, math-related career choice process
relaties tussen de variabelen
een uitspraak waarin…
• 2 variabelen voorkomen
• waarden van de ene variabele samengaan met die van de andere
2 soorten uitspraken:
1. covariatie-uitpsraak
betekent dat het SAMENHANGT
2. causale uitspraak
een causale relatie betekent dat de ene variabele LEIDT TOT verandering in de
andere
→ als je de onafhankelijke verandert, dan verandert DAARDOOR ook de afhankelijke
→ bv.: opletten leidt tot kennis
,soorten relaties/effecten
• indirecte en indirecte effecten
- uitspraak 1: “feeling blue leeds to neglecting self-care” (direct effect van
valence of emotion op self-care)
- uitspraak 2: “neglecting self-care leads to bad health” (indirect effect van
valence of emotion op health)
• onbekende effecten
- soms doen we geen uitspraak over de richting van een effect
- we nemen dan gewoon de correlatie op het padmodel (dubbele pijl=
correlatie)
- dit is een ‘onbekend effect’
• schijnrelaties (spurious)
- (causale uitspraak 1) “chocolate causes happiness”
- (causale uitspraak 2) “chocolate causes longevity”
→ daardoor ook: (covariatie-uitspraak) “gelukkige mensen leven langer”
→ x = chocolade (heeft causaal effect op y1 en Y2
→ Y1= gelukkig zijn Y2= langer leven
→ denk ook aan meer ijsjes eten leidt tot meer verdrinkingen
• wederkerige effecten (reciprocal effects)
- uitspraak 1: “health causes happiness”
- uitspraak 2: “happiness causes health”
→ het gaat heen en komt dus weer terug
- let op: het zijn 2 directe effecten (niet 1 dubbele pijl) EN wordt niet expliciet
genoemd (maar gewoon direct effect)
, • conditionele effecten
- soms beïnvloedt variabele niet alleen een andere variabele maar ook een
effect
- deze variabele = moderator
- uitspraak: negative emotion leads tos elf-neglect, unless the person is in a
relationship”
overzicht:
structural equation modeling
bij meerdere niet-observeerbare oorzaken kan het zo zijn dat deze andere dingen
veroorzaakt
geeft antwoord op de vraag: kunnen de correlaties tussen een groep variabelen verklaard
worden door onderliggende constructen en causale effecten daartussen?
Hoorcollege 2
basiselementen van een padmodel
, relaties tussen variabelen:
• covariatie (correlatie): je vindt hoge/lage
waarden op de twee vaak samen
bv.: gelukkige mensen leven langer
• causale effecten: als je 1 van de
variabelen zou veranderen door in te
grijpen zou daardoor de andere
veranderen
bv.: chocolade maakt je gelukkig
Van theorie naar paddiagram
1. lijst met variabelen maken
2. causale ordening vaststellen
3. causale hypotheses formuleren
voorbeeld:
variabelen: peer relationships, agressive behavior, anxious behavior, maladjustment, self-
beliefs, peers
volgorde vaststellen:
causale hypotheses formuleren:
Hoorcollege 1
padanalyse
geeft antwoord op de vraag: kunnen de correlaties tussen een groep variabelen verklaard
worden door een causaal model?
het doel: om theorieën zoals die van Hank Green te vangen in een formele vorm, het
“paddiagram”, om daarna te kunnen onderzoeken of de veronderstelde theorie
overeenkomt met geobserveerde correlaties in de werkelijkheid.
basiselementen
variabelen
= zijn de eigenschappen van onderzoekseenheden (zoals personen, echtparen, scholen)
waarin je geïnteresseerd bent
→ er moet variatie zijn in de eigenschap over de eenheden, als er geen variatie is is het geen
variabele maar een constante
veel voorkomende fouten:
• verwarring van de waarden van de variabele met de variabele zelf
bv.: rijk en arm zijn 2 waarden van dezelfde variabele inkomen → deze moet je NIET
apart in het padmodel opnemen
• verwarring van een proces of een theorie met een variabele
bv.: attribution theory, math-related career choice process
relaties tussen de variabelen
een uitspraak waarin…
• 2 variabelen voorkomen
• waarden van de ene variabele samengaan met die van de andere
2 soorten uitspraken:
1. covariatie-uitpsraak
betekent dat het SAMENHANGT
2. causale uitspraak
een causale relatie betekent dat de ene variabele LEIDT TOT verandering in de
andere
→ als je de onafhankelijke verandert, dan verandert DAARDOOR ook de afhankelijke
→ bv.: opletten leidt tot kennis
,soorten relaties/effecten
• indirecte en indirecte effecten
- uitspraak 1: “feeling blue leeds to neglecting self-care” (direct effect van
valence of emotion op self-care)
- uitspraak 2: “neglecting self-care leads to bad health” (indirect effect van
valence of emotion op health)
• onbekende effecten
- soms doen we geen uitspraak over de richting van een effect
- we nemen dan gewoon de correlatie op het padmodel (dubbele pijl=
correlatie)
- dit is een ‘onbekend effect’
• schijnrelaties (spurious)
- (causale uitspraak 1) “chocolate causes happiness”
- (causale uitspraak 2) “chocolate causes longevity”
→ daardoor ook: (covariatie-uitspraak) “gelukkige mensen leven langer”
→ x = chocolade (heeft causaal effect op y1 en Y2
→ Y1= gelukkig zijn Y2= langer leven
→ denk ook aan meer ijsjes eten leidt tot meer verdrinkingen
• wederkerige effecten (reciprocal effects)
- uitspraak 1: “health causes happiness”
- uitspraak 2: “happiness causes health”
→ het gaat heen en komt dus weer terug
- let op: het zijn 2 directe effecten (niet 1 dubbele pijl) EN wordt niet expliciet
genoemd (maar gewoon direct effect)
, • conditionele effecten
- soms beïnvloedt variabele niet alleen een andere variabele maar ook een
effect
- deze variabele = moderator
- uitspraak: negative emotion leads tos elf-neglect, unless the person is in a
relationship”
overzicht:
structural equation modeling
bij meerdere niet-observeerbare oorzaken kan het zo zijn dat deze andere dingen
veroorzaakt
geeft antwoord op de vraag: kunnen de correlaties tussen een groep variabelen verklaard
worden door onderliggende constructen en causale effecten daartussen?
Hoorcollege 2
basiselementen van een padmodel
, relaties tussen variabelen:
• covariatie (correlatie): je vindt hoge/lage
waarden op de twee vaak samen
bv.: gelukkige mensen leven langer
• causale effecten: als je 1 van de
variabelen zou veranderen door in te
grijpen zou daardoor de andere
veranderen
bv.: chocolade maakt je gelukkig
Van theorie naar paddiagram
1. lijst met variabelen maken
2. causale ordening vaststellen
3. causale hypotheses formuleren
voorbeeld:
variabelen: peer relationships, agressive behavior, anxious behavior, maladjustment, self-
beliefs, peers
volgorde vaststellen:
causale hypotheses formuleren:
