Hoorcollege 8 (27-10-2020)
Herhaling ANOVA
Blok 1.3: twee soorten t-testen
1) Onafhankelijke groepen
Between-subject design: personen verdeeld in 2 groepen, 1 score per persoon
Voorbeeld: metingen van verschillende studenten uit studies
2) Gekoppelde paren
Within-subject design: Steeds 2 scores van dezelfde persoon, onder verschillende condities
Dit onderzoek is gemanipuleerd (correlationeel)
Voorbeeld: mannen en vrouwen in paren of voor- en nameting.
Meer dan 1 verschil scores tussen 2 groepen is dus ANOVA i.p.v. t-test.
Alternatief paired sample t-test (kwantitatief, kwalitatief)
➢ Repeated measures ANOVA = groepen met dezelfde personen vergelijken.
- Onafhankelijke variable: kwalitatief niveaus / condities.
- Afhankelijke variable: kwantitatief 2 of meer metingen per persoon, dus neemt alle condities
af.
Hypothesen
H0: gemiddelde x1 = gemiddelde x2
Ha: gemiddelde x1 = (niet gelijk aan) gemiddelde x2
Het gemiddelde verschilscore tussen de condities worden bekeken → is dit verschil tussen de twee
condities groter of gelijk aan 0.
Welke waarden zijn aannemelijk en niet? T-toets met referentieverdeling.
Hoe verder de waarde van de 0, hoe minder aannemelijk deze waarde is.
Paired sample t-test -> uitsluiten andere beïnvloedende factoren. Random toewijzing is hierbij
belangrijk want de groepen moeten hetzelfde zijn. Er kan sprake zijn van confounding (verstoring).
◼ Confounder variable: gewenning. De pijnervaring kan anders zijn door de volgorde van de
condities.
◼ Is meerdere keren meten een probleem of niet?
◼ Counterbalancing: volgorde randomiseren waarin de proefpersonen blootgesteld worden
aan de condities van het onderzoek.
→ Gewenning is dan uitgesloten.
ANOVA
1) 1-factor ANOVA
Between-subject-design: Persoon verdeeld in meer groepen. 1 score per persoon
2) Repeated measures ANOVA
Within-subject-design: Steeds meerdere scores van dezelfde persoon, onder verschillende
conditities.
, Verschillende condities; veelzijdige analyse, herhaalde meting ANOVA (correlationeel/experimenteel)
Longitudinaal / condities → werken hetzelfde.
Stappen die je zet
1. Hoeveel proefpersonen hebben ze?
2. Wat zijn de verschillende situaties die je test?
Verschilt de …score in de verschillende condities.
3. Datamatrix - Data weergeven en bekijken.
4. Onderzoeksdesign – afhankelijke variabele / onafhankelijke variabele
(Ga uit van counterbalancing)
Wat wil je vergelijken met je data?
Het verschil tussen groepen. De verschilscores van gemiddelden tussen de condities. Zijn deze
gemiddelde aan elkaar gelijk of niet?
De hoeveelheid mensen die je meet (nieuwe mensen of dezelfde mensen maakt NIET uit).
Waarmee ga je deze scores vergelijken?
Hoe de scores afwijken van het totale gemiddelde.
Je wilt dit weten m.b.v. ANOVA =
Verklaarde variantie : Onverklaarde variantie
Between > tussen de condities
Within > binnen iedere conditie
Je doet ze in 1 vergelijking vanwege: (anders ruis en onbekend)
- Multiple testen en kans type 1 fout voorkomen
- Het interactie-effect dat een rol kan spelen (beide beïnvloeden)
- 2de factor meenemen heb je 3 bronnen van verklaarde variantie (A, B en interactie A & B) om een
deel wel te kunnen verklaren waardoor de onverklaarde variantie kleiner wordt → die zijn
toegerekend aan een andere factor.
Verklaarde variantie staat vast. De onverklaarde variantie kun je kleiner maken. Gevolg: breuk groter,
grotere F-waarde, sneller significantie vinden.
Verschillen binnen een conditie verklaren, dit kan ALLEEN OMDAT JE MEERDERE KEREN MEET. Een
deel van de verschillen in condities komt door iets bij de proefpersonen (voorbeeld: gemiddelde
angstigheid)
➔ 2-factor ANOVA: 2 between factoren die dingen verklaren.
1 factor, 2 groepen en in beide groepen zitten losse mensen.
➔ Repeated measures: 1 between & 1 within
Eerste factor je vergelijkt de groepen waarin dezelfde mensen zaten (between) en de tweede
factor zijn de personen zelf (within)
➔ Het verschil: i.p.v. twee between factoren nu 1 between en 1 within score (personen van
binnen de groepen)
Voorbeeld: De spreiding binnen de groep zijn de verschilwaardes te verklaren door welk geslacht
iemand heeft, maar er blijft dan nog een klein onverklaard stuk nodig. Het is niet genoeg om alles te
verklaren.
Nog een factor is een stukje extra verklaren waardoor dit onverklaarde kleiner wordt dan de
Herhaling ANOVA
Blok 1.3: twee soorten t-testen
1) Onafhankelijke groepen
Between-subject design: personen verdeeld in 2 groepen, 1 score per persoon
Voorbeeld: metingen van verschillende studenten uit studies
2) Gekoppelde paren
Within-subject design: Steeds 2 scores van dezelfde persoon, onder verschillende condities
Dit onderzoek is gemanipuleerd (correlationeel)
Voorbeeld: mannen en vrouwen in paren of voor- en nameting.
Meer dan 1 verschil scores tussen 2 groepen is dus ANOVA i.p.v. t-test.
Alternatief paired sample t-test (kwantitatief, kwalitatief)
➢ Repeated measures ANOVA = groepen met dezelfde personen vergelijken.
- Onafhankelijke variable: kwalitatief niveaus / condities.
- Afhankelijke variable: kwantitatief 2 of meer metingen per persoon, dus neemt alle condities
af.
Hypothesen
H0: gemiddelde x1 = gemiddelde x2
Ha: gemiddelde x1 = (niet gelijk aan) gemiddelde x2
Het gemiddelde verschilscore tussen de condities worden bekeken → is dit verschil tussen de twee
condities groter of gelijk aan 0.
Welke waarden zijn aannemelijk en niet? T-toets met referentieverdeling.
Hoe verder de waarde van de 0, hoe minder aannemelijk deze waarde is.
Paired sample t-test -> uitsluiten andere beïnvloedende factoren. Random toewijzing is hierbij
belangrijk want de groepen moeten hetzelfde zijn. Er kan sprake zijn van confounding (verstoring).
◼ Confounder variable: gewenning. De pijnervaring kan anders zijn door de volgorde van de
condities.
◼ Is meerdere keren meten een probleem of niet?
◼ Counterbalancing: volgorde randomiseren waarin de proefpersonen blootgesteld worden
aan de condities van het onderzoek.
→ Gewenning is dan uitgesloten.
ANOVA
1) 1-factor ANOVA
Between-subject-design: Persoon verdeeld in meer groepen. 1 score per persoon
2) Repeated measures ANOVA
Within-subject-design: Steeds meerdere scores van dezelfde persoon, onder verschillende
conditities.
, Verschillende condities; veelzijdige analyse, herhaalde meting ANOVA (correlationeel/experimenteel)
Longitudinaal / condities → werken hetzelfde.
Stappen die je zet
1. Hoeveel proefpersonen hebben ze?
2. Wat zijn de verschillende situaties die je test?
Verschilt de …score in de verschillende condities.
3. Datamatrix - Data weergeven en bekijken.
4. Onderzoeksdesign – afhankelijke variabele / onafhankelijke variabele
(Ga uit van counterbalancing)
Wat wil je vergelijken met je data?
Het verschil tussen groepen. De verschilscores van gemiddelden tussen de condities. Zijn deze
gemiddelde aan elkaar gelijk of niet?
De hoeveelheid mensen die je meet (nieuwe mensen of dezelfde mensen maakt NIET uit).
Waarmee ga je deze scores vergelijken?
Hoe de scores afwijken van het totale gemiddelde.
Je wilt dit weten m.b.v. ANOVA =
Verklaarde variantie : Onverklaarde variantie
Between > tussen de condities
Within > binnen iedere conditie
Je doet ze in 1 vergelijking vanwege: (anders ruis en onbekend)
- Multiple testen en kans type 1 fout voorkomen
- Het interactie-effect dat een rol kan spelen (beide beïnvloeden)
- 2de factor meenemen heb je 3 bronnen van verklaarde variantie (A, B en interactie A & B) om een
deel wel te kunnen verklaren waardoor de onverklaarde variantie kleiner wordt → die zijn
toegerekend aan een andere factor.
Verklaarde variantie staat vast. De onverklaarde variantie kun je kleiner maken. Gevolg: breuk groter,
grotere F-waarde, sneller significantie vinden.
Verschillen binnen een conditie verklaren, dit kan ALLEEN OMDAT JE MEERDERE KEREN MEET. Een
deel van de verschillen in condities komt door iets bij de proefpersonen (voorbeeld: gemiddelde
angstigheid)
➔ 2-factor ANOVA: 2 between factoren die dingen verklaren.
1 factor, 2 groepen en in beide groepen zitten losse mensen.
➔ Repeated measures: 1 between & 1 within
Eerste factor je vergelijkt de groepen waarin dezelfde mensen zaten (between) en de tweede
factor zijn de personen zelf (within)
➔ Het verschil: i.p.v. twee between factoren nu 1 between en 1 within score (personen van
binnen de groepen)
Voorbeeld: De spreiding binnen de groep zijn de verschilwaardes te verklaren door welk geslacht
iemand heeft, maar er blijft dan nog een klein onverklaard stuk nodig. Het is niet genoeg om alles te
verklaren.
Nog een factor is een stukje extra verklaren waardoor dit onverklaarde kleiner wordt dan de
