Samenvatting ALLE STOF Toegepaste Methoden en Statistiek

Toegepaste methoden en statistiek
Hoorcollege 1
Padanalyse (PA)

- Geeft een antwoord op de vraag: kunnen de correlaties tussen een groep variabelen
verklaard worden door een causaal model?
- Vierkantje wil zeggen dat een variabele geobserveerd is: dat het iets is wat men echt kan
zien of meten
- Beantwoord intressante pscyhologische vraagstellingen

Factoranalyse (FA)

- Vierkantje wil zeggen dat een variabele geobserveerd is: dat het iets is wat men
echt kan zien of meten
- Rondje wil zeggendat een variabele niet rechtstreeks te observeren is (g staat hier
voor intelligentie)
- De invloed van :g is geen perfecte verklaring
- Beantwoord intressante psychologische vraagstellingen

Structial equation modeling (SEM)

- Geeft antwoord op de vraag: kunnen de correlaties tussen een groep
variabalen verklaard worden door onderliggende constructen en causale
effecten daartussen?

Padmodel

- Het doel van een padmodel is om theorieën te vangen in een formele vorm, het paddiagram, om
daarna te kunnen onderzoeken of de veronderstelde theorie overeenkomt met geobserveerde
correlaties in werkelijkheid
- De basiselementen
 Variabelen: zijn de eigenschappen van onderzoekseenheden (zoals personen, echtparen,
scholen…) waar men in geïnteresseerd is. Er moet variatie zijn in de eigenschap over de
eenheden anders is het geen variabele maar een constante.
 Verwarring van de waarden van de variabele met de variabele zelf (rijk en arm zijn twee
waarden van dezelfde variabele inkomen) moeten niet apart in het padmodel
opgenomen worden.
 Verwarring van een proces of een theorie met en variabele (attribition theory, math-
related career choice process, etc.)
 Relaties tussen variabelen: covariaties (correlaties), causale effecten
 Soorten relaties/effecten: direct, indirect, onbekend, schijnrelaties (spurious), wederkerige
effecten (reciprocal), conditionele effecten

Relaties

- Een uitspraak waarin twee variabelen voorkomen en waarden van de ene variabele samengaan met
die van de anderen
- Twee soorten uitspraken
1. Covariatie-uitspraak: samengaan van de ene variabele met de andere
2. Causale uitspraak: hogere waarden van de ene variabele veroorzaakt hogere of lagere
waarden van de andere variabele, de ene variabele leidt tot verandering in de andere, als de
onafhankelijke verandert, dan verandert daardoor ook de afhankelijke




1

,Schijnrelaties (spurious relations)
Covariatie tussen y1 en y2 verklaard door X

Directe en indirecte effecten

- Direct effect van Valence of emotion op Self-care
- Direct effect van Self-care op Health
- Indirect effect van Valence of emotion op Health
- Self-care is de mediator

Onbekende effecten

- Soms doet men geen uitspraak over de richting van het effect
- Men neemt dan gewoon de correlatie op in het padmodel (dubbele pijl =
correlatie/covariatie)

Wederkerige effecten (reciprocal effects)

- Is een effect wat de ene kant op gaat en dan ook weer terug
- Tweedirecte effecten, niet 1 dubbele pijl
- Reciprocal effect wordt niet expliciet genoemd

Conditionele effecten
Soms beïnvloedt de variabele niet (alleen) een andere variabele maar (ook) een effect. Dat is dan de moderator

Variabelen

- Zijn eigenschappen van onderzoekseenheden
- Er moet variatie zijn in de eigenschap per eenheden (anders is het een constante)

Covariatie of causale uitspraak

- Covariatie: vaak woorden over samengaan (gerelateerd, geassocieerd, vaak ook, hangt samen,…), men
kan de variabele omwisselen zonder de boodschap te veranderen
- Causatie: vaak causale woorden (induceren, voortbrengen, produceren, veroorzaken, beïnvloeden,
heeft een effect op, vergroot de kans dat, zorgt er voor dat,…)
 Als men de twee variabelen omwisselt dan verandert de betekenis

Hoorcollege 2
Van theorie naar paddiagram

1. Lijst met variabelen maken
2. Causale ordening maken (volgorde)
3. Causale hypotheses formuleren (pijlen)

Toetsen van causale hypothesen

- In de praktijk ziet men niet of een causale hypothese waar is, alleen of twee variabelen samen gaan
- Dat is niet per se een causaal verband omdat een schijnrelatie een alternatieve verklaring kan zijn voor
het samen gaan
- Causale hypothesen kunnen daarom niet bewezen worden met correlaties
- Stel: we hebben deze causale hypothese:



Maar: er zou ook dit aan de hand kunnen zijn:




2

, Of: een combinatie




Dus: men neemt de schijnrelatie in het padmodel op om na te gaan of b 1 ≠ 0

 Gouden regel: alle variabelen die en schijnrelatie kunnen veroorzaken tussen twee variabelen
met een verondersteld causaal verband ertussen, moeten worden meegenomen in het model.
Noodzakelijk uitbreidingen van het model: gemeenschappelijke oorzaken toevoegen

Voorbeeld:
? = Parental pressure




Mogelijke bevindingen na het schatten van padcoëficiënten:




 Causale hypotheses kunnen niet bewezen worden met correlaties maar kunnen wel ontkracht
worden (falsified). Causale hypothese is ontkracht als de grootte van de schijnrelatie(s) =
correlatie
De gehele correlatie kan dan verklaard worden door schijnrelatie(s).
Twee mogelijkheden:
1. Grootte van schijnrelatie(s) = correlatie -> b1 = 0, geen causaal verband -> causale hypothese
weerlegd
2. Grootte van schijnrelatie(s) ≠ correlatie -> wel een causaal verband of niet alle variabelen die
een schijnrelatie veroorzaken zijn meegenomen in het model

Weglaten schijnrelatie leidt tot foute schatting b1 (schaadt toetsing causale hypothese)

Endogene en exogene variabelen

- Endogene variabele = een variabele die verklaard wordt (waar een pijl naartoe wijst)


3