MTO-E
Correlationele onderzoeksmethoden 2
Uitwerkingen hoorcolleges
Inhoudsopgave
Hoorcollege 1 - Introductie .......................................................................................................... 2
Hoorcollege 2 - Van theorie naar paddiagram ............................................................................. 4
Hoorcollege 3.1 - Van paddiagram naar lijnrechte vergelijkingen ................................................ 8
Hoorcollege 3.2 - Schatten van padcoëfficiënten ......................................................................... 9
Hoorcollege 4 - Schatten van padcoëfficiënten .......................................................................... 12
Hoorcollege 5 - Toetsen van padmodellen ................................................................................ 16
Hoorcollege 6 - Introductie en Principale Componenten Analyse (PCA) .................................... 19
Hoorcollege 7 - Exploratieve factoranalyse (EFA) ..................................................................... 24
Hoorcollege 8 - PCA versus EFA............................................................................................... 28
Hoorcollege 9 - Confirmatieve factoranalyse (CFA) ................................................................... 31
Voorbeeld vragen ...................................................................................................................... 33
1
,Hoorcollege 1 - Introductie
In dit vak worden er twee onderwerpen behandeld: padanalyse en factoranalyse. Bij padanalyse
beantwoord je de volgende vraag: ‘Kunnen de correlaties tussen een groep variabelen verklaard
worden door een causaal model?’. Bij factoranalyse beantwoord je de volgende vraag: ‘Kunnen
de correlaties tussen een groep variabelen verklaard worden door één onderliggend construct?’.
Je hebt factoranalyse nodig om de variabelen bij de padanalyse in te vullen en zo beter de
relaties te schatten.
In een padmodel geven de pijlen relaties aan, een vierkant staat voor een variabele die je kan
observeren en een rondje voor een variabele die je niet kan observeren. Dit heet een latente
variabele.
Padanalyse
Als we een theorie hebben, zetten we deze om in een formele vorm zodat we kunnen toetsen of
deze juist is. Bij padanalyse heet dit een padmodel en willen we deze omzetten in een
paddiagram. Vervolgens toetsen we of de veronderstelde theorie overeenkomt met de
geobserveerde correlaties in de werkelijkheid.
Padmodel
Een padmodel bestaat uit de volgende basiselementen:
Eenheden
Eenheden zijn dingen die de eigenschappen hebben waar je in geïnteresseerd bent. Dit
kan voorkomen op verschillende niveau’s. Denk bijvoorbeeld aan individuen, echtparen,
groepen.
Variabelen
Variabelen zijn eigenschappen van de eenheden waar je in geïnteresseerd bent. Het is
belangrijk dat je de variabele kan meten en dat er variatie in zit, dus dat de eigenschap
verschilt over de eenheden. Als dit niet het geval is, is het een constante en geen
variabele.
Let op: variabelen mogen niet te specifiek zijn, dus gebruik geen waarden (rijk/arm) maar
een variabele (inkomen). Variabelen mogen ook niet te algemeen zijn, dus gebruik geen
proces (stress) maar een variabele (uiting van stress).
Relaties
Een relatie is een uitspraak waarin twee variabelen voorkomen, en de waarde van de
ene variabele samengaat met de waarde van de andere variabele.
Er zijn twee soorten samenhang:
o Covariantie / correlationele uitspraak: de twee variabelen komen vaak samen
voor. Een causale relatie is hierbij een van de mogelijke verklaringen, maar dit
hoeft niet de enigste of juiste verklaring te zijn!
o Causale uitspraak: verandering in de ene variabele leidt tot een verandering in de
andere variabele.
2
, Er zijn verder nog meerdere soorten mogelijke relaties:
o Schijnrelaties / spurious relationships: twee variabelen hebben dezelfde oorzaak.
Deze twee causale uitspraken kan je combineren tot één covariantie uitspraak.
Dit geeft onderstaande model. Je combineert hierbij twee variabelen omdat ze
een gemeenschappelijke oorzaak hebben. Y1 en Y2 komen dus wel samen voor,
maar ze hebben geen causale relatie!
Causale uitspraak 1: ‘Variabele x veroorzaakt y1’
Causale uitspraak 2: ‘Variabele x veroorzaakt y2’
Covariantie uitspraak: ‘y1 hangt samen met y2’
o Directe relatie: een verandering in de eerste variabele veroorzaakt rechtstreeks
een verandering in de tweede variabele
o Indirecte relatie: een verandering in de eerste variabele veroorzaakt wel een
verandering in de laatste variabele, maar hier zitten nog variabele(n) tussen.
Bijvoorbeeld:
Hiernaast staat een algemeen
model. Pijlen geven het directe
effect aan. Emotie heeft dus een direct effect op voor jezelf zorgen en voor jezelf zorgen heeft
een direct effect op gezondheid. Emotie heeft een indirect effect op gezondheid. Aan de hand
hiervan zou je de volgende specifiekere uitspraken kunnen vormen:
Causale uitspraak 1: ‘Depressief zijn leidt tot minder goed voor onszelf zorgen’.
Causale uitspraak 2: ‘Minder goed voor jezelf zorgen leidt tot een slechte gezondheid’.
De covariantie uitspraak kan dan worden: ‘Je slecht voelen is gerelateerd aan gezondheid
omdat je minder goed voor jezelf zorgt’.
o Wederkerige effecten / reciprocal effects: deze uitspraken versterken elkaar. Het
effect gaat twee kanten op. Dit effect wordt ook wel expliciet genoemd.
Causale uitspraak 1: ‘Variabele y1 veroorzaakt y2’
Causale uitspraak 2: ‘Variabele y2 veroorzaakt y1’
o Conditionele effecten / moderator / interactie: de
variabele beïnvloedt een effect, en soms ook een
andere variabele. Het effect tussen twee variabelen
hangt dan af van deze derde variabele. In het model
wordt de pijl van deze moderator naar het effect
getekend en niet naar de variabele!
3
, Hoorcollege 2 - Van theorie naar paddiagram
Er zijn drie stappen om een tekst om te zetten in een paddiagram:
Stap 1 Lijst met variabelen maken
Uit de hypotheses van het onderzoek haal je alle variabelen, deze schrijf je op.
In het voorbeeld is dit:
“First, children who are overtly aggressive or manifest anxious or fearful behavior in peer
interactions have a greater likelihood of forming adverse peer relationships. Second, from
chronic relational adversity, children infer or construct negative beliefs about themselves and
their peers. Third, the effect that adverse peer experiences have on maladjustment may be
transmitted through children’s self- and peer beliefs.”
Stap 2 Causale ordening vaststellen
Je bekijkt welke variabelen voor of na de andere variabelen komen. Aan de hand
hiervan stel je alvast de blokjes van de paddiagram op.
In het voorbeeld is dit redelijk simpel omdat de splitsing van de drie hypothesen de
volgorde al weergeeft:
Stap 3 Causale hypotheses formuleren
Als laatste stap ga je de pijlen trekken. Je bekijkt welke variabele een andere
variabele beïnvloed. Aan de hand hiervan kan je de causale hypotheses gaan
opstellen.
In het voorbeeld geeft dit het volgende model:
Voorbeeld van een causale hypohese: “A child’s number of friends is influenced by
their anxiety and their aggression”
Toetsen van causale hypotheses
In de praktijk kunnen we niet zien of een causale hypothese waar is, maar enkel of de twee
variabelen samen gaan. We kunnen causale hypotheses dus niet bewijzen, maar enkel
weerleggen. Een causale hypothese is ontkracht/weerlegt als de grootte van de schijnrelaties
gelijk is aan de correlatie. De variabele heeft dan geen correlatie meer met de andere variabele,
want de gehele correlatie kan dan verklaard worden door schijnrelaties.
4
Correlationele onderzoeksmethoden 2
Uitwerkingen hoorcolleges
Inhoudsopgave
Hoorcollege 1 - Introductie .......................................................................................................... 2
Hoorcollege 2 - Van theorie naar paddiagram ............................................................................. 4
Hoorcollege 3.1 - Van paddiagram naar lijnrechte vergelijkingen ................................................ 8
Hoorcollege 3.2 - Schatten van padcoëfficiënten ......................................................................... 9
Hoorcollege 4 - Schatten van padcoëfficiënten .......................................................................... 12
Hoorcollege 5 - Toetsen van padmodellen ................................................................................ 16
Hoorcollege 6 - Introductie en Principale Componenten Analyse (PCA) .................................... 19
Hoorcollege 7 - Exploratieve factoranalyse (EFA) ..................................................................... 24
Hoorcollege 8 - PCA versus EFA............................................................................................... 28
Hoorcollege 9 - Confirmatieve factoranalyse (CFA) ................................................................... 31
Voorbeeld vragen ...................................................................................................................... 33
1
,Hoorcollege 1 - Introductie
In dit vak worden er twee onderwerpen behandeld: padanalyse en factoranalyse. Bij padanalyse
beantwoord je de volgende vraag: ‘Kunnen de correlaties tussen een groep variabelen verklaard
worden door een causaal model?’. Bij factoranalyse beantwoord je de volgende vraag: ‘Kunnen
de correlaties tussen een groep variabelen verklaard worden door één onderliggend construct?’.
Je hebt factoranalyse nodig om de variabelen bij de padanalyse in te vullen en zo beter de
relaties te schatten.
In een padmodel geven de pijlen relaties aan, een vierkant staat voor een variabele die je kan
observeren en een rondje voor een variabele die je niet kan observeren. Dit heet een latente
variabele.
Padanalyse
Als we een theorie hebben, zetten we deze om in een formele vorm zodat we kunnen toetsen of
deze juist is. Bij padanalyse heet dit een padmodel en willen we deze omzetten in een
paddiagram. Vervolgens toetsen we of de veronderstelde theorie overeenkomt met de
geobserveerde correlaties in de werkelijkheid.
Padmodel
Een padmodel bestaat uit de volgende basiselementen:
Eenheden
Eenheden zijn dingen die de eigenschappen hebben waar je in geïnteresseerd bent. Dit
kan voorkomen op verschillende niveau’s. Denk bijvoorbeeld aan individuen, echtparen,
groepen.
Variabelen
Variabelen zijn eigenschappen van de eenheden waar je in geïnteresseerd bent. Het is
belangrijk dat je de variabele kan meten en dat er variatie in zit, dus dat de eigenschap
verschilt over de eenheden. Als dit niet het geval is, is het een constante en geen
variabele.
Let op: variabelen mogen niet te specifiek zijn, dus gebruik geen waarden (rijk/arm) maar
een variabele (inkomen). Variabelen mogen ook niet te algemeen zijn, dus gebruik geen
proces (stress) maar een variabele (uiting van stress).
Relaties
Een relatie is een uitspraak waarin twee variabelen voorkomen, en de waarde van de
ene variabele samengaat met de waarde van de andere variabele.
Er zijn twee soorten samenhang:
o Covariantie / correlationele uitspraak: de twee variabelen komen vaak samen
voor. Een causale relatie is hierbij een van de mogelijke verklaringen, maar dit
hoeft niet de enigste of juiste verklaring te zijn!
o Causale uitspraak: verandering in de ene variabele leidt tot een verandering in de
andere variabele.
2
, Er zijn verder nog meerdere soorten mogelijke relaties:
o Schijnrelaties / spurious relationships: twee variabelen hebben dezelfde oorzaak.
Deze twee causale uitspraken kan je combineren tot één covariantie uitspraak.
Dit geeft onderstaande model. Je combineert hierbij twee variabelen omdat ze
een gemeenschappelijke oorzaak hebben. Y1 en Y2 komen dus wel samen voor,
maar ze hebben geen causale relatie!
Causale uitspraak 1: ‘Variabele x veroorzaakt y1’
Causale uitspraak 2: ‘Variabele x veroorzaakt y2’
Covariantie uitspraak: ‘y1 hangt samen met y2’
o Directe relatie: een verandering in de eerste variabele veroorzaakt rechtstreeks
een verandering in de tweede variabele
o Indirecte relatie: een verandering in de eerste variabele veroorzaakt wel een
verandering in de laatste variabele, maar hier zitten nog variabele(n) tussen.
Bijvoorbeeld:
Hiernaast staat een algemeen
model. Pijlen geven het directe
effect aan. Emotie heeft dus een direct effect op voor jezelf zorgen en voor jezelf zorgen heeft
een direct effect op gezondheid. Emotie heeft een indirect effect op gezondheid. Aan de hand
hiervan zou je de volgende specifiekere uitspraken kunnen vormen:
Causale uitspraak 1: ‘Depressief zijn leidt tot minder goed voor onszelf zorgen’.
Causale uitspraak 2: ‘Minder goed voor jezelf zorgen leidt tot een slechte gezondheid’.
De covariantie uitspraak kan dan worden: ‘Je slecht voelen is gerelateerd aan gezondheid
omdat je minder goed voor jezelf zorgt’.
o Wederkerige effecten / reciprocal effects: deze uitspraken versterken elkaar. Het
effect gaat twee kanten op. Dit effect wordt ook wel expliciet genoemd.
Causale uitspraak 1: ‘Variabele y1 veroorzaakt y2’
Causale uitspraak 2: ‘Variabele y2 veroorzaakt y1’
o Conditionele effecten / moderator / interactie: de
variabele beïnvloedt een effect, en soms ook een
andere variabele. Het effect tussen twee variabelen
hangt dan af van deze derde variabele. In het model
wordt de pijl van deze moderator naar het effect
getekend en niet naar de variabele!
3
, Hoorcollege 2 - Van theorie naar paddiagram
Er zijn drie stappen om een tekst om te zetten in een paddiagram:
Stap 1 Lijst met variabelen maken
Uit de hypotheses van het onderzoek haal je alle variabelen, deze schrijf je op.
In het voorbeeld is dit:
“First, children who are overtly aggressive or manifest anxious or fearful behavior in peer
interactions have a greater likelihood of forming adverse peer relationships. Second, from
chronic relational adversity, children infer or construct negative beliefs about themselves and
their peers. Third, the effect that adverse peer experiences have on maladjustment may be
transmitted through children’s self- and peer beliefs.”
Stap 2 Causale ordening vaststellen
Je bekijkt welke variabelen voor of na de andere variabelen komen. Aan de hand
hiervan stel je alvast de blokjes van de paddiagram op.
In het voorbeeld is dit redelijk simpel omdat de splitsing van de drie hypothesen de
volgorde al weergeeft:
Stap 3 Causale hypotheses formuleren
Als laatste stap ga je de pijlen trekken. Je bekijkt welke variabele een andere
variabele beïnvloed. Aan de hand hiervan kan je de causale hypotheses gaan
opstellen.
In het voorbeeld geeft dit het volgende model:
Voorbeeld van een causale hypohese: “A child’s number of friends is influenced by
their anxiety and their aggression”
Toetsen van causale hypotheses
In de praktijk kunnen we niet zien of een causale hypothese waar is, maar enkel of de twee
variabelen samen gaan. We kunnen causale hypotheses dus niet bewijzen, maar enkel
weerleggen. Een causale hypothese is ontkracht/weerlegt als de grootte van de schijnrelaties
gelijk is aan de correlatie. De variabele heeft dan geen correlatie meer met de andere variabele,
want de gehele correlatie kan dan verklaard worden door schijnrelaties.
4
