Hoorcollege - Week 1 | Correlaties en Maten voor Effectgrootte
Correlatie is geen causaal verband
Correlatie: is er een samenhang tussen 2 variabelen (welke veroorzaakt de ene)
Causaliteit: is er een effect?
Wat is er nodig:
1. Covariantie: variabelen moeten samenhangen
2. Directionaliteit: oorzaak gaat vooraf aan gevolg (in de tijd)
3. Interne validiteit: alternatieve verklaringen uitgesloten
1 & 2 zijn ook bij correlatie.
Correlationeel onderzoek: er is een verband, associatie etc.
Scatterplots:
Als we kunnen nadenken over een
correlationeel verband Pearson
correlatie
Covariantie:
Hoe een score van een
participant afwijkt van een
bepaald gemiddelde.
Meeteenheid veranderd
covariantie veranderd ook
lastig om sterkte te
interpreteren. Je wilt niet
worden beïnvloedt door de
arbitraire invloeden
hierom Pearson correlatie.
Onderste formule: z:
gestandaardiseerde score
,1. Als er geen lineair verband is kan je beter geen pearson r gebruiken er is dan geen
samenhang.
2. Uitbijters kunnen een evenredig groot effect hebben op de sterkte van de correlatie
data plotten mét en zonder uitbijters dit grote verschil rapporteren. Wel altijd aangeven
waarom je uitbijters eruit haalt
3. Heb je heterogene groepen sprake van verschillende groepen bijv. categorische
variabelen verband x en y anders in ene dan in ander
4. Meten van de variabelen op een beperkte range van mogelijke scores kan een
vertekend beeld geven.
Z-scores berekenen
Dichotoom: variabelen met 2
uitkomsten, vaak nominaal
(voor/tegen, geslaagd/gezakt)
,Eerst rangscores dan gewoon z-formule om de correlatie te berekenen
Spearman = Pearson correlatie met rangscores op de data
Rangscores berekenen kan er daardoor meer lineair uitzien
Spearman iets ordenen zelfde gemiddelde en zelfde sd voor x en y
Spearman is iets lager dan Pearon iets minder power
Richting is hier anders: ook een plus
of min-teken: hangt af van welke
groep we wat hebben toegekend.
Ene is 0, andere is 1 heeft invloed
op het teken van de correlatie
Dichotoom en kwantitatieve
variabele t-toets heeft een
samenhang voor onafhankelijke
steekproeven (independent sample-
t-test)
Ziet er heel anders uit
komt puur door de 2
condities die we hebben.
Niks met positieve of
negatieve samenhang
X heeft alleen maar 0 of 1
als je dat gaat berekenen
zie je terugkomen in de z
score
Groep met hoogste
gemiddele scores met 1
coderen hierdoor positief of negatief (alleen invloed op – of +, niet op sterkte)
, Als er samenhang is
bepaalde combinaties
moeten vaker voorkomen
Let op de wortel trekken onder de
streep!
Correlatie is geen causaal verband
Correlatie: is er een samenhang tussen 2 variabelen (welke veroorzaakt de ene)
Causaliteit: is er een effect?
Wat is er nodig:
1. Covariantie: variabelen moeten samenhangen
2. Directionaliteit: oorzaak gaat vooraf aan gevolg (in de tijd)
3. Interne validiteit: alternatieve verklaringen uitgesloten
1 & 2 zijn ook bij correlatie.
Correlationeel onderzoek: er is een verband, associatie etc.
Scatterplots:
Als we kunnen nadenken over een
correlationeel verband Pearson
correlatie
Covariantie:
Hoe een score van een
participant afwijkt van een
bepaald gemiddelde.
Meeteenheid veranderd
covariantie veranderd ook
lastig om sterkte te
interpreteren. Je wilt niet
worden beïnvloedt door de
arbitraire invloeden
hierom Pearson correlatie.
Onderste formule: z:
gestandaardiseerde score
,1. Als er geen lineair verband is kan je beter geen pearson r gebruiken er is dan geen
samenhang.
2. Uitbijters kunnen een evenredig groot effect hebben op de sterkte van de correlatie
data plotten mét en zonder uitbijters dit grote verschil rapporteren. Wel altijd aangeven
waarom je uitbijters eruit haalt
3. Heb je heterogene groepen sprake van verschillende groepen bijv. categorische
variabelen verband x en y anders in ene dan in ander
4. Meten van de variabelen op een beperkte range van mogelijke scores kan een
vertekend beeld geven.
Z-scores berekenen
Dichotoom: variabelen met 2
uitkomsten, vaak nominaal
(voor/tegen, geslaagd/gezakt)
,Eerst rangscores dan gewoon z-formule om de correlatie te berekenen
Spearman = Pearson correlatie met rangscores op de data
Rangscores berekenen kan er daardoor meer lineair uitzien
Spearman iets ordenen zelfde gemiddelde en zelfde sd voor x en y
Spearman is iets lager dan Pearon iets minder power
Richting is hier anders: ook een plus
of min-teken: hangt af van welke
groep we wat hebben toegekend.
Ene is 0, andere is 1 heeft invloed
op het teken van de correlatie
Dichotoom en kwantitatieve
variabele t-toets heeft een
samenhang voor onafhankelijke
steekproeven (independent sample-
t-test)
Ziet er heel anders uit
komt puur door de 2
condities die we hebben.
Niks met positieve of
negatieve samenhang
X heeft alleen maar 0 of 1
als je dat gaat berekenen
zie je terugkomen in de z
score
Groep met hoogste
gemiddele scores met 1
coderen hierdoor positief of negatief (alleen invloed op – of +, niet op sterkte)
, Als er samenhang is
bepaalde combinaties
moeten vaker voorkomen
Let op de wortel trekken onder de
streep!
