CORRELATIONEEL ONDERZOEK
HC 1: INTRO EXPERIMENTEEL ONDEROEK + NHST & BAYESIAANS________________
EXPERIMENTEEL ONDERZOEK KERN ASPECTEN—------------------------------------------------
experimenteel onderzoek
- causaliteit => meet op X oorzaak is van Y
interne validiteit:
→ mate waarmee je kan concluderen dat de waargenomen effecten echt
door de
onafhankelijke variabele komen en niet door storende variabelen
Alternatieve verklaringen
→ andere factoren die een verandering in de afhankelijke variabele
kunnen verklaren
(bijvoorbeeld confounders, selectie-effecten, history-effecten)
- gerandomiseerd experiment
→ random toewijzing aan experimentele of controlegroep
→ dit minimaliseert bias & verhoogd interne validiteit
- 2 groepen worden vergleken
→ t toets voor onafhanklijke groepen → p-waarde & cohen’s d
- replicatie => Herhaling van een onderzoek om te testen of de resultaten
betrouwbaar en consistent zijn.
THEORY DATA CYCLUS
—--------------------------------------------------------------------------------------
we gaan theory data cyclus doorlopen aan hand van voorbeeld over mixed emotions
1: IDEE / THEORIE
idee / theory
- mixed emotions bij eindes van dingen
→ als je fase in je leven afsluit kan je blij & bedroeft zijn
→ als je zowel blij als bedoeft bent noemen we dat mixed emotions
1
, → als je je herinnert op feestelijke kant van aflsuiting & droevige kant dan
levert dat
mixed emotions op
2: ONDERZOEKSVRAAG
Onderzoeksvraag
- Hebben studenten die eraan herinnerd worden dat ze hun studententijd gaan
afsluiten een andere mate van mixed emotions dan studenten die daar niet aan
herinnerd worden?
3: ONDERZOEKSONTWERP
Variabelen
- Onafhankelijke variabele => groep (wel/niet herinnerd)
- Afhankelijke variabele => mate van mixed emotions
→ Happiness 7-puntsschaal & Sadness 7 puntsschaal
→ Mixed emotion score
– Scoor je 1 en 7 lage score op mixed emotions
– Scoor je 7 en 7 hoge score op mixed emotions
4: HYPOTHESE
hypothesen
- bij hypothese verglijk je groepen op hun score op afhanklijke variable
5: DATA VERZAMELING
Dataverzameling ( steekproef & procedure)
- Steekproef: studenten op Stanford University
- Procedure:
→ Respondenten at random ingedeeld in twee groepen
→ op afstudeerdag lezen studenten aan de Stanford University een tekst
→ Groep 1 (‘wel’): tekst die ze herinnert dat levens periode wordt
afgesloten
Groep 2 (‘niet’): tekst die ze niet hieraan herinnerd
→ Vervolgens vullen ze een vragenlijst in die hun mate van ‘mixed
emotions’ meet
6: DATA ANALYSE
Data-analyse
- Hypothese toetsen volgens Null Hypothesis Significance Testing (NHST)
1) Stap 1: toetskeuze, hypotheses bepalen en significantieniveau kiezen
2) Stap 2: assumpties controleren
3) Stap 3: toetsingsgrootheid en p-waarde bepalen
4) Stap 4: conclusie trekken over H0
5) Stap 5: inhoudelijke conclusie en effectgrootte bepalen
resultaten in JASP
- als je T-toets doet (independent samples T-test) dan krijg je 2 tabbelen
1) descriptives tabel => gemiddelde, standaardafwijking, standaard fout van
groepen (controle groep & experimentele groep)
2) intedepent samples T test tabel => met P-waarden (significantie)
- door P-waarde te checken kijk je of nulhypothese weg mag
2
, → bij Ho verwerpen => kans op type I fout ( Ho onterecht verwerpen)
→ bij Ho houden => kans op type II fout (Ho onterecht houden)
voorbeeld
- p-waarde = 0.020 → kleiner dan a= 0.05 → dus H0 mag weg & groepen
verschillen
(dus herinnerd groep scoort idd anders dan niet herinnerd groep)
replicatie crisis
wat is de replicatie crisis
- bij herhaling van het onderzoek krijgen onderzoekers niet zelfde resultaten
→ de effectgrootes waren maar half zo groot als in og studie
→ maar ⅓ van de orginele ‘significante’ studies was bij replicatie ook
significant
- replicatie crisis is groot probleem in sociale wetenschappe & mis ook daarbuiten
oorzaken van de replicatie crisis
- een van redenen van replicatie crisis is focus op P-waarde
- publication bias
→ onderzoek wordt alleen gepubliceerd als er een significant resultaat uit
komt
- Questionable Research Practices
→ voor onderzoekers is het van belang dat hun onderzoek gepubliceerd
wordt, dus
zij worden verleid om te focussen op het vinden van een significant resultaat
→ om significant resultaat te vinden gaan ze
A) p-waarde onjuist rapporteren
B) Data verwijderen om p-waarde te beïnvloeden
C) Significantieniveau aanpassen om te ‘zorgen voor’ een significant resultaat
D) Extra data verzamelen om te zien of het resultaat dan wel significant is
E) Alleen verschillen tussen bepaalde groepen rapporteren (die wel significant
zijn)
preregistratie
- Preregistratie helpt de replicatiecrisis te bestrijden door transparantie en objectiviteit
in wetenschappelijk onderzoek te bevorderen
1) Een onderzoeker stuurt onderzoeksvoorstel naar een tijdschrift
→ hierin staat: hoe de onderzoeker het onderzoek wil gaan uitvoeren.
2) Tijdschrift beoordeelt of dit een goede manier is om het onderzoek uit te voeren
3) Tijdschrift publiceert het resultaat; ongeacht of het resultaat significant is
2 MANIEREN OM RESULTATEN TE ANALYSEREN
—--------------------------------------------------
3
HC 1: INTRO EXPERIMENTEEL ONDEROEK + NHST & BAYESIAANS________________
EXPERIMENTEEL ONDERZOEK KERN ASPECTEN—------------------------------------------------
experimenteel onderzoek
- causaliteit => meet op X oorzaak is van Y
interne validiteit:
→ mate waarmee je kan concluderen dat de waargenomen effecten echt
door de
onafhankelijke variabele komen en niet door storende variabelen
Alternatieve verklaringen
→ andere factoren die een verandering in de afhankelijke variabele
kunnen verklaren
(bijvoorbeeld confounders, selectie-effecten, history-effecten)
- gerandomiseerd experiment
→ random toewijzing aan experimentele of controlegroep
→ dit minimaliseert bias & verhoogd interne validiteit
- 2 groepen worden vergleken
→ t toets voor onafhanklijke groepen → p-waarde & cohen’s d
- replicatie => Herhaling van een onderzoek om te testen of de resultaten
betrouwbaar en consistent zijn.
THEORY DATA CYCLUS
—--------------------------------------------------------------------------------------
we gaan theory data cyclus doorlopen aan hand van voorbeeld over mixed emotions
1: IDEE / THEORIE
idee / theory
- mixed emotions bij eindes van dingen
→ als je fase in je leven afsluit kan je blij & bedroeft zijn
→ als je zowel blij als bedoeft bent noemen we dat mixed emotions
1
, → als je je herinnert op feestelijke kant van aflsuiting & droevige kant dan
levert dat
mixed emotions op
2: ONDERZOEKSVRAAG
Onderzoeksvraag
- Hebben studenten die eraan herinnerd worden dat ze hun studententijd gaan
afsluiten een andere mate van mixed emotions dan studenten die daar niet aan
herinnerd worden?
3: ONDERZOEKSONTWERP
Variabelen
- Onafhankelijke variabele => groep (wel/niet herinnerd)
- Afhankelijke variabele => mate van mixed emotions
→ Happiness 7-puntsschaal & Sadness 7 puntsschaal
→ Mixed emotion score
– Scoor je 1 en 7 lage score op mixed emotions
– Scoor je 7 en 7 hoge score op mixed emotions
4: HYPOTHESE
hypothesen
- bij hypothese verglijk je groepen op hun score op afhanklijke variable
5: DATA VERZAMELING
Dataverzameling ( steekproef & procedure)
- Steekproef: studenten op Stanford University
- Procedure:
→ Respondenten at random ingedeeld in twee groepen
→ op afstudeerdag lezen studenten aan de Stanford University een tekst
→ Groep 1 (‘wel’): tekst die ze herinnert dat levens periode wordt
afgesloten
Groep 2 (‘niet’): tekst die ze niet hieraan herinnerd
→ Vervolgens vullen ze een vragenlijst in die hun mate van ‘mixed
emotions’ meet
6: DATA ANALYSE
Data-analyse
- Hypothese toetsen volgens Null Hypothesis Significance Testing (NHST)
1) Stap 1: toetskeuze, hypotheses bepalen en significantieniveau kiezen
2) Stap 2: assumpties controleren
3) Stap 3: toetsingsgrootheid en p-waarde bepalen
4) Stap 4: conclusie trekken over H0
5) Stap 5: inhoudelijke conclusie en effectgrootte bepalen
resultaten in JASP
- als je T-toets doet (independent samples T-test) dan krijg je 2 tabbelen
1) descriptives tabel => gemiddelde, standaardafwijking, standaard fout van
groepen (controle groep & experimentele groep)
2) intedepent samples T test tabel => met P-waarden (significantie)
- door P-waarde te checken kijk je of nulhypothese weg mag
2
, → bij Ho verwerpen => kans op type I fout ( Ho onterecht verwerpen)
→ bij Ho houden => kans op type II fout (Ho onterecht houden)
voorbeeld
- p-waarde = 0.020 → kleiner dan a= 0.05 → dus H0 mag weg & groepen
verschillen
(dus herinnerd groep scoort idd anders dan niet herinnerd groep)
replicatie crisis
wat is de replicatie crisis
- bij herhaling van het onderzoek krijgen onderzoekers niet zelfde resultaten
→ de effectgrootes waren maar half zo groot als in og studie
→ maar ⅓ van de orginele ‘significante’ studies was bij replicatie ook
significant
- replicatie crisis is groot probleem in sociale wetenschappe & mis ook daarbuiten
oorzaken van de replicatie crisis
- een van redenen van replicatie crisis is focus op P-waarde
- publication bias
→ onderzoek wordt alleen gepubliceerd als er een significant resultaat uit
komt
- Questionable Research Practices
→ voor onderzoekers is het van belang dat hun onderzoek gepubliceerd
wordt, dus
zij worden verleid om te focussen op het vinden van een significant resultaat
→ om significant resultaat te vinden gaan ze
A) p-waarde onjuist rapporteren
B) Data verwijderen om p-waarde te beïnvloeden
C) Significantieniveau aanpassen om te ‘zorgen voor’ een significant resultaat
D) Extra data verzamelen om te zien of het resultaat dan wel significant is
E) Alleen verschillen tussen bepaalde groepen rapporteren (die wel significant
zijn)
preregistratie
- Preregistratie helpt de replicatiecrisis te bestrijden door transparantie en objectiviteit
in wetenschappelijk onderzoek te bevorderen
1) Een onderzoeker stuurt onderzoeksvoorstel naar een tijdschrift
→ hierin staat: hoe de onderzoeker het onderzoek wil gaan uitvoeren.
2) Tijdschrift beoordeelt of dit een goede manier is om het onderzoek uit te voeren
3) Tijdschrift publiceert het resultaat; ongeacht of het resultaat significant is
2 MANIEREN OM RESULTATEN TE ANALYSEREN
—--------------------------------------------------
3
