= opmerkingen
= hoort bij het begrip, aanname of toevoeging
Experimenteel
Grasple lessen
De t-toets zal niet ernstig beïnvloed worden door deze assumptie als: homogeniteit van
variantie
1. De grootte n van de grootste groep maximaal 4 keer zo groot is als de grootte n van
de kleinste groep.
2. De grootste variantie maximaal 10 keer zo groot is als de kleinste variantie. De
variantie bereken je door de SD te kwadrateren.
Dat een statistische toets niet (erg) beïnvloed wordt door de schending van een
assumptie noemen we ook wel robuustheid.
Een ANOVA is een statistische toets die je net als een t-toets kunt gebruiken om te kijken of
verschillende groepen van elkaar verschillen op een bepaalde variabele.
Bij een t-toets kun je dit alleen maar doen wanneer je twee groepen hebt. Een ANOVA kan
gebruikt worden wanneer je méér dan twee groepen hebt.
Het doel van randomiseren is dat de groepen qua eigenschappen voor aanvang van het
experiment nog niet significant van elkaar verschillen. Zo kun je het beste toetsen of
vaardigheden die na afloop van het experiment zijn gemeten, verschillen als gevolg van de
conditie in het experiment.
Met een Post-Hoc toets kan je zien welke specifieke groepen significant van elkaar
verschillen.
- p-waarde van Bonferroni is kleine dag significantie niveau a=0.05; significant
verschil
,Bayes Factor
- Wanneer de steun in de date voor de H0a keer zo groot is dan de steun voor Ha:
BF0a= 4.0 OF BFa0= 0.25
- Hypothesis H1: u1=u2
- Bij Bain ANOVA staat de BF die de steun in de data voor H1 aangeeft. Deze wordt
aangegeven door BF.c
- Bayes Updating
- De PMP van het minst gesteunde model is de laagste PMP-waarde in de verdeling.
Hoe lager, hoe minder steun dat model krijgt van de data. Modellen samen = 1.00
- CI waarde: Als de twee intervallen overlappen, zijn er veel gezamenlijke waarden, wat
geen verschil aangeeft.
Aannames ANOVA
- Binnen elke groep zijn de sores op de afhankelijk variabele normaal verdeeld.
HISTOGRAM
- De afhankelijke variabele is minimaal van interval meetniveau
- De scores van de personen (groepen) op de afhankelijke variabele zijn onderling
onafhankelijk
- De varianties van de scores op de afhankelijk variabele zijn gelijk in elke groep.
HOMOSCEDASTICITEIT; IQRs gelijk
- Er zitten geen uitbijters in de scores van de personen op de afhankelijke variabele.
BOXPLOT; als een kind laag scoort is het geen onrealistische waarde op typefout
(kijk scores) dus onderdeel van populatie.
In de grafiek kun je zien dat de paarse pijn buiten de onderste whisker (einde bij de
blauwe pijl) van de boxplot valt.
, Tweeweg ANOVA: PE6
Effect anders is voor jongens en voor meisjes; ofwel: is er een interactie tussen conditie
en seksen
Op basis van de output van een tweeweg ANOVA kunnen we concluderen of er sprake is
van een significant effect of niet. Hierbij kijken we altijd naar de p-waarde. Wat deze p-
waarde ons niet vertelt, is de grootte van dit effect. Hiervoor gebruiken we een maat voor
effectgrootte η2.
Oftewel: hoe is het effect van ervaring op de follow-up meting van automatiseren 2 nu
anders voor de verschillende typen onderwijs
*Boxplot grootste= meeste spreiding
Niet evenwijdig = interactie-effect
- Voor de hypotheses waarin minimaal één keer een =- teken gebruikt wordt, vind je in
de kolom BF.c de BF factor va de betreffende hypothese versus de “unconstrained”
hypothese (Hu)
- Voor de hypotheses waarin alleen > of < (en dus geen =) worden gebruikt, vind je in
de kolom BF.c de BF van de betreffende hypothese versus het complement (alle
andere mogelijke orderingen)
, Aantekeningen HC Experimenteel
Belangrijke begrippen:
1. P-waarde: p ≤ α => verwerpen
2. Onafhankelijk variabelen beïnvloed afhankelijke variabelen
3. Effectsize : hoeveel % van de variantie in de afhankelijke variabelen wordt verklaard
door de variantie in de onafhankelijk variabele.
4. Type 1 fout: H0 onjuist verwerpen (alfa)
Type 2 fout: H0 niet onjuist verwerpen (Beta)
5. POWER: waarschijnlijkheid dat H0 correct wordt verworpen (1 – B)
*ze zeggen dat er een effect is, is hetzelfde als H0 verwerpen
*statistische Power 0.80
*steekproefomvang=> grotere Power
*significantieniveau alfa 0.05 => kans op Type 1 Fout
Alfa omhoog, Beta omlaag => 1 – B
Empirische cyclus
1. Theorievorming en onderzoeksvraag
2. Onderzoekontwerp (wat voor ene type onderzoek)
3. Hypotheseformulering en preregistratie (wat wordt er verwacht)
4. Steekproeftrekking, randomiseren en causaliteit, data-verzameling en datacontrole
5. Nulhypothese significante toetsing of Bayesiaanse hypothese evaluatie
6. Rapportage (wat heb ik gedaan en de stappen)
7. Replicatieonderzoek
*replicatie crisis
Sloppy science : alles wat slecht is aan je onderzoek
Publicatiebias: iets wel of niet publiceren omdat het een bepaald resultaat geeft
= hoort bij het begrip, aanname of toevoeging
Experimenteel
Grasple lessen
De t-toets zal niet ernstig beïnvloed worden door deze assumptie als: homogeniteit van
variantie
1. De grootte n van de grootste groep maximaal 4 keer zo groot is als de grootte n van
de kleinste groep.
2. De grootste variantie maximaal 10 keer zo groot is als de kleinste variantie. De
variantie bereken je door de SD te kwadrateren.
Dat een statistische toets niet (erg) beïnvloed wordt door de schending van een
assumptie noemen we ook wel robuustheid.
Een ANOVA is een statistische toets die je net als een t-toets kunt gebruiken om te kijken of
verschillende groepen van elkaar verschillen op een bepaalde variabele.
Bij een t-toets kun je dit alleen maar doen wanneer je twee groepen hebt. Een ANOVA kan
gebruikt worden wanneer je méér dan twee groepen hebt.
Het doel van randomiseren is dat de groepen qua eigenschappen voor aanvang van het
experiment nog niet significant van elkaar verschillen. Zo kun je het beste toetsen of
vaardigheden die na afloop van het experiment zijn gemeten, verschillen als gevolg van de
conditie in het experiment.
Met een Post-Hoc toets kan je zien welke specifieke groepen significant van elkaar
verschillen.
- p-waarde van Bonferroni is kleine dag significantie niveau a=0.05; significant
verschil
,Bayes Factor
- Wanneer de steun in de date voor de H0a keer zo groot is dan de steun voor Ha:
BF0a= 4.0 OF BFa0= 0.25
- Hypothesis H1: u1=u2
- Bij Bain ANOVA staat de BF die de steun in de data voor H1 aangeeft. Deze wordt
aangegeven door BF.c
- Bayes Updating
- De PMP van het minst gesteunde model is de laagste PMP-waarde in de verdeling.
Hoe lager, hoe minder steun dat model krijgt van de data. Modellen samen = 1.00
- CI waarde: Als de twee intervallen overlappen, zijn er veel gezamenlijke waarden, wat
geen verschil aangeeft.
Aannames ANOVA
- Binnen elke groep zijn de sores op de afhankelijk variabele normaal verdeeld.
HISTOGRAM
- De afhankelijke variabele is minimaal van interval meetniveau
- De scores van de personen (groepen) op de afhankelijke variabele zijn onderling
onafhankelijk
- De varianties van de scores op de afhankelijk variabele zijn gelijk in elke groep.
HOMOSCEDASTICITEIT; IQRs gelijk
- Er zitten geen uitbijters in de scores van de personen op de afhankelijke variabele.
BOXPLOT; als een kind laag scoort is het geen onrealistische waarde op typefout
(kijk scores) dus onderdeel van populatie.
In de grafiek kun je zien dat de paarse pijn buiten de onderste whisker (einde bij de
blauwe pijl) van de boxplot valt.
, Tweeweg ANOVA: PE6
Effect anders is voor jongens en voor meisjes; ofwel: is er een interactie tussen conditie
en seksen
Op basis van de output van een tweeweg ANOVA kunnen we concluderen of er sprake is
van een significant effect of niet. Hierbij kijken we altijd naar de p-waarde. Wat deze p-
waarde ons niet vertelt, is de grootte van dit effect. Hiervoor gebruiken we een maat voor
effectgrootte η2.
Oftewel: hoe is het effect van ervaring op de follow-up meting van automatiseren 2 nu
anders voor de verschillende typen onderwijs
*Boxplot grootste= meeste spreiding
Niet evenwijdig = interactie-effect
- Voor de hypotheses waarin minimaal één keer een =- teken gebruikt wordt, vind je in
de kolom BF.c de BF factor va de betreffende hypothese versus de “unconstrained”
hypothese (Hu)
- Voor de hypotheses waarin alleen > of < (en dus geen =) worden gebruikt, vind je in
de kolom BF.c de BF van de betreffende hypothese versus het complement (alle
andere mogelijke orderingen)
, Aantekeningen HC Experimenteel
Belangrijke begrippen:
1. P-waarde: p ≤ α => verwerpen
2. Onafhankelijk variabelen beïnvloed afhankelijke variabelen
3. Effectsize : hoeveel % van de variantie in de afhankelijke variabelen wordt verklaard
door de variantie in de onafhankelijk variabele.
4. Type 1 fout: H0 onjuist verwerpen (alfa)
Type 2 fout: H0 niet onjuist verwerpen (Beta)
5. POWER: waarschijnlijkheid dat H0 correct wordt verworpen (1 – B)
*ze zeggen dat er een effect is, is hetzelfde als H0 verwerpen
*statistische Power 0.80
*steekproefomvang=> grotere Power
*significantieniveau alfa 0.05 => kans op Type 1 Fout
Alfa omhoog, Beta omlaag => 1 – B
Empirische cyclus
1. Theorievorming en onderzoeksvraag
2. Onderzoekontwerp (wat voor ene type onderzoek)
3. Hypotheseformulering en preregistratie (wat wordt er verwacht)
4. Steekproeftrekking, randomiseren en causaliteit, data-verzameling en datacontrole
5. Nulhypothese significante toetsing of Bayesiaanse hypothese evaluatie
6. Rapportage (wat heb ik gedaan en de stappen)
7. Replicatieonderzoek
*replicatie crisis
Sloppy science : alles wat slecht is aan je onderzoek
Publicatiebias: iets wel of niet publiceren omdat het een bepaald resultaat geeft
