DATA ANALYSIS II Module 3
Samenvatting gebaseerd op slides, leerdoelen en het boek: Analysing Data
using Linear Models With applications in R Stéphanie M. van den Berg
2025-09-19
, 1
Inhoudsopgave
Topic 1: Pre-Post Designs...............................................................................................................................................2
Topic 2: Repeated Measures............................................................................................................................................8
Topic 3: Repeated Measures With Linear Effects.........................................................................................................19
Topic 4: Linear Mixed Models For Mixed Design Studies............................................................................................23
Topic 5: Generalized Linear (Mixed) Models...............................................................................................................30
Topic 6: Nonparametric Methods For Within Designs..................................................................................................41
Oefenvragen.................................................................................................................................................................. 50
Antwoorden..............................................................................................................................................................61
, 2
Topic 1: Pre-Post Designs
Leerdoel 1: Students can identify a pre-post intervention design, and distinguish it from a between-group design.
Pre-post intervention design:
- In een pre-post design worden dezelfde personen minstens twee keer gemeten: bijvoorbeeld voor en na een
interventie.
- Het is dus een within-subject design: de herhaalde metingen horen bij dezelfde deelnemer.
o Voorbeeld: hoofdpijnscore voor aspirine en na aspirine.
Verschil met between-group design:
- In een between-group design vergelijk je verschillende groepen personen met elkaar.
o Voorbeeld: een therapiegroep vs. een placebogroep, waarbij iedere persoon meestal maar in één
conditie zit.
- Bij pre-post design vergelijk je dus vooral verandering binnen dezelfde persoon.
- Daardoor ontstaat ook meteen een belangrijk punt: metingen van dezelfde persoon zijn niet onafhankelijk
van elkaar.
Belangrijk onderscheid:
- Pre-post design: veranderingen binnen personen.
- Between-group design: verschil tussen groepen / personen.
- Mixed design: combinatie van beide.
o Voorbeeld: een between-factor zoals groep en een within-factor zoals tijd.
Leerdoel 2: For a given research design, students are able to name the units of analysis and the clustering variable.
Units of analysis:
- De unit of analysis is het niveau waarop de afzonderlijke observaties staan.
- In een pre-post design met long format is elke rij één meting van de afhankelijke variabele.
- In het aspirinevoorbeeld is elke observatie één hoofdpijnscore op een bepaald meetmoment.
Clustering variabele:
- De clustering variabele is de variabele die aangeeft welke observaties bij elkaar horen.
- In pre-post design is dat meestal de persoon / patiënt / deelnemer.
- Twee metingen van dezelfde patiënt lijken vaak meer op elkaar dan twee metingen van verschillende
patiënten.
- Voorbeeld:
o Observatie: hoofdpijnscore
o UOA: meting van hoofdpijnscore
o Clustering variabele: patiënt
, 3
o Meetmomentvariabele: measure of time (pre vs. post)
Waarom is dit Belangrijk?:
- Omdat observaties binnen dezelfde cluster op elkaar lijken, is de assumptie van independence geschonden als
je dat negeert.
- Daarom gebruik je in zulke gevallen een linear mixed model met een random effect voor de cluster.
Leerdoel 3: Students can compute the Pearson correlation for observations in wide format and know it quantifies the
extent of clustering.
Wide format:
- In wide format heeft elke deelnemer één rij.
- De verschillende meetmomenten staan in aparte kolommen, bijvoorbeeld:
o Pre
o Post
Pearson correlation in wide format:
- Je kunt de correlatie berekenen tussen de kolom pre en de kolom post.
- Die Pearson-correlatie geeft aan in welke mate deelnemers die hoog scoren op pre, ook hoog scoren op post.
Interpretatie:
- Een hoge positieve correlatie betekent dat de scores binnen personen samenhangen.
- Dat is een aanwijzing voor clustering: metingen van dezelfde persoon lijken op elkaar.
- Dus: hoe sterker de correlatie tussen pre en post, hoe sterker de afhankelijkheid binnen personen.
Wat deze correlatie niet is:
- Het is niet meteen de treatment effect zelf.
- Het zegt vooral iets over de mate waarin observaties binnen dezelfde persoon samenhangen.
Leerdoel 4: Students can put pre post design data sets from wide format into long format.
Van wide naar long:
- Voor mixed models zet je pre-post data meestal om naar long format.
- In wide format heb je bijvoorbeeld:
o patiënt, pre, post
- In long format krijg je bijvoorbeeld:
o patiënt, measure, headache
Samenvatting gebaseerd op slides, leerdoelen en het boek: Analysing Data
using Linear Models With applications in R Stéphanie M. van den Berg
2025-09-19
, 1
Inhoudsopgave
Topic 1: Pre-Post Designs...............................................................................................................................................2
Topic 2: Repeated Measures............................................................................................................................................8
Topic 3: Repeated Measures With Linear Effects.........................................................................................................19
Topic 4: Linear Mixed Models For Mixed Design Studies............................................................................................23
Topic 5: Generalized Linear (Mixed) Models...............................................................................................................30
Topic 6: Nonparametric Methods For Within Designs..................................................................................................41
Oefenvragen.................................................................................................................................................................. 50
Antwoorden..............................................................................................................................................................61
, 2
Topic 1: Pre-Post Designs
Leerdoel 1: Students can identify a pre-post intervention design, and distinguish it from a between-group design.
Pre-post intervention design:
- In een pre-post design worden dezelfde personen minstens twee keer gemeten: bijvoorbeeld voor en na een
interventie.
- Het is dus een within-subject design: de herhaalde metingen horen bij dezelfde deelnemer.
o Voorbeeld: hoofdpijnscore voor aspirine en na aspirine.
Verschil met between-group design:
- In een between-group design vergelijk je verschillende groepen personen met elkaar.
o Voorbeeld: een therapiegroep vs. een placebogroep, waarbij iedere persoon meestal maar in één
conditie zit.
- Bij pre-post design vergelijk je dus vooral verandering binnen dezelfde persoon.
- Daardoor ontstaat ook meteen een belangrijk punt: metingen van dezelfde persoon zijn niet onafhankelijk
van elkaar.
Belangrijk onderscheid:
- Pre-post design: veranderingen binnen personen.
- Between-group design: verschil tussen groepen / personen.
- Mixed design: combinatie van beide.
o Voorbeeld: een between-factor zoals groep en een within-factor zoals tijd.
Leerdoel 2: For a given research design, students are able to name the units of analysis and the clustering variable.
Units of analysis:
- De unit of analysis is het niveau waarop de afzonderlijke observaties staan.
- In een pre-post design met long format is elke rij één meting van de afhankelijke variabele.
- In het aspirinevoorbeeld is elke observatie één hoofdpijnscore op een bepaald meetmoment.
Clustering variabele:
- De clustering variabele is de variabele die aangeeft welke observaties bij elkaar horen.
- In pre-post design is dat meestal de persoon / patiënt / deelnemer.
- Twee metingen van dezelfde patiënt lijken vaak meer op elkaar dan twee metingen van verschillende
patiënten.
- Voorbeeld:
o Observatie: hoofdpijnscore
o UOA: meting van hoofdpijnscore
o Clustering variabele: patiënt
, 3
o Meetmomentvariabele: measure of time (pre vs. post)
Waarom is dit Belangrijk?:
- Omdat observaties binnen dezelfde cluster op elkaar lijken, is de assumptie van independence geschonden als
je dat negeert.
- Daarom gebruik je in zulke gevallen een linear mixed model met een random effect voor de cluster.
Leerdoel 3: Students can compute the Pearson correlation for observations in wide format and know it quantifies the
extent of clustering.
Wide format:
- In wide format heeft elke deelnemer één rij.
- De verschillende meetmomenten staan in aparte kolommen, bijvoorbeeld:
o Pre
o Post
Pearson correlation in wide format:
- Je kunt de correlatie berekenen tussen de kolom pre en de kolom post.
- Die Pearson-correlatie geeft aan in welke mate deelnemers die hoog scoren op pre, ook hoog scoren op post.
Interpretatie:
- Een hoge positieve correlatie betekent dat de scores binnen personen samenhangen.
- Dat is een aanwijzing voor clustering: metingen van dezelfde persoon lijken op elkaar.
- Dus: hoe sterker de correlatie tussen pre en post, hoe sterker de afhankelijkheid binnen personen.
Wat deze correlatie niet is:
- Het is niet meteen de treatment effect zelf.
- Het zegt vooral iets over de mate waarin observaties binnen dezelfde persoon samenhangen.
Leerdoel 4: Students can put pre post design data sets from wide format into long format.
Van wide naar long:
- Voor mixed models zet je pre-post data meestal om naar long format.
- In wide format heb je bijvoorbeeld:
o patiënt, pre, post
- In long format krijg je bijvoorbeeld:
o patiënt, measure, headache
