MCOS Hoorcollege 11
Experimenteel onderzoek - zeer geschikt voor vaststellen causaliteit
Dit valt onder een onderzoeksmethode
Wat is het effect van X op Y?
Onafhankelijke variabele: wordt gemanipuleerd door de onderzoeker
Afhankelijke variabele (mate van ) conformeren
Manipuleren = systematisch 'iets' veranderen en vergelijken
Goed manipuleren = Verander één ding en hou de rest gelijk
Causaliteit vaststellen: 3 voorwaarden:
- Covariatie: een (statistisch) verband tussen X en Y
Is er een samenhang tussen X en Y?
- Chronologie: X gaat vooraf aan Y
Kan dat wel door X komen?
- Uitsluiten alternatieve verklaringen: covariatie tussen X en Y mag niet veroorzaakt
worden door Z
Komt het niet door iets anders?
Toewijzen van participanten - een 'tool' om alternatieve verklaringen uit te sluiten ( als je het
goed doet…)
Mensen zijn verschillend
Confound = zijn variabelen die samenhangen met manipulaties
"Je kan dan niet meer met zekerheid zeggen of een verschil veroorzaakt wordt door de
manipulatie of confounding variabele."
Note: confounds zijn niet alleen persoonseigenschappen, het kan alles zijn (dag van de week,
locaties, etc).
Confounds voorkomen: Toewijzingsstrategie
Homogeniseren: Alleen participanten selecteren met bepaalde eigenschappen.
Er is dan dus geen variatie op belangrijke variabelen mogelijk.
(alleen mannen van 25 jaar, alleen ouderen 80+, alleen gescheiden vaders, alleen
koffiedrinkers, etc).
,Probleem: lage representativiteit
Groter probleem (!): je kan belangrijke eigenschappen over het hoofd zien.
Matching: Groepssamenstelling voor bepaalde eigenschappen gelijk maken.
Precisiematching: Koppels van 'hele gelijke mensen' maken en op basis van die koppels
mensen in twee groepen verdelen.
Globale Matching: Globale eigenschappen over groepen gelijk maken.
( evenveel mannen/vrouwen, oude/jonge, etc. in de groepen)
Probleem: steeds lastiger bij matching voor eigenschappen
Groter probleem(!): je kan belangrijke eigenschappen over het hoofd zien.
Randomiseren: Participanten random (=aselect) toewijzen aan groepen.
Probleem: niet altijd mogelijk
Bij voldoende mensen zijn op groepsniveau alle eigenschappen gelijk.
Dus geen alternatieve verklaringen (confounds) door eigenschappen van participanten.
Confounds voorkomen: Achteraf controleren (randomisatiecheck)
Zijn de groepen inderdaad vergelijkbaar op de variabelen die ik gemeten heb?
Nee? = mogelijke confound ( daar kan je voor controleren in analyses)
Manipulatiecheck = checken of de manipulatie wel is voorgekomen
Bij welke RQ kies je voor experimenteel onderzoek?
C - Hoe beïnvloedt een sponsorship disclosure in en Instagram-post de geloofwaardigheid
van het bericht.
Soorten experimenten
'designs' = inrichting/vormgeving experiment - wat ga je vergelijken? - verschillende designs
geven verschillende mate van 'controle'. (mogelijkheid voor het uitsluiten van alternatieve
verklaringen)
One -group pretest-posttest design
● Geen aselecte toewijzing
● Weining controle
● Vergelijkt voor- en nameting
,Probleem: veel alternatieve verklaringen blijven mogelijk
Niet manipulatie maar iets anders veroorzaakt een verschil (e.g, extern voorval; rijping;
test-effect)
Two-group posttest design
● Geen aselecte toewijzing
● Weinig controle
● Vergelijk twee groepen
Probleem: Nog steeds, veel alternatieve verklaringen blijven mogelijk
Niet manipulatie maar iets ander veroorzaakt een verschil
(e.g, bestond het verschil al? Eigenschappen van de groepen?
Two-group pretest-posttest design
● Geen aselecte toewijzing
● Meer controle
● Vergelijkt voor- en nameting van twee groepen
, Beter! Eigenlijk allen nog over: verschillen in groepseigenschappen verklaren verschillen;
test-effecten.
Two-group random assignment pretest-posttest design
● Wel aselecte toewijzing
● Veel controle
● Vergelijkt voor- en nameting van twee groepen
Goed eigenlijk alleen nog over: test-effecten.
Experimenteel onderzoek - zeer geschikt voor vaststellen causaliteit
Dit valt onder een onderzoeksmethode
Wat is het effect van X op Y?
Onafhankelijke variabele: wordt gemanipuleerd door de onderzoeker
Afhankelijke variabele (mate van ) conformeren
Manipuleren = systematisch 'iets' veranderen en vergelijken
Goed manipuleren = Verander één ding en hou de rest gelijk
Causaliteit vaststellen: 3 voorwaarden:
- Covariatie: een (statistisch) verband tussen X en Y
Is er een samenhang tussen X en Y?
- Chronologie: X gaat vooraf aan Y
Kan dat wel door X komen?
- Uitsluiten alternatieve verklaringen: covariatie tussen X en Y mag niet veroorzaakt
worden door Z
Komt het niet door iets anders?
Toewijzen van participanten - een 'tool' om alternatieve verklaringen uit te sluiten ( als je het
goed doet…)
Mensen zijn verschillend
Confound = zijn variabelen die samenhangen met manipulaties
"Je kan dan niet meer met zekerheid zeggen of een verschil veroorzaakt wordt door de
manipulatie of confounding variabele."
Note: confounds zijn niet alleen persoonseigenschappen, het kan alles zijn (dag van de week,
locaties, etc).
Confounds voorkomen: Toewijzingsstrategie
Homogeniseren: Alleen participanten selecteren met bepaalde eigenschappen.
Er is dan dus geen variatie op belangrijke variabelen mogelijk.
(alleen mannen van 25 jaar, alleen ouderen 80+, alleen gescheiden vaders, alleen
koffiedrinkers, etc).
,Probleem: lage representativiteit
Groter probleem (!): je kan belangrijke eigenschappen over het hoofd zien.
Matching: Groepssamenstelling voor bepaalde eigenschappen gelijk maken.
Precisiematching: Koppels van 'hele gelijke mensen' maken en op basis van die koppels
mensen in twee groepen verdelen.
Globale Matching: Globale eigenschappen over groepen gelijk maken.
( evenveel mannen/vrouwen, oude/jonge, etc. in de groepen)
Probleem: steeds lastiger bij matching voor eigenschappen
Groter probleem(!): je kan belangrijke eigenschappen over het hoofd zien.
Randomiseren: Participanten random (=aselect) toewijzen aan groepen.
Probleem: niet altijd mogelijk
Bij voldoende mensen zijn op groepsniveau alle eigenschappen gelijk.
Dus geen alternatieve verklaringen (confounds) door eigenschappen van participanten.
Confounds voorkomen: Achteraf controleren (randomisatiecheck)
Zijn de groepen inderdaad vergelijkbaar op de variabelen die ik gemeten heb?
Nee? = mogelijke confound ( daar kan je voor controleren in analyses)
Manipulatiecheck = checken of de manipulatie wel is voorgekomen
Bij welke RQ kies je voor experimenteel onderzoek?
C - Hoe beïnvloedt een sponsorship disclosure in en Instagram-post de geloofwaardigheid
van het bericht.
Soorten experimenten
'designs' = inrichting/vormgeving experiment - wat ga je vergelijken? - verschillende designs
geven verschillende mate van 'controle'. (mogelijkheid voor het uitsluiten van alternatieve
verklaringen)
One -group pretest-posttest design
● Geen aselecte toewijzing
● Weining controle
● Vergelijkt voor- en nameting
,Probleem: veel alternatieve verklaringen blijven mogelijk
Niet manipulatie maar iets anders veroorzaakt een verschil (e.g, extern voorval; rijping;
test-effect)
Two-group posttest design
● Geen aselecte toewijzing
● Weinig controle
● Vergelijk twee groepen
Probleem: Nog steeds, veel alternatieve verklaringen blijven mogelijk
Niet manipulatie maar iets ander veroorzaakt een verschil
(e.g, bestond het verschil al? Eigenschappen van de groepen?
Two-group pretest-posttest design
● Geen aselecte toewijzing
● Meer controle
● Vergelijkt voor- en nameting van twee groepen
, Beter! Eigenlijk allen nog over: verschillen in groepseigenschappen verklaren verschillen;
test-effecten.
Two-group random assignment pretest-posttest design
● Wel aselecte toewijzing
● Veel controle
● Vergelijkt voor- en nameting van twee groepen
Goed eigenlijk alleen nog over: test-effecten.
