TOE week 5 - experimenteel 3 en 4

Een interactie-effect..

geeft weer of het effect van de oorspronkelijke onafhankelijke variabele afhangt van het niveau van een andere onafhankelijke variabele.

factorieel ontwerp (factorial design)

design waarbij er twee of meer onafhankelijke variabelen zijn

marginale gemiddelden

de rekenkundige gemiddelden voor elk niveau van een onafhankelijke variabele, waarbij het gemiddelde wordt genomen over de niveaus van de andere onafhankelijke variabele

F

toetsingsgrootheid waarmee de effecten geevalueerd worden

N2

de proportie van de variatie in de afhankelijke variabele die verklaard wordt door het effect

Voor een tweeweg ANOVA geldt…

dat de verklaarde variantie in de afhankelijke variabele bestaat uit de som van de variantie verklaard door de twee hoofdeffecten en het interactie-effect

Hedendaagse empirische cyclus

Theorie en onderzoeksvraag → onderzoeksontwerp → hypotheseformulering en preregistratie → steekproeftrekking, randomiseren en causaliteit, dataverzameling en data controle → NHST of bayesiaanse hypothese evaluatie → rapportage → replicaonderzoek

eenweg designs

betreft het gerandomiseerde experiment en de eenweg ANOVA. Wordt slechts 1 onafhankelijke variabele onderzocht, waarbij de focus ligt op het effect van deze variabele op de onafhankelijke variabele

tweeweg designs

omvatten meerdere onafhankelijke variabelen en worden gebruikt om de interactie tussen deze variabelen te onderzoeken

tweeweg design, het klassieke experimentele design

1 within-subjects (zoals voor- nameting) factor wordt gecombineerd met een between-subjects factor (experimentele en controlegroep)

tweeweg design, counterbalanced design

de volgorde van de condities wordt afwisselend gepresenteerd ( AB-BA) om volgorde effecten te vermijden

tweeweg design met een between subjects factor en een random factor

de random factor representeert willekeurige variaties in de deelnemers

tweeweg design met twee between-subjects factoren

de ene factor bevat een controle en experimentele groep, de andere factor onderzoekt een mogelijke alternatieve verklaring (zoals demografische variabele)

Bayesian error probabilities (Posterior model kansen)

Kunnen worden gebruikt als je twee of meer van hypotheses met elkaar wilt vergelijken

ANOVA aannames

• De scores van de personen op de afhankelijke variabele zijn onderling onafhankelijk

• Er zitten geen uitschieters in de scores van de personen op de afhankelijke variabele

• Binnen elke groep zijn de scores op de afhankelijke variabele normaal verdeeld

• De varianties van de scores op de afhankelijke variabele zijn gelijk in elke groep (homoscedasticiteit)

bootstrapped schattingen en p waarde

wanneer de normaliteit niet vertrouwd wordt, kan je ipv ANOVA beter statistiek gebruiken die geen aannames doet over normaliteit