H-1 De logica van sociaal onderzoek: uitsluiten van rival hypotheses

Transcriptie

1 Inleiding empirische cyclus (Dooley, Social Research Methods) H-1 De logica van sociaal onderzoek: uitsluiten van rival hypotheses Lezers moeten niet zomaar akkoord gaan met wat ze lezen, men moet kritisch zijn!!(skeptiscism), waardoor slecht onderzoek van goed wordt onderscheiden. Verder moeten onderzoekers hun onderzoek zien als een ethische plicht, waarbij integrity van belang is (alles noemen, ook als het tegengesteld is aan je verwachting). Philosophy of science. Empirical methods zijn methodes gebaseerd op ervaring of observatie van de wereld. Filosofen betwijfelen in hoeverre we kunnen vertrouwen op onze observaties. Wij kennen de wereld alleen indirect. We identificeren een boom omdat we geleerd hebben dat dat ding zo heet. Onze wetenschappelijke feiten lijken op collectieve oordelen, onderworpen aan onenigheid en wijzigingen. Ontology gaat over het probleem van de uiterste natuur van dingen. Bestaan er echt externe dingen als bomen die wij waarnemen? Het geloof in het bestaan van deze echte bronnen heet realism. Fictionalism/instrumentalism: de veronderstelde externe bronnen voor onze perceptie zijn ficties, afhankelijk van onze waarnemingsinstrumenten. Selective perceptions. Veel bewijs is selectief een onderwerp van error. Kuhn had het over een gedeeld framework (paradigm) met algemeen aanvaarde normen en waarden etc. Het is a.h.w. de lens waardoor we de wereld zien. Een paradigm shift krijg je wanneer bestaande theorieën niet langer meer in staat zijn om discrepante bevindingen tegen te spreken. Can we discover causal laws? Faith of science. Dit houdt in dat de missie van de wetenschap is om tijdloze wetten/ regelmatigheden te vinden in tijd en plaats waarmee gebeurtenissen kunnen worden verklaard. Einstein betwijfelde of dit mogelijk was. Critici dachten dat ons begrip van de wereld een sociale aangelegenheid is, afhankelijk van uitwisselingen tussen mensen. Fallibilism.(feilbaarheid). Voorgesteld dat fysieke en sociale gebeurtenissen inderdaad wetten volgen dan bestaat er nog een probleem: induction, een idee vinden onder de geobserveerde gebeurtenissen die andere, nog niet geobserveerde gebeurtenissen kan verklaren. Herhaalde gevallen garanderen nog geen toekomstige herhaling. Fallibilism gaat over de houding van verwachting van onze eigen inducties. Meetprocedures en inductie zijn menselijke aangelegenheden en riskeren daarom error. Strategy of research. Theory as testible explanation. Sociaal onderzoek probeert menselijke gebeurtenissen te verkaren. Het bevat 3 hoofdclusters: experimentele verklaring, observeren, testen van rival optieken tegen feiten (theorie vergelijken met observatie?). Alledrie de onderdelen zijn nodig voor sociaal onderzoek. Experimentele verklaringen vormen theorie. Descriptive research verklaart niks, maar beschrijft alleen. Causal research gaat over oorzaak-gevolg. Falsifiability/testibility: falsifiëren.

2 Rules of evidence. Onderzoekers moeten voldoen aan 3 criteria voordat ze een causaal verband kunnen claimen. 1)covariation, als A B veroorzaakt dan moeten ze wel met elkaar te maken hebben. Dit hoeft echter niet waar te zijn. Een verband betekent nog geen causaal verband 2)cause prior to effect Het ene gebeurt eerder dan het ander, maar dat wil niet zeggen dat de factor die eerder is, de andere factor veroorzaakt. Als klok A net iets eerder slaat dat B, wil dat niet zeggen dat A het geluid van B veroorzaakt. 3) absence of plausible rival hypothesis or explanation. Afwezigheid van aannemelijke rival verklaringen. Er zijn verschillende dreigingen in onderzoek: a) We kunnen niet zeggen dat A B veroorzaakt als onze metingen niet zowel A als B weergeven. b) Veel onderzoek komt van proeven. Als iets voor een kleine groep geldt, wil dat niet meteen zeggen dat dat voor de hele bevolking zo is. c) Er zijn veel verschillende manieren om onderzoek vorm te geven. d) Men moet oppassen met overhaaste generalisatie. H-3 Vinden, gebruiken en schrijven van onderzoeksrapporten Voordat je een nieuw onderzoek begint moet je oude onderzoeken over hetzelfde onderwerp raadplegen. Dit helpt om de originaliteit vast te stellen en om fouten uit het verleden te vermijden. Ook vormt het een basis. Understanding social research reports Het belangrijkst is dat ze kwaliteitscontrole verschaffen, want voor publicatie is er onafhankelijke review overheen gegaan. Learning to read research. Je bent je eigen criticus. En voordat je je onderzoek begint moet je andere onderzoeken hebben bestudeerd. Learning to criticize. Kritiek bevordert eerlijk onderzoek en komt met alternatieven. Je kunt als criticus beter met goede alternatieven komen dan dat je de negatieve onderdelen van het onderzoek benadrukt. Kritisch lezen betekent dat je met rival verklaringen komt voor het geobserveerde bewijs. The form of research reports Standard Format. Er is een standaard formaat voor rapporten. (Elk onderzoeksrapport bevat de volgende elementen: 1) Abstract: soort samenvatting van het artikel in minder dan 200 woorden. Het presenteert de belangrijkste vragen en voorspellingen, de basis opzet en metingen en de oorsprong van de resultaten. 2) Introduction: hier wordt het probleem geformuleerd, het geeft de achtergrond van het probleem weer, inclusief voorgaande studies over hetzelfde thema. 3) Method: hoe de studie is gedaan. De lezer kan hier de tekst bekritiseren op eventuele rival explanations. Deze sectie moet gedetailleerd genoeg zijn om zelf het onderzoek te kunnen herhalen. Ook worden hier de selectie en opdracht van de subjecten en hun behandeling beschreven en de manier waarop data zijn verzameld.

3 4) Results: de uitkomst van de studie, meestal in getallen uitgedrukt. (Er zijn 2 soorten statistieken:1) descriptive statistics (beschrijvend), 2)inferential statistics (concluderend). Als P < 0,05 dan is de uitkomst significant. 5) Discussion: Vat de conclusies samen en beoordeelt hoeveel vertrouwen ze garanderen. De auteur sluit meestal af met overgebleven problemen en hij speculeert over richtingen voor verder onderzoek. H-4 Theorie: experimentele verklaringen Causal links between constructs Diagramming theories A model of Academic Achievement (Zie model de sheets college 2). De woorden in de cirkels zijn concepten en de pijlen staan voor oorzaak-gevolgrelaties. Theorieën zijn voorlopige aannames. Omdat we er onzeker van zijn, noemen we ze theorieën en geen wetten. Constructs. Concepten zijn abstracte aspecten van de werkelijkheid. Bijv. brede begrippen als lengte, snelheid, intelligentie etc. Constructen zijn complexe concepten Een variabele is een indicator of meting. In tegensteling tot een theoretical variable, die is namelijk abstract. Concepts, constructs en theoretical variables refereren aan abstracte aspecten van mensen, gebeurtenissen of dingen. Variables en measured variables zijn concrete expressies van deze aspecten. Het beginconcept van een theorie is de exogenous construct, omdat het van buitenaf wordt beïnvloed (hier gaan pijlen vanaf). Ook wel onafhankelijke variabelen, omdat ze niet worden veroorzaakt door andere. De pijlen die die kant uitwijzen geven causale relaties aan. De endogenous construct of afhankelijke variabele wordt binnen in het model beïnvloed. De waarde hangt af van de causale variabele. Indirect causation vindt plaats als er een interveniërende, 3e variabele tussen zit. Reciprocal causation is als er 2 tegengestelde oorzakelijke processen tegelijkertijd werken. Why have theories? Action. 2 belangrijke functies van theorieën: 1) onzekerheid wegnemen. Goede theorieën hebben samenhang, logica en interne consistentie. research 2) ze zijn nuttig bij het leiden van vervolgonderzoek. Theorieën zijn alleen maar tijdelijk en wachten op verder onderzoek. Nomothetic vs. Idiographic Approaches Nomothetic: generaliseren tot algemene wetten. Algemene patronen proberen te ontdekken die standhouden op verschillende plaatsen en tijdstippen. Idiographic: richt zich meer op de bijzonderheden van individuele dingen, niet generaliseren. Ze onderscheiden iedere persoon etc. zonder verwijzing naar de anderen. Steps in making and using theory

4 Theoretisch onderzoek bestaat uit de fasen: inductie, deductie, testen, feedback Induction: van specifiek naar algemeen. We verzinnen algemene regels of relaties die specifieke observaties etc. kunnen uitleggen. (Paradox: situatie waarin theorie en feiten botsen.) Deduction: van algemeen naar specifiek: specifieke beweringen uit algemene theoretische regels. Hypothesis testing and operationalization. Meetbaar maken. Bv. Standaard meetmethoden gebruiken. Door te vertalen in een observeerbare vorm wordt het een hypothese (voorspelling). Een enkele hypothese-test kan een voorspelling niet bewijzen. Feedback de resultaten van het testen van de hypothese zorgen ervoor dat men terug gaat naar de inductiefase om de theorie te steunen of te herzien. Guidelines for theory. Er zijn 2 gebieden: parsimony, efficiëntie, het moet eenvoudig zijn. Generality, algemeenheid. Als met de theorie meer bevindingen kunnen worden verklaard, is de theorie bruikbaarder. Allebei deze voorwaarden verkrijgen kan bijna niet tegelijk. H-5 Metingstheorie t.a.v. validiteit en betrouwbaarheid Measuring measures Reliability and Validity We beoordelen de kwaliteit van meetinstrumenten op basis van betrouwbaarheid en validiteit. Reliability: de mate waarin de geobserveerde scores vrij zijn van meetfouten. Validity: de bruikbaarheid en of de conclusies van het meetinstrument betekenisvol zijn. Meet je wat je wilt meten? Psychometrie probeert de betrouwbaarheid en validiteit van meetinstrumenten te verbeteren. Errors of measurement Decomposing observations. De theorie van meetinstrumenten begint met het inzicht dat een test score imperfect is. X = T+ E (X=geobserveerde score, T=true score: reflecteert het concept van interesse, E= error: verschil ware en geobserveerde scores). We willen dat X zo dicht mogelijk bij T ligt en E zo dicht mogelijk bij nul. Random error (Er) kan zowel positief als negatief zijn en zou bij een groot aantal observaties bij nul moeten liggen, zodat geluk wordt uitgesloten. Random errors cancel. Zie vb p Bias. Bias is een niet random soort van error. X=T+B+Er. Deze soort van error hoeft geen probleem te zijn als alle subjecten dezelfde biased meting ondergaan. Dan blijft de relatie tot elkaar namelijk gelijk. Maar wanneer het op een absoluut niveau wordt gebruikt, kan het wel een probleem vormen. Bias kan komen van rater bias : 2 verschillende beoordelaars zullen 2

5 verschillende beoordelingen geven. Maar ook bestaat er bias door het verschil in testcondities (bijv. ene conditie lawaaierig, andere stil). Standaardisatie verzekert ons ertegen dat de verschillen in geobserveerde scores individuele verschillen zijn of random error. Error from measuring the wrong construct. Het kan ook zijn dat we met een meetinstrument het verkeerde construct meten (W). Bijvoorbeeld een intelligentietest in het Latijn onder een groep Nederlanders. De naam van de test geeft aan dat er intelligentie mee wordt gemeten, maar eigenlijk meet je er de kennis van de Latijnse taal mee. Distinguishing invalidity and unreliability. Betrouwbaarheid hangt af van Er in relatie tot de andere componenten. Als X alleen uit Er bestaat, dan meet de test eigenlijk niks. Als je geen T meet en ook geen W, dan meet je simpelweg willekeurige onzin. Maar als je helemaal geen Er meet, dan is X=T+W Je hebt een perfect betrouwbare meting als het vrij is van random error. Of het valide is hangt af van het feit of het gewenste construct reflecteert. Voor validiteit is betrouwbaarheid noodzakelijk. Aan de andere kant kan en invalide instrument nog wel hoge betrouwbaarheid hebben. Als X=W is er namelijk geen random error, maar je meet niet wat je wilt meten. De meeste metingen bevatten een stukje onbetrouwbaarheid en een of meer onderdelen van W. Reliability Estimating reliability Reliability coefficient. De betrouwbaarheidscoëfficiënt varieert tussen 0 en 1. Als het 1 is, heb je perfecte betrouwbaarheid. Als het 0 is, heb je alleen random error. Om samenhang te meten wordt de correlatie coëfficiënt gebruikt (0 is geen samenhang). Uses of reliability Estimates. Betrouwbaarheidscoëficiënten kunnen helpen de ware scores (T) te schatten. T=X x betr.h.coëfficiënt. (geschatte)error = X-T Bovengemiddelde en ondergemiddelde scores bevatten positieve en negatieve error. In studies met herhaalde testen, scores de mensen die bij de 1 e hoog scoren, bij de 2 e juist lager (regressie naar het midden). Als een test perfect betrouwbaar is, zou dit niet gebeuren. Types of reliability measures Within-Test consistency. Hoe kun je overeenstemming tussen de items meten? Dit kan door de split-halfmethode: test verdelen in 2 helften en de ene aan de andere correleren. Ook de odd-evenmethode kan worden gebuikt: even items en oneven items vergelijken. Deze testen werken overigens niet als het gaat om korte vragenlijsten. Wanneer er meer items zijn is de betrouwbaarheid hoger. Cronbach s coefficient alpha is een interitem betrouwbaarheids coëfficiënt die geldt voor testen met 3 of meer antwoordmogelijkheden. Bij 2 antwoordmogelijkheden wordt de KR-20 coëfficiënt gebruikt. Deze coëfficiënten hangen allebei af van zowel de lengte als de consistentie van de test.

6 Different Reliability Coefficients for different errors. Je hebt de betweenrater error (2 meters, 2 verschillende beoordelingen), de between-occasion error (1 e keer ziek, 2 keer niet). Ziekte kan (onterecht) als een ware score optreden als je een test maar 1 keer doet. Er zijn 3 methodes om deze meetfouten tegen te gaan: - Test-Retest reliability: Dezelfde test 2 of meer keer geven aan dezelfde personen. Probleem hierbij: mensen kunnen zich antwoorden van de eerste keer herinneren. - Parallel Test reliability: 2 keer een gelijkwaardige test gebruiken. Dus niet een gelijke. - Interrater reliability: de correlatie van de scores van 2 observeerders van dezelfde gebeurtenis. De coëfficiënt kappa (P0- Pc): (1- Pc). P0=overeenstemming. Pc= toeval. Improving reliability. Zie schema p.87. Niet-betrouwbare items vervangen door betrouwbare, kan de betrouwbaarheid verhogen. Ook standaardisatie kan helpen. Validity Estimating validity Response styles and response sets. Welke soorten variabelen kunnen sociale wetenschaps- metingen bedreigen met ongewilde W componenten? 2 bronnen: response styles: bijv. extreme antwoorden geven. Resonse set: Op zo n manier antwoorden (bewust/onbewust) dat de respondent een goed beeld van zichzelf geeft. Types of validity measures. Er zijn drie soorten benaderingen om validiteit te meten: - Criterion validity. Het criterium correleren met de nieuwe meting die we proberen te beoordelen. Deze correlatie geeft de validiteitscoëfficiënt. Deze coëfficiënt is 1 als ze perfect corresponderen en 0 als er geen relatie is. - Content validity. Een test beoordelen a.d.h.v. de inhoud. Bijv. hoe representatief zijn de vragen? Deze methode is echter meestal te subjectief. - Construct validity. Hoe goed de test het bedoelde construct reflecteert. Eén manier is factoranalyse. Factoranalyse identificeert hoe de verschillende items de verschillende constructen meten en de mate waarin elk item is gerelateerd aan elk construct (factor). Er bestaat ook convergent en discriminant validity. Dit gaat ver de mate waarin de correlaties overeenkomen met resultaten van andere tests. Discriminant validity helpt tegen method effects: meetmethoden. Van de drie soorten validiteit speelt construct validiteit meestal de belangrijkste rol, omdat het verwijst naar de bedreiging dat de metingen niet verwijzen naar de theorie. Zie ook tabel p.93

7 H-6 Typen metingen:het vinden en gebruiken ervan Categorizing measures An example of measuring intimacy Validity through disguise. Om validiteit te bereiken, moet je ervoor zorgen dat je de metingen verbergt voor de participanten. Als ze weten dat ze worden geobserveerd, zullen ze zich namelijk anders gedragen. Two dimensions of measures 1) Verbal vs. Nonverbal 2) Obtrusive vs. Unobtrusive (men heeft er wel of geen weet van onderzoeksobject te zijn) Reactivity gaat over de verandering in gedrag veroorzaakt door meetprocedures. Het hangt samen met het feit beoordeeld te worden. (zie schema p.97/98). Obtrusive geeft hoge reactiviteit. Obtrusive verbal measures Interviews and projective tests Interview is de meest gebruikte methode voor sociaal onderzoek. De aanwezigheid van een interviewer kan de uitkomsten echter beïnvloeden. Projective tests bestaan uit ondervragingsprocedures om reacties uit te lokken op ambigue stimuli. Vaak krijgen proefpersonen veel vrijheid om te doen of te denken zoals ze zelf willen. De proefpersonen projecteren zo a.h.w. hun onderbewuste gedachten op een scherm. Voorbeelden zijn: inktvlekkentest (Rorschach), TAT-test (woord associatie en zinnen afmaken), DAP-test (expressieve test). Deze testen verkrijgen echter geen bevredigende psychometrische resultaten. Questionnaires (enquête) Combining items into scales. Likert- style: stelling en een aantal mogelijke antwoorden die met de gedachten van de ondervraagde overeen kunnen komen. Gutmann scale: hangt af van het patroon van antwoorden en de intensiteit (vooral makkelijk/moeilijk) Demographic measures reflecteren aspecten als geslacht, leeftijd, etniciteit etc. De vragen hierover zijn meestal zeer eenvoudig en betrouwbaar. Aptitude and achievement tests (aanleg en prestatie). Vb. Simon-Binet schaal (mentale leeftijd).stanford-binet test (IQ= mentale : chronologische leeftijd x 100). WAIS (intelligentie bij volwassenen), WISC (intelligentie schaal voor kinderen), WPPSI (peuter en lagere school). Nadeel van aanleg-tests: het wordt in verwarring gebracht met prestatie. Veel gericht op leren i.p.v. aangeboren mogelijkheden.

8 Personality tests tests m.b.t. emoties, motivatie en andere psychologische dingen. Ze kunnen attitude en meningen meten. Vb. I-E Scale (interal-external (Rotter), I: mensen geloven dat ze zelf hun lot onder controle kunnen hebben, E: niet). Personen selecteren dingen die het beste met hun eigen ideeën overeenkomen. Er wordt bij deze tests gebruik gemaakt van factor analyse. Vb. Eysenk personality Inventory (introversie- extraversie) Een andere methode is empirical criterion approach (MMPI). Measures of the social environment. Sociometrie beschrijft personen in een sociale omgeving onafhankelijk van zijn eigen opvatting hierover. Moos had hierbij de FES schaal ( Family Environmetn Scale) en URES (University Residence Environment Scale) Observation methods Unobtrusive verbal measures Content analysis. Methode waarbij de inhoud van een tekst wordt bestudeerd. Bijv. op het aantal keer dat het item waar de tekst om draait als woord voorkomt in de tekst. Dus woorden bestuderen. Process Analysis. Het gaat om de bestudering van het verbale en paralinguïstische gedrag. Bales had de twelve-category Interaction recorder. Een andere techniek is de interaction Chronograph: tellen van paralinguïstische dingen als stiltes, onderbreking etc. Obtrusive non verbal measures Nonverbal behavior ratings. Facial Action Coding System (FACS) is een manier om dit te meten. Kinetics is de studie van communicatieve lichaamstekens. Proxemics is een andere benadering over de ruimte tussen mensen. Unobtrusive nonverbal observations Hiervan zijn 3 soorten: observaties van noverbaal gedrag, fysieke tekenen, archival records. Archival records: voordeel: lage kosten, uitgestrektheid, hoge betrouwbaarheid en validiteit Probleem:de juiste info vinden die je zoekt Issues in using measures Ethical issues Samengevat Meetinstrumenten werden gecategoriseerd in verbal, obtrusive methodes met projectieve testen en interviews en verbal unobtrusive measures met communicatieanalyses als inhouds- en procesanalyse. Nonverbal obtrusive measures, met nonverbaal gedrag en psychofysiologische metingen.

9 Nonverbal unobtrusive measures, met trace (erosions/accretion) en archival records. De waarde van een meting is afhankelijk van betrouwbaarheid, validiteit en reactiviteit. H-9 Ontwerpen van onderzoek voor interne validiteit Introduction to design A natural experiment The design. De elementen van een onderzoeksontwerp: 1. groepen met verschillende behandeling (controle, experimenteel) 2. weergeven van de oorzakelijke gebeurtenis 3. wat meet je? 4. informatie over of controle van de gelijkwaardigheid bij de pretest onder de groepen Deze aspecten zorgen ervoor dat alternatieve verklaringen de uitkomsten niet kunnen uitleggen. Internal validity and design types The continuum of internal validity. Interne validiteit heeft betrekking op de vraag of de ene variabele inderdaad de andere veroorzaakt (causaal verband). Als dit zo is, heb je hoge interne validiteit, maar als er veel alternatieve verklaringen mogelijk zijn, is de interne validiteit laag. Correlational vs. experimental designs. Twee vereisten om te zeggen dat A B veroorzaakt zijn 1) tussen A en B bestaat een verband 2) A gebeurt voor B. Een correlational design meet de onafhankelijke variabele. Het meet of er samenhang is tussen de verschillende variabelen. Bij experimental design wordt er gebruik gemaakt van een afwijkende gebeurtenis of interventie als de onafhankelijke variabele. Within and between designs-preexperimental types. Pre-experimenten zijn de experimenten met de minste interne validiteit. Deze ontwerpen illustreren a.h.w. de alternatieve verklaringen. Er zijn 2 soorten pre-experimentele designs: 1) within-subjects design: O X O Het gaat om een pretest-posttest design van 1 groep. Er wordt dus gemeten voor en na de interventie. Zwak punt van het ontwerp is het tijdsaspect, bijv. natuurlijke maturation (natuurlijke groei). De proefpersonen zullen misschien reageren op gebeurtenissen tussen de pretest en posttest. Veranderingen kunnen ook het gevolg zijn van verschillen in houding/gedrag i.p.v. door de interventie. 2) Between-subjects design: X O De posttest van de experimentele groep wordt vergeleken - - O met die van de controle groep. Er wordt vanuit gegaan dat de groepen beide dezelfde invloeden (van buitenaf) hebben ondergaan. De controle groep moet ons beschermen tegen alternatieve verklaringen. Toch is er een risico dat bij deze benadering de verschillen afstammen van andere oorzaken die verschillen per groep.

10 Quasi-experiments and true experiments. Deze designs zijn beter in staat om interne validiteit te verschaffen. 1) Quasi-experiment: hierbij heeft de onderzoeker meer controle dan in preexperimentele designs, maar hij heeft nog niet de hele situatie onder zijn controle. Dit design heeft zowel pretests als posttests en er wordt op meerdere verschillende tijdstippen gemeten. 2) True experiment: helpt tegen tijd-bedreiging en alternatieve verklaringen. Er zijn 2 of meer verschillend behandelde groepen en er is random assignment (willekeurige verdeling over de condities). Hier hebben de onderzoekers dus de meeste controle. Threats to internal validity and their control Reverse causation Correlationele designs die alle variabelen tegelijkertijd meten riskeren reverse causation. Zulke designs kunnen ons niet vertellen of de veronderstelde oorzaak voor of na het effect kwam. Experimentele designs lossen dit probleem op door de afhankelijke variabele te meten na de onafhankelijke variabele. Time, group and mortality threats Helaas kunnen onderzoeksontwerpen ons niet beschermen tegen mortality, maar er zijn 2 soorten rival explanations waartegen de ontwerpen wel kunnen beschermen, namelijk: Time threats. Dit zijn veranderingen in de variabelen, gemeten over een bepaalde periode onder de subjecten, die op een andere manier zijn veroorzaakt dan door de onafhankelijke variabele. Er zijn 4 time threats: 1) History: verandering wordt veroorzaakt door toevallige omstandigheden buiten de studie 2)Test reactivity: de reactie op de pretest veroorzaakt de waargenomen verandering 3) Maturation: de normale/natuurlijke ontwikkeling veroorzaakt de veranderingen 4) Instrumentation: de veranderingen zijn het resultaat van veranderingen in de manier van meten. History en maturation worden veroorzaakt door de hoeveelheid tijd tussen de metingen. Als deze tijd zo kort mogelijk is, zullen deze bedreigingen verdwijnen. Standaardisatie kan instrumentation reduceren. Verbergen van het feit dat het om een pretest gaat kan test reactivity verminderen. De pretest weglaten kan de bedreiging helemaal verhelpen. Een andere dreiging is regressie naar het midden, veroorzaakt door onbetrouwbare meetinstrumenten. Het gaat dan om selectie op basis van extreme scores. Verandering komt dan door regressie. Het gebruiken van betrouwbare meetinstrumenten kan dit voorkomen. Group threats. Alternatieve verklaringen gebaseerd op verschillen tussen de groepen die niet het gevolg zijn van het experiment. Groepen gelijkwaardig maken voor aanvang van de experimentele manipulatie helpt hiertegen. Random assignment is de beste manier om gelijkwaardigheid te krijgen. Er zijn 3 group threats: 1) selection: posttest verschillen zijn het gevolg van verschillen bij de pretest. Groepen verschilden dus al vóór het experiment. 2) selection-by-time-interactions: veranderingen tussen pretest en posttest zijn

11 het gevolg van de combinatie van tijd en al bestaande groepsverschillen (bijv. leeftijdverschil en meten van groeispurt) 3) regression towards the mean: krijg je als bij multigroep studies de groepen steeds worden geselecteerd op basis van extreme scores. Verschil tussen random assignment en random sampling: bij het eerste worden de als geselecteerde proefpersonen willekeurig aan de condities toegewezen. Bij de tweede worden ze willekeurig uit een grotere populatie getrokken. Random assignment helpt tegen systematische verschillen, maar ook matching: de steekproef wordt in 2 groepen verdeeld met een aantal gelijke eigenschappen. Op basis van deze eigenschappen wordt er steeds uit elke groep 1 persoon getrokken en aan de condities toegewezen, zodat er evenveel mensen uit de eerste als uit de tweede groep in dezelfde conditie zitten. Mortality: construct or internal validity. Mortality is het verlies van deelnemers aan een onderzoek. Dit kan een ééngroepsstudie beïnvloeden als het verlies is gerelateerd aan de afhankelijke variabele. Zo kunnen de mensen die overblijven verschillen met degenen die zijn gestopt, waardoor het niet helemaal meer eerlijk is (bijv. ongemotiveerden zijn weg). Een controle groep of random assignment zal dit probleem níet oplossen. Zie ook schema p.169 voor overzicht. Diagramming designs Rationale (beweegreden) Why diagrams? Het maakt het gemakkelijker om een onderzoeksdesign te herkennen en het geeft zijn sterke en zwakke punten weer. Symbols. O is obeservatie of meting, X is de manipulatie of interventie en R is random assignment (dus geen random sample). Diagramming different types of designs Independent and dependent variables in correlational designs. De afhankelijke variabele is degene die wordt geobserveerd (het effect van de onafhankelijke/gemanipuleerde variabele). Correlationele studies hebben geen interventies en dus ook geen controlegroep. Dit design bestaat dus uit alleen een O. Als dezelfde onbehandelde groep metingen heeft om 2 of meer tijdstippen dan is het een panel design (groep=panel). Independent and dependent variables in experimental designs. In gewone experimentele situaties komt de onafhankelijke variabele van de onderzoeker, maar in natuurlijke experimenten komt het van een ongeplande gebeurtenis. True experiments and equalization. Ware experimenten geven de hoogste interne validiteit. Ze hebben zowel meerdere groepen als willekeurige toewijzing: O X O R O O

12 Omdat er sprake is van random assignment zijn pretests niet per se noodzakelijk. Zie voor een overzicht van de onderzoeksdesigns tabel p.174. Hybrid correlational and experimental designs. Vb. Een ontspanningsbehandeling om de angst bij studenten voor een statistiektoets te reduceren. Eerst worden de studenten verdeeld in 2 groepen: 1) hoog angstniveau 2) laag angstniveau. Vervolgens wordt groep 1 (veel angst) verder willekeurig verdeeld over de experimentele en controle groep. Je krijgt dan een 3-groepsdesign. Elke met pretest, posttest en een laatste test (de statistiektoets): O X O O (1) R O O O (2) O O O (3) Groep 1 en 2 aleen zouden samen een simpel true experiment vormen. Groep 2 en 3 alleen zouden samen een correlationeel design vormen van laag vs. hoog angstniveau. Door deze te combineren tot het bovenstaande design kun je nagaan of de studenten met het hoge angstniveau na de behandeling het even goed doen op de toets als de onbehandelde studenten met weinig angst. Methoden voor validiteit samengevat: Diagramming identificeert de dreigingen die ongecontroleerd zijn doordat het de onderzoeksopzet weergeeft. Controlegroepen beschermen tegen tijd-gerelateerde dreigingen en de gelijkwaardigheid van groepen door random assignment helpt tegen groepsgerelateerde dreigingen. H-10 Ware experimenten: externe validiteit en experimentele construct validiteit Validity questions in true experiments An example of a true experiment Experimental construct validity. Ware experimenten beschermen tegen zowel tijd- als groepsdreigingen. Maar alle experimenten, dus ook ware, riskeren dreigingen m.b.t. construct validiteit (=geeft het verschil tussen controlegroep en experimentele groep echt het causale construct aan wat je wilde bestuderen?). Intrasession history: bestaat uit de geplande interventies, maar ook uit de toevallige, ongewilde gebeurtenissen. Het toedienen van een placebo aan de controle groep kan dit voorkomen. Variety in true experiments Basic designs and their variants. Hoewel meestal succesvol, kan random assignment soms falen in het maken van gelijkwaardige groepen. Als dit het geval is, heb je een quasi-experiment. Een pretest is dan een goede optie om gelijkwaardigheid te checken voor interventie.

13 Test reactivity and the need for different designs. Eén reden om verschillende designs te gebruiken is test reactivity. Het feit dat er een pretest wordt afgenomen kan de uiteindelijke uitkomst beïnvloeden. Ook het toedienen van placebo kan helpen om dit te voorkomen. Experimental construct validity Doubts about the independent variable De onafhankelijke variabele heeft een hoge construct validiteit als het niks anders dan het bedoelde causale construct weergeeft. Dreigingen t.a.v. deze validiteit ontstaan door contamination van de experimentele variabele: de aanwezigheid van één of andere factor die het verschil tussen de 2 groepen, dat alleen veroorzaakt zou moeten zijn door de interventie, in twijfel trekt. Confounding in the treated group Contamination bestaat in 2 vormen: demand characteristics: signalen/aanwijzingen, van de onderzoeker of niet, die de uitkomsten beïnvloeden door de percepties van de proefpersonen van de doelen van de studie te begeleiden. Experimenter expectancy: de manier waarop de onderzoeker zelf de proefpersonen beïnvloedt om resultaten te krijgen, overeenstemmend met zijn hypothese. Een voorbeeld van deze self-fulfilling prophecy is het Pygmalion effect. Preventing experimenter expectancy effects. Er zijn 4 methoden om de self-fulfilling prophecy a.g.v. experimenter expectancy te voorkomen. 1) Naive experimenter: degene die het onderzoek begeleidt weet zelf de gedachte achter de studie ook niet. 2) Blind experimenter: de onderzoeker is niet op de hoogte of een proefpersoon in de controle groep of de experimentele groep zit. 3) Experimenter standardization: alle woorden en gedragingen van de onderzoekr volgend een standaard procedure zodat ze bij elke participant gelijk zijn. 4) Canned experimenter: er wordt gebruik gemaakt van hand-outs en opnamebanden vor instructies i.p.v. een aanwezige onderzoeker. Demand characteristics. Terwijl experimenter expectancy de opvattingen van de onderzoeker benadrukt, gaat het bij demand characteristics juist om de opvattingen van de proefpersoon en alle signalen uit de experimentele omgeving die daaraan kunnen bijdragen. Een voorbeeld is het Hawthorne effect waarbij fysieke en sociale condities van invloed zouden zijn op de arbeidsproductiviteit van de arbeiders. Het leek te kloppen, maar er waren ook alternatieve verklaringen zoals het feit dat de arbeiders werden geobserveerd, wat hun prestatie kan beïnvloeden. Evaluation apprehension is een andere demand characteristic waarbij er angst wordt opgewekt door het feit dat de proefpersoon wordt getest. Preventing demand characteristic effects. 1) Het placebo effect helpt hiertegen het beste 2) Het observeren in een natuurlijke setting, omdat men niet weet dat men wordt bestudeerd 3) dat ze wel weten dat het om een onderzoek gaat, maar dat ze niet weten wanneer en hoe ze worden geobserveerd 4) een

14 vals verhaal vertellen m.b.t. het doel van de studie 5) faithful subject: vertelle aan de proefpersonen dat ze niet moeten proberen de hypothese te achterhalen omdat dit anders de studie zou kunnen verpesten. Confounding in the control group Control group contamination bestaat uit ongeplande, externe stimuli in de controlegroep die de uitkomsten verpesten. Als de twee groepen bij de posttest niet verschillen, wil dat niet zeggen dat de interventie geen impact heeft gehad. Compensatory contemination De controlegroep onthouden van interventie garandeert nog niet dat de controlegroep geen enkele behandeling krijgt. Geen behandeling is ook een behandeling. Een andere vorm van contamination is diffusie: als pp elkaar kennen en het onderzoek bespreken. Preventing compensatory contamination. 1) het toedienen van een placebo helpt hiertegen 2) om diffusie te voorkomen kun je controlegroep en experimentele scheiden gedurende het experiment. Exaggerating contamination. De mensen in de controlegroep kunnen zich anders gaan gedragen vanwege het feit dat ze in de controlegroep zitten. Dit kan de resultaten beïnvloeden. External validity Doubts about extending the findings Generalizability. Externe validiteit is generaliseerbaarheid: in hoeverre kunnen de uitkomsten worden gegeneraliseerd naar andere populaties, andere tijdstippen en andere settings? Interactions. Er vindt interactie tussen variabelen plaats als het effect (op de afhankelijke variabele) van de ene afhangt van of varieert met het niveau van de andere. Bedreigingen van de externe validiteit bevatten altijd een interactie van de behandeling met een andere factor. Deze externe validiteitsbedreigers zijn in te delen in 3 categorieën: setting, population, history. Setting interactions Experimental setting. Onder de experimentele setting vallen alle ervaringen van de subjecten, te wijten aan het experiment. Het gaat zowel om geplande als ongeplande ervaringen inclusief pretests en andere X-en (interventies). Context. Met context wordt in dit geval bedoeld: de laboratorium setting, locatie van het veldexperiment etc., oftewel de omgeving.

15 H-7 Verzameling van onderzoeksdata Introduction to survey research Rationale for survey research Feasibility. (haalbaarheid). Om een steekproef te krijgen kan volkstelling worden gebruikt. Helaas wordt hierbij niet iedereen meegeteld (armen etc. niet geregistreerd). Maar gelukkig is er voor een sample ook niet per se een grote groep nodig. Designs, media, and errors Design types Cross-sectional vs. longitudinal designs. Cross-sectional survey verzamelt data op 1 tijdstip, daarom kan men de bevindingen alleen generaliseren naar de populatie op het tijdstip van het onderzoek. Bij longitudinal survey vindt plaats over een langere periode met 2 of meer dataverzamelingen. Er zijn 3 soorten longtudinal surveys: - Panel: een onderzoek op verschillende tijdstippen onder dezelfde respondenten. De respondenten worden dan gemeenschappelijk panels genoemd. Voordeel: veranderingen bij individuen kunnen worden gevolgd. Nadelen: 1) herinterviewen is soms moeilijk, er kan attrition optreden (verliezen van respondenten). 2) pretest sensitization: het eerste onderzoek kan veranderingen teweegbrengen bij de tweede 3) veranderingen in meetprocedures (niet alleen bij panel). - Trend: I.t.t. panel survey wordt hier bij iedere meettijdstip een nieuwe groep getrokken. Voordelen: 1) vermijd attrition, want je hoeft dezelfde personen niet terug te vinden 2) vermijden test reactivity. Het interview kan namelijk wel veranderingen teweegbrengen in de persoon, maar de volgende keer is er toch een andere proefpersoon. - Cohort: onderzoek bij groepen die elk in een worden getrokken bepaalde periode worden uit dezelfde subpopulatie. Zo n subpopulatie heet een cohort, meestal gedefinieerd bij geboortejaar. Het cohorteffect= het verschil tussen cohorts, gemeten op dezelfde leeftijd. Het leeftijdseffect/ontwikkelingseffect= verschil tussen leeftijdgroepen in hetzelfde cohort. Error types Er zijn 2 soorten survey errors: random error en bias error (niet-random). Verder zijn er 2 soorten bronnen voor fouten, namelijk sampling en data collection. Zie ook schema p. 125 Random error. Random error maakt de waarde van een survey onnauwkeurig en komt zowel voor bij sampling als data collection. Elke steekproef zal de echte waarde in de hele populatie onderschatten of juist overschatten. Deze sample-tosample variatie heet sample error. Random error komt ook voor bij dataverzameling. Het is dat het gevolg van onbetrouwbaarheid van het meetinstrument. Data collection error vergroot de verschillen onder de surveyswaarden van dezelfde populatie.

16 Bias. Als fouten de waarden constant boven of onder de echte waarde drukken, dan heet dit bias. Deze negatieve en positieve errors zouden elkaar eigenlijk moeten opheffen. Als er sprake is van bias zal het nemen van het gemiddelde geen goede schatting zijn van de echte populatie. Als alle waarden dezelfde bias bevatten, zal het gemiddelde van al deze waarden nog steeds verschillen met de echte populatie. Sample bias treedt op als de procedure van steekproeftrekking de populatie niet eerlijk representeert (bijv. een schaal met rode en blauwe knikkers, je moet er 10 pakken, je verwacht dan 5 rood en 5 blauw, maar als de rode allemaal op de bodem zijn gelegd, zal de kans op blauw groter zijn. De ene groep heeft dus een grotere kans om getrokken te worden dan de andere). Data colelction bias treedt op doordat er individuele verschillen zijn tussen de respondenten wat leidt tot bias in de antwoorden. Data collection of nonnampling bias kan in 2 typen worden verdeeld: 1) observation bias: treedt op bij het beantwoorden van vragen door respondenten. Bias komt dan door bijvoorbeeld de woordkeuze van de vragen 2) nonobservation bias: degene die wel antwoorden op de vragen verschillen op een bepaalde manier van de grep die niet antwoordt. Total survey error. Is gelijk aan de som van alle errors, bias en random, van sampling en data collection. Deze som moet gelijk zijn aan het verschil tussen de uitkomsten van de vragenlijst onder de steekproef en de uitkomsten bij de totale populatie. Je weet alleen helaas de antwoorden van de gehele populatie niet. Sampling Sampling terms and designs Basic terms. Aangezien het in de praktijk vrijwel onmogelijk is om een complete lijst te verkrijgen, wordt gebruik gemaakt van een sampling frame. Sample stages. Sample stages zijn de verschillende stappen bij het nemen van een steekproef. De laatste stap geeft de elementen voor het onderzoek. Een sampling unit bestaat uit het element of de groep elementen. Sampling units die bestaan uit groepen heten clusters. Als je de elementen indeelt a.d.h.v. een gemeenschappelijke eigenschap dan noemen we dat stratification. De groepen die hieruit voortkomen heten strata. Probability sampling. Dit is de oplossing voor bias. Sample bias treedt op als de steekproeftrekkingen steeds sommige soorten elementen missen en andere juist oververtegenwoordigt. Om bias te voorkomen moet elk element een gelijke kans hebben om te worden gerokken. Eerst heb je een unbiased sampling frame nodig die geen elementen uitsluit. Vervolgens moet de selectie van de elementen van dit frame een gelijke kans op selectie bieden aan de elementen (probability sampling). Hierbij is random sampling de beste manier. Meestal gebruikt men echter systematic sampling, waarbij de onderzoekers elk zoveelste element van een bestaande lijst nemen, beginnend op een willekeurig punt. Nonprobability sampling. Elke methode waarbij de elementen een ongelijke kans op selectie hebben. Eén zo n methode is convenience sampling, waarbij selectie afhangt van de beschikbaarheid van de respondenten. De respondenten selecteren a.h.w. zichzelf (bijv. vrijwillig). Bij purposive sampling kiezen de

17 onderzoekers personen op basis van een bepaalde eigenschap. Bij quota sampling probeert de onderzoeker een sample te krijgen die overeenkomt met een bepaald demografisch profiel. (Overslaan random sample error) Data collection Contact and cooperation Completion rates. De completion rate geeft aan in hoeverre een steekproef succesvol is benaderd en overtuigd om mee te werken. Een lage completion rate heeft het risico van nonobservation bias. Noncompleters verkleinen de testgroep, en vergroten dus de kans op sampling error. Een simpele oplossing: een groep trekken die groot genoeg is om uitval te kunnen opvangen. Questionnaire Construction Item wording. Slechte bewoording van items kan random error veroorzaken, omdat ze respondenten dwingen om ze zelf te interpreteren. Zo bestaan er compound items, waarbij de vraag eigenlijk 2 aparte vragen in zicb heeft. Een ander probleem komt van closed-ended questions, waarbij de respondent kan kiezen uit een aantal mogelijkheden, maar zijn eigen antwoord er niet tussen staat. Ook vage termen en gevoelige onderwerpen leiden tot bias. Questionnaire length. De betrouwbaarheid groeit met het aantal gebruikte items. De lengte kan ook van invloed zijn op de medewerking van respondenten. Order effects. Eerdere items kunnen de antwoorden op volgende items beïnvloeden. Deze volgorde effecten zijn het sterkst bij algemene of beknopte items. Vragen clusteren over gerelateerde topics helpen hiertegen. Format and response recording. De vragenlijst moet makkelijk te lezen zijn. Een branche (vertakking) krijg je als verschillende antwoorden op één vraag leiden tot verschillende richtingen in de vragenlijst. Open vragen zijn niet erg geschikt bij grote groepen, want dit geeft later te veel werk bij interpretatie door de onderzoeker.

18 H-11 Quasi experimenten: als meerdere groepen en willekeurige toewijzing niet mogelijk zijn Introduction to quasi-experimental designs Quasi-experiments and other designs Confusing interventions and measures. Quasi experimenten verschillen met correlationele designs omdat de er bij quasi sprake is van een interventie (X) en bij correlationeel niet. Random assignment to groups. Quasi experimenten hebben gemeen met ware experimenten dat er een interventie plaatsvindt, maar het verschil tussen de designs is dat er bij quasi geen random assignment is. Advantages and disadvantages. Quasi experimenten hebben hogere constructvaliditeit in real life settings. Maar een nadeel van quasi en ware experimenten is dat als het meetinstrument en slechte betrouwbaarheid heeft, dat er bij beide zinloze resultaten uitkomen. Quasi experimenten hebben, i.t.t. ware experimenten, nog wel het risico van interne validiteitsbedreigers als group threats en time threats. Types of quasi experiments Nonequivalent control group designs Threats. Het simpelste nonequivalent control group design met pretest en posttest is O X O Als de twee groepen bij de pretest al verschillen, zijn er verschillende alternatieve O O verklaringen die het posttest verschil kunnen verklaren. Als het posttest verschil simpelweg de originele verschillen weergeeft, spreken we van selection. Ook regressie naar het midden is hier een validiteitsbedreiger. Groepsverschillen kunnen ook interacteren met tijdgerelateerde veranderingen als maturation: selection-by-time-interaction. Interrupted time series designs Threats. In time series design die 1 groep gebruiken kan seletion-by-time interaction en selection niet voorkomen omdat het maar om 1 groep gaat. Regressie naar het midden kan wel optreden als de groep is geselcteerd op basis van extreme scores. Maar time series design riskeren over het algemeen wel de vier time threats: history, maturation, measurement decay (instrumentation) en test reactivity. Het 1-groeps interrupted time series design heeft meerdere metingen, zowel voor als na de interventie. Er zijn dus meerdere pretests en posttests. De belangrijkste edreigingen hierbij zijn vooral history en instrumentation. Trends and cycles. Er zijn 2 soorten regelmatigheden, namelijk 1) trends: aanhoudende groei of afname over een lange periode 2) cycles daarentegen zijn afwisselende dalingen en stijgingen. Er bestaan verschillende soorten trends en

19 cycles, zie p !! Zowel instrumentation als history kunnen zulke onregelmatige, toevallige veranderingen veroorzaken. Variations on the time series or within-subjects design Multiple groups. Een vergelijkingsgroep controleert op toevallige gebeurtenissen als history dreigingen. Als er meerdere groepen worden gebruikt krijg je bijv. dit design: OOOO X OOOO OOOO - OOOO Multiple interventions. In sommige studies wordt een aantal keer dezelfde interventie gegeven aan dezelfde groep, maar op verschillende tijdstippen. Ook kan het zijn dat er verschillende interventies worden gegeven aan dezelfde groep. In het 1-groeps ABAB design vindt de manipulatie 2 keer plaats. OOO X OOO X OO A B A B Door de interventie meerdere malen toe te passen is de kans op toeval kleiner, want als de interventie de 1 e keer effect heeft gehad, is er nog reden om aan te nemen dat er wellicht toeval in het spel was, maar als het de 2 e keer weer gebeurd, is de kans op toeval wel erg klein. Een ander 1-groepsdesign is het multiple-baseline design. Dit design gebruikt verschillende interventies om verschillende uitkomsten te krijgen. Het design ziet err als volgt uit: OOO X1 OO X2 OOO Elke meetpunt (O) bevat 2 metingen. Meting 1 zou direct moeten reageren op X1 nadat het heeft plaatsgevonden. Meting 2 zou onbeïnvloed moeten blijven tot na X2. Within-subjects designs. Alle time-series designs zijn within-subjects designs, omdat ze veranderingen meten in subjecten of groepen. Multiple intervention within-subject designs vallen uiteen in 2 categorieën: 1) complete within-subject designs: elk subject krijgt alle mogelijke manieren van behandeling, soms zelfs meerdere keren 2) incomplete within-subjects designs: als het subject maar één enkele stimulus krijgt. H-12 Correlationele methoden: statistische controle op alternatieve verklaringen Introduction to correlational analysis An example of correlation Reverse and spurious causation. Er zijn 2 soorten alternatieve verklaringen die de interne validiteit van correlationele designs bedreigen: - reverse causation: veroorzaakt inkomen een betere gezondheid, of veroorzaakt een betere gezondheid meer inkomen? Ware exoperimenten vermijden dit probleem doordat ze een variabele manipuleren. - spurious causation: Zijn de veranderingen niet veroorzaakt door een 3 e variabele? Ware experimenten behandelen dit probleem door aselecte toewijzing aan verschillende groepen. Dealing with spuriousness

20 Statistical control and multiple causal paths. Om spurious causation onder controle te houden, moet je de derde variabele constant houden. Partial correlations and path coefficients. Als je 2 of meer coëfficiënten combineert tot 1 waarde, heet dat partial correlation. Een methode van partial association die de grootte van een causaal verloop weergeeft, heet een path coefficient. Een path coëfficiënt geeft dus een gedeeltelijke correlatie weer. Types of relationships Direct causation vs. other relations Direct causation. Dit is het effect van de ene variabele op de andere nadat andere mogelijke oorzaken zijn verwijderd. Multivariate research bestaat uit de analyse van 3 of meer variabelen. Zie voor typen causale en niet-causale verbanden p Noncausal associations Descriptive associations. Een correlatie betekent nog geen causaal verband. Een niet-causale descriptive association kan worden aangegeven met een gebogen pijl met 2 uiteinden, zie p (IIa). Measurement association. Dit houdt in dat 2 items in een test over hetzelfde construct met elkaar overeen zouden moeten komen. Hun correlatie laat alleen de mate zien waarin ze erin slagen om dezelfde werkelijkheid te laten zien. De latent variable is de onderliggende factor die tot uiting komt in de vorm van echte scores. Deze perfect betrouwbare factor veroorzaakt de scores die we observeren. Zie 12-2 (IIb) Reverse causation. Dit probleem komt meestal voor bij studies die metingen doen op slechts 1 tijdstip. Onderzoek op meerdere tijdstippen kan dit dus voorkomen. Zie 12-2(IIc) Spuriousness. Een schijnbaar causaal verband kan verdwijnen als we de confounding (verwarrende) variabele onder controle zouden hebben. Een confounding variable is de oorzaak voor beide andere variabelen en is verantwoordelijk voor hun verband. Zie 12-2(IId). (Vb. de 3 e variabele leeftijd is van invloed op het loodgehalte en op de intelligentie bij kinderen). Complex causation Reciprocal causation. Soms heeft een variabele invloed op een andere variabele in tegenovergestelde richting aan de directe veroorzaking. Zie 12-2(IIIa). Je krijgt dan 2 pijlen in tegengestelde richting om aan te geven dat elke variabele de andere beïnvloedt. Indirect causation. In dit geval is er een interveniërende variabele tussen de onafhankelijke en afhankelijke variabele. Om het effect van de eerste op de tweede variabele te meten, moet de interveniërende variabele er a.h.w.

21 uitgehaald worden. Je kunt het indirecte effect meten met regressie analyse. Het totale effect is de som van de directe en indirecte effecten. Interactive Causation. Dit treedt op als het effect van de ene variabele afhankelijk is van het niveau van de andere. Twee variabelen samen kunnen interactie hebben als geen van beide alleen een direct effect heeft, of als ze het allebei hebben. Zie 12-2(IIIc). Als een variabele het causale veband tussen twee andere regelt, heet deze een moderating variable. Je kunt het effect meten door de interacterende termen te vermenigvuldigen. Problems with causal inferences Indirect causation vs. spuriousness. Zie p.237 figuur 12-3 voor modellen hiervan. (Weak inference p.237 overslaan) Conducting correlational analysis Summarizing relationships (((Approach. Path analysis gebruik coëfficiënten en diagrammen om causale verbanden te illustreren. Een exogene variabele heeft in zo n diagram geen pijlen naar zich toe. Causale pijlen leiden naar endogene variabelen. Endogene variabelen kunnen ook dienen als de oorzaak van andere endogene variabelen. In het diagram (p.239) refereert de R aan de multiple correlation coefficient, die het sterkste verband meet van de afhankelijke variabele met al zijn causale variabelen. R 2 drukt het percentage drukt het percentage informatie uit in de afhankelijke variabele door alle causale variabelen. Het residual path geeft het effect weer van alle krachten van buiten het model. De waarde hiervan geeft het verschil weer tussen perfecte verklaring en de verklaring a.d.h.v. het model. (1- R 2 ). De eigenlijke waarde voor het residual path is de wortel van (1-R 2 ). Goede overeenkost tussen model en data geven een hoge R 2 (dicht bij 1).))) Zie ook vb. p !! H-13 Kwalitatief onderzoek: observatie van proefpersonen Seeing people in their own setting An example of qualitative research Dissonance theory. Deze theorie houdt in dat er een onprettig gevoel optreedt als een persoon 2 inconsistente gedachten heeft. Dit gevoel probeert hij dan te reduceren door 1 van de ideeën te veranderen of het belang van het verschil tussen de ideeën te verkleinen. Defining qualitative research