100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
logo-home
Aantekeningen onderzoekspracticum deeltoets 2 $8.51   Add to cart

Class notes

Aantekeningen onderzoekspracticum deeltoets 2

 13 views  0 purchase
  • Course
  • Institution

Aantekeningen onderzoekspracticum deeltoets 2, uitwerkingen van practicum 3 en 4 over mediatie en moderatie

Preview 4 out of 57  pages

  • June 9, 2021
  • 57
  • 2020/2021
  • Class notes
  • Ineke nagel
  • All classes
avatar-seller
Deeltoets 2 : Aantekeningen/uitwerkingen practicum 3 + 4


Inhoudsopgave
1) PRACTICUM 3 – REGRESSIEANALYSE & MEDIATIE.......................................................................................3

2) BIS M11 – Multipele regressie.................................................................................................................. 16

11.1 Causale modellen: confounders en mediatoren..........................................................................................16
Confounding variabelen (C).............................................................................................................................16
Mediërende variabelen (M)............................................................................................................................19

11.2 Het multipele regressiemodel.....................................................................................................................20
Conditionele gemiddelden..............................................................................................................................21
Enkelvoudige regressie....................................................................................................................................22
Multipele regressie..........................................................................................................................................22

11.3 Model fit (R-kwadraat) en F-toets...............................................................................................................23
Verklarende variantie bij multipele regressie.................................................................................................23
Significantie-toetsen bij multipele regressie...................................................................................................25

3) BIS M14+: Stappenplan Mediatie-analyse (met regressie).........................................................................27

14.1 Het interpreteren van regressieresultaten..................................................................................................27

14.2 Mediatie en moderatie in regressie............................................................................................................30

14.3 Stappenplan mediatie-analyse....................................................................................................................30

4) PRACTICUM 4 – Moderatie dmv regressieanalyse.....................................................................................34

5) BIS M12: Nadere beschouwing van het effect van X op Y..........................................................................43

12.1 De gestandaardiseerde slope (Beta).......................................................................................................43
12.2 Interactie-effecten...................................................................................................................................46

6) BIS M14+: Stappenplan Moderatie-analyse (met regressie)......................................................................51

14.1 Interactie-effect, inleiding...........................................................................................................................51

14.2 Stappenplan moderatie-analyse.................................................................................................................52

14.3 Interactie-effect, met twee dichtonome X-en.............................................................................................52
Stap 3 – (regressie): het voorbeeld ingevuld..................................................................................................54

14.4 Moderatie: X1 is dichotoom en X2 is continu (kwantitatief).......................................................................54




1

,Legenda:

Waar gaat het om?/onderwerp
SPSS Commando’s
Waar af te lezen?
Wat te noteren
Regels voor interpretatie




2

,1) PRACTICUM 3 – REGRESSIEANALYSE & MEDIATIE
Open de datafile “OPWeek3.sav” vanuit Canvas. Dit is een deel van de data dat
afkomstig is van het onderzoek waar jullie zelf aan deel hebben genomen. Variabelen:
- 3 schalen; positieve gevoelens (SPANE_pos), negatieve gevoelens (SPANE_neg),
en uiterlijk zelfvertrouwen (Zelfver).
- 2 vormen van actieve zelf-presentatie: authentieke zelfpresentatie (Auth_zp), wat
inhoudt dat je foto’s van jezelf plaatst die gelijk zijn aan wie je offline bent, en
geïdealiseerde zelfpresentatie (Bewerkt_zp), zelf-presentatie die bewerkt is met
bijvoorbeeld filters.
- Subjectief welzijn (mate van tevredenheid en geluk; subjective well-being (SuWB)

1. Bekijk eerst hoe bovengenoemde schalen (variabelen) eruitzien door
frequentieverdelingen te draaien.
a. Wat betekenen hoge/lage scores (hoef je niet te noteren)?
à Analyze > descriptives > frequencies
o Select alle variabelen
o Paste
Zie eerste kolom frequentie tabellen voor scores. Kijk voor interpretatie voor de
scores bij de desbetreffende schaal in je onderzoek [niet SPSS!]

b. Ga vervolgens na of de zes variabelen onderling samenhangen (=
CORRELATIE). Voer deze analyse uit. Wat kun je hier (kort) over zeggen?
à Analyze > Correlate > Bivarate correlations
o Select de variabelen (niet dummy variabele)
o paste
F CORRELATIONS tabel. “pearson correlation”.
F Samenhang (r) >.3 = zwak, > .5 = matig, > .7 = sterk

Als je de correlaties bekijkt, dan zie je al dat bijna alle variabelen matig (r = -.29,
p < .001) tot sterk (r = .74, p < .001) met elkaar correleren. Alleen de variabelen
positieve/negatieve emoties hebben geen significante correlatie met elkaar.


2. Je wilt nu toetsen in hoeverre uiterlijk zelfvertrouwen (Y/afhankelijk)
voorspeld kan worden door de mate van bewerkte en authentieke
zelfpresentatie (X/onafhankelijk). De verwachting is dat beide uiterlijk
zelfvertrouwen zullen voorspellen, maar dat bewerkte zelfpresentatie meer variantie
in uiterlijk zelfvertrouwen zal verklaren dan authentieke zelfpresentatie. Voer deze
analyse uit door middel van een multipele regressie-analyse.
à Analyze > regression > lineair
o Dependent: Zelfver
o Independent: Authentieke_zp en bewerkt_zp
o Paste

Tabellen
F MODEL SUMMARY: geeft aan hoe goed het model is. Belangrijk is R square =
een komma getal. Dit zegt hoeveel % de Y wordt verklaard door de X’en.
F ANOVA: geeft informatie over het hele regressiemodel.
o F-waarden + p-waarden (“Sig.) = zijn alle getoetste variabelen,
significant en dus generaliseerbaar naar de populatie?


3

, o NOTEER ALS VOLGT: F (df regression, df residual) = …,.. , p-waarde
F COEFFICIENTS: geeft informatie over de relatie van verschillende X-variabelen
op de afhankelijke Y-variabelen.
o Unstandardized B = effect = Ongestandaardiseerde
regressiecoefficient. Hier kijk je naar voor een regressievergelijking.
Constante + (effect variabele 1* effect variabele 2).
Voorspelde score in Zelver. = .564 + (.267 * bewerkt_zp) + (.488 *
auth_zp). In deze vergelijking vul je score in die je wilt weten zodat je
voorspelde ZELVER. kan berekenen.
o Standardized Coefficients Beta = Z-score van B. Deze gebruik je om
effecten onderling te vergelijken. De Beta (deze zijn in standaard
eenheden (z-scores) waardoor je geen verschillen meer krijgt tussen
appels en peren).
!!!Let op, dit is multipele regressie dus noteer altijd als er 2 x-
variabelen zijn, “het resultaat bij een score 3 op X1 geeft een uitkomst
van … onder constanthouding van X2”
o t-waarde: B /standaard error = t waarde. Als die groter is dan 1,96 of-
1.96, is de t-waarde significant [de p-waarde (staat onder kolom Sig.) is
dichtbij 0].
Je dataset is je steekproef, als de T waarde/F-waarde significant is dan kan je
uitspraken doen over de populatie. En kan je H0 verwerpen.

a. Noteer de resultaten van de toets waarin uiterlijk zelfvertrouwen voorspeld wordt
door authentieke en bewerkte zelfpresentatie. Kun je concluderen dat bewerkte
zelfpresentatie een betere voorspeller is dan authentieke zelfpresentatie, zoals
verwacht?
Bewerkte zelfpresentatie en authentieke zelfpresentatie voorspellen voor de
populatie het uiterlijk zelfvertrouwen want de F-toetsing is significant, R2 = .48, F(2,
231) = 105.58, p < .001. Zowel authentieke zelfpresentatie,  = .49, b = .49,
SE= .07, p < .001, als bewerkte zelfpresentatie,  = .25, b = .27, SE= .08, p = .001,
leveren een unieke bijdrage aan het voorspellen van uiterlijk zelfvertrouwen (want
beide variabelen zijn significant). Tegen de verwachting in, bleek bewerkte
zelfpresentatie geen betere voorspeller dan authentieke zelfpresentatie. Dit lees je af
aan de beta’s. Beta bewerkt_zp < Beta auth_zp. Dus NEE.

------ ASSUMPTIES ---- (Checken is relevant voor kleine datasets zoals eigen
onderzoek, niet voor deeltoets)--------
Assumpties = in hoeverre je de statistische toetsen kan vertrouwen [de t-toets en f-toets
die iets zeggen of het generaliseerbaar is naar de populatie]. Controleer ook een aantal
assumpties van een regressie-analyse te (zie Field, p. 401-406; p. 316), klik aan:
à Analyze > regression > lineair
o Dependent: Zelfver
o Independent: Authentieke_zp en bewerkt_zp
VOOR MULTI COLLINEARITEIT - KLIK AAN IN MENU:
Bij Statistics:
à Collinearity diagnostics – kijk ook naar de correlatie tussen de X-en in de
correlatiematrix in vraag 1: is die heel hoog?
à Casewise diagnostics
o Bij standard deviations kies voor 2 (hierdoor geef je aan dat de outliers,
‘outliers’ zijn als ze extremer scoren dan 2 standaarddeviaties van het
gemiddelde af)

Bij Plots: VOOR ONAFHANKELIJKE ERROR, HOMOSCEDASTICITEIT, EN LINEARITY
(ONDER PLOTS).
à Grafiek *ZRESID (Y-as) tegen *ZPRED (X-as) om te testen ZRESID staat voor
de gestandaardiseerde residuen en ZPRED staat voor de gestandaardiseerde
voorspelde waarden (predicted values).

4

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

Guaranteed quality through customer reviews

Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.

Quick and easy check-out

Quick and easy check-out

You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.

Focus on what matters

Focus on what matters

Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!

Frequently asked questions

What do I get when I buy this document?

You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.

Satisfaction guarantee: how does it work?

Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.

Who am I buying these notes from?

Stuvia is a marketplace, so you are not buying this document from us, but from seller Anoniem21. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $8.51. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

67096 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 14 years now

Start selling
$8.51
  • (0)
  Add to cart