KOM – samenvatting experimenteel onderzoek
WEEK 1
- p 273 – 281 Introduction to simple experiments
When making a causal claim, researchers are stating something about interventions and treatments.
Interventions as the ultimate goal of scientific studies, should be based on sound experimental
research. This must be done through experiments. An experiment means that the researchers
manipulated at least one variable and measured another. They can take place anywhere, not only in
a laboratory. A manipulated variable is a variable that is controlled, for example door deelnemers
een bepaald niveau toe te wijzen. Gemeten variabelen zijn vastleggingen van gedragingen of
houdingen, zoals self-reports, observaties of psychologische metingen. Nadat een experiment is
opgezet, hoeven de onderzoekers alleen nog maar vast te leggen wat er gebeurt. De gemanipuleerde
variabele is onafhankelijk, waarvan de niveaus of opties condities heten, terwijl de gemeten variabele
afhankelijk is. Vaak zijn er meerdere onafhankelijke variabelen. Als deze op een andere schaal
gemeten zijn, staan ze vaak ook in andere grafieken. De onafhankelijke variabele staat op de x as, de
afhankelijke is de y. de onafhankelijke variabele gaat aan de afhankelijke vooraf. Omdat alternatieve
verklaringen uitgesloten moeten worden is het van belang dat naast de afhankelijke variabele en het
niveau van de onafhankelijke variabele alles gelijk moet blijven. Variabelen die expres constant
gehouden worden zijn controle variabelen. Deze zijn erg belangrijk voor de interne validiteit. De drie
regels voor causaliteit, waar een experiment aan moet voldoen, zijn
- covariance, er is een relatie
- temporal precedence, de een gaat de ander vooraf
- interne validiteit, alternatieve verklaringen moeten worden uitgesloten
ook is het van belang dat er een vergelijking gemaakt wordt door middel van een vergelijkingsgroep.
Covariance kan alleen gemeten worden met twee verschillende niveaus van onafhankelijke
variabelen. De resultaten of de afhankelijke variabele moet vervolgens wel per niveau verschillen.
Een controle groep is een groep waarbij er niks gemanipuleerd wordt, een groep onder neutrale
omstandigheden. De andere groepen worden dan treatment groups genoemd. Ook kan er bij
bijvoorbeeld studies naar de werking van medicijnen een placebogroep gebruikt worden. Er kan dus
vergeleken worden tussen twee verschillende vergelijkingsgroepen, een controlegroep en een
vergelijkingsgroep of een vergelijkingsgroep en een placebogroep.
- p 479 – 483 The goals of statistical inference tot Samples, population and inference
inferentiële statistische technieken worden gebruikt met het doel schattingen te kunnen doen. Op
basis van een resultaat in de steekproef wordt het resultaat voor de populatie geschat. Om een
uitspraak te doen over de accuraatheid van de metingen in de steekproef ten opzichte van de
populatie, wordt null hypothesis significance testing gebruikt. Hiermee wordt de statistische
significantie van een onderzoeksresultaat bepaald. De eerste stap, is er vanuit gaan dat er geen effect
is door middel van een nulhypothese. Dan wordt de data verzameld en op basis daarvan hoe
waarschijnlijk het is dat deze data gevonden zou zijn als de nulhypothese waar was. Daarna moet
besloten worden of de nul hypothese aangehouden of verworpen wordt. Hiervoor moet de kans bij
de vorige stap heel klein zijn. Als de kans hoog is dat de zelfde data gevonden zouden zijn als de
nulhypothese waar is, kan hij aangenomen worden. P < 0.05 hiervoor. Dit punt, waarop p te iets is,
wordt het alfa level genoemd.
- p 491 – 495 Is that difference significant? The t-test tot Computing confidence intervals
, de t-test wordt gebruikt om te kijken of het verschil tussen de gemiddeldes van twee groepen
statistisch significant is. Wat is de kans dat dit verschil of een nog groter verschil gevonden zou
worden door toeval, als er geen sprake van is in de gehele populatie? Eerst moet de nulhypothese
geformuleerd worden. Dan moet de data georganiseerd worden om te bepalen welke statistische
test gebruikt kan worden. De t test schat of het verschil in de scores van twee steekproeven
significant is. Hiervoor wordt gekeken naar het verschil tussen de twee gemiddeldes en de verschillen
binnen beide groepen. De t test is een ratio van deze twee gegevens. De noemer is het verschil
tussen de twee gemiddeldes, de teller bevat zowel de spreiding binnen de twee gemiddeldes as het
aantal gevallen die aan het gemiddelde bijdragen.
- T is groter als het verschil tussen de gemiddeldes groter is
- T is groter als de spreiding binnen beide groepen kleiner is
- Hoe minder overlap in gemiddelde en spreiding, hoe groter t
- Als de groep groter is, wordt t groter
Dan moet de waarschijnlijkheid van het resultaat, of een nog extremer resultaat als de nulhypothese
waar is berekend worden. De berekende t waarde wordt hiervoor vergeleken met de verwachte t
waarde als de nulhypothese waar zou zijn. Hiervoor wordt de steekproef distributie van t gebruikt.
We schatten de waarde van de steekproef distributie. Als er heel veel steekproeven genomen
worden, zouden ze op elkaar moeten lijken en moet t dus vrij klein zijn. Het gemiddelde ligt dus rond
de 0. Een kleinere steekproef zorgt wel voor meer extreme waardes. De kans op een steekproeffout
is namelijk groter. Daarom is de steekproefdistributie op de grootte van de steekproef gebaseerd.
Met de steekproefdistributie kan de significantie bepaald worden. De p bij t wordt door de computer
berekend. Of er wordt naar de critical values van t gekeken, geassocieerd met verschillende p-
waardes. Vervolgens moet de nulhypothese weerlegt of aangenomen worden. Hogere t waardes
worden geassocieerd met kleinere kansen.
HC 1
We gaan naar causale verbanden kijken. Correlatie leidt niet direct tot causaliteit. De voorwaarden
voor causaliteit zijn covariance, er moet een relatie zijn, temporal precedence, de oorzaak moet aan
het gevolg voorafgaan, en interne validiteit, alternatieve verklaringen moeten uitgesloten zijn. Deze
voorwaarden kunnen voldaan worden met een gerandomiseerd experiment. Twee groepen worden
door randomisatie gelijk geacht. De onderzoeker manipuleert een van de variabelen, het effect wat
deze manipulatie heeft wordt gemeten. De gemanipuleerde variabele is de onafhankelijke variabele,
de afhankelijke variabele wordt vervolgens gemeten, wordt ook wel de uitkomst variabele genoemd.
Als er een verschil in resultaten is tussen twee experimentele groepen, is er sprake van een relatie.
Omdat in een experiment een variabele gemanipuleerd wordt, is de volgorde duidelijk. Alternatieve
verklaringen kunnen uitgesloten worden omdat er gerandomiseerd is. Bedreigingen zijn design
confounds of het selectie effect, waren de twee groepen wel gelijk? Bij confounds is het de vraag of
er een willekeurig of systematisch verschil is tussen de groepen. Een belangrijke vraag is hoe worden
de groepen ingedeeld, verschillen de groepen en verschillen de omstandigheden van de groepen?
Willekeurige toewijzing is van groot belang. Mensen mogen er geen invloed op hebben. Alle
variabelen, gemeten en ongemeten, moeten bij aanvang van het experiment gelijk zijn voor de
groepen. Met name een kleine steekproef bied gevaar voor de vergelijkbaarheid van de groepen.
Soms is randomisatie niet mogelijk omdat het onethisch of praktisch onhaalbaar is, maar soms gaat
het ook mis. Dan is er sprake van contaminatie, bijvoorbeeld de groepen lichten elkaar in of werken
niet goed mee.
