100% tevredenheidsgarantie Direct beschikbaar na je betaling Lees online óf als PDF Geen vaste maandelijkse kosten
logo-home
Eerder door jou gezocht
Eerder door jou gezocht
logo
Samenvatting ARMS Advanced Research Methods and Statistics, Grasple + JASP stappenplan €4,39
In winkelwagen
Snel navigeren naar
Voorbeeld
  2.  
  3. Universiteit Utrecht (UU)
  4.  
  5. ARMS Advanced Research Methods and Statistics

Samenvatting

Samenvatting ARMS Advanced Research Methods and Statistics, Grasple + JASP stappenplan

1 beoordeling
 10 keer verkocht

Samenvatting van de informatie uit de grasple lessen + een JASP stappenplan voor het uitvoeren van de analyses voor het skills exam (General Part)

Voorbeeld 3 van de 14  pagina's

Document informatie

  • 6 december 2022
  • 14
  • 2022/2023
  • Samenvatting

Onderwerpen

Geschreven voor

Alle documenten voor dit vak (25)

1  beoordeling

review-writer-avatar

Door: Owenv1 • 2 jaar geleden

Verkoper

avatar-seller
stuuudje

Ontvangen beoordelingen

Voorbeeld van de inhoud

ARMS Advanced Research Methods and Statistics,
Grasple

Inhoud
Voorkennis.............................................................................................................................................2
Correlaties..........................................................................................................................................2
Bayesian statistics...............................................................................................................................2
ANOVA (Analysis Of VAriance)............................................................................................................2
Week 1: Bayes & Multiple linear regression (MLR)................................................................................3
Week 2: Factorial ANOVA.......................................................................................................................5
Week 3: ANCOVA...................................................................................................................................7
Week 4: Repeated Measures ANOVA.....................................................................................................8
Week 5: Mediation analysis....................................................................................................................9
JASP-stappenplan.................................................................................................................................10
Assumpties controleren....................................................................................................................10
Coderen/nieuwe variabele...............................................................................................................11
Multiple regression...........................................................................................................................11
Multiple regression hierarchial.........................................................................................................11
Dummy variabelen...........................................................................................................................11
ANOVA..............................................................................................................................................11
ANCOVA............................................................................................................................................12
Reapeted measures..........................................................................................................................13
Mediation (frequentist only)............................................................................................................14




1

, Voorkennis
Correlaties
Correlatiecoëfficiënt: Indicator voor de sterkte van een lineare relatie (gestandaardiseerd) -1-1
Regression equation: Doormiddel van de slope kan de stijging van de lijn voorspelt worden
(hoogte/breedte)
Intercept: De plek waar een lijn de Y as snijdt
Y-value=intercept + slope × X-value
y^=b0 + b1x
Error/residual: verschil tussen de verwachte waarde en de geobserveerde waarde
Least squares method: Het kwadrateren van de errors zodat het getal niet op 0 uitkomt
Dit wordt gebruikt om de parameters van het lineare regressie model in te schatten
Σ (y − y^) 2
b1=r × σy / σx
R-squared: hoeveel de data het gevonden resultaat verklaard (Goodness of fit) 0-1
Een hoge r-squared geld voor die sample en is niet per se generaliserend

Bayesian statistics
Null hypothesis significance testing: Het testen of de 0 hypothese waar is en anders deze verwerpen
Publication bias: Het is makkelijker om met significante resultaten gepubliceerd te worden
Sloppy science: questionable research practices (QRP) om alsnog gepubliceerd te worden
Replicatie crisis: Gevonden resultaten konden niet gerepliceerd worden
Oplossing: The bayesian way

Bayes factor: Hoeveel support er is voor een betreffende hypothese in vergelijking tot andere
hypotheses (1> x betekend meer support voor alternatieve hypothese)
1) De fit van de hypothese voor de data
2) De specificiteit van de hypothese

ANOVA (Analysis Of VAriance)
Anova: een toetsingsmanier voor de vergelijking van 2 of meer gemiddelde (2 independent samples
maar ook mogelijkheid tot meer)
T-tests kunnen ook gebruikt worden om 2 gemiddelde te vergelijken: one sample, 2 paired samples
en 2 independent samples

4 assumpties
1) Binnen elke groep zijn de scores voor de afhankelijke variabele normaal verdeeld.
2) Er zijn geen uitbijters in de scores van de mensen op de afhankelijke variabele.
3) De variantie van de scores op de afhankelijke variabele is in elke groep gelijk.
4) De scores van de mensen op de afhankelijke variabele zijn onderling onafhankelijk.

Variantie: Het verschil tussen twee groepen en de populatie
1. Binnen groep variantie: de variantie van scores binnen elke groep gemiddeld over groepen
(residual)
2. Tussen groep variantie: de variantie van de groepsgemiddelde, een maat voor hoe
verschillend ze zijn (explained)
Is de groep variantie groot in vergelijking tot de tussen groep variantie? F-statistic
F= MS between/ MS within
MS= Mean squares



2

, Bonferroni method: deze betreft voor meerdere testen om type I fout te voorkomen. Hierdoor mag
de P niet hoger zijn van 0.5/3 per test


Week 1: Bayes & Multiple linear regression (MLR)
Prior knowledge: Bestaande kennis voor er naar de date gekeken wordt
Probability: de waarschijnlijkheid van een gebeurtenis wordt verondersteld de frequentie te zijn
waarmee het voorkomt (klassiek/frequentie statistiek)
Bayes theorem: P (A given B) = P (B given A) ⋅ P(A) / P(B)
Voorwaardelijke kansen

Bayesian interval = Credible interval
Frequentist interval = Confidence interval

Assumpties Multiple Linear Regression (MLR)
1) De afhankelijke variabele is een continue maat (interval of ratio)
2) De onafhankelijke variabele zijn continu of dichotoom
3) Er zijn lineaire relaties tussen de afhankelijke variabele en elk van de continue onafhankelijke
variabelen (scatterplot)

1) Er zijn geen uitschieters (transparant zijn over wat je er mee doet! Erin houden, verbeteren,
verwijderen of het gemiddelde plus 2 SD)
Controleren op uitschieters
Casewise diagnostiek
Gestandaardiseerde residuen: waarden tussen de -3.3 dn +3.3 zijn ongeveer normaal (hier buiten
uitschieters)
Cook’s distance: Controle tussen de XY-ruimte, duimregel: onder de 1 is normaal (boven is
uitschieter)

2) Afwezigheid van multicollineariteit
Multicollineariteit: de relatie tussen twee of meer onafhankelijke variabele sterk zijn
Consequenties: de regressie coëfficiënt is onbetrouwbaar, beperkt de grootte van R, het belang van
individuele onafhankelijke variabelen kan niet of nauwelijks worden bepaald
Controleren
Tolerance of VIF (variance inflation factor): waarden kleiner dan .2 kunnen potentieel voor
problemen zorgen, lager dan .1 is er een probleem en groter dan 10
 Het variabel dat voor problemen zorgt verwijderen of combineren van variabelen door factor
analyse

3) Homoscedasticiteit
Homoscedasticiteit: Er is een gelijke spreiding over het hele plot (geen trechter figuur)

4) Normaal verdeelde residuen
Controleren
Q-Q plot: dicht aan de lijn is normaal verdeeld
Histogram: normaalverdeling
 Een voorspeller of uitkomst verwijderen of veranderen
Wanneer het niet lineair is kan een kwadratische methode gebruikt worden door een nieuwe
variabele te gebruiken -> squared X
Linear: y=B_0+B_1X+ey=B0+B1X+e
Quadratic: y=B_0+B_1X+B_2X^2+ey=B0+B1X+B2X2+e



3

Dit zijn jouw voordelen als je samenvattingen koopt bij Stuvia:

Bewezen kwaliteit door reviews

Bewezen kwaliteit door reviews

Studenten hebben al meer dan 850.000 samenvattingen beoordeeld. Zo weet jij zeker dat je de beste keuze maakt!

In een paar klikken geregeld

In een paar klikken geregeld

Geen gedoe — betaal gewoon eenmalig met iDeal, creditcard of je Stuvia-tegoed en je bent klaar. Geen abonnement nodig.

Direct to-the-point

Direct to-the-point

Studenten maken samenvattingen voor studenten. Dat betekent: actuele inhoud waar jij écht wat aan hebt. Geen overbodige details!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper stuuudje. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €4,39. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 68175 samenvattingen verkocht

Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen

Begin nu gratis
€4,39  10x  verkocht
  • (1)
In winkelwagen
Toegevoegd