Assignment 1: Predictors of aggressive behavior in psychotic patients
Opdracht 1
Het onderzoek is gedaan volgens een cross-sectioneel design, waarbij er voor
meerdere deelnemers op 1 meetmoment data wordt verzameld. Daarbij is het doel om de
variantie tussen verschillende deelnemers vast te stellen. Het onderzoek duurde van april 2008
tot december 2009, in totaal dus 20 maanden. Data werd verzameld vanuit 3 psychiatrische
ziekenhuizen in Nederland, waarbij 200 patiënten benaderd werden voor deelname aan het
onderzoek. Deze patiënten bevonden zich allemaal in de eerste 2 weken van hun aanmelding
voor een acute verergering van hun stoornis en waren gediagnosticeerd met een psychotische
stoornis.
Van de 200 patiënten bleken er 145 bereidt om vrijwillig deel te nemen aan het
onderzoek, maar daarvan werden 21 uitgesloten, omdat ze niet getest konden worden.
Patiënten werden uitgesloten wanneer ze comorbide as I of II diagnoses of ernstige cognitieve
beperkingen hadden, en wanneer gebruik gemaakt werd van kalmeringsmiddelen wat invloed
had op hun waakzaamheid. De samplegrootte voor dit onderzoek was uiteindelijk 124
patiënten, waaronder 109 mannen en 15 vrouwen, met een gemiddelde leeftijd van 32.7 jaar.
Er is best een groot deel van de deelnemers die is weggevallen, en dit is niet altijd
willekeurig. Misschien was het een bepaalde ‘soort’ deelnemers die is weggevallen, waardoor
de sample best biased geworden kan zijn.
Opdracht 2
De onafhankelijke variabelen van de onderzoeksvraag zijn ‘psychotische symptomen’
en ‘emotionele reactie op symptomen’. De afhankelijke variabele van de onderzoeksvraag is
‘agressief gedrag’. Het agressieve gedrag is namelijk afhankelijk van de psychotische
symptomen van patiënten en hun emotionele reactie op deze symptomen. Bij correlationeel
onderzoek hoef je het niet heel erg over between en within te hebben, want je hebt niet echt
groepen of manipuleren van variabelen etc.
De onafhankelijke variabelen zijn between-subject, omdat er vergeleken wordt tussen
verschillende patiënten. De onafhankelijke variabele ‘psychotische symptomen’ bestaat uit 2
soorten data, namelijk PANSS voor positieve symptomen, en TCOQ voor
controlesymptomen. De minimale waarde van PANSS is 8, de maximale waarde 35. De
minimale waarde van TCOQ is 15, de maximale waard 56. De onafhankelijke variabele
‘emotionele reactie op symptomen’ bestaat ook uit 2 soorten data, namelijk ARDS_anger
voor woede, en ARDS_anxiety voor stress. De minimale waarde van anger is 8, de maximale
waarde 99. De minimale waarde van anxiety is 8, de maximale waarde 31. Je moet hier niet
de minimale en maximale gehaalde scores rapporteren, maar de waardes die gehaald kunnen
worden door de participanten.
De variabelen worden gezien als interval, omdat er vanuit wordt gegaan dat de afstand
tussen 1 en 2, 2 en 3 etc. allemaal gelijk is. Het is niet ratio, omdat er geen absoluut nulpunt
is. Hoe hoog of laag deze score is, zegt iets over de sterkte van de variabele. Hier moet je
uitleggen wat de waardes in de schaal betekenen, dus waar staat 1 voor, waar staat 4 voor etc.
In het artikel van Nederlof (2011) wordt verder niet ingegaan op de betrouwbaarheid van de
gebruikte psychologische schaalscores.
Er is een multipele regressie uitgevoerd. Analyze > Regression > Linear. Hierin is de
afhankelijke variabele AQ, en zijn de onafhankelijke variabelen PANSS, TCOQ,
ARDS_Anger en ARDS_Anxiety.
,Tabel 1
Samenvatting van het Regressiemodel
Model R R2 Adjusted R2 Std. Error
1 .235 .055 .025 19.761
Tabel 2
Coëfficienten van het Regressiemodel
Model B Std. Error Beta T Sig.
1 Constant 73.745 11.784 6.258 .000
PANSS -.565 .357 -.152 -1.581 .116
TCOQ .430 .238 .174 1.804 .074
ARDS_Stateanger .409 .214 .175 1.911 .058
ARDS_Stateanxiety -.331 .388 -.079 -.853 .395
Opdracht 3
Uit het maken van scatterplots en het bekijken van de beschrijvende statistieken, blijkt
dat er zich drie duidelijke outliers in de sample zitten. Hierbij wordt echter opgemerkt dat de
cases in de dataset geen subject id hebben, en de specifieke cases dus niet benoemd kunnen
worden. Het gaat hier echter om 3 cases waarvoor de Cook’s distance variabele het hoogst is
(volgens de regressie).
De eerste outlier is duidelijk te zien in de scatterplot, het gaat hier namelijk om een erg
extreme waarde van 99 voor de variabele ARDS_Anger. De tweede en derde outlier blijken
uit de casewise diagnostics (volgens de regressie) erg af te wijken. Deze twee cases hebben
als enige een score van 0 op de variabele AQ.
Figuur 1. Scatterplot van de gestandaardiseerde residuen.
Tabel 3
Beschrijvende Statistieken van de Outliers
Case number Std. Residual AQ Predicted value Residual
2 -4.028 0 79.60 -79.598
3 -4.028 0 79.60 -79.598
Het bekijken van de Cook’s distance (volgens de regressie) is een goede manier om te
bepalen of je outliers het beste wel of niet kan verwijderen uit een sample. Wanneer de
,Cook’s distance > 1, heeft een variabele een sterke invloed op de rest van de data, wat een
goede reden is om deze te verwijderen. Als naar de Cook’s distance gekeken wordt van de
drie outliers, blijkt dat slechts een van deze een Cook’s distance van boven de 1 heeft. Dit
betreft de case met een score van 99 op de variabele ARDS_Anger. Op basis van deze
informatie kan dus beslist worden dat deze case uit de sample verwijderd wordt, en dat de
andere 2 cases die outliers vormen niet verwijderd worden.
Er is een nieuwe multipele regressie uitgevoerd.
Verwijderen en zoeken van outliers etc.
- Stap 1: ga op zoek naar onmogelijke variabelen, deze kan je er gelijk uit halen, want
dat kan gewoon niet.
- Stap 2: standardized residuals (boven 3.29 is mogelijk problematisch, hoe hoger hoe
erger), mahalanobis, Cook’s etc. voor het detecteren van andere outliers. Hierbij kan je
kijken naar de ‘rules of thumb’ om te kijken welke je ook werkelijk moet veranderen,
en welke erin kunnen blijven om dat ze niet een te grote invloed hebben. Zie
doorgestuurd document van Gökhan.
Opdracht 4
Tabel 4
Sociodemografische en klinische kenmerken van de sample (N = 129)
Sociodemografische kenmerken N %
Seks Male 114 88.4%
Female 15 11.6%
Ethnicity Caucasian 70 54.3%
Suriname 22 17.1%
Antilles 14 10.9%
Other (Morocco, 23 17.8%
Turkey)
Marital status Unmarried 114 88.4%
Married/living 8 6.2%
together
Separated 7 5.4%
Education Low 35 27.1%
Moderate 88 68.2%
High 6 4.7%
Living situation Alone 66 51.2%
Resident/attended 47 36.4%
Homeless 16 12.4%
Klinische karakteristieken
Diagnosis SCID Schizophrenia 109 84.5%
Schizoaffective 6 4.7%
disorder
Delusional disorder 1 0.8%
Psychotic disorder 13 10.1%
NOS
Type of admission Voluntary 32 24.8%
Involutary 97 75.2%
First admssion Yes 32 24.8%
No 97 75.2%
, Opvallend is de erg scheve verdeling van het geslacht. Er zijn namelijk aanzienlijk
meer mannen dan vrouwen aanwezig in de sample. Hier kunnen verschillende verklaringen
voor gezocht worden, zoals dat psychotische symptomen gemiddeld misschien meer bij
mannen dan bij vrouwen voorkomen, maar het is wel belangrijk om in gedachten te houden
bij het trekken van conclusies over de generaliseerbaarheid van de sample. Iets anders wat
opvalt, is het grote aantal onvrijwillige opnames. Het kan hierbij best zo zijn dat bij
onvrijwillige opname meer woede en boosheid speelt dan bij een vrijwillige opname. Ook dit
is iets om rekening mee te houden in hoeverre dit de woede-variabelen beïnvloed. Als laatste
heeft het grootste deel van de sample (84.5%) de diagnose schizofrenie gekregen. Nu is dat in
principe niet heel erg, maar moeten we wel oppassen met het trekken van conclusies over
psychotische symptomen in het algemeen, aangezien het grootste deel van de sample onder
schizofrenie valt.
Opdracht 5
De volgende hypothesen worden opgesteld naar aanleiding van de onderzoeksvraag
voor deze opdracht, namelijk:
H0 = de verklaarde variantie in agressief gedrag voor de variabelen van PANSS, TCO, anger
en anxiety is 0 (er is geen voorspellend effect van deze variabelen op agressief gedrag).
Ha = de verklaarde variantie in agressief gedrag voor de variabelen van PANSS, TCO, anger
en anxiety is niet gelijk aan 0 (er is wel een voorspellend effect op agressief gedrag).
Hier zou je ook alle specifieke hypotheses voor alle variabelen moeten opstellen, niet alleen
de algemene.
Opdracht 6
Om deze hypothesen te toetsen hebben we gekozen om een multipele regressie uit te
voeren. Hierbij horen de assumpties: 1) normaliteit, 2) lineairiteit/additiviteit, 3)
homogeniteit, en 4) multi-colineairiteit. Het meetniveau van de variabelen is interval, en er is
gecontroleerd voor outliers, waarvan er 1 was, die vervolgens verwijderd is. 5e assumptie;
indepent errors hoort hier ook nog bij. Dit kan je doen door de Durban-watson test als je weet
wie je waar hebt getest, maar dat weten we niet. Dit is op dit moment meer theoretisch, we
kunnen het niet testen; denken we dat hier aan voldaan wordt of niet, en waarom.
Normaliteitsassumptie: er is gekozen om deze assumptie te testen met behulp van een
Q-Q plot. Deze is te vinden in SPSS volgens Analyze > descriptive statistics > Q-Q plots.
Hier hebben we de variabele Standardized Residuals uit de regressieanalyse ingevoegd in een
Q-Q plot geplaatst. In de output is te zien dat er over het algemeen een vrij rechte lijn te zien
is van de punten op de lijn, met hier en daar wel zeker afwijkende waarden, maar er is over
het algemeen veel samenhang te zien. Er is geen duidelijke S-vorm te zien, wat zou wijzen op
skewness. Er lijkt dus sprake te zijn van een normale verdeling, er is aan de assumptie
voldaan.
