Het SPSS topic #6 - En we SPSS-en nog even door....

Even geprobeerd, ook dat werkt handig! Bedankt! Dat deze zonnige zondag nog zo leerzaam kan zijn hè ;-)

Ik heb even jullie hulp nodig, ik ben bezig met het schrijven van mijn afstudeer scriptie. Mijn onderwerp is of Het Nieuwe Werken invloed gaat hebben op de corebusiness van een Schoonmaakbedrijf.

Nu heb ik een onderscheid gemaakt in ondernemingen die

1. Het Nieuwe Werken hebben toegepast
2. Het Nieuwe Werken gaan toepassen
3. Het Nieuwe Werken niet gaan toepassen

Vervolgens is er achterhaald wat er met het schoonmaak budget is gebeurt, is dit gedaald of gestegen. Hieruit kan ik een gemiddelde berekenen hoeveel er gemiddeld gestegen of gedaald is.

Nu gaf mijn begeleider aan dat ik het beste regressie analyse hier op los kon laten om te kijken of er een samenhang is? Gebruik ik dan het goede model?

Ik wil de samenhang van de groei of krimp van het schoonmaak budget koppelen aan of er gekozen is wel of niet voor HNW.

[ Bericht 7% gewijzigd door Stienn op 03-10-2013 10:21:50 ]

quote:

Op donderdag 3 oktober 2013 10:09 schreef Stienn het volgende:
Ik heb even jullie hulp nodig, ik ben bezig met het schrijven van mijn afstudeer scriptie. Mijn onderwerp is of Het Nieuwe Werken invloed gaat hebben op de corebusiness van een Schoonmaakbedrijf.

Nu heb ik een onderscheid gemaakt in ondernemingen die

1. Het Nieuwe Werken hebben toegepast
2. Het Nieuwe Werken gaan toepassen
3. Het Nieuwe Werken niet gaan toepassen

Vervolgens is er achterhaald wat er met het schoonmaak budget is gebeurt, is dit gedaald of gestegen. Hieruit kan ik een gemiddelde berekenen hoeveel er gemiddeld gestegen of gedaald is.

Nu gaf mijn begeleider aan dat ik het beste regressie analyse hier op los kon laten om te kijken of er een samenhang is? Gebruik ik dan het goede model?

Ik wil de samenhang van de groei of krimp van het schoonmaak budget koppelen aan of er gekozen is wel of niet voor HNW.

Regressieanalyse of anova kan allebei, ligt een beetje aan wat je precies wilt doen.

Wil je kijken of de lengte van het doorvoeren verband houdt met het budget (dus een onderscheid maken tussen bedrijven die 1 maand geleden begonnen zijn en die 2 maanden geleden begonnen zijn etc) dan gebruik je een regressie.

Wil je kijken of de categorie uit maakt (wel doorgevoerd of niet doorgevoerd) dan gebruik je of een anova, of een regressieanalyse met dummies.

Thnx, ik wil inzicht geven of er een verband is in de daling van het schoonmaak budget of het wel of niet is ingevoerd. Als ik simpel nadenk kan ik dat toch ook aangeven in een kruistabel?

quote:

Op donderdag 3 oktober 2013 14:43 schreef Stienn het volgende:
Thnx, ik wil inzicht geven of er een verband is in de daling van het schoonmaak budget of het wel of niet is ingevoerd. Als ik simpel nadenk kan ik dat toch ook aangeven in een kruistabel?

Eeuhm dat lit er weer aan, als je afhankelijke is wel verhoogd vs niet verhoogd, dan een kruistabel.
Als je afhankelijke is; verhoogd met xx euro of verhoogd met xx procent, dan een anova.

Als je de data hebt voor dat tweede zou ik dat doen, verhoogd an sich zegt namelijk niet zo veel als dat om 2 cent of 10k kan gaan.

even een kort vraagje: in mijn enquête zit een vraag met 4 antwoordmogelijkheden, bijvoorbeeld:
A) ...............
B) ...............
C) ...............
D) Anders, namelijk

Hoe krijg ik de antwoorden die bij D zijn ingevuld nu in mijn grafieken?

quote:

Op vrijdag 4 oktober 2013 11:19 schreef Freire het volgende:
even een kort vraagje: in mijn enquête zit een vraag met 4 antwoordmogelijkheden, bijvoorbeeld:
A) ...............
B) ...............
C) ...............
D) Anders, namelijk

Hoe krijg ik de antwoorden die bij D zijn ingevuld nu in mijn grafieken?

wat wit je in je grafiek hebben? Het aantal maal dat anders is ingevuld? Lijntjes/staven per mogelijke string in D? In beide gevallen is Recode een optie.

quote:

Op vrijdag 4 oktober 2013 11:19 schreef Freire het volgende:
even een kort vraagje: in mijn enquête zit een vraag met 4 antwoordmogelijkheden, bijvoorbeeld:
A) ...............
B) ...............
C) ...............
D) Anders, namelijk

Hoe krijg ik de antwoorden die bij D zijn ingevuld nu in mijn grafieken?

Coderen in andere variabelen. Stel de vraag is wat voor huisdier je hebt en bij D vullen 5 mensen in Cavia, 3 Paard en 2 Koe, dan moet je D uitsplitsen in die 3 variabelen met de respectievelijke labels.

quote:

Op vrijdag 4 oktober 2013 11:23 schreef dotKoen het volgende:
ld? Lijntjes/staven per mogelijke string in D? In beide gevallen is Recode een optie.

Sorry, het was misschien een beetje onduidelijk.

De vraag in de enquête is bijvoorbeeld:
Wat is uw favoriete vakantieland?
A) Spanje
B) Frankrijk
C) Duitsland
D) België
E) Anders, namelijk...

Hiervan wil ik een 'Pie' maken, maar het lukt me niet om de ingevoerde antwoorden bij E) in die 'Pie' te krijgen.

Bedankt voor de snelle reactie trouwens

Edit: De post van Operc te laat gezien. Dank!

Wie o wie kan me helpen met onderstaande probleem. Ik heb zelf behoorlijk wat tijd geïnvesteerd in het zoeken naar het juiste antwoord, maar het lijkt wel of alle studieboeken voorbeelden gebruiken waarbij de combinatie van onderstaande uitkomsten niet voorkomen. Of ik heb natuurlijk iets in de aanloop verkeerd gedaan.

Ik heb de scores van de afhankelijke en onafhankelijk variabele en moderator gemiddeld (compute mean a1,a2 etc) en daarna gesaved als zscore.

Vervolgens heb ik in een regressie analyse in block 1 de zscore onafhankelijk variabele en moderatie gezet gezet en in blok twee de interactieterm.

Als afhankelijke variabele heb ik zscore afhankelijke variabele ingevoerd.

In mijn eerste hypothese veronderstel ik een positief verband tussen onafhankelijke variabele en afhankelijke variabele en in mijn tweede hypothese stel ik dat de moderator een positieve invloed heeft op die samenhang.

Nu krijg ik als resultaat in "model summary" voor model 1 een p waarde van .042 en voor model 2 een p waarde van .067. De ANOVA geeft voor model 1 een p waarde idem als in model summary en een p waarde voor model 2 van 0.021.

Wanneer ik dan in de tabel kijk met coëfficiënten is de onafhankelijke variabele in model 1 significant (p .033, moderator is 0.223) maar in model 2 is niets meer significant (0.052, 0.122, en voor de interactieterm 0.067)

Ik zit totaal vast met het komen tot een conclusie wanneer ik naar deze resultaten kijk. Ik kom niet verder dan dat er een hoofdeffect is van onafhankelijk variabele + moderator op de afhankelijke variabele, maar dat de moderator zelf (interactie) geen invloed heeft op de samenhang tussen onafhankelijke variabele en afhankelijke variabele. Ook is de samenhang voor de afhankelijke variabele positief gezien de beta in coefficiententabel positief is en significant is. Heb de gegevens ook gevisualiseerd en daar zou je van zeggen dat de interactie wel significant is.

Wie kan me helpen om tot een conclusie te komen. Ik mis overduidelijk iets...........

Ik zit met een klein probleempje.

Stel je hebt twee variabelen: 1. Cocaïnegebruik in het afgelopen jaar en 2. Heroïnegebruik in het afgelopen jaar. De respondenten kunnen antwoorden met: ja, nee of geen antwoord. Nu heb ik deze variabelen samengevoegd tot een nieuwe variabele, namelijk: harddrugs gebruik in het afgelopen jaar.

Wanneer je een kruistabel zou maken van de eerste twee variabelen zie je de resultaten van respondenten die het afgelopen jaar zowel cocaïne als heroïne hebben gebruikt, de respondenten die beide niet hebben gebruikt en de respondenten die óf cocaïne óf heroïne hebben gebruikt.

Als ik een frequentietabel uitdraai van de nieuwe variabele, worden de laatste 2 groepen respondenten (alleen cocaïnegebruik of alleen heroïnegebruik) niet opgeteld bij de respondenten die zowel cocaïne als heroïne hebben gebruikt. Ben ik ergens een stap vergeten? Is hier een oplossing voor?

Ik heb de oplossing al gevonden!

Via compute variables heb ik [&] gebruikt in plaats van[|], dus AND in plaats van OR.

quote:

Op vrijdag 4 oktober 2013 11:26 schreef Freire het volgende:

[..]

Sorry, het was misschien een beetje onduidelijk.

De vraag in de enquête is bijvoorbeeld:
Wat is uw favoriete vakantieland?
A) Spanje
B) Frankrijk
C) Duitsland
D) België
E) Anders, namelijk...

Hiervan wil ik een 'Pie' maken, maar het lukt me niet om de ingevoerde antwoorden bij E) in die 'Pie' te krijgen.

Bedankt voor de snelle reactie trouwens

Edit: De post van Operc te laat gezien. Dank!

Graag gedaan.

quote:

Op zondag 6 oktober 2013 18:03 schreef dramatiek het volgende:
Wie o wie kan me helpen met onderstaande probleem. Ik heb zelf behoorlijk wat tijd geïnvesteerd in het zoeken naar het juiste antwoord, maar het lijkt wel of alle studieboeken voorbeelden gebruiken waarbij de combinatie van onderstaande uitkomsten niet voorkomen. Of ik heb natuurlijk iets in de aanloop verkeerd gedaan.

Ik heb de scores van de afhankelijke en onafhankelijk variabele en moderator gemiddeld (compute mean a1,a2 etc) en daarna gesaved als zscore.

Vervolgens heb ik in een regressie analyse in block 1 de zscore onafhankelijk variabele en moderatie gezet gezet en in blok twee de interactieterm.

Als afhankelijke variabele heb ik zscore afhankelijke variabele ingevoerd.

In mijn eerste hypothese veronderstel ik een positief verband tussen onafhankelijke variabele en afhankelijke variabele en in mijn tweede hypothese stel ik dat de moderator een positieve invloed heeft op die samenhang.

Nu krijg ik als resultaat in "model summary" voor model 1 een p waarde van .042 en voor model 2 een p waarde van .067. De ANOVA geeft voor model 1 een p waarde idem als in model summary en een p waarde voor model 2 van 0.021.

Wanneer ik dan in de tabel kijk met coëfficiënten is de onafhankelijke variabele in model 1 significant (p .033, moderator is 0.223) maar in model 2 is niets meer significant (0.052, 0.122, en voor de interactieterm 0.067)

Ik zit totaal vast met het komen tot een conclusie wanneer ik naar deze resultaten kijk. Ik kom niet verder dan dat er een hoofdeffect is van onafhankelijk variabele + moderator op de afhankelijke variabele, maar dat de moderator zelf (interactie) geen invloed heeft op de samenhang tussen onafhankelijke variabele en afhankelijke variabele. Ook is de samenhang voor de afhankelijke variabele positief gezien de beta in coefficiententabel positief is en significant is. Heb de gegevens ook gevisualiseerd en daar zou je van zeggen dat de interactie wel significant is.

Wie kan me helpen om tot een conclusie te komen. Ik mis overduidelijk iets...........

Doen wat alle wetenschappers tegenwoordig leuk vinden om te doen: Noem de interactie marginaal significant en zeg dat hier tekenen zijn van een effect maar dat vervolg onderzoek moet aantonen in welke maat het echt een sterk effect is

Het is ook wel allemaal randje niet significant. In principe zou ik dan aanraden eerder naar de effect size / r waarde te kijken. Significantie is slechts een arbitraire cutoff point. Als de effect size groot is noem je het een trend.

quote:

Op zondag 6 oktober 2013 18:03 schreef dramatiek het volgende:
Wie o wie kan me helpen met onderstaande probleem. Ik heb zelf behoorlijk wat tijd geïnvesteerd in het zoeken naar het juiste antwoord, maar het lijkt wel of alle studieboeken voorbeelden gebruiken waarbij de combinatie van onderstaande uitkomsten niet voorkomen. Of ik heb natuurlijk iets in de aanloop verkeerd gedaan.

Ik heb de scores van de afhankelijke en onafhankelijk variabele en moderator gemiddeld (compute mean a1,a2 etc) en daarna gesaved als zscore.

Vervolgens heb ik in een regressie analyse in block 1 de zscore onafhankelijk variabele en moderatie gezet gezet en in blok twee de interactieterm.

Als afhankelijke variabele heb ik zscore afhankelijke variabele ingevoerd.

In mijn eerste hypothese veronderstel ik een positief verband tussen onafhankelijke variabele en afhankelijke variabele en in mijn tweede hypothese stel ik dat de moderator een positieve invloed heeft op die samenhang.

Nu krijg ik als resultaat in "model summary" voor model 1 een p waarde van .042 en voor model 2 een p waarde van .067. De ANOVA geeft voor model 1 een p waarde idem als in model summary en een p waarde voor model 2 van 0.021.

Wanneer ik dan in de tabel kijk met coëfficiënten is de onafhankelijke variabele in model 1 significant (p .033, moderator is 0.223) maar in model 2 is niets meer significant (0.052, 0.122, en voor de interactieterm 0.067)

Ik zit totaal vast met het komen tot een conclusie wanneer ik naar deze resultaten kijk. Ik kom niet verder dan dat er een hoofdeffect is van onafhankelijk variabele + moderator op de afhankelijke variabele, maar dat de moderator zelf (interactie) geen invloed heeft op de samenhang tussen onafhankelijke variabele en afhankelijke variabele. Ook is de samenhang voor de afhankelijke variabele positief gezien de beta in coefficiententabel positief is en significant is. Heb de gegevens ook gevisualiseerd en daar zou je van zeggen dat de interactie wel significant is.

Wie kan me helpen om tot een conclusie te komen. Ik mis overduidelijk iets...........

wat is precies je vraag. Je omschrijft namelijk je resultaten maar zegt nergens waar je nu hulp bij nodig hebt

Wat ik nu kan zien:

je hebt twee losse effecten in je regressie gestopt, die hebben een sig effect. echter wanneer je een groter model gebruikt (toevoegen interactie term) worden die verbanden minder sterk.

Is je model 2 beter? Kun je ergens zien bij model fit.

Hoeveel variantie verklaren beide modellen?
Wat gebeurt er met de B in model 2 t.o.v. model 1?

P-wardes zijn echt de minst inzichtelijke statistische uitkomsten ooit, op p-waardes alleen kun je je conclusie nooit baseren.

En als gokje; als de interactie er visueel significant uit ziet, dan heb je waarschijnlijk veel te weinig proefpersonen gebruikt

Bedankt voor de feedback. Mijn vraag was welke conclusies ik hier aan kan verbinden. Met name de resultaten van de anova kan ik niet rijmen met de rest van de resultaten. Weet niet precies hoe ik de conclusie moet omschrijven.

In hypothese 1 veronderstel ik een positieve samenhang tussen onafh en afhankelijke variabele. In hypothese twee veronderstel ik dat de moderator een positieve invloed heeft op de relatie tussen onafhankelijke en afhankelijke variabele.

Gokje is inderdaad goed. Erg weinig proefpersonen (41). Opdracht gaat meer om het doen dan relevant onderzoek.

quote:

Op maandag 7 oktober 2013 19:06 schreef dramatiek het volgende:
Bedankt voor de feedback. Mijn vraag was welke conclusies ik hier aan kan verbinden. Met name de resultaten van de anova kan ik niet rijmen met de rest van de resultaten. Weet niet precies hoe ik de conclusie moet omschrijven.

In hypothese 1 veronderstel ik een positieve samenhang tussen onafh en afhankelijke variabele. In hypothese twee veronderstel ik dat de moderator een positieve invloed heeft op de relatie tussen onafhankelijke en afhankelijke variabele.

Gokje is inderdaad goed. Erg weinig proefpersonen (41). Opdracht gaat meer om het doen dan relevant onderzoek.

[ afbeelding ]

Er zijn twee manieren hoe je dit kunt interpreteren.

De eerste is de soort van fascistische dichotome alles onder .05 is sig en dus belangrijk, alles erboven niet. Dan is interpretatie vrij straightforward.

De wat genuanceerdere interpretatie is dat je power erg laag is en je p-waardes daarom relatief hoog zijn. Dan zou ik gewoon naar de B's kijken in je tweede model. Er is dan dus een positief effect van de IV, en een interactie effect van e moderator, namelijk een positief effect voor de moderator an sich, maar de IV*moderator heeft een negatief effect dat dat opheft.

nb; in jouw stukje spreek je over een positief effect van de moderator, maar het lijkt een negatief effect te zijn.

quote:

Op dinsdag 8 oktober 2013 01:54 schreef oompaloompa het volgende:

[..]

Er zijn twee manieren hoe je dit kunt interpreteren.

De eerste is de soort van fascistische dichotome alles onder .05 is sig en dus belangrijk, alles erboven niet. Dan is interpretatie vrij straightforward.

De wat genuanceerdere interpretatie is dat je power erg laag is en je p-waardes daarom relatief hoog zijn. Dan zou ik gewoon naar de B's kijken in je tweede model. Er is dan dus een positief effect van de IV, en een interactie effect van e moderator, namelijk een positief effect voor de moderator an sich, maar de IV*moderator heeft een negatief effect dat dat opheft.

nb; in jouw stukje spreek je over een positief effect van de moderator, maar het lijkt een negatief effect te zijn.

Ok, dus de ANOVA an sich geeft wel aan dat het volledige model significant. Dus als daar een niet significante p waarde uit was gekomen voor model 1 en 2 had ik helemaal niet verder hoeven kijken?

Ik neem mee als conclusie dat de IV een positief effect heeft op de DV en dat de moderator een negatieve invloed heeft op die relatie.

quote:

Op dinsdag 8 oktober 2013 17:15 schreef dramatiek het volgende:

[..]

Ok, dus de ANOVA an sich geeft wel aan dat het volledige model significant. Dus als daar een niet significante p waarde uit was gekomen voor model 1 en 2 had ik helemaal niet verder hoeven kijken?

Ligt er aan hoeveel gewicht je geeft aan p-waardes

quote:

Ik neem mee als conclusie dat de IV een positief effect heeft op de DV en dat de moderator een negatieve invloed heeft op die relatie.

Ik ben niet helemaal duidelijk geweest hierin gisteren (ik geef mn jetlag de schuld)

Daarnaast realiseer ik me nu ook pas dat je waarschijnlijk twee continue IV's hebt gemeten.

Wat je hebt gevonden is dat met 1 punt hoger op emoV, mensen ongeveer .3 hoger scoren op de DV
1 punt hoger op extraV leidt tot een .23 hoger op de DV
De interactie tussen emoC en extraV zorgt er voor dat 1 punt hoger op die interactie leidt tot .35 lager op de DV

Dus voor iemand met 0 op emoV, zorgt er voor dat 1 hoger scoren op emoC leidt tot een hogere uitkomst op de DV, maar voor iemand die 1 scoort op emoV, zorgt het 1 hoger scoren op emoC tot een iets lagere uitkomst op de DV (+ .23 - .35 --> -.12)

Het probleem alleen met allebei veranderen in z-scores, is dat je je interactie nogal beperkt, je nteractie term moet dan namelijk even groot zijn voor iemand met -2 en en -2 als voor iemand met +2 en +2.

Nu moet ik als disclaimer zeggen dat ik vrijwel nooit regressies met interacties doe op continue variabelen, maar volgens mij klopt wat ik hierboven zeg, ik vind het conceptueel heel erg vreemd om een regressie te doen op een interactie van twee gecentreerde variabelen. Daarnaast maak je volgens mij ook nog andere assumpties op die manier, namelijk een exponentieel verband, een score van 2&2 telt als 4 in je regressie, maar 3&3 telt als 9.

quote:

Op dinsdag 8 oktober 2013 17:30 schreef oompaloompa het volgende:

[..]

Ligt er aan hoeveel gewicht je geeft aan p-waardes

[..]

Ik ben niet helemaal duidelijk geweest hierin gisteren (ik geef mn jetlag de schuld)

Daarnaast realiseer ik me nu ook pas dat je waarschijnlijk twee continue IV's hebt gemeten.

Wat je hebt gevonden is dat met 1 punt hoger op emoV, mensen ongeveer .3 hoger scoren op de DV
1 punt hoger op extraV leidt tot een .23 hoger op de DV
De interactie tussen emoC en extraV zorgt er voor dat 1 punt hoger op die interactie leidt tot .35 lager op de DV

Dus voor iemand met 0 op emoV, zorgt er voor dat 1 hoger scoren op emoC leidt tot een hogere uitkomst op de DV, maar voor iemand die 1 scoort op emoV, zorgt het 1 hoger scoren op emoC tot een iets lagere uitkomst op de DV (+ .23 - .35 --> -.12)

Het probleem alleen met allebei veranderen in z-scores, is dat je je interactie nogal beperkt, je nteractie term moet dan namelijk even groot zijn voor iemand met -2 en en -2 als voor iemand met +2 en +2.

Nu moet ik als disclaimer zeggen dat ik vrijwel nooit regressies met interacties doe op continue variabelen, maar volgens mij klopt wat ik hierboven zeg, ik vind het conceptueel heel erg vreemd om een regressie te doen op een interactie van twee gecentreerde variabelen. Daarnaast maak je volgens mij ook nog andere assumpties op die manier, namelijk een exponentieel verband, een score van 2&2 telt als 4 in je regressie, maar 3&3 telt als 9.

Heb feedback van mijn begeleider die meldt dat ik moet spreken van "een trend". De gebruikte analyse zoals in de opgave was verder ok (betrouwbaarheidsanalyse,schalen berekenen (compute mean, dan gestandaardiseerde versie van schalen berekenen (zscore), interactieterm berekenen en multiple regressie uitvoeren)
Ook krijg ik de feedback dat ik p-waarde eventueel door 2 mag delen wanneer ik in mijn hypothese een richting aangeef (in dit geval een positief verband)

Beide IV variabelen zijn extraversie en emotionele stabiliteit, gemeten met 9 puntsschaal (uit bigfive test).

Ik vind het allemaal nogal vrij vaag. Lijkt me dat het minder vaag zou worden met 4000 ipv 42 respondenten.

quote:

Op dinsdag 8 oktober 2013 18:35 schreef dramatiek het volgende:

[..]

Heb feedback van mijn begeleider die meldt dat ik moet spreken van "een trend". De gebruikte analyse zoals in de opgave was verder ok (betrouwbaarheidsanalyse,schalen berekenen (compute mean, dan gestandaardiseerde versie van schalen berekenen (zscore), interactieterm berekenen en multiple regressie uitvoeren)
Ook krijg ik de feedback dat ik p-waarde eventueel door 2 mag delen wanneer ik in mijn hypothese een richting aangeef (in dit geval een positief verband)

Beide IV variabelen zijn extraversie en emotionele stabiliteit, gemeten met 9 puntsschaal (uit bigfive test).

Ik vind het allemaal nogal vrij vaag. Lijkt me dat het minder vaag zou worden met 4000 ipv 42 respondenten.

Nu ben ik wel heel nieuwsgierig wie je begeleider is want, no offense naar jou toe, het klinkt eerder alsof je begeleider je probeert trucjes aan te leren dan je te helpen te begrijpen hoe je zoiets moet doen.

quote:

Op dinsdag 8 oktober 2013 18:35 schreef dramatiek het volgende:

[..]

Heb feedback van mijn begeleider die meldt dat ik moet spreken van "een trend". De gebruikte analyse zoals in de opgave was verder ok (betrouwbaarheidsanalyse,schalen berekenen (compute mean, dan gestandaardiseerde versie van schalen berekenen (zscore), interactieterm berekenen en multiple regressie uitvoeren)
Ook krijg ik de feedback dat ik p-waarde eventueel door 2 mag delen wanneer ik in mijn hypothese een richting aangeef (in dit geval een positief verband)

Beide IV variabelen zijn extraversie en emotionele stabiliteit, gemeten met 9 puntsschaal (uit bigfive test).

Ik vind het allemaal nogal vrij vaag. Lijkt me dat het minder vaag zou worden met 4000 ipv 42 respondenten.

Je zou pas naderhand richting geven aan je hypothese, dat is niet de bedoeling kan ik je beloven;)

quote:

Op dinsdag 8 oktober 2013 20:36 schreef Noppie2000 het volgende:

[..]

Je zou pas naderhand richting geven aan je hypothese, dat is niet de bedoeling kan ik je beloven;)

Nee, die richting staat natuurlijk op voorhand vast. Die ga je er niet achteraf bij bedenken.

quote:

Op dinsdag 8 oktober 2013 21:01 schreef dramatiek het volgende:

[..]

Nee, die richting staat natuurlijk op voorhand vast. Die ga je er niet achteraf bij bedenken.

Maar je zei dat je een positieve interactie verwachtte. Nu vind je een negatieve die je vanje begeleider nog eenzijdig moet toetsen ook. Als dat niet achteraf je hypothese bedenken is, dan weet ik het ook niet meer