quote:
Daaromquote:Op donderdag 10 november 2011 16:58 schreef Z het volgende:
Maar niettemin altijd iets om in je achterhoofd te houden.
1: is voldoende (er van uit gaande dat je experimentele design causaliteit meeneemt)quote:Op zaterdag 5 november 2011 14:07 schreef Sachaaa het volgende:
Ik heb nog een vraag in de categorie 'welke analyses moet ik gebruiken?'
Ik heb het volgende conceptuele model dat ik wil toetsen:
A --> B --> C
D (moderator tussen A & B)
(alle variabelen zijn gemeten op een schaal 1-5)
Hypothese 1 is dus: A heeft een positief effect op B, wat ik toets met een regressieanalyse. Voorafgaand heb ik correlaties en betrouwbaarheid van de schalen opgevraagd. Is dat voldoende?
Hypothese 2 is: D heeft een modererend effect op de relatie tussen A en B. Om dat te toetsen, wilde ik ook regressieanalyse gebruiken, maar ik twijfel of dat dit juist is. Kan ik gewoon de toetst van hypothese 1 herhalen maar dan in een extra blok variabele D toevoegen?
Hypothese 3 is: A heeft, middels B een positief effect op C (mediation dus). Dit wilde ik testen door eerst aan te tonen dat A significant gerelateerd is aan C (regressie) en B aan C (correlaties). Vervolgens wilde ik de mediation testen met een hierarchische regressieanalyse met C als afhankelijke variabele, alleen voer ik dan eerst A of B in in stap 1?
Ik weet niet wat je fout doet maar de sobel-test is een Z-verdeling. Je kunt de z-waarde met de bijbehorende df dus zelf naar p transformeren / opzoeken.quote:Op maandag 14 november 2011 18:42 schreef Sachaaa het volgende:
Dank je wel oomplaoompa!
Ik heb de Sobel z-test geprobeerd en krijg uit de calculator wel een z-test (37.54) en een p-waarde van 0.0, maar niet met meer decimalen waardoor ik niet weet of het effect significant is of niet. Ik heb ook een andere calculator geprobeerd, daar kwam dezelfde z-waarde uit met een p-waarde van 0, zonder decimalen. Enig idee wat ik hier verkeerd doe?
Ik begrijp je niet helemaal geloof ik. Moet ik het dan interpreteren als groter dan 1.96, dus significant op p<.05?quote:Op maandag 14 november 2011 18:49 schreef oompaloompa het volgende:
[..]
Ik weet niet wat je fout doet maar de sobel-test is een Z-verdeling. Je kunt de z-waarde met de bijbehorende df dus zelf naar p transformeren / opzoeken.
Niet helemaal mijn ding, dit onderwerp. Ik ben de cursus waarin dit behandeld wordt nu aan het volgen in mijn studie. Zo te zien is oompalooma hier beter in thuisquote:Op maandag 14 november 2011 16:45 schreef Sachaaa het volgende:
Crossover, ik durf het bijna niet te vragen maar weet je misschien ook een antwoord op mijn vragen op de vorige pagina?
Yups als het goed is welquote:Op maandag 14 november 2011 19:07 schreef Sachaaa het volgende:
[..]
Ik begrijp je niet helemaal geloof ik. Moet ik het dan interpreteren als groter dan 1.96, dus significant op p<.05?
Ik heb het meerdere keren geprobeerd met beide calculatoren en kom steeds tot dezelfde conclusie (bij een A = .164, SA = .002, B = .380 en SB = .009). Ik heb voor de A en B gekozen voor de ongestandaardiseerde regressiecoëfficient met bijbehorende SE, zou dat misschien niet kloppen?quote:Op dinsdag 15 november 2011 17:51 schreef oompaloompa het volgende:
[..]
Yups als het goed is wel
Je zou anders deze caculator kunnen gebruiken: http://www.danielsoper.com/statcalc3/calc.aspx?id=31
Weet je trouwens zeker dat je het goed hebt gedaan? Het is namelijk nogal een enorme Z-waarde die je daar hebt.
Nee dat klopt wel, zo te zien is je SD gewoon extreem laag wat zorgt voor een enorm effect.quote:Op woensdag 16 november 2011 16:27 schreef Sachaaa het volgende:
[..]
Ik heb het meerdere keren geprobeerd met beide calculatoren en kom steeds tot dezelfde conclusie (bij een A = .164, SA = .002, B = .380 en SB = .009). Ik heb voor de A en B gekozen voor de ongestandaardiseerde regressiecoëfficient met bijbehorende SE, zou dat misschien niet kloppen?
Volgens mij kun je dat gewoon doen. Ik doe het meestal mbv een ancova. (zou a en d wel even centreren)quote:Ik heb ook nog een vraag voor mijn tweede hypothese over de moderator. Ik heb Baron & Kenny erop nageslagen maar kom er niet helemaal uit. Is het voldoende om een regressieanalyse te doen met B als onafhankelijke variabele, in stap 1 A en D los in te voeren en in stap 2 het product van AXD, en dan te kijken of dit model een betere voorspeller is en of er sprake is van een significant interactie-effect? Of moet ik hierna nog een andere analyse doen?
Heb je meerdere condities?quote:Op donderdag 17 november 2011 20:28 schreef Trusten het volgende:
Hola,
In een onderzoek waar ik aan deelneem wordt nagegaan of er samenhang is tussen gedrag X en het ontstaan van probleemgedrag Y. We maken eerst een spreidingsdiagram om te kijken of er een samenhang bestaat en of deze samenhang lineair is. Als blijkt dat de samenhang lineair is, zal de Pearsons productmomentcorrelatie worden uitgevoerd. Klopt dit of zit ik fout en moet ik dit geval voor een AN(C)OVA gaan? Deze laatste gebruik je namelijk toch voor verschilvragen terwijl wij een samenhangvraag hebben....of toch niet?
Als je onderzoeksvraag is of de relatie verschilt tussen die twee landen moet je een ancova of een regressie doen. Je kunt ook een correlatie bepalen maar om dan uitspraken te doen over het verschil tussen die twee landen moet je de correlaties tegen elkaar toetsen en afaik kan dat niet met spss en zul je het met de hand moeten doen.quote:Op donderdag 17 november 2011 21:09 schreef Trusten het volgende:
[..]
Ja personen uit land A en personen uit Land B
Een ancova is een correlatie en dus niet "fouter" dan pearsons, gewoon wortel effect size en je hebt de correlatie.quote:Op donderdag 17 november 2011 21:14 schreef crossover het volgende:
Het hangt er ook vanaf wat je onderzoeksvraag is. Als je samenhang wil gaan toetsen, lijkt me Pearson's meer geschikt dan ANCOVA.
Je zou ook eens een trendanalyse uit kunnen voeren om een beeld te krijgen van de trend. Dit gaat wel met ANOVA.
Bestaat er een verband tussen opvoedgedrag X en probleemgedrag Y en is dit hetzelfde bij kinderen uit Land B als bij Nederlandse kinderen?quote:Op donderdag 17 november 2011 21:14 schreef crossover het volgende:
Het hangt er ook vanaf wat je onderzoeksvraag is. Als je samenhang wil gaan toetsen, lijkt me Pearson's meer geschikt dan ANCOVA.
Ah, weer wat geleerdquote:Op donderdag 17 november 2011 21:27 schreef oompaloompa het volgende:
[..]
Een ancova is een correlatie en dus niet "fouter" dan pearsons, gewoon wortel effect size en je hebt de correlatie.
Als je het zo stelt, denk ik eerder aan ANCOVA. Volgens mij kan dat ook met een dichotome / categorische variabele als covariaat. Maar ik zit te twijfelen over dat verband..quote:Op donderdag 17 november 2011 22:21 schreef Trusten het volgende:
[..]
Bestaat er een verband tussen opvoedgedrag X en probleemgedrag Y en is dit hetzelfde bij kinderen uit Land B als bij Nederlandse kinderen?
Een iets andere optie is om inderdaad een ancova te doen met land als independent en opvoedgedrag als random factor, dan krijg je zowel de losse effecten en de interactie. Als de interactie significant is betekent dat dat er een significant verschil zit tussen de twee condities mbt het effect van opvoedgedrag op probleemgedrag.quote:Op donderdag 17 november 2011 22:28 schreef crossover het volgende:
[..]
Ah, weer wat geleerd
[..]
Als je het zo stelt, denk ik eerder aan ANCOVA. Volgens mij kan dat ook met een dichotome / categorische variabele als covariaat. Maar ik zit te twijfelen over dat verband..
Dat is een hele vreemde vraag.quote:Op maandag 21 november 2011 15:29 schreef borisz het volgende:
Ik heb een lijstje kosten en een lijstje contact-uren. Iemand hoe ik daar via spss een % functie van kan maken? Dus bij het toenemen van 10% contact uren hoeveel stijgen de kosten dan? Dat laatste gaat natuurlijk via een regressie, maar hoe moet ik die data veranderen?
Forum Opties | |
---|---|
Forumhop: | |
Hop naar: |