
Werkgroep 1
Zie bijlage 1
Werkgroep 2
Zie bijlage 2
Werkgroep 3
Zie bijlage 3
Werkgroep 4
Opdracht 4.1
Beschrijf hoe proefpersonen aan condities worden toegewezen in een gerandomiseerdeproefopzet, gematchte subjecten proefopzet en een herhaaldemetingproefopzet:
Gerandomiseerde-groepen-proefopzet: proefpersonen worden aselect toegewezen aan één van twee of meer experimentele condities. Voorbeeld: 60 ouders met allemaal een kind in dezelfde leeftijd doen mee aan een onderzoek waarbij het doel is dat zij beter reageren op de signalen van het kind. De ouders worden random toegewezen aan een experimentele groep en aan een controle groep. De experimentele groep krijgt een training.
Gematchte subjecten groep: de proefpersonen worden gelinkt op basis van kenmerken die van belang zijn voor het onderzoek. Daarna worden ze random toegewezen aan een conditie. Voorbeeld: Er worden eerst groepen gevormd, bijvoorbeeld op basis van leeftijd en geslacht. Vervolgens worden deze random toegewezen aan een conditie. Tijdens deze condities kan bijvoorbeeld de mate van onderzoekend gedrag worden gescoord.
Herhaalde meting proefopzet: elke proefpersoon neemt deel aan alle experimentele condities.
Opdracht 4.2
Antwoorden voor een 3 x3 factoriële proefopzet
A. Twee onafhankelijke variabelen
B. Iedere onafhankelijke variabele heeft 3 niveaus
C. Er zijn negen experimentele condities
D. Je kunt twee hoofdeffecten toetsen
E. Je kunt één interactie-effect toetsen
Antwoorden voor een 2 x3x3 factoriële proefopzet (Þ drieweg variantie analyse)
F. 3 onafhankelijke variabelen
G. Eén onafhankelijke variabele heeft 2 niveaus; 3 onafhankelijke variabelen hebben 3 niveaus
H. Er zijn 18 (2x3x3=18) experimentele condities
I. Je kunt 3hoofdeffecten toetsen
J. Je kunt in totaal 4 interactie-effecten toetsen (3 tweeweg en 1 drieweg)
Opdracht 4.3
Vergelijking rokersonderzoek
A (1) Slapen mannelijke en vrouwelijke niet-rokers, matige en zware rokers gemiddeld evenveel/evenlang/gelijk?
A (2): Is er een verschil in gemiddelde eigenwijsheid tussen jongens en meisjes in groep 1 t/m 8
A (3): Leren studenten orthopedagogiek en leerproblemen de doventaal volgens de methode gemiddeld even goed?
B: De criterium variabele is:
B(1): slaaptijd
B(2): eigenwijsheid score
B(3): Het leren van doventaal
C: onafhankelijke/ en of proefpersoon variabele:
C(1): niet roken, matig roken, roken (I) en sekse (J)
C(2): leeftijd (I) en sekse (J)
C(3): methode (i) en opleiding (J)
D (1): I=3, J=2 (aantal groepen van elk van de factor), N= 480
D(2): I=8, J=2, N=48
D(3): I=4, J=2, N=32x4=128
I, J = aantal groepen van elk van de factoren, N= totaal observaties / proefpersonen
E: variantie analysemodel
1: Bron -> roken, DF: I-1= 2, Bron -> sekse, DF: J-1: 1
roken x sekse (AB): (I-1)x(j-1)=2, Error: 474
Totaal: N-1: 479
Opdracht 4.5
A: Variantieanalyse met de hand:
Hoofdeffect van sekse:
F: MSsekse/MSerror: 0.473
MSsekse: SSsekse/Dfsekse -> 2824.42/1
MSerror: SSerror/dferror:4843979/228: 8087
Opzoeken in tabel E; kritische waarden van F
dfteller =1 en dfnoemer = 228 (Kijken bij 200)
F is kleiner dan 2.73; de bijbehorende p-waarde is groter dan 0.10
Hoofdeffect vak:
F: MShoofdvak/MSerror: 9.318
MShoofdvak: SShoofdvak/DFhoofdvak = 150723.496/2=75361
MSerror: SSerror/DFerror=8087.62
Werkgroep 5
Opdracht 5.1 – verschil in social inzicht
Gemiddelde score op de Chapin Sociale inzicht schaal (tabel 5.1)
Geslacht | Studierichting | Studierichting |
| Psychologie | Letteren |
Man | 27.56 (n=20) | 25.34 (n=20) |
Vrouw | 29.25 (n=20) | 24.94 (n=20) |
Deze schaal meet hoe goed mensen anderen kunnen inschatten en kunnen voorspellen wat ze gaan doen. De gemiddelden van mannelijke en vrouwelijke (F:geslacht) masterstudenten psychologie en masterstudenten letteren (f:studierichting) worden met elkaar vergeleken.
A: de gemiddelden plotten -> gebruik SPSS
De geplotte plaatjes hiervan zijn te vinden op de blackboard pagina
Interpretatie van de gegevens:
Studierichting: mannelijke en vrouwelijke psychologiestudenten scoren hoger dan de letterkundigen. Dit kan duiden op een hoofdeffect van studierichting (dit is echter nog niet getoetst dus nog niet met zekerheid te stellen).
Geslacht: vrouwen scoren hoger dan mannen, dit verschil is echter niet zo groot.
Interactie: beide lijnen in de figuren lopen naar elkaar toe en niet van elkaar af. Bij psychologiestudenten is het verschil tussen mannen en vrouwen groter.
Opdracht 5.2 – voorkeur voor speelgoed
Onderzoek: peuters kregen de keus om te spelen met 1 van de 2 typen speelgoed. De peuters werden verdeeld in drie leeftijdsgroepen, er werd gekeken hoeveel minuten op een dag zij speelden met dit nieuwe speelgoed. Per groep werden er 9 peuters gemeten. Speelgoed kwam van MAT of van ECM.
Gemiddeld aantal minuten per groep met speelgoed (tabel 5.2)
| Leeftijd | Leeftijd | Leeftijd |
Speelgoed | 24-31 maanden | 32-39 maanden | 40-47 maanden |
ECM | 69.44 | 67.22 | 66.67 |
MAT | 28.33 | 13.89 | 12.78 |
Voor de SPSS uitvoer, zie syllabus blz. 39
Beschrijving van patronen: Er wordt gemiddeld vaker gespeeld met speelgoed van ECM. Daarnaast lijkt er een hoofdeffect voor leeftijdsgroep zichtbaar. Bij 24-31 spelen kinderen meer met speelgoed dan bij 32-47. Tot slot is er een interactie effect: de grootte van het effect van speelgoed hangt af van de leeftijdsgroep. Bij 32-47 maanden wordt er in verhouding weinig met MAT gespeeld.
Gemiddelde speeltijd: 4.78 per peuter, n=54 (bij invoer in SPSS)
D: interactie effect: 0=0.089, dit is te zien in de uitvoertabel in de syllabus. Dit effect is niet significant.
E: F(1.48)=358.2364
F: hoofdeffect van soort houdt in dat ECM gemiddeld hoger scoort dan MAT, dit lijkt dus aantrekkelijker te zijn. Ook is er een hoofeffect van leeftijd zichtbaar, dit is hierboven ook al genoemd.
G: Bonneferroni toets laat zien dat het verschil in leeftijd nog duidelijker is in het verschil tussen 24-31 en 32-47.
Geen uitvoer van type omdat er maar twee types zijn. Als je weet dat het effect hiervan significant is, is ook gelijk duidelijk welke gemiddelden van elkaar verschillen (de MAT en ECM). Het toetsen van verschillen is dan dus overbodig.
5.3 – angstbeleving bij kinderen
108 jonge vier-jarige kinderen werden uitgenodigd om naar speciaal geselecteerde filmpjes te kijken. De filmpjes duurden 3 minuten. De fragmenten werden in drie delen gesplitst, elk kind werd aselect aan een fragment toegewezen. Er werd gekeken naar de gezichtsuitdrukkingen die de kinderen vertoonden.
A: invoeren in SPSS (zie de SPSS instructies op blz. 44)
Residuen: maak een histogram (instructies op blz. 44 van de syllabus).
Hierin valt geen (significant) patroon te zien).
Het patroon van de (gestandaardiseerde) residuen (te bewaren als aparte variabele in SPSS) laat geen bijzonder patroon zien. Zie histogram. Alles ligt ongeveer tussen de -2 en de 2,5 er is een residu dat groter is dan 2,5. De z-tabel in het boek laat zien dat de verdeling ligt tussen de -3,5-3.5, op deze manier gezien is deze waarde niet erg opvallend.
D: de totale kwadratensom is hetzelfde, maar de binnenkwadratensom is groter. Dit maakt de variabele tijdstip niet belangrijk. In tabel 5.2 zijn er significante verschillen in angstscores voor films te zien.
Werkgroep 6
Opdracht 6.2 – Franse les
Er is een zomercursus voor docenten Frans op middelbare scholen om hun vakkennis te verhogen. Voor en na de cursus wordt er een test afgenomen om te kijken of er progressie is geboekt. Maak de tabel af (zie Blackboard).
B: Voer de juiste toets uit
Variabelen:
Afhankelijk: doceerskills
Onafhankelijk: tijdstip (voor of na de afname)
Onderzoeksvraag: hebben de docenten gemiddeld progressie gemaakt wat betreft hun doceervaardigheden
Aannamen, de personen zijn niet onafhankelijk getrokken, er staat niets over aselectheid en generaliseerbaarheid in de tekst. Er is geen sprake van normaliteit.
Hypothesen:
H0: er is gemiddeld geen verschil in de voor en nameting
Ha: er is gemiddeld wel een verschil in de voor en nameting
Gebruik maken van de wilcoxon rangorde toets. Zie hiervoor de formules van college 9 op slide 6. Hieruit volgt het juiste antwoord.
C: Controle met SPSS (zie Blackboard)
H0 wordt verworpen.
6.3 – IQ verschillen tussen scholen
Voer de juiste toets uit:
Onderzoeksvraag: zijn er tussen de leerlingen van verschillende scholen gemiddeld verschillen in IQ.
Aannamen:
Personen zijn onafhankelijk getrokken
Gelijkheid van variantie: n.v.t
Aselect: waarschijnlijk niet, dit maakt het ook niet meer helemaal generaliseerbaar.
Normaliteit: dit is niet duidelijk. Er is wel een uitbuiter te zien (voorhout, 98). Een enkelvoudige analyse zou hierom niet op zijn plaats zijn
Hypothese:
H0: alle scholen scoren gemiddeld hetzelfde
Ha: sommige populaties scoren gemiddeld hoger
Toets: Wallistoets want: vier onafhankelijke groepen worden met elkaar vergeleken. Er is een uitbijter dus maken we gebruik van een niet-parametrische toets (zie college 9).
Beslissingsregels:
Α = 0.05
Als p > A, H0 niet verwerpen
Als P < of gelijk is aan H0 dan wel verwerpen.
Tabel met rangordes (zie Blackboard)
Plaats | Som van rangordenummers |
Leiden | 48,5 |
Oegstgeest | 51 |
Voorschoten | 77 |
Voorhout | 33,5 |
N=20
R1= som van rangordes
Nj= aantal observaties per groep (5)
P-waarde
Tabel F: .10 < p < .15
Er is geen systematisch verschil in leerlingen tussen de verschillende scholen
Werkgroep 7
Opdracht 7.3
* Dit is erg lastig te beoordelen aan de hand van de verkregen informatie
Beste voorspeller: hoogste verklaarde variantie -> HSM (r^2)= 0.198
SPSS uitvoer: Constant: B0 (=intercept, beginpunt). HSM: b1. Y^: 0.742+0.226x
Als de HSM score met 1 punt toeneemt, zal de GPA score met 0.226 stijgen
H0:B1 = 0, de HSM score is geen significante voorspeller van de variantie in GPA scores
HA:B1 is niet 0: De HSM score is wel een significante voorspeller van de variantie in GPA scores
T=b1/SEb1=0.226/0.031=7.290
DF=n-2=224-1=222
Opzoeken p-waarde: p<0.0005. Tweezijdige p-waarde p<0.001
Opdracht 7.4
Verklaarde variantie = 0.209, de variantie in GPA scores wordt voor 20,9% voorspeld uit HSM, HSE en SATV.
Bij HMS is een significante p-waarde zichtbaar, dit geldt niet voor alle anderen. De score op HSM is een significante voorspeller van de score op GPA.
Indien HSM en HSE gelijk blijven, zal als SATV met 1 toeneemt GPA met 0.0000017 stijgen.
Voordeel van multiple regressie: je kunt de bijdrage van elke unieke voorspeller bekijken. Hierdoor kun je zien welke voorspellers er niet veel toe doen en welke juist wel.
Join with a free account for more service, or become a member for full access to exclusives and extra support of WorldSupporter >>

Contributions: posts
Spotlight: topics
JoHo can really use your help! Check out the various student jobs here that match your studies, improve your competencies, strengthen your CV and contribute to a more tolerant world
Add new contribution