Hoofdstuk 7: Moderatie met variantieanalyse Flashcards Preview

Statistische modellen > Hoofdstuk 7: Moderatie met variantieanalyse > Flashcards

Flashcards in Hoofdstuk 7: Moderatie met variantieanalyse Deck (5):
1

1. Wanneer voer je een EEN of TWEE wegsvariantieanalyse uit?
2. Wat zegt eta2 over het gemiddelden tussen groepen?
3. Wat is een gebalanceerd factorial design?

1. a. EENwegsvariantieanalyse= Als je 1 factor hebt > dus 1 numerieke afhankelijke variabele EN 1 categorische variabele.
(Verschil met onafhankelijk t-toets: de categorische onafhankelijke variabele heeft maar 2 waarden/categorieën 'man/vrouw'. Terwijl bij een eenwegsvariantie je meer dan 2 groepen/waarden/categorieën hebt.

b. TWEEwegsvariantieanalyse= Als je 2 factoren hebt, zodat je ook een interactie-effect kunt hebben (en hoofd-effecten). Dus dan heb je niet 1, maar 2 onafhankelijke categorische variabelen. Dus het vermelden van het interactie-effect op het tentamen moet wanneer je drie variabelen in totaal hebt. Dat heb je altijd met een tweewegsvariantie.
~Voorbeeld: Tweewegsvariantieanalys test de effecten van beide factoren op de uitkomstvariabele (y) in 1 keer. De geteste effecten zijn hoofd-effecten (hebben een algemeen effect), het effect van de endorser factor toont de gemiddelde verschillen voor de endorsergroepen aan als we geen onderscheid maken tussen geslacht. En het effect van sekse toont het gemiddelde verschil in bereidheid om te doneren tussen vrouwen en mannen zonder rekening te houding met de endorser waar ze aan worden blootgesteld.
> Endorser factor = kon gedaan worden met eenwegsvariantie & sekse factor met t-toets. Maar nu krijg je ze allebei in 1 keer + het interactie-effect van beide op Y.

2. ETA2:
- Hoe groter het effectgrootte (eta2) > hoe meer effect X heeft op de groepen, en dus het verschil in gemiddelden tussen groepen groter is (Clooney: 6,4, Jolie: 6,8, no endorser: 1).
- Hoe kleiner eta2 > hoe minder verschil dus in gemiddelden tussen de groep, dus heeft het niet veel effect op de groepen.

>>> 1%: klein of zwak effect --- 9%: matig effect - 25%: groot of sterk effect.

3. Gebalanceerd factorial design= gelijke subgroepen: het aantallen in een kruistabellen zet, en hetzelfde N is. Ongebalanceerd is dus dat de subgroepen kwa N niet even gelijk zijn, zoals 18 en 7 < niet gelijk.

2

1. Wat is moderatie?
2. Welke 2 soorten moderatie heb je?

1. Moderatie= Als het effect van een factor (X) verschillend/anders is voor verschillende groepen op de andere factor (Z), dan is de eerste factor's effect (X:blootstelling beroemdheid) gemodereerd door de tweede factor (Z:sekse). Het kan voor vrouwen een ander effect hebben dan voor mannen om bereid te zijn te doneren (Y).
> Verschillende effecten voor verschillende groepen.

2. Soorten moderatie:
a) Verschil in sterkte= het effect van vrouwen tegenover mannen is sterker in de ene context dan de andere context (*Context= rokers (1 context), niet-rokers (andere context).
b) Verschil in richting verband (effect direction moderation)= tegenovergesteld effect, het effect voor jolie bij mannen is slecht, terwijl bij vrouwen juist goed is. Het effect van endorser en sekse als hoofdeffect doet er niet toe, is zelfs niet significant, maar er is wel een hoog interactie-effect (kruis tussen pijlen). Geen hoofd-effect want de gemiddelden van endorser en sekse is allebei 4,67.

3

1. Wanneer heb je een hoofd-effect (voor sekse en endorser bijv.)?
2. En wanneer heb je GEEN hoofd-effect?
3. Wanneer weet je of je een interactie-effect hebt?
4. En wanneer heb je GEEN interactie-effect?

1. WEL een hoofd-effect bestaat als de groepen op één predictor (factor, X) ONGELIJKE gemiddelden hebben.
> Een hoofd-effect reflecteert het verschil tussen gemiddelden voor groepen binnen 1 factor (onafhankelijke variabele, voor alleen endorser bijv.)
~ voorbeeld: gemiddelden: vrouwen: 6,5 & mannen: 5,0 = hoofd-effect sekse.

2. GEEN hoofd-effect: Als de groepen GELIJKE gemiddelden hebben, is er geen effect, en is het effect voor alle groepen hetzelfde. Anders was het een rechte lijn.
> geen verschil tussen groepen? Geen hoofd-effect.

3. WEL interactie-effect:
Als de lijnen elkaar kruizen. Vrouwen (8) scoren een hogere bereidheid om te doneren / gemiddelde bij de endorser 'Clooney' dan bij mannen (4). Nu heb je wel moderatie, want het (clooney-) effect is anders voor vrouwen dan voor mannen. En mannen (7,5) scoren juist hoger op Jolie dan vrouwen (3,5)
~ Voorbeeld: Clooney heeft zijn charmes gebruikt waardoor vrouwen meer bereid zijn te doneren, en bij mannen heeft het juist een averechts effect

4. GEEN interactie-effect:
Wanneer de lijnen parallel aan elkaar lopen. Dan zijn de verschillen voor zowel vrouwen als mannen hetzelfde en is er geen sprake van moderatie. Dit betekent dat het effect van geslacht hetzelfde is voor alle (in welke groep je zit) blootstelling aan endorsers. Het maakt niet uit of je een vrouw of een man bent door wie je wordt beïnvloed, jolie heeft hetzelfde effect op vrouw en man.

4

1. Hoe krijg je de binnenvariantie? (kwa gemiddelden)
2. Hoe krijg je de de tussenvariantie?
3. Hoe krijg je de totale variantie?

1. Binnenvariantie= Het verschil tussen de gemiddelde score van een individu EN de gemiddelde score van de groep (clooney, jolie, no endorser) waar die individu bij hoort. (nog wel in het kwadraat en optellen; 4 groepsleden, dus 4 individu score).

2. Tussenvariantie= Het verschil tussen de gemiddelde score van de groep (clooney, jolie, no endorser) EN de gemiddelde score van ALLE participanten (dus van alle drie groepen: dus de grand mean). (nog wel in het kwadraat en optellen). Dus krijg je de variantie van groepsgemiddelden.
> Eta2 wordt ook hoger als de tussenvariantie (dus gemiddelden tussen groepen) groter wordt (want dan is het effect tussen groepen groot, clooney en jolie: veel (=exposure, X) effect op doneren, no endorser: nauwelijks (=exposure, X) effect op doneren.

3. Totale variantie=Het verschil tussen de gemiddelde score van de individu EN de gemiddelde score van alle participanten. (nog wel in het kwadraat en optellen).

5

1. Wat zijn de twee aannames (voorwaarden) voor de F-toets in een variantieanalyse?
2. Wat zegt de p-waarde over de groepen? (kijk maar als je het niet weet)
3. Waarom moet je een post-hoc test uitvoeren?

1. Aannames F-toets:
a) Onafhankelijke steekproeven= Groepen worden als onafhankelijke steekproeven beschouwd. Het moet mogelijk zijn om voor elke afzonderlijke groep een steekproef te kunnen trekken. Het moet niet alleen 1 (hele) groep zijn (bijvoorbeeld clooney, jolie en no endorser participanten in 1 groep zetten, kan je niet gemiddelden vergelijken tussen groepen dan, en kijken of het effect heeft als je no endorser of jolie, clooney kiest).

b) Homogene bevolkingsvarianties= De F-toets in variantieanalyse gaat er van uit dat de groepen uit dezelfde populatie zijn afgeleid. Dit impliceert dat ze dezelfde gemiddelde score hebben op de uitkomstvariabele in de populatie als dezelfde variantie van uitkomstscores.
> Door middel van Levene's F-test: H0 stelt dat de populatievarianties gelijk zijn.
VUISTREGELS:
- Groepen zijn ongeveer gelijk / van dezelfde grootte (hanteren 10% verschil van de grootste met kleinste groep).
- Gelijke populatievarianties (H0 bevestigen dus: besluiten dat gelijke populatievarianties aannemelijk is: 'equal variances assumed or not assumed'.

2. De p-waarde vertelt of de groepen significant (in de populatie ook) van elkaar verschillen. Als de groepen verschillen = is er effect, dus dat wil je. Het verschil tussen groepen jolie en clooney is p=1, dus is er geen verschil tussen de groepen, want p is niet onder 0,05. Het zijn beide beroemdheden dus vandaar geen of nauwelijks effect. Maar het verschil tussen clooney of jolie EN no endorser is wel significant verschillend: er is een p-waarde van 0,006 tussen jolie en no endorser. En een p-waarde van 0,013 tussen clooney en no endorser.

3. - Wanneer post-hoc test uitvoeren= Meer dan twee groepen/waarden: post-hoc test omdat we niet weten welke groep hoger en welke lager scoort in de populatie. Niet voor sekse: die heeft maar 2 waarden: man/vrouw.
- Waarom? = de F-test is wel significant, namelijk p=0,044. MAAR de p-waarden per groep is niet significant. Want daar zijn de p-waarden: 1 en 0,061 en 0,137. Die 1 staat voor het paar: jolie en clooney. Dan moet je kijken welke groepen significant verschillend van elkaar zijn / verschillende gemiddelden hebben. Drie groepen, zijn drie paren te maken. Je moet dus per paar (twee groepen vergelijken) kijken, bv. Clooney met no endorser.