ANOVA voor herhaalde-metingen

6 belangrijke vragen over ANOVA voor herhaalde-metingen

Wat zijn herhaalde metingen ANOVA? Wanneer worden deze gebruikt?

Bij herhaalde-metingen designs, of anders gezegd, bij de zogenaamde within-subjects designs worden personen aan meerdere experimentele condities blootgesteld, waarbij de afhankelijke variabele meerdere keren wordt gemeten. Omdat dit niet tegelijkertijd kan, vindt de blootstelling aan de condities en metingen na elkaar plaats, vandaar de naam herhaalde-metingen (Engels: repeated measures, RM). Het is dus niet zo dat herhaalde-metingen altijd betekent dat er eenzelfde ‘iets’ herhaaldelijk gedaan of gemeten wordt, zoals in een longitudinaal design. Herhaalde-metingen kunnen dus ook gaan over verschillende condities die een proefpersoon doorloopt.

Wat is een risico in herhaalde-metingen designs?

De interne validiteit kan worden bedreigd doordat erg op elkaar lijkende experimentele observaties zich herhalen. Het kan gebeuren dat er een leereffect ontstaat, dus waargenomen toe- of afname over tijd of over condities is het gevolg van bekendheid met de test.
Als in een experiment een proefpersoon eerst een nieuwsbericht moet lezen wat positieve emoties moet oproepen dan kan de proefpersoon bij een volgend nieuwsbericht wat negatieve emoties moet oproepen nog een effect (‘besmetting’) ervaren van de eerder opgeroepen positieve emoties. 

Hoe zien de formules eruit van de F-waarde (de verhouding tussen signaal en ruis), etc.?

De verhouding wordt in een between subject design over het algemeen uitgedrukt als (zie afbeelding).
  • Hogere cijfers + sneller leren
  • Niets twee keer studeren
  • 100% zeker alles onthouden
Ontdek Study Smart

Wat zijn de voordelen van multilevelanalyse ten opzichte van RM-anova?

  1. MLA doet minder strikte aannames (MLA veronderstelt geen constante varianties, zoals homogeniteit van de varianties of homosceasticiteit, constante covarianties in het Engels compound symmetry of constante varianties van de verschilscores in het Engels sphericity);
  2. MLA maakt een hiërarchische structuur mogelijk (RM-anova beperkt zich tot het onderzoeken van steekproefprocedures op 2 niveaus);
  3. MLA kan ontbrekende gegevens verwerken;
  4. MLA kan rekening houden met variatie in meetmomenten;
  5. MLA kan omgaan met verschillende meetniveaus (zoals categorisch, ordinale, discrete tellingen);
  6. MLA kan omgaan met niet-gebalanceerde onderzoeksopzetten. 

Wat zijn de 3 assumpties van een RM-anova?

  1. Onafhankelijkheid van residuen tussen proefpersonen;
  2. Sphericiteit (een aanname dat de afhankelijkheid constant is) (zie afbeelding);
  3. Normaliteit van de residuen.

Wanneer spreken we van mixed designs?

We spreken van mixed designs als er zowel een between-subjectsfactor aanwezig is, als een within-subjectsfactor (herhaalde meting).

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

  • Een unieke studie- en oefentool
  • Nooit meer iets twee keer studeren
  • Haal de cijfers waar je op hoopt
  • 100% zeker alles onthouden
Onthoud sneller, leer beter. Wetenschappelijk bewezen.
Trustpilot-logo