Tools for Evaluatting Causel Claims - Multivariate Correlational Research

6 belangrijke vragen over Tools for Evaluatting Causel Claims - Multivariate Correlational Research

Wat zijn multivariate designs?

Gaan over meer dan 2 gemeten variabelen. Longitudinaal onderzoek en multiple-regressie designs bijv. Deze designs zijn niet de oplossing voor het causaliteit criterium, maar ze zijn erg nuttig. Ze zijn een oplossing wanneer men geen experimenten kan gebruiken.
Er zijn meer dan twee variabelen betrokken in een multivariate correlationeel design en je design zal daarom ook meerdere correlaties geven. Dit kunnen cross-sectionele correlaties, autocorrelaties en cross-lag correlaties zijn.

Hoe kun je temporele precedentie vaststellen met longitudinale designs?

Longitudinale designs kunnen temporele precedentie vaststellen door dezelfde variabelen bij dezelfde persoon op verschillende tijdspunten te meten.

Resultaten van longitudinal designs: Wat zijn cross-sectional correlations, autocorrelaties en cross-lag correlaties?

cross-sectionele correlaties -> zij testen of twee variabelen die op hetzelfde tijdspunt zijn gemeten, correleren.
Autocorrelaties -> Er wordt gekeken of dezelfde variabelen met elkaar correleren op verschillende tijdspunten.
Cross-lag correlaties -> correlaties die kijken of de eerdere meting van een variabele geassocieerd is met een latere meting van een andere variabele. Bijv. kinderen die een voorkeur hadden voor gewelddadige programma’s op jonge leeftijd waren ook agressiever  in de tienerjaren. Kinderen die agressief waren op jongere leeftijd hadden geen voorkeur voor gewelddadige programma’s in de tienerjaren. Dit toont temporele precedentie aan.
  • Hogere cijfers + sneller leren
  • Niets twee keer studeren
  • 100% zeker alles onthouden
Ontdek Study Smart

Hoe zit het met de 3 criteria voor causaliteit in longitudinale studies?

- correlaties tonen in het onderzoek aan dat er covariantie is. Ook kunnen
- temporale precedentie -> elke variabele minimaal op twee tijdspunten is gemeten.

Echter kunnen ze een derde variabele niet uitsluiten. Toch kunnen ze wel wat variabelen uitsluiten, zoals geslacht.

Hoe kunnen multiple-regressie designs derde variabelen buiten sluiten?

Je kunt een derde variabel constant houden. Je zou een derde variabele op kunnen splitsen in verschillende subgroepen. Bijv. Inkomen in laag inkomen, midden inkomen en hoog inkomen

Hoe zit het met de vier validiteiten in multivariate designs?

  • Multipele-regressie analyses helpen met het derde variabele probleem
  • Longitudinaal onderzoek stelt temporele precedentie vast
  • Om de externe validiteit te onderzoeken, kan men kijken naar de proefpersonen. Zijn deze random gekozen?
  • Statistische validiteit kan onderzocht worden door te kijken naar de statistische data die de onderzoekers hebben aangedragen. Hoe zit het met de effectgrootte en significantie? Ook moet er gekeken worden naar uitbijters en curvilineaire relaties. 

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