Repeated measures design en
17 belangrijke vragen over Repeated measures design en
Wat zijn herhaalde-metingen designs?
- Blootstelling van personen aan verschillende experimentele condities.
- Meerdere metingen van de afhankelijke variabele.
- Sequentialiteit in de blootstelling en metingen.
- Meerdere afhankelijke variabelen of categorieën van een afhankelijke variabele.
Welke risico's zijn verbonden aan herhaalde-metingen designs?
- Leereffect: Voorkennis van proefpersonen beïnvloedt resultaten.
- Vermoeidheid: Afname van aandacht na herhaalde metingen.
- Volgorde-effecten: Invloed van de volgorde van condities.
Hoe kan je volgorde-effecten in herhaalde-metingen designs oplossen?
1. Counterbalancing:
- Groep A krijgt eerst experimentele conditie.
- - Groep B krijgt eerst controleconditie.
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Wat is de rol van volgorde-effecten in de analyse van herhaalde-metingen designs?
- Toetsen op de aanwezigheid van volgorde-effecten.
- Gebruik van mixed-design ANOVA om volgorde als between-subjectvariabele op te nemen.
- Beslissen om volgorde uit de analyse te verwijderen of in het model te houden, afhankelijk van de impact.
Hoe wordt de interne validiteit beïnvloed door volgorde-effecten in herhaalde-metingen designs?
- Volgorde-effecten die van invloed zijn op resultaten.
- Reflecties in de discussiesectie van het rapport over de impact van volgorde op conclusies.
- Het belang van het behouden van relevante factoren in de analyse.
Wat is de eerste assumptie van RM-ANOVA?
- RM-ANOVA schendt deze assumptie door herhaalde metingen.
- Deze afhankelijkheid moet in overweging worden genomen bij de analyse.
Hoe wordt sphericiteit getest in RM-ANOVA?
- P > 0.05 (NIET SIGNIFICANT) betekent geen verschillen in within-subject varianties.
- P < 0.05 (SIGNIFICANT) duidt op geschonden sphericiteit.
Hoe toets je de normaliteit van residuen in RM-ANOVA?
- Ook wordt het per groep en meetmoment geëvalueerd via descriptives.
- Shapiro-Wilk test of Kolmogorov-Smirnov test kan worden gebruikt.
Wat zijn de assumpties bij ANOVA?
- Onafhankelijke observaties.
- Normaal verdeelde residuen:
- P0.001 (normaal verdeeld)
- Levene’s test uitvoeren
- - P0.05 (gelijke varianties)
Welke punten zijn specifiek voor de factoriele ANOVA?
- Geen Welch’s F-test voor factoriele ANOVA.
- Geen geschikte variant voor ongelijke variaties.
- Homogene varianties testen met Levene’s test:
Hoe test je de normaliteit van residuen bij de T-toets?
- Normality test (Shapiro-Wilk of Kolmogorov-Smirnov).
- Resultaatinterpretatie:
- P0.001 (NIET SIGNIFICANT) → normaal verdeeld
Hoe toets je de onafhankelijkheid van de manipulatie en covariaat bij ANCOVA?
- Toets relatie tussen manipulatie en covariaat
- Gebruik T-toets of general linear model
- Controleer significantieniveau:
- P > 0.05 = onafhankelijk
- - P < 0.05 = afhankelijk
Hoe toets je de parallelle regressielijnen in de ANCOVA?
- Voeg interactietermen toe aan je model
- Vraag gehele ANCOVA op
- Controleer interactie-effecten:
- P > 0.05 = voldaan aan assumptie
- - P < 0.05 = niet voldaan aan assumptie
Wat is de sphericiteitstoets bij RM-ANOVA en wat zijn de uitkomsten?
- Vraag RM-ANOVA op met sphericity tests
- Controleer P-waarde:
- P > 0.05 = voldaan aan assumptie
- - P < 0.05 = sphericiteit geschonden, compensatie nodig
Hoe controleer je de normaliteit van residuen in een RM-ANOVA?
- Gebruik Q-Q plot voor multivariate normaliteit
- Toets normaliteit per groep met Shapiro-Wilk
- Controleer P-waarden:
- P < 0.001 = niet normaal verdeeld
- - P > 0.001 = normaal verdeeld
Wat is het verschil in de aannames tussen ANOVA en RM-ANOVA?
- Onafhankelijkheid van residuen: RM-ANOVA schendt deze altijd
- Sphericiteit: RM-ANOVA vereist gelijkheid van varianties
- Normaliteit: RM-ANOVA behandelt meerdere afhankelijke variabelen
Hoe compenseer je een schending van de sphericiteitsassumptie bij RM-ANOVA?
- Controleer Mauchly’s test voor sphericiteit
- Indien P < 0.05, voer compensatie uit
- Kijk naar Greenhouse-Geisser ε:
- ε < 0.75 = Greenhouse-Geisser correctie
- - ε > 0.75 = Huynh-Feldt correctie
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