Replies
-
Je kunt in principe gebruikmaken van het Kaiser-Guttman-criterium of de scree plot-methode.
Bij factoranalyse representeren eigenwaarden de hoeveelheid variantie die door elke factor wordt verklaard. Factoren met eigenwaarden groter dan 1,0 worden beschouwd als factoren die meer variantie verklaren dan een enkele waargenomen variabele. Volgens het Kaiser-Guttman-criterium dienen factoren met eigenwaarden groter dan 1,0 behouden te worden.
De scree plot-methode is een methode waarbij de eigenwaarden worden uitgezet tegen het aantal factoren. De plot vertoont gelijkenissen met een steile helling van een heuvel, of “elleboog”. De scree plot kan helpen bij het identificeren van het punt waarop de eigenwaarden afvlakken. Dit wijst op het aantal factoren dat behouden moet worden. Normaliter worden factoren vóór het punt van afvlakking als significant beschouwd. Factoren na dat punt worden als minder belangrijk beschouwd.
Voor de bepaling van het aantal factoren op basis van de scree plot, moet je de plot analyseren en het punt van inflectie identificeren. Daar waar de helling van de eigenwaarden verandert van steil naar vlakker. Het aantal factoren dat overeenkomt met de “elleboog” wordt doorgaans beschouwd als het optimale aantal factoren om te behouden.
Welke beslissing je neemt over het aantal factoren dat behouden moet worden hangt ook mede af van je kennis van het domein en het onderzoeksdoel.
Hello Pavel,
To resolve the issue, you should select the cases you need to include in his analysis. Then, you can do any analysis, including mediation analysis, with the selected cases.To do so, you need to follow the following steps:
1) Go to the Data menu.2) Click ‘Select Cases’3) Select ‘If condition is satisfied’4) Choose the variable you want to analyze just one group (e.g., condition = 0) (In this case, we assumed that the Dutch accent group equals to 0 in your variable view).5) Click ‘Continue’6) Click ‘OK.Once you have applied the filter, you can perform various analyses, including mediation, using only the selected group of cases (e.g., Dutch accent group). SPSS will only consider the filtered cases for any analysis you perform from that point onward.Note: Remember to remove or disable the filter when you want to analyze the entire dataset again. You can do this by going to ‘Data’ menu, selecting ‘Select Cases’, and choosing the option ‘All Cases’.Kind regards,AminEr zijn 2 opties:
1. Ofwel zorg je ervoor dat SPSS weet dat dit je categorische variabele is.
2. Of je kunt dummyvariabelen maken en deze in plaats daarvan gebruiken.Daarnaast, als je categorische variabelen als mediator of moderator gebruikt, kun je alleen dummy-variabelen gebruiken.
Hallo Eric,
Over het algemeen zijn beide benaderingen correct (d.w.z. zowel de covariabele als de moderator tegelijkertijd in het model opnemen en eerst het moderatoreffect onderzoeken en vervolgens de covariabele toevoegen). Het hangt echter af van de onderzoeksvraag die je hebt welke benadering je voor de analyse moet gebruiken.
Aangezien je hebt gezegd dat je eerst onderzoekt of de moderator significant is en dan kijkt of de covariabele effect heeft, kun je voor het laatste gaan. In dat geval kun je de moderatorvariabelen toevoegen (zonder de covariabele) en vervolgens kun je de covariabele toevoegen in de tweede stap.
Voor je tweede vraag kan een covariabele (of controlevariabele) worden beschouwd als een mogelijke voorspellende variabele in statistische analyse. Men kan een covariabele in de analyse opnemen omdat wordt aangenomen dat deze een direct effect heeft op AV (Afhankelijke variabele). Je moet dus controleren of er een relatie is tussen de covariabele en de y-variabele. Meer specifiek kunnen covariaten enige variabiliteit in y verklaren, maar het heeft geen effect op de moderator of de relatie tussen x en y.
Als het gaat om rapportage, moet je nauwkeurige en duidelijke informatie verstrekken. Ik geef je een voorbeeld van hoe je je covariabele variabele rapporteert die niet significant is:
“Het opnemen van de covariabele (naam van de covariabele) in de analyse leverde geen significant effect op de afhankelijke variabele (naam van de AV) op (B = coëfficiëntwaarde, p = p-waarde OF p>0,10).
Hieronder een voorbeeld van hoe het te interpreteren. Laten we aannemen dat je covariabele leeftijd is.
“De opname van de covariabele leeftijd in de analyse was bedoeld om de potentiële rol ervan als voorspeller van de AV (naam van je AV) te onderzoeken, terwijl werd gecontroleerd voor de onafhankelijke variabele (naam van je OV). De analyse onthulde dat leeftijd AV (naam van je AV) niet significant voorspelde. B = coëfficiëntwaarde, p = p-waarde OF p>0,10). Deze bevindingen suggereren dat leeftijd mogelijk geen sterke voorspeller is van de AV (naam van de AV), onafhankelijk van OV (naam van de OV).”
Hallo,De PROCESS-macro voert in feite gewoon een multipele regressieanalyse uit, met de toevoeging dat er bootstrapping wordt toegepast. Dat wil eigenlijk simpelweg zeggen dat de multipele regressieanalyse een x-aantal keer wordt uitgevoerd (bijv. 5000). Omdat we goede computers hebben is dat tegenwoordig een fluitje van een cent en dus eigenlijk altijd een goed idee.Zo’n multipele regressieanalyse bestaat, als je het goed doet, uit in ieder geval twee delen: een omnibustoets en een deel met de individuele variabelen. ANOVA en andere analyses bestaan overigens ook uit die twee delen. De ‘model summary’ gaat over die omnibustoets en gaat over het model als geheel. Zo’n omnibustoets vormt altijd de eerste stap om te kijken of je model als geheel iets doet: verklaart de combinatie van alle (niet-afhankelijke!) variabelen in je model significante variantie op de afhankelijke variabele (oftewel: is er samenhang tussen de combinatie van die onafhankelijke variabelen en je afhankelijke variabele). De p-waarde die wordt gegeven bij de “model summary” is een antwoord op die vraag (als die kleiner is dan 0.05, dan kun je stellen dat je model, met alle onafhankelijke variabelen, inderdaad iets voorspelt op je afhankelijke variabele). Je kunt aan de R-kwadraat aflezen wat voor percentage van de variantie door jouw model wordt verklaard. Een wat simplistische analogie: als je afhankelijke variabele wordt voorgesteld als een taart, dan geeft die R-kwadraat aan welk percentage van de taart hoort bij de onafhankelijke variabelen in je model (en daar komt eigenlijk nog een stukje meetfout bij). Let op dat de “intercept” gaat over het deel van de taart dat je juist niet met je model verklaart (het restant).Als je weet of je model significant is, is dat dan voldoende? Nee: je wil ook weten wat er dan precies gebeurt, en daarvoor moet je verder graven en kijken wat de individuele onafhankelijke variabelen doen in relatie tot je afhankelijke variabele. Dat doe je pas als je model als geheel significant is. Het is dus een tweede stap die je neemt op basis van zo’n omnibustoets (model summary). Het kan best zijn dat het model als geheel significant is, maar dat dat uiteindelijk slechts door 1 variabele wordt “gedragen”, en de rest dus niet significant samenhangt met je afhankelijke variabele. In feite zegt de omnibustoets dus of je black box significant is, en als dat zo is, open je die black box om te kijken wat er precies in het model zelf gebeurt.Het is scherp als je hebt opgemerkt dat het dus eigenlijk niet zou uitmaken of je de p-waarde van de omnibustoets (model summary) checkt of de p-waarde van de individuele onafhankelijke variabele als je model alleen bestaat uit 1 variabele die een voorspelling doet op je afhankelijke variabele: die p-waarde is dan hetzelfde. Immers, je model bestaat maar uit 1 variabele, en je r-kwadraat wordt dus volledig door die ene variabele bepaald. De omnibustoets is “gelijk” aan de toets van de individuele variabele. Je kan dat in jouw geval checken bij M en X (maar het maakt verder niet uit).Als het gaat om rapporteren zijn de stijlen erg uiteenlopend. De een wil het zus zien, en de ander weer zo. Maak je niet druk over de details, maar zorg er dus wel voor dat het benoemd wordt, en dat je weet wat het betekent. Een goed uitgangspunt is om te beginnen met een beschrijving van je omnibustoets: “Het model met X1 en X2 als voorspellers van Y was significant; F (2, 34) = 3.45, p = 0.01. Het model verklaarde 23.4% van de variantie in Y.” (de getallen heb ik uit de hoge hoed gehaald). Daarna ga je dan in op het model zelf: “Meer specifiek bleek dat X1 een significant positieve samenhang had met Y: B = 0.23, t = 1.23, p = 0.02. X2 had geen positief verband met Y”. Het is een stijldingetje, maar je hoeft normaliter bij niet-significante variabelen verder geen statistiek weer te geven. Maak je niet te druk over details: pas dat gewoon aan nadat je feedback hebt gekregen (zolang je de correcte statistieken maar noemt en weet wat ze betekenen), want ik heb in de vijf jaar dat ik scriptiebegeleiding heb gegeven hier geen enkele lijn in kunnen vinden :-).Overigens ga je bij mediatie iets verder, omdat je ook het mediatie-effect moet rapporteren. De klassieke manier is om te checken of de relatie tussen X en Y niet meer significant wordt wanneer M in het model verschijnt. Als het goed is kun je in PROCESS ook een total effects model opvragen. Dat is wel handig. Je hebt dan zowel een model met de relatie tussen X en M (de linkerkant van je model), de relatie tussen X en Y (zonder M, het totale effect van X op Y, omdat de “invloed” van je mediator niet eruit is gehaald), en de relatie tussen X+M en Y. Je zou dan verwachten dat het model met de relatie tussen X en Y wel significant is, maar dat de relatie tussen X en Y in het model met M erin juist niet significant is, omdat je je mediator erin hebt gestopt (en er dus wel een relatie is tussen M en Y). Mocht het zo zijn dat de relatie tussen X en Y significant blijft, en je ook een relatie tussen M en Y hebt, dan kun je spreken van “partiele mediatie”. In PROCESS zie je dat aan de hand van de bootstrapped confidence intervallen (LLCI en ULCI heten die geloof ik). Als de nul in dat interval ligt, is de mediatie niet significant. Die twee parameters (de linker en rechtergrens) dien je dus ook te rapporteren. De reden dat je geen p-waarde krijgt voor je mediatie-toets is dat daar juist die bootstrapanalyse is uitgevoerd: er zijn in feite 5000 p-waarden (als je de analyse zo vaak uitvoert), en dat is wat veel van het goede om allemaal op te noemen, en dus krijg je zo’n interval met een linker- en rechtergrens.Groetjes, BastiaanHai. Dank voor je vraag.
Het groeperen van categorische waarden (m.a.w. het toepassen van dimensiereductie, of het aggregeren van data tot meer algemene datapunten) doe je vooraf aan het dummy-coderen.Dus:Geen slachtoffer > code 0Incidenteel slachtoffer > code 1Chronisch slachtoffer (bestaande uit chronische mishandeling, chronische verwaarlozing, chronische mishandeling en verwaarlozing) > code 2 (voorheen waren dat codes 2, 3 en 4)Hierna kies je een referentiegroep. Dat is meestal de eerste of laatste groep. In dit geval is de eerste groep het fijnst: geen slachtoffer.Je dummy-codeert dan inderdaad twee keer (aantal groepen is nu drie, en het aantal dummy variabelen staat gelijk aan het aantal vrijheidsgraden. Het aantal vrijheidsgraden is altijd het aantal groepen minus 1).Dus:Geen slachtoffer vs. incidenteel slachtofferGeen slachtoffer vs. chronisch slachtofferJe codes worden dan:Geen slachtoffer = 0, incidenteel slachtoffer = 1, chronisch slachtoffer = 0enGeen slachtoffer = 0, incidenteel slachtoffer = 0, chronisch slachtoffer = 1.‘Geen slachtoffer’ blijft dus constant nul, en dat maakt het de referentiegroep.Veel succes!Bastiaan
Hallo Ishvina,
Je vragen zien er imo prima uit.
Als ik je adviesvraag neem, dan lijkt de onafhankelijke variabele te zijn ‘strategieën’, of meer geoperationaliseerd ‘strategieën met betrekking tot People, Planet en Profit’, en de afhankelijke variabele ‘prestaties op gebied van People, Planet en Profit’.
Hallo Timmermans,
Je kunt hier het antwoord op die vraag zien, bij de reacties:
https://www.scriptium.nl/interviews-coderen/
Hallo Eva,
Dankjewel voor je vraag. Naar een handleiding kun je inderdaad verwijzen middels een APA-vermelding in je literatuurlijst en lopende tekst. Als je citeert uit de handleiding of informatie geparafraseerd hebt, is dat zelfs verplicht. Naar de output van je dataverzameling hoeft je niet te verwijzen in je literatuurlijst. Als het goed is beschrijf je namelijk die output in detail in je resultatenhoofdstuk, en interpreteer je de output tot een conclusie in je conclusiehoofdstuk.
Hallo Noa,
Bedankt voor je vraag. Het is doorgaans niet verplicht om je interviews naar je beoordelaars toe te onderbouwen met audio. Een transcript volstaat, tenzij anders gezegd door je onderwijsinstelling.Hallo Nicolas,Vervelend dat je dit meemaakt. Is het een mogelijkheid dat je met je medestudent afspreekt dat je in het voorwoord van de scriptie opneemt wie voor welke delen verantwoordelijk is?Hallo Eline,
Dank voor je vraag. Dit soort vragen naar aanleiding van correcties behandelen we eigenlijk niet op het forum en kun je via mail sturen. We geven hier antwoord op algemene vragen.
Desalniettemin: als zaken nog moeten worden uitgevoerd, kunnen ze in tegenwoordige tijd (maar ik heb zelf je rapport niet ingezien).
Wat betreft je tweede vraag: in plaats van de ik-vorm kan de term ‘de onderzoeker’ worden gebruikt.
Juist. Bedankt voor je uitleg. Dan zou ik persoonlijk voor de vierde vraag kiezen. Bij de derde vraag impliceert ‘in werking treden (…) voor de werkwijze…’ eigenlijk al juridische gevolgen naar mijn mening. Dus dan wordt het dubbelop.
Ik adviseer je om de hoofdvraag altijd voor te leggen aan je begeleider, zodat hij/zij deze kan goedkeuren.Hallo GlennLive,
Bedankt voor je vraag. Vraag 1 en 2 zijn te begrijpen. 3 en 4 zijn lastiger te begrijpen. Wat bedoel je met dit:onder de Wet openbaarheid van bestuur, Algemene wet bestuursrecht, Wet algemene bepalingen omgevingsrecht, Wet ruimtelijke ordeningen en de Wet waardering onroerende zaken?Hallo Rick,
Het is een erg interessant onderwerp en je kunt er vele kanten mee op.
Het wetsvoorstel excessief lenen heeft als doel het voorkomen van belastingafstel of -uitstel door een aanmerkelijkbelanghouder, en daarnaast het opheffen van het fiscale verschil tussen een ondernemer voor de inkomstenbelasting en een aanmerkelijkbelanghouder. Het is echter de vraag of het in de praktijk daadwerkelijk tot meer fiscale gelijkwaardigheid zal leiden. Vanuit dit perspectief bekeken, zou een onderzoeksvraag kunnen luiden:
In hoeverre draagt het wetsvoorstel excessief lenen bij aan het verminderen danwel opheffen van het fiscale verschil tussen een ondernemer voor de inkomstenbelasting en de aanmerkelijkbelanghouder?
Een andere invalshoek is dat er bezwaren zijn tegen dit wetsvoorstel. Het zou te rigoureus zijn en volgens sommigen zou het meer uitzonderingen moeten bevatten. Anderen beweren dat het zelfs in strijd is met EU-recht. Zo kan zich een situatie voordoen waarin de aanmerkelijkbelanghouder op zakelijke gronden geld leent voor investeringen, die vervolgens buiten zijn schuld om waardeloos worden. In het wetsvoorstel wordt over een fictief inkomen belast. In dit geval zal er echter ook sprake zijn van een fictief vermogen. Het belasten ervan is dan zodanig disproportioneel dat het in strijd zou kunnen zijn met artikel 1 EVRM. Een hoofdvraag vanuit deze invalshoek is:
In hoeverre is het wetsvoorstel excessief lenen in strijd met artikel 1 van het EVRM?
Dit zijn zomaar wat suggesties. Je zult zelf in samenspraak met je begeleider dienen te bepalen welke richting je op wilt en welke invalshoek je wilt nemen. Ook is het van belang dat je onderzoeksvraag door je schoolbegeleider wordt goedgekeurd.
Deze reactie is aangepast door een Scriptium moderator
Het is niet toegestaan om een oproep te plaatsen voor het laten schrijven van een verslag of scriptie als reactie op dit forum.
Ik zit te twijfelen of mijn onderzoek een kwalitatief of kwantitatief onderzoek moet worden. Mijn onderzoeksvraag is: In hoeverre moeten social media ingezet worden om participatie van jongeren in een gemeenteproject van gemeente x te vergroten? Is het handiger om hiervoor een enquête te houden of moet ik juist op zoek gaan naar diepgaandere antwoorden? Kan iemand me advies geven hierover? Alvast dank!
De vraag lijkt een kwantitatief onderzoek in de vorm van een enquête te rechtvaardigen. De reden is dat je niet zozeer vraagt naar de beleving van de jongeren met social media, maar of het moet worden ingezet of niet. In feite is het een ‘verdekte’ gesloten onderzoeksvraag, want de vraag kan zo geformuleerd worden: ‘moeten social media worden ingezet om…’. Het antwoord daarop is ja of nee. Het nodigt niet uit tot diepere analyses. Om die reden past in mijn optiek een kwantitatief onderzoek beter. Maar je kunt erover discussiëren, en als je een kwalitatief onderzoek makkelijker vindt, kun je interviews overwegen.
Maar als je de initiële vraag doortrekt zit er ook een waarom-vraag in: “waarom moeten social media ingezet worden?” want er zullen vast redenen worden gegeven.
lorem ipsum donor
Ik twijfel of ik een kwalitatief of kwantitatief onderzoek moet verrichten. Mijn onderzoek gaat over de vergelijking van twee afdelingen op een bedrijf en het ziekteverzuim daarvan. Welke van de twee moet ik kiezen?
Lorem ipsum donor
@Ringeloor sommige scripties of langere onderzoeken zoals een dissertatie hebben naast de literatuurlijst een bibliografie. Dit is een lijst met literatuur en theoriewerken die gebruikt zijn ter inspiratie en referentie aan het huidige onderzoek. Eigenlijk betekent dat grofweg dat je als onderzoeker naar die bronnen gekeken hebt en er inspiratie uit hebt ontleent, maar dat je er nooit daadwerkelijk uit geciteerd hebt of informatie in je scriptie hebt geparafraseerd. De bron verschijnt dan dus niet in je literatuurlijst (want er is geen verwijzing in de tekst), maar technisch gezien is de inhoud wel gebruikt als theoretische fundering voor jouw onderzoek. Dus: een bibliografie geeft bronmateriaal weer waaruit geen citaat of parafrase is gebruikt.
Het is inderdaad zo dat de onderdelen binnen je inleiding afhankelijk zijn van je studie. Maar toch zijn er tussen studies overeenkomsten. Je inleiding begint doorgaans met een aanleiding, daarna een probleemstelling en doelstelling, en daar volgt dan de onderzoeksvraag uit. Daarna volgen de deelvragen en een leeswijzer. Als extra onderdelen kunnen studies verwachten dat je een relevantie schrijft (wetenschappelijke relevantie vs. maatschappelijke relevantie) en soms een kort overzicht van het type onderzoek + bronmateriaal. Het belangrijkste is echter dat je de inleiding in trechtervorm schrijft. Dat betekent dat je bovenaan (bij de aanleiding) breed begint, en dan toespitst naar het puntje van je inleiding: de onderzoeksvraag en deelvragen. Meer informatie over de inleiding en het schrijven in trechtervorm kun je via deze links vinden: https://www.scriptium.nl/de-inleiding/.
