Mark Huisman

Bovenstaande tekst is een bewerking van een samenvatting in een artikel van Wegener, Petty en Klein (1994). Zij plaatsten personen in verschillende stemmingcondities en onderzochten vervolgens of men, afhankelijk van de conditie waarin men zat, verschillend reageerde. De analysetechniek die in dit hoofdstuk centraal staat, variantieanalyse (ANOVA), is gericht op het analyseren van dit type gegevens. De vraag is dan

Elke statistische analysetechniek is gebaseerd op een aantal aannames. Om gerechtvaardigde conclusies te kunnen trekken uit de resultaten van een analyse over de populatie waaruit de steekproef getrokken is, is het nodig dat aan deze aannames voldaan is. De belangrijkste assumpties in regressieanalyse zijn: –  De steekproef bestaat uit onafhankelijke waarnemingen. –  Er is sprake van een lineair model, dat

Multipele regressie is, zoals bovenstaande voorbeelden illustreren, een techniek waarmee de relatie tussen onafhankelijke variabelen en een afhankelijke variabele kan worden onderzocht. De onafhankelijke variabelen worden ook wel voorspellende of verklarende variabelen genoemd, de afhankelijke variabele ook wel respons-, criterium- of effectvariabele. Multipele regressie zoekt naar een model waarin de afhankelijke variabele zo goed mogelijk kan worden voorspeld (verklaard) uit de onafhankelijke variabelen. Daartoe wordt een regressievergelijking geconstrueerd waarin de voorspellende variabelen lineair gecombineerd worden:hat Y = b0 + b1 X1 + b2 X2 + ¼</font >+ bk Xk . hat Y = b_0 + b_1 X_1 + b_2 X_2 + \ldots + b_k X_k .

In regressieanalyse wordt verondersteld dat zowel de afhankelijke variabele (responsvariabele) als de onafhankelijke variabelen (verklarende variabelen) continue variabelen zijn. In empirisch onderzoek komt het echter vaak voor dat variabelen categorisch zijn. Deze variabelen plaatsen individuen in een bepaalde groep of categorie in plaats van dat de individuen gescoord worden op een continue schaal. De vraag rijst nu of deze categorische variabelen ook in een regressieanalyse gebruikt mogen worden. Het antwoord op deze vraag is afhankelijk van twee dingen: 1) gaat het om categorische afhankelijke of categorische onafhankelijke variabelen (of beide), en 2) om welk type categorische variabele gaat het? We beginnen met het laatste punt.

ABSTRACT Introduction: In this study, we applied the Intervention Model for Affective Involvement (IMAI) to four participants who are congenitally deafblind and their 16 communication partners in 3 different settings (school, a daytime activities center, and a group home). We examined whether the intervention increased affective involvement between the participants and their communication partners and whether it increased positive emotions and reduced negative emotions in the participants. Methods: We used video observations in a multiple-baseline design across subjects to assess the effects of the 20-week intervention on the communication partners’ interactions with the participants. Results: After onset of the intervention, affective involvement increased for three participants, while all four participants showed an increase in positive emotions and a decrease in negative emotions. During follow-up, the positive effect on the participants’ behaviors decreased in most cases, but remained visible as compared to the baseline level. Discussion: The findings demonstrate that the IMAI can be successfully applied to persons who are congenitally deafblind. Given the small number of participants, replication of the intervention is recommended. Implications for practitioners: Affective involvement can be increased by training, but it is difficult to maintain this effect over time. Coaching of communication partners on a more permanent basis is recommended to maintain the sharing of emotions between persons who are congenitally deafblind and their communication partners.

When handling missing data, a researcher should be aware of the mechanism underly- ing the missingness. In the presence of non-randomly missing data, a model of the missing data mechanism should be included in the analyses to prevent the analyses based on the data from becoming biased. Modeling the missing data mechanism, however, is a difficult task. One way in which knowledge about the missing data mechanism may be obtained is by collecting additional data from non-respondents. In this paper the method of re-approaching respondents who did not answer all questions of a questionnaire is described. New answers were obtained from a sample of these non-respondents and the reason(s) for skipping questions was (were) probed for. The additional data resulted in a larger sample and was used to investigate the differences between respondents and non-respondents, whereas probing for the causes of missingness resulted in more knowledge about the nature of the missing data patterns.

This paper gives a state-of-the-art overview of available software for the statistical analysis of social networks as of Summer 2004. It reviews and compares software pack- ages for social network analysis with respect to their statistical procedures, illustrating some procedures with example data. The choice of routines that were inspected is re- stricted to procedures for statistical modeling based on

The workshop gives a general introduction in statistical methods and models for the analysis of social networks. It is based upon the general question: How do we determine which type of statistical analysis is appropriate to analyze network data? To answer this question, statistical analyses are linked to research questions that are interesting from a statistical point of view (Huisman & van Duijn 2004): (1) How can properties of networks and actors be described, compared, and categorized? (2) How can the association between ties with one network and between networks on the one hand, and between network ties and actor characteristics on the other hand be described and modeled? (3) How do networks develop over time and influence each other? Statistical methods that can answer these kind of questions include, amongst others, exponential random graph models (van Duijn et al. 2004; Wasserman & Pattison 1996) and actor oriented model for network dynamics (Snijders 2001). The morning sess...

... reviews software for the analysis of social networks. Both commercial and freely available packages are considered. Based on the software page on the INSNA website (http://www. insna. org/lNSNA/softJnf. html), and using the main topics in the book on network analysis by ...