Onderzoek van de sectie

Het programma richt zich op de ontwikkeling, evaluatie en toepassing van modellen voor de analyse van psychologische onderzoeksgegevens. Kenmerkend is de multivariate aanpak, d.w.z. dat de relaties tussen meerdere variabelen tegelijk in beschouwing worden genomen, of de relaties tussen stimuli die op meerdere aspecten tegelijk variëren. Een ander kenmerkend element is dat de modellen altijd een bepaalde relatie veronderstellen tussen geobserveerde variabelen en een latente structuur. Tevens is er in verschillende projecten bijzondere aandacht voor de behandeling van categorische (nominale en ordinale) variabelen en voor metingen in de tijd.

De kernthema's zijn:

1. De ontwikkeling en toepassing van methoden en technieken voor longitudinaal onderzoek.
   Bestudering van menselijke gedragingen houdt in de studie van gedrag zoals het verandert in de tijd, bijvoorbeeld de ontwikkeling van hechtingsgedrag tussen moeder en kind of het verloop in de tijd van psychosomatische aandoeningen. Longitudinaal onderzoek richt zich op veranderingen in de tijd. Het centrale thema wordt gevormd door de methodologische, methodisch-technische en praktische problemen die het longitudinale onderzoek met zich meebrengt. Het gaat hierbij om longitudinale onderzoeksopzetten, de daarmee corresponderende modellen en de geëigende methoden en technieken voor analyse van longitudinale data. Bij dit onderzoeksproject zijn betrokken prof. dr. Willem Heiser, dr. Eeke van der Burg en dr. Mark de Rooij.
2. De ontwikkeling en toepassing van multivariate modellen voor latente structuur analyse.
   Bij de latente structuur analyse gaat het om de vraag hoe gedragingen van (groepen) individuen te begrijpen zijn in termen van meer fundamentele theoretische begrippen of "latente trekken". Voor de analyse van gedragingen (bijv. antwoorden van personen op vragenlijsten, systematische observatie in gedragscategorieën) zijn modellen nodig. Bij deze modellen horen ook diverse aannames, bijvoorbeeld over de verdelingen van de variabelen: in de meeste modellen wordt aangenomen dat de variabelen normaal verdeeld zijn. Dit is echter in de praktijk zelden het geval. Daarom richt het onderzoek binnen dit project zich vooral op de ontwikkeling van analysemodellen voor gegevens die niet normaal verdeeld zijn. Bij dit onderzoeksproject zijn betrokken dr. Ab Mooijaart en prof. dr. Willem Heiser.
3. De ontwikkeling en toepassing van methoden voor meerdimensionale schaling van individuele verschillen in gelijkenis- en preferentiegegevens.
   Vrijwel alle data die in psychologisch onderzoek verzameld worden vormen een personen x variabelen datamatrix. De variabelen kunnen bijvoorbeeld bestaan uit reactietijden, beoordelingen door experts, scores op beoordelingsschalen, preferenties voor bepaalde objecten, en beoordelingen van de gelijkenis tussen stimuli. De metingen op deze variabelen kunnen qua meetniveau verschillen, vaak zijn ze nominaal of ordinaal. Dan is het nodig de variabelen eerst te kwantificeren, te 'schalen'. De variabelen van de datamatrix zijn soms ingedeeld in verschillende verzamelingen (sets; bijv. predictoren en criteria). In dit onderzoeksproject gaat het om twee deelprojecten: (a) niet-lineaire multivariate analyse van meer-set datamatrices en (b) meerdimensionale schaling van gelijkenis- en preferentiegegevens. In het eerste deelproject (dr. Eeke van der Burg en prof.dr. Willem Heiser) gaat het vooral om het ontwikkelen en toepassen van multivariate technieken voor meer-set data van nominaal en ordinaal meetniveau. In het tweede deelproject (prof.dr. Willem Heiser, dr. Wim van der Kloot, drs. Frank Busing) gaat het vooral om het representeren van individuele verschillen in preferentie en in de beoordeling van gelijkenis.
4. De ontwikkeling en toepassing van modellen voor multilevel-analyse.
   In sociaal-wetenschappelijk onderzoek zijn de gegevens vaak hiërarchisch gestructureerd, dan wel kunnen ze als zodanig worden opgevat. Klassieke voorbeelden worden gevonden in het onderwijsonderzoek: leerlingen zijn gegroepeerd binnen klassen, klassen binnen scholen, etc. Multilevel-analyse is een verzamelnaam voor analysetechnieken die expliciet gebruik maken van deze "geneste" structuur. Dit wordt bereikt door een - eveneens - hiërarchisch model te formuleren dat bestaat uit onderling verbonden regressiemodellen voor de verschillende niveaus (de "levels", zoals leerlingen, klassen, etc.). Enerzijds geven dergelijke modellen informatie over de relaties binnen en tussen de niveaus, anderzijds worden statistische fouten vermeden die ontstaan door het negeren van de hiërarchische structuur.
   Multilevel-analyse wordt in toenemende mate gebruikt in allerlei onderzoekssituaties, ook buiten het onderwijsonderzoek. Het onderzoek van de sectie richt zich op de ontwikkeling en toepassing van dergelijke generalisaties, met name op de longitudinale toepassing van multilevel-analyse (herhaalde metingen bij dezelfde personen) en op multilevelbenaderingen van (co)variantiestructuur-analyse. Verder wordt onderzoek gedaan naar de statistische eigenschappen van multilevelmodellen. Bij dit project is dr. Rien van der Leeden betrokken.