UGentFPPWBekijk preview

Toegepaste Data-Analyse
Alle modules

• Introductie tot de online cursus Toegepaste Data-analyse

  1 Lessen - 0 min

  1. Introductie tot de online cursus Toegepaste Data-analyse

  Preview0:30
• Principale Componenten Analyse (PCA) en Exploratieve Factor Analyse (EFA)

  10 Lessen - 57 min

  1. Introductievideo voor de module: Principale Componenten Analyse (PCA) en Factor Analyse (FA)

  0:16

  2. Theoretische aannames bij PCA

  4:56

  3. PCA, verder geduid met een voorbeeld

  2:40

  4. Toepassen van PCA, coderen en interpreteren van output

  15:10

  5. interpreteren van de scree plot

  1:09

  6. Samenvatting en stappenplan horende bij het hoofdstuk PCA

  1:06

  7. Verschillen en gelijkenissen tussen PCA en EFA

  5:06

  8. Theoretische aannames bij EFA, geduid met voorbeelden

  17:59

  9. Samenvatting horende bij het hoofdstuk EFA

  3:15

  10. Toepassen van EFA, coderen en interpreteren van output

  6:06
• Padanalyse

  3 Lessen - 32 min

  1. Theoretische aannames bij padanalyse, geduid met voorbeelden

  11:44

  2. Padanalyse: (De berekening van) de vrije parameters, datapunten en vrijheidsgraden

  8:57

  3. Directe en indirecte effecten modelleren in lavaan

  12:17
• Mediatie

  4 Lessen - 19 min

  1. Toepassing op een voorbeeld uit de cursus

  4:59

  2. Interpretatie (van de sobel test)

  5:05

  3. (EXTRA) Padanalyse en mediatie: Waarom zijn de assumpties bij de sobeltest zijn niet realistisch

  3:52

  4. Padanalyse en mediatie: De bootstrap methode.

  5:07
• SEM - Confirmatorische Factoranalyse

  3 Lessen - 32 min

  1. Confirmatorische Factor analyse (CFA), theoretische aannames met concrete voorbeelden

  17:08

  2. Toepassen van CFA, coderen en interpreteren van output

  9:18

  3. De fit aanpassen bij een CFA model

  6:32
• SEM - CFA met paden

  2 Lessen - 11 min

  1. SEM: Berekenen van de datapunten

  9:53

  2. SEM: vrijheidsgraden en vrije parameters bepalen. Tips en tricks bij coderen en interpreteren van output

  1:55
• Hierarchische Modellen - Mixed Models

  11 Lessen - 1 uur 6 min

  1. Introductievideo voor de module: Mixed Models

  3:04

  2. Wanneer is een hiërarchisch model zinvol?

  2:10

  3. Tips en tricks om onderscheid te maken tussen level 1 en 2 binnen hiërarchische data

  7:09

  4. Level 1 en 2 onderscheiden, toegepast op een voorbeeld uit de cursus

  5:15

  5. Wat is het nut van het mixed model?

  6:31

  6. Het mixed model met random intercept, interpreteren van de fixed effecten

  10:40

  7. Het mixed model met random intercept, interpreteren van de random effecten

  3:56

  8. Toepassingen in R, coderen en interpreteren van output

  7:55

  9. Onderzoeksvraag beantwoorden bij een random intercept model, het model met een random intercept en - slope

  15:19

  10. Het mixed model: berekenen van conditionele/marginale gemiddeldes (marginaal model)

  1:14

  11. Berekenen van de correlatie tussen twee meetmomenten en evaluatie van het model

  3:30
• Hierarchische Modellen - Generalized Least Squares (GLS)

  5 Lessen - 15 min

  1. Wat ist GLS? Introductie en bespreking van de unstructured (co)variantiestructuur

  3:34

  2. GLS: Compound symmetry (co)variantiestructuur

  1:33

  3. GLS: Hetereogeneous Compound Symmetry (co)variantiestructuur

  2:17

  4. GLS: (Heterogeneous) First-order Autoregrssive (co)variantiestructuur

  2:42

  5. GLS: Nut en assumpties, verschil met Ordinary Least Squares (OLS)

  5:43
• GLS - Actor-partner Interdependence Model (APIM)

  8 Lessen - 32 min

  1. APIM: een introductie

  3:28

  2. APIM: Wat is het APIM?

  2:46

  3. APIM: Opstellen van hypothesen

  6:34

  4. APIM: Grafische voorstelling, definiëring parameters

  2:59

  5. APIM: Welke (co)variantiestructuur wordt hier opgelegd?

  2:01

  6. APIM: Two-intercept approach, hoe toets ik dit in R?

  8:59

  7. APIM: Interaction approach, hoe toets ik dit in R?

  4:36

  8. APIM: Samenvatting

  1:24