Inhoud

De exponentiële toename in longitudinale onderzoeken heeft geleid tot een evenredige toename in de vraag naar technieken voor longitudinale data-analyse. In het kader van deze cursus wordt longitudinaal onderzoek gedefinieerd als onderzoek waarbij de uitkomstvariabele meerdere keren bij dezelfde persoon is gemeten. Er is dus sprake van gecorreleerde waarnemingen, oftewel, de observaties bij dezelfde persoon op twee verschillende tijdstippen zijn niet onafhankelijk van elkaar. Daarom moeten voor longitudinale data analyse statistische technieken gebruikt worden, die rekening houden met gecorreleerde waarnemingen. De cursus bestaat uit vijf dagen waarin voordrachten worden gegeven en waarin een uitgebreid computerpracticum wordt gedaan, waarin ook ruimte is om, indien gewenst, eigen data te analyseren.
In de cursus zal aandacht worden besteed aan de analyse van zowel continue als dichotome en categoriale uitkomstvariabelen en zullen de mogelijkheden en onmogelijkheden van een aantal veel gebruikte softwarepakketten (zoals SPSS, SAS, STATA en MLwiN) worden besproken. Ook zal aandacht worden besteed aan een aantal specifieke problemen die zich voordoen bij longitudinaal onderzoek. Hierbij moet bijvoorbeeld gedacht worden aan het probleem van missende observaties.
Tot slot zal uitgebreid stil worden gestaan bij de analyse van experimenteel longitudinaal onderzoek. Zowel simpele technieken die gebruik maken van samenvattende maten zoals 'area under the curve' als meer geavanceerde technieken zullen hierbij de revue passeren.

Leerdoelen

1. De cursist kent de specifieke methodologische aspecten van longitudinaal onderzoek, waarbij persoonsgegevens en de verandering daarin op verschillende momenten in de tijd worden gemeten.
2. De cursist onderkent de specifieke eigenschappen van longitudinale data en de beperkingen van standaard statistische technieken, zoals MANOVA en ANCOVA, om longitudinale data te analyseren.
3. De cursist kent de theoretische achtergrond van de twee meest gebruikte technieken om longitudinale data te analyseren: te weten 'generalised estimating equations' en 'random coëfficiënt modellen (multilevel technieken)'.
4. De cursist herkent specifieke problemen bij deze vorm van analyseren (o.a. missende gegevens) en weet hoe daarmee om te gaan.
5. De cursist is in staat om zelf een longitudinale data-analyse uit te voeren met behulp van een daarvoor geschikt softwareprogramma en kan de resultaten van de computeroutput op juiste wijze interpreteren.

Ingangseisen

Voor het volgen van deze cursus is vereist dat de cursus ‘Regressietechnieken’ (V05) is gevolgd.
Indien u deze cursus niet heeft gevolgd maar wel van mening bent dat u over deze kennis beschikt op grond van andere cursussen/opleiding/ervaring, dan dient u een schriftelijke motivatie direct bij uw aanmelding mee te sturen. De cursuscoördinator beoordeelt op grond hiervan of u aan de cursus kan deelnemen.