Onderzoeksgroep Longitudinale Modellen (LOMO)

Wederkerige effecten tussen Ethnocentrisme, Individualisme en Nationalisme in Vlaanderen: een continue-tijd panel analyse

Han Oud

Behavioral Science Institute, Radboud Universiteit Nijmegen

Toni Toharudin

Statistics Department, Padjadjaran University, Bandung

Jaak Billiet

Centrum voor Sociologisch Onderzoek, KU Leuven

In de analyses van het Vlaams longitudinaal verkiezingsonderzoek (Billiet et al., 1995; Billiet et al., 1999) staan theoretisch-sociologische begrippen centraal: ethnocentrisme, utilitair individualisme, kerkelijkheid (Billiet, 1995), nationale identiteit, subnationaal bewustzijn, houding tegenover allochtonen (Billiet, Coffé & Maddens: Een Vlaams-nationale identiteit en de houding tegenover allochtonen in een longitudinaal perspectief) enz. Een eerste onderzoeksvraag ten aanzien van deze latente variabelen is beschrijvend: nemen ethnocentrisme, individualisme en nationalisme toe of af in Vlaanderen. Als volgende vraag dient zich onmiddellijk aan: zijn er al dan niet samenhangen tussen deze variabelen en mogen deze als effecten van al dan niet wederkerige aard worden geïnterpreteerd. Traditioneel worden vragen van de laatste soort beantwoord via een cross-lagged panel analyse. Met name in intercultureel onderzoek (vergelijking tussen België en Nederland bijvoorbeeld) is dit een probleem, omdat vergelijkingen alleen mogelijk zijn voor gelijke observatie-intervallen. Het probleem wordt opgelost door continue-tijd analyse. Effecten zijn dan geen geïsoleerde coëfficienten meer maar tijdfuncties, die vergelijkingen tussen en combinaties van datasets mogelijk maken voor willekeurige observatie-invallen.

Lord’s Paradox Revisited

Jeroen K.Vermunt

Department of Methodology and Statistics,Tilburg University

At a seminar a colleague from the sociology department presented his research on the effect of life course events (divorce) on psychological well being (depression). Data were collected by a two-wave panel study, and the event of interest (divorce) occurred between the first and second panel wave. This yields the well-known non-equivalent control group design. Although such a design makes to possible to infer causal effects, it is crucial that one corrects in the right way for selection bias; that is, for the fact that the composition of the treatment group (divorced) may differ from the one of the control group (married).

In the divorce-depression study, the researchers accounted selection bias by using depression at the first occasion as a control variable in the model in which depression at occasion 2 was regressed on divorce. Such an approach, which is referred to as a conditional or an ANCOVA analysis, is fully wrong in this case, whereas a simple regression analysis of change scores would have been a much better choice.

Although a lot has been written about Lord’s paradox – that is, about the fact that change score regression and ANCOVA yield different results – I did not find a good (fully convincing) explanation in the literature for why the ANCOVA method is wrong in the current application. This can, however, easily be demonstrated by deriving its underlying assumptions about the selection mechanism.

Het modelleren van leeftijdsafhankelijke ontwikkeling van delinquentie gedurende de adolescentie en vroege volwassenheid met een auto-regressieve groei-curve.

Johannes A. Landsheer

Cor van Dijkum,

Vakgroep Methodenleer enSstatistiek Sociale Wetenschappen, Utrecht Universiteit

Om de ontwikkeling van mensen te onderzoeken is de verzameling nodig van longitudinale data over het gehele tijdsverloop. In de praktijk van longitudinaal onderzoek betreft de dataverzameling vaak een relatief korte periode. Daarnaast zijn longitudinale dataverzameling vaak onvolledig door ontbrekende meetmomenten en door uitval. Bij deze studie is gebruik gemaakt van een aanpak om het probleem van de datafragmentatie tegen te gaan. Er is gebruik gemaakt van een geaccelereerde panel opzet met verschillende leeftijdscohorten, waarbij de data zijn gemodelleerd met een autoregressief groeimodel op basis van discrete en continue tijd met behulp van structurele vergelijkingsmodellen (SEM) en het programma Mx. Bij dit onderzoek is het proces van de ontwikkeling van delinquentie, vaak gekenschetst als de ‘age-crime curve’, uitgewerkt als een groeimodel. Speciale aandacht is daarbij besteed aan de ontwikkelingsverschillen tussen jongens en meisjes.

Paradoxen van latente groeicurve-analyse: een vergelijking met cross-lagged panel-analyse in continue tijd

Marc Delsing

Capaciteitsgroep Kinder- en Jeugdstudies, Universiteit Utrecht

Han Oud

Behavioral Science Institute, Radboud Universiteit Nijmegen

Gedurende de laatste jaren is latente groeicurve-analyse uitgegroeid tot een populaire methode voor het analyseren van longitudinale data in de sociale wetenschappen. Men ziet veel univariate toepassingen, waarbij het erom gaat een ontwikkeling op adequate wijze te beschrijven. Groeicurve-analyse wordt recent ook ingezet bij de analyse van causale verbanden tussen verschillende variabelen. In de praktijk wordt bijna steeds van het lineaire model gebruik gemaakt. In de onderhavige presentatie zal beargumenteerd worden dat aan deze methode een aantal belangrijke bezwaren kleven die tot serieuze interpretatieproblemen leiden. De kritiek is al van toepassing op univariaat terrein en spitst zich toe op het per definitie instabiele en tijdvarërende karakter van het model. Dit leidt tot niet minder paradoxale resultaten op multivariaat terrein. Als alternatief voor de latente groeicurve-analyse zal continue-tijd analyse van het cross-lagged panel design worden gepresenteerd.

A note on the likelihood ratio test in latent growth curve modeling when parameters are subject to boundary constraints

Reinoud D. Stoel

Afdeling Pedagogiek en Onderwijskunde, Universiteit van Amsterdam

Latent growth curve analysis has become an important tool of investigation for developmental psychology. In the last decade the technique has proven to be very succesfull in investigating and answering questions concerning psychological development. In this paper we will focus on an intriguing topic that has been well worked out in statistics but has, to our knowledge, received no attention in latent growth curve analysis. Interindividual differences in intraindividual change are often the main interest in latent growth curve modeling. It is tested consequently, whether the variances of the growth parameters are significantly different from zero by comparing the increase in the model misfit to a chi-square distribution with degrees of freedom equal to the number of restrictions. We will show, however, that this standard practice is not correct in case of the variances of the growth parameters. It constitutes a too conservative test, which means that it is concluded too often that no interindividual exist when they in fact do exist in the population (i.e. a type-2 error). The problem is caused by the fact a variance parameter cannot be smaller than zero, making standard estimation theory not applicable. By using an illustrative example, we will show what constitutes the problem, and how it can be solved. Clever use of the new structural equation modeling package Mplus3 makes it possible to solve the problem in most practical situations. Finally, consequences for other types of developmental structural equation models, like the autoregressive model, will be highlighted.