Factorial Design

1.9: Factorial Design

Factorial Analysis is een experimenteel ontwerp waarbij statistische procedures van de Analyse van Variantie (ANOVA) worden toegepast om een verandering in een afhankelijke variabele als gevolg van meer dan één onafhankelijke variabele, ook wel factoren genoemd, te onderzoeken. Men kan bijvoorbeeld redeneren dat veranderingen in de productiviteit van werknemers worden beïnvloed door het salaris en andere voorwaarden, zoals het vaardigheidsniveau. Een manier om deze hypothese te testen is door het salaris in te delen in drie niveaus (laag, gemiddeld en hoog) en de vaardigheden in twee niveaus (instapniveau versus ervaren).

Deze wetenschappelijke benadering krijgt een label dat ofwel het aantal factoren onderstreept ofwel het aantal geteste voorwaarden voor elke onafhankelijke variabele. Het bovenstaande voorbeeldexperiment zou worden beschreven als een bidirectionele factorial ANOVA, omdat er twee onafhankelijke variabelen bij betrokken zijn. Met betrekking tot het aantal in aanmerking genomen niveaus voor salaris (laag, gemiddeld en hoog) en vaardigheden (instapniveau en ervaren), wordt ditzelfde experiment ook aangeduid als een 3 bij 2 design, formeel geschreven als een 3 x 2 factoriële ANOVA. De berekening van het product van 3 en 2 betekent dat er in totaal 6 combinaties van experimentele condities zijn.

De voordelen van het onderzoek

Het effect van ten minste twee onafhankelijke variabelen bestuderen is een praktischer en economischer aanpak. Dit voorkomt dat tijd en middelen moeten worden besteed aan afzonderlijke experimenten. Bovendien stelt het verzamelen van gegevens voor verschillende combinaties van omstandigheden onderzoekers in staat een verscheidenheid aan beoordelingen te maken, met inbegrip van hoofd- en interactie-effecten.

Voor bepaalde onderzoeksvragen kan het nodig zijn te weten hoe elke factor onafhankelijk een afhankelijke variabele kan beïnvloeden. Zo worden bijvoorbeeld waargenomen veranderingen in de productiviteitsscores van werknemers als gevolg van het salaris gescheiden van die als gevolg van het vaardigheidsniveau, om de hoofdeffecten voor elk van beide te helpen bepalen. Uit de resultaten zou kunnen blijken dat een hoge productiviteit van werknemers op instapniveau al dan niet geldt voor werknemers met meer ervaring. Evenzo kan een lage productiviteit bij werknemers met een laag salaris al dan niet duidelijk blijken bij een hoger loon. De mogelijkheid om te bepalen of de resultaten kunnen worden gegeneraliseerd naar andere omstandigheden of groepskenmerken is dus een ander voordeel van dit type opzet.

Een interactie-effect treedt op wanneer de invloed van een onafhankelijke variabele op een bepaalde afhankelijke variabele afhangt van het niveau van andere factoren die worden onderzocht. Zo kan bijvoorbeeld worden vastgesteld dat het effect van het salaris op de productiviteit van werknemers groter is voor beginnende werknemers dan voor ervaren werknemers. Dit type analyse stelt onderzoekers in staat om een dieper beeld te krijgen van patronen die in de gegevensverzameling naar voren kunnen komen.

Implicaties van factoriële analyse

Dankzij haar flexibiliteit en praktische toepasbaarheid blijft factoriële analyse een van de meest gebruikte experimentele ontwerpen in alle disciplines. In een recente studie werd bijvoorbeeld onderzocht of consumentengedrag kan afhangen van de vraag of het product utilitair of hedonistisch is. Naast het producttype namen de onderzoekers ook het productbeeld (close-up vs. wide shot) op als een potentiële factor die aankoopbeslissingen beïnvloedde. Deze onderzoekers onderzochten verder of het type persuasieve techniek, zoals rationele of emotionele aantrekkingskracht, een impact zou hebben (Kim, Lee, & Choi, 2019). Hedonistische producten hadden de neiging om gunstiger attitudes te krijgen wanneer een breedbeeldfoto vergezeld ging van emotie opwekkende advertenties. Omgekeerde bevindingen werden waargenomen voor utilitaire producten in deze 2 x 2 x 2 Factorial ANOVA, ook wel bekend als een drieweg ANOVA.