Design, steekproefgrootteplanning en preprocessen van intensief longitudinale studies

Veel onderzoek wil begrijpen hoe psychologische processen dynamisch evolueren binnen personen. Hiertoe verzamelt men data via intensieve longitudinale designs (ILD) en modelleert men deze data met tijdsreeksbenaderingen. Een populaire benadering is het vector autoregressief (VAR(1)) model, waarin de data op het huidige meetmoment voorspeld worden aan de hand van data op het vorige meetmoment. Om de VAR(1) parameters te kunnen interpreteren aan de hand van hypothesetoetsing, is het cruciaal om rigoureuze steekproefplanning uit te voeren om voldoende power te garanderen. Steekproefplanningstechnieken ontbreken echter en de bestaande methoden voor cross-sectionele data zijn niet toepasbaar omdat ze geen rekening houden met seriële afhankelijkheid. In dit project willen we simulatie-gebaseerde technieken ontwikkelen voor steekproefplanning bij ILD, waarbij we focussen op VAR(1) en multiniveau uitbreidingen. We zullen eerst bestuderen hoe we het aantal meetmomenten voor één persoon optimaal kunnen kiezen. Daarna gaan we event- en tijds-contingente ILD-schema’s vergelijken qua power. Ten derde zullen we onderzoeken hoe we het aantal personen en meetmomenten optimaal kunnen balanceren, wanneer we meerdere personen tegelijkertijd willen bestuderen. Ten vierde zullen we nagaan of een alternatieve kwaliteitsmaat, predictieve accuraatheid, ons adequaat kan helpen bij steekproefplanning. Tenslotte zullen we gratis software ontwikkelen om de nieuwe technieken breed beschikbaar te maken.