Persoonlijkheid, Psychopathologie & Dagelijks gedrag
Negative Emotionality in dagelijkse emoties en gedragingen, vanuit eennetwerkpersepctief van persoonlijkheid
Masterthese Klinische Psychologie Faculteit der Maatschappij- en Gedragswetenschappen Universiteit van Amsterdam Naam: Etkin Alpagot Studentnummer: 5803241 Begeleider: dr. Arjen Noordhof Datum: 29/10/2016
Abstract:
In dit onderzoek werd nagegaan hoe de emotionele, cognitieve en gedragsmatige componenten van Negative Emotionality (NEM) samenhangen in een netwerkstructuur (Netwerkmodel van componenten). In het bijzonder werd nagegaan of hypothesen die gebaseerd zijn op de Trait Realism theorie terug te vinden zijn in netwerkstructuren. Trait Realism is het perspectief dat nu veel wordt aangenomen en stelt dat individuele verschillen in gedrag tussen mensen het resultaat zijn van onderliggende, latente persoonlijkheidstrekken. Aan het onderzoek deden 91 studenten van de universiteit van Amsterdam mee. Er is onderzocht of emotionele items centraal komen te staan in een netwerkmodel van NEM. Ook is onderzocht of minder emotionele items perifeer komen te staan in een netwerkmodel. De hypothesen zijn getoetst aan de hand van items uit de subschalen Stress Reaction, Alienation en Aggression, die de onderliggende persoonlijkheidstrek Negative Emotionality (NEM) trachten te meten. De gebruikte vragenlijsten voor de afname van de items waren de MPQ-BF-NL (algemene dispositie voor het ervaren van negatieve emoties) en de DBQ (hoe sterk zijn die gevoelens van dag tot dag aanwezig), Tot slot is exploratief onderzocht wat de overeenkomsten en verschillen zijn tussen de twee netwerken. Uit het onderzoek kwam naar voren dat zowel in het netwerk van de MPQ-BF-NL als dat van de DBQ de emotionele items centraal kwamen te staan. Ook bleek dat minder emotionele items perifeer kwamen te staan in beide netwerken. Hiernaast bleek dat de twee netwerken een redelijk overeenkomstige structuur hebben.
Inhoudsopgave
1. INLEIDING ... 4
1.1PERSOONLIJKHEID,TEMPERAMENT &BEHAVIORAL INHIBITION ... 4
1.2EMOTIES,PERSOONLIJKHEIDSTREKKEN &GERELATEERDE PSYCHOPATHOLOGIE ... 5
1.3VOORSPELBAARHEID VAN GEDRAG ... 6
1.4MULTIDIMENSIONAL PERSONALITY QUESTIONNAIRE TRAITS ... 7
1.5TREKTHEORIE VS.NETWERKMODELLEN VAN PERSOONLIJKHEID ... 8
1.6HUIDIG ONDERZOEK ... 9 2. METHODE ...11 2.1STEEKPROEFKARAKTERISTIEKEN ... 11 2.2OPERATIONALISATIE EN PROCEDURE ... 11 2.3MATERIAAL ... 12 2.4STATISTISCHE ANALYSES ... 14 3. RESULTATEN ...17
3.1EMOTIONELE EN MINDER EMOTIONELE COMPONENTEN ... 17
3.2CENTRALITEIT VAN EMOTIONELE ITEMS IN HET MPQ-BF-NL NETWERK ... 17
3.3CENTRALITEIT VAN EMOTIONELE ITEMS IN HET DBQ NETWERK ... 19
3.4EXPLORATIEVE ANALYSES ... 21 4. DISCUSSIE ...24 4.1TOELICHTING RESULTATEN: ... 24 4.2LIMITATIES: ... 26 4.3SUGGESTIES VERVOLGONDERZOEK: ... 27 4.4CENTRALE CONCLUSIES: ... 28 5. LITERATUURLIJST ...29 APPENDIX A ...32 APPENDIX B ...35 APPENDIX C ...39 APPENDIX D ...40 APPENDIX E ...41 APPENDIX F ...46
1. Inleiding
Individuele verschillen in persoonlijkheid zijn al vele jaren onderwerp binnen wetenschappelijk onderzoek. De Trektheorie is momenteel het meest dominante perspectief van waaruit persoonlijkheidsonderzoek wordt gedaan. Deze theorie gaat uit van een realist trait perspectief en stelt dat individuele verschillen in gedrag tussen mensen, het resultaat zijn van verschillen in onderliggende latente persoonlijkheidstrekken (Eysenck, 1952, 1967, 1982). Een theorie die een alternatief perspectief biedt, is die van netwerkmodellen van persoonlijkheid. Deze theorie stelt dat persoonlijkheidstrekken systemen zijn van onderling verbonden affectieve, cognitieve en gedragsmatige componenten die causaal, homeostatisch of logischerwijs van elkaar afhankelijk zijn (Cramer et al, 2012).
In de volgende paragrafen zal persoonlijkheid eerst worden besproken aan de hand van de traditionele wijze van persoonlijkheidsonderzoek. Hierbij zal gekeken worden naar temperament, gerelateerde psychopathologie en voorspelbaarheid van gedrag, waarbij specifiek gekeken zal worden naar de persoonlijkheidstrek Negative Emotionality (NEM). Hierna wordt het alternatieve perspectief van netwerkmodellen van persoonlijkheid besproken. Tot slot zal het huidige onderzoek met bijbehorende hypothesen worden besproken.
1.1 Persoonlijkheid, Temperament & Behavioral Inhibition
Een pionier op het gebied van persoonlijkheidsonderzoek was Gordon Willard Allport. Al in 1937 had hij ruim 50 definities van persoonlijkheid verzameld en ook gaf hij zijn eigen omschrijving: ‘persoonlijkheid is de dynamische organisatie van
psychofysiologische systemen binnen een individu, die de unieke aanpassingen aan zijn/haar omgeving bepalen’ (p.48). Kernaspecten voor deze definitie zijn dat
persoonlijkheid intern, georganiseerd en karakteristiek is voor een individu over langere tijd en verschillende situaties. Persoonlijkheidstrekken dienen als drijfveer of zijn van adaptieve waarde en kunnen door voor te komen in verschillende combinaties, zorgen voor verschillen in persoonlijkheid (Allport, 1937; Staub, 1980).
Een van de basale kenmerken van persoonlijkheid die tot de aanleg van een individu hoort en tot op zekere hoogte erfelijk is, is temperament. Temperament staat voor de stabiele individuele verschillen in reactiviteit en zelfregulatie vanaf de kindertijd (Rothbart & Derryberry, 1981). Reactiviteit verwijst hierbij naar de prikkelbaarheid, responsiviteit of opgewektheid van fysiologische en gedragsmatige systemen van een organisme. Zelfregulatie daarentegen verwijst naar de neurale en gedragsmatige processen die de
onderliggende reactiviteit reguleren. Naast de vroegkinderlijke ontwikkelingen speelt temperament ook een belangrijke rol in de structuur van persoonlijkheid op latere leeftijd als het gaat om felheid waarmee op prikkels wordt gereageerd, het algemene energie- en activiteitsniveau en de mate van introversie of extraversie (Rothbart, Evans & Ahadi, 2000).
Bovengenoemde temperament theorie van Rothbart en Derryberry (1981) sluit goed aan op de psychobiologische theorie van Gray (1982). Deze maakte onderscheid tussen een systeem van toenadering ofwel Behavioral Activation System (BAS) en een systeem van angst ofwel Behavioral Inhibition System (BIS). Voor dit onderzoek is met name Behavioral Inhibition (BI) van belang, omdat de rol van persoonlijkheid in het ontstaan van
individuele verschillen wordt onderzocht, in de frequentie en intensiteit van negatieve emoties. Behavioral Inhibition (BI) is een onderdeel van temperament dat betrokken is bij de regulatie van en reactiviteit op situaties die nieuw zijn, die te maken hebben met straf, intense stimulatie en evolutionair voorbereide angst. Het speelt een belangrijke rol als het gaat om kiezen tussen vechten of vluchten voor een individu (Rothbart, Ahadi & Evans, 2000). Bij de het uiten van emoties is BI gerelateerd aan Negative Affectivity, met name bij het ervaren van en reageren op frustratie, angst, irritatie, boosheid, ongemak, bedroefdheid en het vermogen te kalmeren na het ervaren van stress (Rothbart, 2007).
1.2 Emoties, Persoonlijkheidstrekken & Gerelateerde Psychopathologie
In onderzoeken naar persoonlijkheid en affect blijken Positive Affectivity (PA) en Negative Affectivity (NA) twee belangrijke dimensies te zijn, die een vergelijkbare functie hebben als de psychobiologische BAS en BIS systemen als het gaat om toenadering en angst (Watson & Clark, 1984; Watson, Wiese, Vaidya & Tellegen, 1999; Tellegen & Waller, 2008). Deze dimensies worden gezien als onafhankelijk van elkaar en verschillen in het feit dat PA gaat over positieve emoties en NA gaat over negatieve emoties
(Tellegen, Watson & Clark, 1999). PA en NA worden states genoemd. Een state is de tijdelijke gemoedstoestand van een individu. PA verwijst hierbij naar alertheid, activiteit en enthousiasme en NA verwijst naar een intern gevoel of toestand waarin iemand grote mate van ongemak en negatieve emoties als boosheid, angst of verdriet ervaart (Watson & Clark, 1984).
In onderzoek naar persoonlijkheid wordt gebruik gemaakt van
persoonlijkheidstrekken ofwel traits, die een onderdeel zijn van de persoonlijkheid van de mens. PA en NA blijken gerelateerd te zijn aan de persoonlijkheidstrekken Positive
Volgens Tellegen en Waller (2008) staat NEM voor de mate waarin iemand geneigd is negatieve emoties te ervaren. Er blijkt een grote samenhang te zijn tussen de constructen NEM en NA en emotionele problemen die veroorzaakt worden door onplezierige life-events, stress en niet goede coping (Krueger et al. 2000). Volgens Clark, Watson en Mineka (1994) heeft het ervaren van NA als gevolg dat individuen eerder psychische en gedragsmatige problemen ontwikkelen. PA daarentegen hangt specifiek samen met depressie en sociale fobie en is niet gerelateerd aan andere psychopathologie. Ook blijkt dat, naast dat NEM een algemene voorspeller is voor psychopathologie, het met name specifiek gerelateerd is aan symptomen en diagnoses van internaliserende
psychopathologie zoals stemmings- en angststoornissen (Watson & Clark, 1988; Watson, Gamez & Simms, 2005).
1.3 Voorspelbaarheid van Gedrag
Hoe persoonlijkheidstrekken tot uiting komen in het dagelijks leven is veruit het meest onderzocht door Fleeson en Gallagher (2009). Zij vroegen zich in het bijzonder af in hoeverre de beschrijvingen van persoonlijkheidstrekken echt terug te zien zijn in natuurlijk en representatief gedrag, én in hoeverre gedrag afwijkt van de gemeten persoonlijkheidstrekken. Zij deden een meta-analyse van 15 onderzoeken in 8 jaar tijd waarin ruim 20.000 proefpersonen zijn onderzocht. Proefleiders en methodologie waren hetzelfde. Om de voorspelbaarheid van persoonlijkheidstrekken te meten werd gebruik gemaakt van items uit de Big Five vragenlijsten van het 5-factor model (Goldberg, 1992; Digman, 1990; Pauonen, 1998; McCrae & John, 1992). De proefpersonen werd gevraagd om gedurende 1 à 2 weken, meerdere keren per dag, hun emoties en gedragingen te beschrijven. Uit de resultaten bleek, in tegenstelling tot de verwachtingen, dat
persoonlijkheidstrekken (traits) een sterke voorspellende waarde hadden voor individuele verschillen in de uiting van emoties en gedrag (states); zij vonden correlaties tussen de .42 en .56.
Uit eerdere onderzoeken (Ross & Nisbett, 1991; Kenrick & Funder, 1988; Swann & Seyle, 2005; Wu & Clark, 2003; Church et al., 2008; Heller, Komar & Lee, 2007; Funder, 2001; Mischel, 2004; Fleeson, 2001; Funder & Ozer, 1983) naar de
voorspelbaarheid van persoonlijkheidstrekken kwam naar voren dat
persoonlijkheidstrekken matige tot geen goede voorspellers waren voor emoties en gedrag. Wel bleek dat traits specifieke samenhang vertoonden met samengevoegde states. In deze onderzoeken werden maximale correlaties gevonden tussen de .30 en .40. In vergelijking tot deze onderzoeken conlcudeerden Fleeson en Gallagher (2009) dat states
wél voorspeld kunnen worden aan de hand van traits. Zij stelden dat hoe individuen zich voelen en gedragen in verschillende sociale contexten ervoor zorgt dat er een breed scala aan verschillende gevoelens en gedragingen ontstaan over de tijd.
Persoonlijkheidstrekken bieden een verklaring en hebben een voorspellende waarde voor individuele verschillen bij de uiting van dit brede scala aan gevoelens en gedragingen, aldus Fleeson & Gallagher (2009).
1.4 Multidimensional Personality Questionnaire Traits
Veel onderzoek, zoals dat van Fleeson en Gallagher (2009), maakt gebruik van het 5-factor model. Het nadeel hiervan is dat er wordt vastgehouden aan een inductief gemaakt instrument, waarmee via exploratieve factoranalyse geprobeerd wordt te achterhalen welke factoren de grootste covariantie tussen de items verklaren. Door deze benadering is het moeilijk te bepalen wat de persoonlijkheidsconstructen inhouden. Een instrument dat niet inductief gemaakt wordt, maar waarbij de constructen onderdeel zijn van de testconstructie zelf, en goed gerelateerd is aan de hierboven besproken trait realism BIS/BAS en NA/PA modellen, is de Multidimensional Personality Questionnaire (MPQ). Voor het huidig onderzoek wordt daarom gebruik gemaakt van de
Multidimensional Personality Questionnaire (MPQ-BF-NL) (Eigenhuis, Kamphuis & Noordhof, 2012). Dit is een geschikte vragenlijst om hoge orde constructen zoals PEM en NEM te meten. Individuen met hoge scores op NEM beschrijven zichzelf vaak als gestrest en geërgerd, zijn vaak geneigd om met sterke negatieve emoties (zoals angst en woede) op dagelijkse veranderingen te reageren en zijn vaak verstrikt geraakt in negatieve relaties. Individuen met lage scores op NEM hebben vaak een hogere weerstand voor negatieve emotionele reacties en ervaren minder tegenstrijdige interpersoonlijke interacties (Tellegen & Waller, 2008).
Voor het meten van bijbehorende dagelijkse emoties en gedrag wordt in het huidig onderzoek gebruikt gemaakt van de Daily Behavioral Questionnaire (DBQ). Deze vragenlijst is geconstrueerd op basis van de drie hoge orde constructen van de MPQ-BF-NL en heeft als doel te kijken of gemeten emoties en gedragingen voorspeld worden door de persoonlijkheidstrekken van de MPQ-BF-NL. De MPQ-BF-NL meet hierbij een algemene dispositie voor het ervaren van bepaalde emoties. De DBQ wordt gebruikt om te meten hoe sterk individuen deze gevoelens van dag tot dag ervaren. Uit eerder
onderzoek (Universiteit van Amsterdam, 2015) bleek dat de schaal NEM en de subschaal SR specifiek samenhingen met negatieve dagelijkse emoties en gedragingen.
Kennis en inzicht over NEM en de voorspellende waarde van dit construct op gedrag en emoties zijn klinisch relevant omdat deze ervoor kunnen zorgen dat men in staat wordt gesteld gedragspatronen te herkennen, hierop in te spelen en zo nodig te veranderen. Daarnaast kunnen individuen meer inzicht krijgen over waarom zij bepaalde emoties over het algemeen ervaren en wat maakt dat ze van dag tot dag, per situatie deze gevoelens ervaren. Hierdoor kunnen individuen beter leren omgaan met problemen in het dagelijks leven die worden veroorzaakt door emoties en emotioneel gerelateerde psychopathologie.
1.5 Trektheorie vs. Netwerkmodellen van Persoonlijkheid
Een belangrijke uitdaging binnen persoonlijkheidsonderzoek is het beschrijven en verklaren van de structuur van individuele verschillen (Caprara & Cervone, 2000). Zoals in de inleiding al is benoemd is het perspectief dat nu veel wordt aangenomen dat van de Trait realism theorie. Hierbij wordt verondersteld dat de verschillen tussen individuen in emoties en gedrag toe te schrijven zijn aan verschillen in onderliggende latente
persoonlijkheidstrekken zoals neuroticisme, Negative Emotionality of het Behavioral Inhibition System. De constructie van persoonlijkheidsvragenlijsten berust ook op deze theorie en items uit vragenlijsten beogen een persoonlijkheidstrek te meten. Bijvoorbeeld het item ‘ik houd van feestjes’ wordt gezien als een maat voor de persoonlijkheidstrek extraversie. Vanuit dit standpunt is de samenhang tussen affectieve, cognitieve en gedragsmatige componenten van persoonlijkheid (i.e. extraversie items) uitsluitend te verklaren doordat deze componenten afhangen van een en dezelfde onderliggende latente trek (i.e. extraversie) (Cramer et al., 2012).
Een alternatieve benadering van persoonlijkheid is dat van netwerkmodellen. Hierbij wordt verondersteld dat persoonlijkheid een systeem is waarin affectieve, cognitieve en gedragsmatige componenten onderling verbonden zijn. Specifieker stelt het
netwerkmodel dat elk gevoel, elke gedachte of elke gedraging een uniek component is van persoonlijkheid en dat deze componenten niet samenhangen omdat ze dezelfde onderliggende latente trek (i.e. extraversie) meten, maar omdat ze causaal en logischerwijs afhankelijk van elkaar zijn (i.e. als je niet houdt van onder de mensen zijn, is het moeilijk om te genieten van feestjes) (Cramer et al., 2012). Dit perspectief beschouwt
persoonlijkheidstrekken niet als de oorzaak van emoties en gedrag. Integendeel; het pleit ervoor dat persoonlijkheidstrekken ontstaan vanuit een samenhangende structuur van de eigen componenten, waarbij sommige componenten sterkere onderlinge samenhang hebben dan met andere componenten.
Centraliteit en connectiviteit van componenten speelt in een netwerk een belangrijke rol. Centraliteit is een maat voor de verbindingen van de componenten. Componenten met een hoge centraliteit zijn de componenten met de meeste en sterkste verbindingen en hebben veel invloed op andere componenten in dat netwerk. Connectiviteit is de mate waarin alle componenten binnen het hele netwerk direct en indirect met elkaar
verbonden zijn. De verschillende componenten staan in verbinding met elkaar en kunnen elkaar beïnvloeden. Hoe hoger de correlatie met andere componenten in het netwerk, hoe centraler een component in dat netwerk komt te staan. Componenten die een lagere correlatie hebben met de centrale items komen meer aan de buitenkant
(perifeer) van het netwerk te staan (Cramer et al., 2012; Cramer et al., 2010; Borsboom & Cramer, 2013; Borsboom, 2008). Cramer et al. (2012) hebben zo een netwerkmodel is toegepast op een dataset verkregen met items van de NEO-PI.
1.6 Huidig Onderzoek
Hierboven is beschreven hoe vanuit het perspectief van de trait realism theorie gekeken wordt naar persoonlijkheid. Hiernaast is beschreven dat persoonlijkheidstrekken een voorspellende waarde hebben voor emoties en gedrag. Ook is beschreven hoe de traits en states NEM en NA gerelateerd zijn aan psychopathologie. Daarna is de
alternatieve benadering van netwerkmodellen voor persoonlijkheid en psychopathologie besproken.
In het huidig onderzoek zal eerst worden gekeken naar dagelijkse emoties en gedragingen van de MPQ-NEM vanuit het netwerkperspectief. In het bijzonder zal worden onderzocht welke componenten hierin centraal komen te staan en welke componenten perifeer. Hypothese 1: aangenomen dat NEM een emotionele trek is (Trektheorie), wordt verwacht dat emotionele items meer centraal zullen komen te staan en items die te maken hebben met gedragingen meer perifeer zullen komen te staan. Het domein van NEM is sterk gecorreleerd met emoties, maar als emotionele items perifeer blijken te staan en gedragingen vanuit AL (zoals terugtrekken,
wantrouwen) centraal blijken te staan, zou een alternatieve hypothese kunnen zijn dat mensen die hoog scoren op NEM zich in de kern erg vervreemd voelen en anderen wantrouwen en als gevolg daarvan negatieve emoties ervaren.
Hierna zal vanuit het netwerkperspectief ook voor de DBQ en de PANAS worden onderzocht welke componenten centraal en welke perifeer komen te staan. Hypothese 2: Ook voor de DBQ en de PANAS wordt verwacht dat emotionele items meer
centraal zullen komen te staan en items die te maken hebben met gedragingen meer perifeer.
Tot slot zal worden onderzocht hoe vergelijkbaar de netwerkstructuren van de MPQ en de DBQ zijn. Vanuit de Trektheorie wordt er een vergelijkbare structuur verwacht. In het bijzonder wordt onderzocht hoe de hypothesen vanuit een factormodel eruit komen te zien in een netwerkmodel, verwacht wordt dat het netwerkmodel meer over de samenhang van items zal laten zien dan een factormodel. Hierdoor zal een ander zicht op de structuur ontstaan. Deze analyse zal met name exploratief zijn, omdat het de eerste keer is dat dit gedaan wordt.
2. Methode
Voor dit onderzoek werd gebruik gemaakt van data die verkregen zijn uit onderzoek voor masterthesen met een andere onderzoeksvraag (Universiteit van Amsterdam, Mastertheses Merel Vrielink, 2015 & Marloes Dalhuijsen, 2016).
2.1 Steekproefkarakteristieken
Aan het onderzoek deden in totaal 94 studenten (28 mannen en 66 vrouwen) tussen de 18 en 44 (gemiddeld 20.4) jaar mee. Deze hoeveelheid bleek in vergelijking met andere studies (Fleeson, 2001; Church et al., 2008) ruim voldoende. Allen volgden wetenschappelijk onderwijs aan de Universiteit van Amsterdam. Werving vond zonder selectieprocedure plaats via een online advertentie op de site www.lab.uva.nl. Enige voorwaarde voor deelname was het bereid zijn om gedurende vier weken lang, dagelijks een vragenlijst in te vullen. Na het voltooien van het onderzoek kregen de proefpersonen zeven proefpersoonpunten als beloning.
2.2 Operationalisatie en procedure
De proefpersonen die zich hadden aangemeld via de site werden voor uitleg van de procedure uitgenodigd voor een intakegesprek, waarna hen werd gevraagd een informed consent te ondertekenen. Hierin stond uitleg over vertrouwelijk omgaan met de te verkrijgen informatie en dat deze informatie ook in de toekomst voor
wetenschappelijke doeleinden gebruikt kon worden (appendix A).
Om de vragenlijsten online af te nemen en data te verzamelen werd gebruik gemaakt van het programma Qualtrics. In Qualtrics kunnen nieuwe vragenlijsten ontworpen en bestaande vragenlijsten opgenomen worden. De MPQ-BF-NL en de PANAS werden opgenomen en de DBQ werd ontwikkeld. De emailadressen van de proefpersonen werden ook opgenomen in het onderzoekspanel van Qualtrics.
De proefpersonen kregen een paar dagen na het intakegesprek een email met daarin een link om de persoonlijkheidsvragenlijst MPQ-BF-NL in te vullen in Qualtrics (ca 20 minuten). Hiernaast vulden de proefpersonen elke dag, vier weken lang de DBQ en de PANAS in (ca 10 minuten en ca 5 minuten). Tussen 07:00 en 23:59 konden de proefpersonen de vragenlijsten over emoties en gedragingen van de afgelopen dag invullen. Alle lijsten konden online ingevuld worden op een smartphone, tablet of computer.
Het dagelijks invullen van de DBQ was de verantwoordelijkheid van de
een notificatie met het verzoek dit alsnog te doen. Wanner ze het invullen te vaak vergaten werden ze uitgesloten van het onderzoek. Op de laatste dag vulden de
proefpersonen de MPQ-BF-NL nog een keer in. Na afronding van het onderzoek kregen ze de beloning van zeven proefpersoonpunten.
2.3 Materiaal
MPQ-BF-NL (appendix B):
De Multidimensional Personality Questionnaire (MPQ-BF-NL) (Eigenhuis, Kamphuis & Noordhof, 2012) die voor dit onderzoek werd gebruikt bestond uit 135 items (vragen) die emoties en gedragingen meten en beantwoord werden door te kiezen voor juist of onjuist. De MPQ-BF-NL is onder te verdelen in drie hogere orde schalen: Positive Emotionality (MPQpem), Negative Emotionality (MPQnem) en Constraint (MPQcon). Deze hogere orde schalen zijn op hun beurt onder te verdelen in 10
subschalen. MPQpem bestaat uit Wellbeing (MPQwb - meet optimistisch, enthousiast en vrolijk gedrag), Social Potency (MPQsp – meet daadkrachtig en overtuigend gedrag waarbij iemand middelpunt van belangstelling is), Achievement (MPQac – meet ambitieus, perfectionistisch en koppig gedrag) en Social Closeness (MPQsc – meet houden van gezelschap, warmte en geliefd worden door de omgeving). MPQnem bestaat uit Stress Reaction (MPQsr – meet gevoeligheid voor negatieve emoties, zorgen maken en mate van neurveusheid), Alienation (MPQal – meet gevoelens van misbruikt worden, gebruikt worden en slachtoffer zijn) en Aggression (MPQag – meet mate van anderen bang maken en fysiek of mentaal pijn doen). MPQcon bestaat uit Control (MPQco – meet vooruitplannen van activiteiten en voorzichtig, rationeel en zorgvuldig gedrag), Harmavoidance (MPQha – meet vermijdingsgedrag in risicovolle situaties en bij gevaarlijke activiteiten) en Traditionalism (MPQtr – meet in hoeverre iemand waarde hecht aan religie, morele waarden en conventionele normen).
De meeste subschalen hadden een voldoende tot goede betrouwbaarheid, =.75-.87. De subschalen Aggression, Harmavoidance en Traditionalism lieten een lagere betrouwbaarheid zien, =.70-.73 (Eigenhuis, Kamphuis & Noordhof, 2012). De
correlatie tussen de schalen van de Amerikaanse MPQ-BF en de MPQ-BF-NL was hoog, r=.94-.96 (Eigenhuis, Kamphuis & Noordhof, 2012).
PANAS (appendix D):
Voor dit onderzoek werd de PANAS als aparte vragenlijst meegenomen in de DBQ en de MPQ-BF-NL. De vragenlijst bestond uit 20 items voor het meten van de gemoedstoestanden PA en NA. 10 items meten PA: geïnteresseerd, opgewonden, sterk,
enthousiast, trots, alert, geïnspireerd, vastbesloten, oplettend en actief. De andere 10 items meten NA: ontdaan, overstuur, schuldig, angstig, vijandig, geïrriteerd, beschaamd, zenuwachtig, nerveus en bang. Op een 5-puntsschaal konden de proefpersonen aangeven in hoeverre het item op hen van toepassing was. De keuzemogelijkheden waren: niet,
nauwelijks, enigszins, sterk en zeer sterk. De PANAS werd verdeeld over twee dagen
afgenomen; de eerste dag vijf vragen over PA en over NA en de tweede dage de overige vragen over PA en NA.
De betrouwbaarheid van de PA en NA schalen was goed. De betrouwbaarheid van de NA schaal was iets lager, =.84-.87, dan die van de PA schaal, =.86-.87. De correlaties tussen beide schalen was zeer laag, r=-.12 tot -.23. Dit was wenselijk, omdat hieruit blijkt dat PA en NA onafhankelijke constructen zijn in plaats van twee uitersten van affect (Watson, Tellegen & Clark, 1988; Watson & Clark, 1994).
DBQ (appendix C):
Tot slot werd voor dit onderzoek de DBQ geconstrueerd, waarmee dagelijkse gedragingen gemeten konden worden. De DBQ is geconstrueerd op basis van items per MPQ-BF-NL-subschaal en bestaat uit de drie hogere orde schalen; DBQpem, DBQnem en DBQcon. Net als bij de MPQ-BF-NL zijn deze drie hogere orde schalen onder te verdelen in 10 subschalen. DBQpem bestaat uit Wellbeing (DBQwb), Social Potency (DBQsp), Achievement (DBQac) en Social Closeness (DBQsc). DBQnem bestaat uit Stress Reaction (DBQsr), Alienation (DBQal) en Aggression (DBQag). DBQcon bestaat uit Control (DBQco), Harmavoidance (DBQha) en Traditionalism (DBQtr).
De in totaal 119 items (exclusief de PANAS) werden onderverdeeld in 10 tot 14 vragen per subschaal. Een voorbeelditem dat was bedacht voor dagelijks gedrag dat past bij de de subschaal DBQcontr was: ‘vandaag heb ik mijn ouders gebeld’. Een voorbeelditem dat past bij de subschaal DBQnemag was: ‘ik heb vandaag een gewelddadige film of serie
gekeken’. Op sommige gesloten vragen na, die alleen met ja of nee beantwoord konden
worden, gaven de proefpersonen op een 5-puntsschaal aan in hoeverre het item op hen van toepassing was. De keuzemogelijkheden waren: niet, nauwelijks, enigszins, sterk en zeer
sterk.
De afname van de DBQ werd opgedeeld in twee delen; DBQ1 en DBQ2. Om de dag vulden de proefpersonen een van de vragenlijsten in, omdat het te lang zou duren om alle vragen, dagelijks vier weken lang, in een keer te maken.
De keuzemogelijkheden van de DBQ werden aan de hand van getallen
zeer sterk werd het getal 1 gebruikt. Voor de keuzes nauwelijks, enigszins en sterk werd
gebruik gemaakt van getallen tussen de 0 en 1, waarbij respectievelijk 0.25, 0.50 en 0.75 werden gebruikt. Deze somscores van de DBQ werden gedurende de vier weken gebruikt en konden vergeleken worden met de schaalscores van de MPQ-BF-NL door de codering te middelen over alle dagen.
2.4 Statistische Analyses
Het bepalen van emotionele en minder emotionele componenten:
Allereerst werd bepaald wat de emotionele componenten en wat de minder emotionele componenten zijn. Hier werden twee methoden voor gebruikt. Een eerste, subjectieve methode om dit te toen was er een waarbij van tevoren per item van zowel de MPQ-BF-NL als de DBQ een rating werd gemaakt (door de auteur van deze these). Dit werd gedaan door in een tabel alle items van de MPQ-BF-NL te zetten en per item te scoren op een vijf punts-schaal, met links maximaal affectief en rechts maximaal gedrag. Hetzelfde werd gedaan voor de items van de DBQ.
Een tweede, minder subjectieve, methode voor het bepalen van de emotionele en minder emotionele componenten was het per item van de MPQ-BF-NL bepalen hoe hoog het correleert met NA van de PANAS. Dit werd gedaan door in SPSS via de optie
merge files de data van de MPQ-BF-NL en de DBQ samen te voegen. Hierna werden eerst
gemiddelden berekend voor de 10 PANAS NA items over 28 dagen. Hierna werd in SPSS een som score van de PANAS NA items berekend. Voor de MPQ-BF-NL werden de conversed items omgescoord. Aan de hand van de som score werd vervolgens per MPQ-BF-NL item de correlatie met NA berekend in SPSS.
Om de correlaties van de DBQ items met PANAS NA te berekenen, werden in SPSS gemiddelden voor elk item per subschaal van de DBQ berekend over 28 dagen. Hiervoor werden de conversed items omgescoord. Hierna werd per item van de DBQ de correlatie met de NA som score berekend in SPSS. Aan de hand van de Pearson
correlatiecoëfficiënt werden in SPSS de correlaties voor zowel de items van de MPQ-BF-NL als de items van de DBQ berekend.
De items die het hoogst correleerden met PANAS NA werden geselecteerd als emotionele items. Aan de hand van de berekende correlaties werd vervolgens een top tien van emotionele items gemaakt. Ditzelfde werd gedaan voor de tien laagste correlaties om te bepalen of de minder emotionele componenten, de items die het laagst
Het toetsen van hypothesen 1 & 2:
Voor het toetsen van hypothesen 1 en 2 en voor de exploratieve analyses, werd gebruik gemaakt van het package qgraph voor het programma R. Qgraph faciliteert de mogelijkheid om data weer te geven aan de hand van netwerkmodellen (Epskamp et al., 2012). Netwerkmodellen bestaan uit nodes die met elkaar in verbinding staan via edges. Een node is een variabele en een edge staat voor de sterkte van de verbinding tussen de variabelen. In het huidige onderzoek stelt een node een item voor van de MPQ-BF-NL, de DBQ of de PANAS. De edges stellen de correlaties tussen de items voor, waarbij groene edges staan voor een positieve correlatie en de rode edges voor een negatieve correlatie. De dikte van de edges staat voor de sterkte van de verbinding; hoe dikker de edge, hoe sterker de correlatie.
Een manier om netwerken te plotten en te interpreteren is door de plaatsing van nodes in de ruimte via de zogeheten spring algorithm in qgraph. Hierbij worden de nodes zodanig geplaatst dat de lengte van de edges afhankelijk is van en correspondeert met de sterkte van de verbinding (bijv. kortere edges voor sterkere verbinding). Op deze manier kan een plaatje gegenereerd worden waarop te zien is hoe items met elkaar clusteren;
visuele inspectie.
Om te bepalen welke nodes centraal en welke nodes perifeer in het netwerk komen te staan, werd gebruik gemaakt van centraliteitsindices closeness en betweenness. Met closeness centrality wordt bedoeld dat hoe centraler een node in het netwerk staat, hoe korter de totale afstand is tot andere nodes. Hierbij zijn de afstanden naar andere nodes een betekenisvolle maat voor centraliteit. Betweenness centrality staat voor het aantal keren dat een node fungeert als een brug naar de kortste afstand tussen twee andere nodes. Hierbij hebben nodes die voorkomen op een willekeurig gekozen kortste afstand tussen twee willekeurig gekozen nodes, een hoge betweenness.
Door gebruik te maken van een uitgebreide syntax waarin de data van de items van de subschalen SR, AG en AL waren opgenomen, konden via qgraph netwerken geplot worden van de MPQ-BF-NL en de DBQ voor visuele inspectie. Negatieve items werden hiervoor omgescoord. De netwerken werden geplot om gebruik te kunnen maken van de centraliteitsmaat betweenness. Met de functie NodeCentrality in R werd vervolgens de betweenness voor elk item berekend. Ook voor de betweenness werd een top tien gemaakt, zodat onderzocht kon worden of de top tien van emotionele items ook de top tien was van centrale items. Ditzelfde werd gedaan voor de tien laagste
betweenness items om te kunnen bepalen of de tien laagste, minder emotionele, items ook de items waren die perifeer kwamen te staan.
Een formele, kwantitatieve manier om te toetsen hoe de relatie is tussen de mate van emotionaliteit en de mate van centraliteit, was door per item van de MPQ-BF-NL en de DBQ een rating te maken van de bovengenoemde correlaties met PANAS NA. Hiernaast werd per item ook een rating gemaakt van de centraliteitsmaat betweenness die aan de hand van qgraph in R berekend werd. Tot slot werden de Spearman’s correlaties berekend tussen deze twee ratings om te kunnen bepalen hoe hoog de correlatie was tussen emotionaliteit en centraliteit van de items. Hoe hoger de correlatie tussen de twee ratings, hoe sterker de relatie tussen emotionaliteit en centraliteit van de items.
Spearman’s correlatie werd gebruikt in plaats van Pearson’s, omdat Spearman’s correlatie uitgaat van rangordes en Pearson’s van een normaalverdeling. Door beide methoden (correlaties met PANAS NA en correlaties tussen emotionaliteit en centraliteit) toe te passen werd gekeken worden of ze tot dezelfde conclusie kwamen.
Exploratieve analyses:
Tot slot werd middels exploratieve analyses gekeken naar de overeenkomsten en verschillen qua structuur tussen de netwerken van de MPQ-BF-NL en de DBQ. Hiernaast werd ook exploratief gekeken naar de netwerken van de MPQ-BF-NL met PANAS NA samen en de DBQ met PANAS NA samen om te onderzoeken op welke manier de verschillende items zich verhouden tot NA. Ook werden Glasso netwerken van de MPQ-BF-NL en de DBQ gemaakt. Glasso netwerken gaan er niet van uit dat alle correlaties die gevonden worden in het netwerk ook duiden op een daadwerkelijk direct verband tussen de nodes. Node A en node B kunnen bijvoorbeeld verbonden zijn omdat er een direct verband is tussen de nodes. Maar node A en node B kunnen ook correleren doordat ze allebei sterk correleren met node C (spurieuze corerelatie). Wanneer er vervolgens gecontroleerd wordt voor node C blijkt de verbinding tussen A en B minder sterk te zijn. Een glasso netwerk maakt een spaarzaam netwerk (sparse netwerk) en geeft weer welke nodes daadwerkelijk met elkaar verbonden moeten zijn en tussen welke nodes de verbinding ook weg zou kunnen vallen. Op deze manier blijven de verbindingen over die het minst op een toevalsbevinding berusten en meer essentiële verbindingen zijn (Friedman, Hastie & Tibshirani, 2008). Er werd ook exploratief gekeken naar de glasso netwerken van de MPQ-BF-NL en de DBQ.
3. Resultaten
Voor de hierboven beschreven analyses zijn de data van 91 studenten (28 mannen en 66 vrouwen) meegenomen. Alle deelnemers waren studenten aan de
Universiteit van Amsterdam tussen de 18 en 44 jaar (gemiddelde 20.4) en gaven allen aan serieus deelgenomen te hebben aan het onderzoek.
3.1 Emotionele en minder emotionele componenten
De subjectieve methode werd als eerst toegepast en diende als toevoeging met een voorspellende waarde aan de minder subjectieve, formele methode. In tabel 1a en 1b van appendix E staan de subjectieve ratings voor de items van de MPQ-BF-NL en DBQ.
De correlaties die zijn berekend voor de MPQ-BF-NL met de PANAS NA zijn in tabel 2, 3 en 4 van appendix E weergegeven per subschaal van de MPQ-BF-NL. In tabel 5, 6 en 7 van appendix E zijn de correlaties, die berekend zijn voor DBQ met de PANAS NA, weergegeven per subschaal van de DBQ. Ook zijn de netwerken van de MPQ-BF-NL en de DBQ geplot en worden weergegeven in figuur 1 en figuur 2 van appendix F. In de volgende paragrafen zal eerst de centraliteit van emotionele items in het MPQ-BF-NL netwerk worden besproken. Vervolgens zal de centraliteit van emotionele items in het DBQ netwerk worden besproken. Tot slot komen de exploratieve analyses aan bod.
3.2 Centraliteit van emotionele items in het MPQ-BF-NL netwerk
Uit de visuele inspectie na het plotten van het netwerk bleek dat het centrum met name werd gevormd door de items ‘Men heeft mij vaak voorgelogen (m230)’,
‘Er zijn dagen dat ik voortdurend gespannen ben (m248)’, ‘Ik vind dat ik in het leven veel pech heb gehad (m146)’, ‘Ik weet dat bepaalde mensen het leuk vinden als er met mij iets mis zou gaan (m246)’ en ‘Ik maak me vaak ergens zorgen over (m3)’. De figuur links is in het groot te
vinden in appendix F. Om te onderzoeken of de top tien van emotionele items ook de top tien van centrale items was, werden vervolgens twee tabellen gemaakt. In tabel 8 en 9 hieronder, zijn de top tien correlaties
m3 m14 m36 m117 m127 m158 m171 m193 m214 m248 m258 m269 m7 m20 m59 m72 m100 m113 m143 m212 m226 m239 m254 m270 m27 m52 m66 m77 m119 m146 m161 m187 m230 m246 m260 m274 SR AG AL SR AG AL
* =p<.05 **=p<.001
Uit het vergelijken van de twee tabellen bleek dat acht van de top tien correlaties van emotionele items ook in de top tien betweenness van centrale items stonden. Deze acht items stonden zoals verwacht centraal in het netwerk:
1. ‘Men heeft mij vaak voorgelogen (m230)’
2. ‘Er zijn dagen dat ik voortdurend gespannen ben (m248)’ 3. ‘Ik vind dat ik in het leven veel pech heb gehad (m146)’
4. ‘Ik weet dat bepaalde mensen het leuk vinden als er met mij iets mis zou gaan (m246)’ 5. ‘Ik maak me vaak ergens zorgen over (m3)’
6. ‘Soms heb ik gewoon zin om iemand te slaan (m270)’
7. ‘Mensen gebruiken me gewoon in plaats van me als een persoon te behandelen (m66)’
8. ‘Ik ben gevoeliger dan goed voor me is (m258)’
Door per item een rangorde voor correlatie met PANAS NA en een rangorde voor betweenness te maken, kon vervolgens in SPSS een Spearman’s correlatie berekend worden tussen deze rangordes. Voor de MPQ-BF-NL bleek de correlatie tussen de rangordes .642 te zijn. Dat betekent dus dat de rangorde van emotionaliteit (i.e. correlatie met NA) sterk samenhing met de rangorde van betweennees. Hiermee werd bevestigd dat de emotionele items centraal in het MPQ-BF-NL netwerk komen te staan.
Tabel 8: Correlaties top tien emotionele items MPQ-BF-NL
Ik weet dat bepaalde mensen het leuk vinden als er met mij iets mis zou gaan ,491**
Mensen gebruiken me gewoon, in plaats van me als een persoon te behandelen ,419**
Ik vind dat ik in het leven veel pech heb gehad ,419**
Veel mensen proberen over mij heen te lopen ,405**
Soms heb ik gewoon zin om iemand te slaan ,403**
Men heeft mij vaak voorgelogen ,401**
Er zijn dagen dat ik voortdurend gespannen ben. ,392**
Ik ben gevoeliger dan goed voor me is ,387**
Mensen proberen maar zelden misbruik van me te maken ,357**
Ik maak me vaak ergens zorgen over ,346**
Tabel 9: Betweenness top tien centrale items MPQ-NF-NL
Men heeft mij vaak voorgelogen 83
Er zijn dagen dat ik voortdurend gespannen ben 55
Soms lijk ik het leuk te vinden om mensen te kwetsen door gemene dingen te zeggen 42
Mensen gebruiken me gewoon, in plaats van me als een persoon te behandelen 36
Ik vind dat ik in het leven veel pech heb gehad 36
Soms heb ik gewoon zin om iemand te slaan 35
Ik weet dat bepaalde mensen het leuk vinden als er met mij iets mis zou gaan 34
Ik ben gevoeliger dan goed voor me is 25
Ik maak me vaak ergens zorgen over 24
Tot slot werd onderzocht of de minder emotionele componenten ook
daadwerkelijk perifeer in het netwerk kwamen te staan. Verwacht werd dat de items met de laagste correlaties met PANAS NA en een lage betweenness de minder emotionele items zouden zijn en perifeer zouden komen te staan. Uit visuele inspectie bleek dat de items ‘Ik zou geen plezier kunnen beleven aan de pech van een ander (m254)’, ‘Ik moet toegeven dat ik
er plezier in heb als iemand die ik niet mag zichzelf belachelijk maakt (m100)’, ‘Ik kijk graag naar een flinke, gemene knokpartij (m212)’ perifeer kwam te staan. Door hiernaast in een tabel de
laagste tien correlaties met PANAS NA (tabel 10 in appendix E) en de laagste tien van betweenness (tabel 11 in appendix E) te zetten en deze tabellen te vergelijken kon bepaald worden of de minder emotionele items perifeer kwamen te staan. Zes van de tien laagste items stonden ook in de tien laagste van betweenness en zoals verwacht perifeer in het netwerk:
1. ‘Ik zou geen plezier kunnen beleven aan de pech van een ander (m254)’
2. ‘Ik moet toegeven dat ik er plezier in heb als iemand die ik niet mag zichzelf belachelijk maakt (m100)’
3. ‘Ik plaag mensen soms op een nogal gemene manier (m226)’
4. ‘Wanneer mensen me beledigen, probeer ik ze terug te pakken (m239)’ 5. ‘Ik kijk graag naar een flinke, gemene knokpartij (m212)’
6. ‘Mijn zorgen houden mij vaak uit de slaap (m214)’
Uit bovenstaande bevindingen (visuele inspectie, subjectieve methode en minder subjectieve methode) blijkt de hypothese voor de MPQ-BF-NL bevestigd te worden; emotionele items staan centraal in het netwerk en de minder emotionele items staan perifeer in het netwerk.
3.3 Centraliteit van emotionele items in het DBQ netwerk Uit de visuele inspectie na het plotten van
het netwerk bleek dat het centrum werd gevormd door de items ‘Ik raak gespannen als ik aan de
gebeurtenissen van gisteren denk (NEMsr8)’, ‘Ik voelde me gisteren gekwetst (NEMsr11)’, ‘Ik raakte gisteren van streek (NEMsr9)’ en ‘Gisteren hebben mensen tegen mij gelogen (NEMal9)’. De figuur rechts is in het groot te
vinden in appendix F. Ook voor de DBQ werden twee tabellen gemaakt van top tien emotionele en
NEMsr1.gem NEMsr2.gem NEMsr3.gem NEMsr4.gem NEMsr5.gem NEMsr6.gem NEMsr7.gem NEMsr8.gem NEMsr9.gem NEMsr10c.gem NEMsr11.gem NEMag1.gem NEMag2jnRev.gem NEMag3.gem NEMag4.gem NEMag5.gem NEMag6jnRev.gem NEMag7jn.gem NEMag8.gem NEMag9jn.gem NEMag10.gemNEMag11.gem NEMag12.gem NEMal1.gem NEMal2.gem NEMal3.gem NEMal4.gem NEMal5.gem NEMal6.gem NEMal7c.gem NEMal8.gem NEMal9.gem NEMal10.gem NEMsr.gem NEMag.gem NEMal.gem NEMsr.gem NEMag.gem NEMal.gem
top tien centrale items. In tabel 12 en 13 zijn deze weergegeven:
* =p<.05 **=p<.001
Uit het vergelijken van de tabellen bleek dat zes van de top tien correlaties van emotionele items ook in de top tien betweenness van centrale items stonden. Deze zes items stonden zoals verwacht centraal in het netwerk:
1. ‘Ik raak gespannen als ik aan de gebeurtenissen van gisteren denk (NEMsr8)’ 2. ‘Ik voelde me gisteren gekwetst (NEMsr11)’
3. ‘Ik voelde me gisteren geïrriteerd (NEMag11)’ 4. ‘Ik raakte gisteren van streek (NEMsr9)’
5. ‘Ik had gisteren het idee dat mensen mij niet mochten (NEMag10)
6. ‘Gisteren hebben mensen tegen mij gelogen (NEMal9)’
Ook voor de DBQ werd per item een rangorde voor correlatie en een rangorde voor betweenness gemaakt. Voor de DBQ bleek de Spearman’s correlatie tussen de rangordes .761 te zijn. Dat betekent dus dat de rangorde van emotionaliteit (i.e. correlatie met NA) ook voor de DBQ sterk samenhing met de rangorde van betweennees. Hiermee werd bevestigd dat de emotionele items centraal in het DBQ netwerk komen te staan.
Tot slot werd ook voor de DBQ onderzocht of de minder emotionele items perifeer in het netwerk kwamen te staan. Uit de visuele inspectie bleek dat de items ‘Ik Tabel 12: Correlaties top tien emotionele items DBQ
Ik raak gespannen als ik aan de gebeurtenissen van gisteren denk ,815**
Ik voelde me gisteren gekwetst ,762**
Ik voelde me gisteren geïrriteerd ,746**
Ik raakte gisteren van streek ,728**
Ik had gisteren het idee dat mensen mij niet mochten ,726**
Ik was gisteren slecht gehumeurd zonder reden ,701**
Ik had gisteren het gevoel dat ik slachtoffer was van dingen die anderen deden ,695**
Ik was gisteren boos ,670**
Gisteren hebben mensen tegen mij gelogen ,667**
Ik heb vannacht slecht geslapen door mijn zorgen ,655**
Tabel 13: Betweenness top tien centrale items DBQ
Ik had gisteren zin om iemand te slaan 61
Ik voelde me gisteren geïrriteerd 21
Ik raak gespannen als ik aan de gebeurtenissen van gisteren denk 18
Ik voelde me gisteren gekwetst 14
Ik had gisteren het gevoel dat anderen mij pijn wilden doen 14
Ik voelde me gisteren verraden 10
Ik heb gisteren het gevoel gehad dat mensen de baas over mij spelen 6
Ik had gisteren het idee dat mensen mij niet mochten 4
Gisteren hebben mensen tegen mij gelogen 4
heb gisteren iemand uitgescholden (NEMag7jn.gem)’, ‘Ik heb gisteren een gewelddadige serie of film gekeken (NEMag2jnRev.gem)’ en ‘Ik kon gisteren mijn zorgen vergeten (NEMsr10c.gem)’ perifeer in het
netwerk kwamen te staan. Ook voor de DBQ werden de laagste tien correlaties met PANAS NA en de laagste tien van betweenness in een tabel gezet en vergeleken (appendix E tabel 14 en 15). Zeven van de tien laagste items stonden ook in de tien laagste van betweenness en zoals verwacht perifeer in het netwerk:
1. ‘Ik heb gisteren iemand gepest (NEMag5.gem)’
2. ‘Ik heb het idee dan anderen gisteren gebruik van mij hebben gemaakt (NEMal2.gem)’ 3. ‘Ik ben gisteren eerlijk behandeld door anderen (NEMal7c.gem)’
4. ‘Er is gisteren over mij geroddeld (NEMal3.gem)’
5. ‘Ik heb gisteren opzettelijk iemand pijn gedaan (NEMag9jn.gem)’ 6. ‘Ik heb gisteren iemand uitgescholden (NEMag7jn.gem)’
7. ‘Ik heb gisteren een gewelddadige serie of film gekeken (NEMag2jnRev.gem)’
Uit bovenstaande bevindingen (visuele inspectie, subjectieve methode en minder subjectieve methode) blijkt de hypothese voor de DBQ bevestigd te worden; emotionele items staan centraal in het netwerk en de minder emotionele items staan perifeer in het netwerk.
3.4 Exploratieve analyses
Uit de voorgaande paragrafen kwam naar voren dat in de netwerken van de MPQ-BF-NL en de DBQ de emotionele items centraal staan. Ook bleek dat minder emotionele items perifeer in het netwerk staan. Hypothesen 1 en 2 zijn middels deze paragrafen getoetst. In de komende paragraaf zal via een minder formele methode, exploratief onderzocht worden wat de verschillen en overeenkomsten zijn tussen de netwerken van de MPQ-BF-NL en de DBQ. Hiervoor zal gekeken worden naar de verschillen en overeenkomsten qua structuur tussen de netwerken. Hiernaast zal middels exploratieve analyses gekeken worden naar welke bevindingen er nog meer te halen zijn uit de netwerken. Voor de exploratieve analyses zal de nadruk met name op visuele inspectie liggen.
Uit de visuele inspectie bleek dat de verschillende domeinen Alienation, Stress Reaction en Aggression per domein apart clusterden (tightly structured) in het netwerk van de MPQ-BF-NL. Tightly structured houdt in dat de items van dezelfde subschalen dicht bij elkaar zitten in het netwerk en dat de correlaties tussen deze items hoger zijn dan de correlaties van de items tussen de verschillende subschalen. Ook bleek dat het centrum
domeinen en niet door items van een soort. Met name Alienation en Stress Reaction items en één Aggression item. Voor de DBQ bleek uit de visuele inspectie dat de domeinen Alienation, Stress Reaction en Aggression minder per domein clusterden ten opzichte van het MPQ-BF-NL netwerk, maar er nog steeds sprake is van een tightly structured netwerk. Ook in het netwerk van de DBQ werd het centrum gevormd door een cluster van items uit alle domeinen en niet door items van een soort.
Een opvallend verschil is dat vooral de subschaal Aggression in het DBQ netwerk minder geclusterd is dan in het MPQ-BF-NL netwerk. Verder valt op dat in het centrum van het DBQ netwerk meer items uit verschillende subschalen zitten ten opzichte van het MPQ-BF-NL netwerk. In dit netwerk bestaat het centrum veelal uit Stress Reaction en Alienation items. Wanneer gekeken wordt naar de betweenness van de items, valt op dat in beide netwerken met name één item heel centraal staat. In het netwerk van de MPQ-BF-NL is dat het Alienation-item ‘men heeft mij vaak voorgelogen
(m230)’ met een betweenness van 83. In het DBQ netwerk is dat het Aggression-item ‘ik had gisteren zin om iemand te slaan (NEMag12.gem)’ met een betweenness van 61. Het aantal
keren dat deze items dus als brug fungeren naar de kortste afstand tussen twee andere items in de twee netwerken, is respectievelijk 83 en 61.
Bovenstaande overeenkomsten en verschillen tussen de twee netwerken laten zien dat de structuren in grote lijnen overeenkomen. Voor verder exploratieve analyses zijn aan de hand van qgraph en R netwerken geplot van de MPQ-BF-NL en PANAS NA samen om te onderzoeken hoe de items zich verhouden tot NA. Dit is ook gedaan voor de DBQ en PANAS NA samen. Hiernaast zijn glasso netwerken gemaakt van MPQ-BF-NL en de DBQ items, om via sparse netwerken te onderzoeken of verbindingen minder op toevalsbevindingen berusten. Al deze netwerken zijn weergegeven in appendix E.
Het eerste dat opvalt in beide netwerken is dat PANAS NA items in het MPQ-BF-NL netwerk vooral samen clusteren met Alienation items, terwijl in het DBQ netwerk de PANAS NA items met name met Stress Reaction items clusteren. In het netwerk van de MPQ-BF-NL is het dan ook opvallend dat er met name veel Alienation items centraal staan en in het netwerk van de DBQ vooral veel Stress Reaction items. Hiernaast valt op dat in het netwerk van de MPQ-BF-NL twee items perifeer staan die te maken hebben met het beleven van plezier, dat wellicht meer gaat over Positive
Emotionality dan Negative Emotionality. Een ander opvallend verschil is dat wanneer gekeken wordt naar de correlaties tussen de MPQ-BF-NL en de PANAS NA en naar de correlaties tussen de DBQ en PANAS NA, veel hogere correlaties worden gevonden
tussen de DBQ en PANAS NA ten opzichte van de MPQ-BF-NL en PANAS NA. Wanneer gekeken wordt naar de betweenness van de items in de twee netwerken valt op dat in de top tien van de DBQ drie PANAS NA items staan. Dit zijn de items ‘Vijandig’, ‘overstuur’ en ‘bang’. De MPQ-BF-NL top tien wordt gevormd door alleen items uit de drie MPQ-schalen.
Tot slot werd er gekeken naar de glasso netwerken. Uit de visuele inspectie bleek dat het glasso netwerk van de MPQ-BF-NL qua structuur nog steeds tightly stuctured was. Ook bleek het centrum nog steeds gevormd te worden door items uit de
verschillende subschalen. Hierbij bleek dat een aantal van dezelfde items ook centraal kwamen te staan zoals in het correlatienetwerk: ‘Mensen gebruiken me gewoon in plaats van me
als een persoon te behandelen (m66)’, ‘Soms heb ik gewoon zin om iemand te slaan (m270)’, ‘Men heeft mij vaak voorgelogen (m230)’. Hiernaast viel op dat een aantal items negatief met elkaar
correleerden (rode edges in de figuur). Met name een aantal items van de subschaal Aggression correleerden negatief met items van de subschalen Stress Reaction en
Alienation. Wat ook opviel is dat de items van de subschalen onderling sterker met elkaar correleerden dan met de items van andere subschalen.
Uit de visuele inspectie van het glasso netwerk van de DBQ bleek dat de structuur minder tightly structured was dan het correlatienetwerk. De items uit de verschillende subschalen kwamen meer door elkaar te staan. Het centrum werd nog steeds gevormd door items uit de verschillende subschalen. Hierbij bleek dat alle items die centraal stonden in het correlatienetwerk ook centraal kwamen te staan in het glasso netwerk: ‘Ik raak gespannen als ik aan de gebeurtenissen van gisteren denk (NEMsr8.gem)’, ‘Ik voelde me gisteren gekwetst (NEMsr11.gem)’, ‘Ik had gisteren het idee dat mensen mij niet mochten (NEMag10.gem)’, ‘Gisteren hebben mensen tegen mij gelogen (NEMal9.gem)’, ‘Ik raakte gisteren van streek (NEMsr9.gem)’, ‘Ik voelde me gisteren geïrriteerd (NEMag11.gem)’. Tot slot viel op dat
items van de verschillende subschalen onderling, maar ook met items van de andere subschalen sterk correleerden.
Uit bovenstaande exploratieve analyses komen interessante bevindingen naar voren. Het blijkt dat de twee netwerken van de MPQ-BF-NL en de DBQ qua structuur redelijk op elkaar lijken. Er zijn een aantal overeenkomsten die dit goed lijken te
bevestigen. Hiernaast zijn er ook verschillen tussen de netwerken. Deze bevindingen zullen nader besproken worden in de discussie.
4. Discussie
Het doel van dit onderzoek was het nagaan hoe de emotionele, cognitieve en gedragsmatige componenten van Negative Emotionality (NEM) samenhangen in een netwerkstructuur. De resultaten toonden aan dat emotionele componenten in zowel het netwerk van de MPQ-BF-NL als het netwerk van de DBQ centraal kwamen te staan en de minder emotionele componenten perifeer. Verder bleek uit exploratieve analyses dat ondanks een aantal verschillen, de structuren van beide netwerken redelijk overeen kwamen.
4.1 Toelichting resultaten:
De twee hoofdhypothesen werden ondersteund. Dit betekent dat emotionele items de belangrijkste rol vervullen binnen het netwerk van NEM. Zodra deze negatieve emoties worden geactiveerd, is het waarschijnlijk om aan te nemen dat de rest van het netwerk ook wordt geactiveerd. Deze bevindingen ondersteunen de eerder genoemde theorieën van temperament (Rothbart & Derryberry, 1981; Rothbart, Evans & Ahadi, 2000) en het Behavioral Inhibition System (BIS) (Gray, 1982). Deze systemen van reactiviteit en zelfregulatie, maar ook van evolutionair voorbereide angst, zijn voor individuen sterk gerelateerd aan negatieve gevoelens bij het uiten van emoties. Met name bij het ervaren en reageren op boosheid, irritatie, angst, frustratie en bedroefheid. Vanuit deze theorieën is een mogelijke verklaring voor de centraliteit van de emotionele items bij NEM, dat het ervaren van negatieve gevoelens leidt tot negatief gedrag.
Een ander opvallend gegeven uit de resultaten is dat beide netwerken tightly
structured zijn. Beide netwerken clusteren sterk per subschaal samen, waarbij de schalen
los van elkaar komen te staan. Ook valt op dat in beide netwerken de items van de verschillende schalen bij elkaar gaan zitten. Het centrum van beide netwerken wordt gevormd door items uit de verschillende schalen Alienation, Stress Reaction en
Aggression en niet door items van één schaal alleen. Deze bevindingen zouden mogelijk goed aan kunnen sluiten bij en mogelijk verklaard kunnen worden door het eerder genoemde Realist Trait perspectief van Eysenck (1952, 1967, 1982), die stelt dat individuele verschillen in gedrag tussen mensen het resultaat zijn van verschillen in onderliggende latente persoonlijkheidstrekken. Vanuit dit perspectief zou de samenhang tussen de items van de schalen die los van elkaar clusteren in beide netwerken verklaard kunnen worden door de achterliggende trek NEM. Een verwachting hierbij zou dan zijn dat Stress Reaction, Alienation en Aggression drie verschillende clusters zijn die geen onderlinge samenhang zouden hebben en dat NEM louter de bijbehorende emoties en
gedragingen zou moeten voorspellen. Dit is echter niet helemaal het geval, omdat uit de resultaten blijkt dat alle items uit de verschillende schalen ook met elkaar zijn verbonden. Deze bevinding pleit voor de theorie dat persoonlijkheidstrekken systemen zijn van onderling verbonden emotionele, cognitieve en gedragsmatige componenten die causaal, homeostatisch of logischerwijs van elkaar afhankelijk zijn (Cramer et al, 2012).
Uit verdere exploratieve analyses kwamen een aantal interessante bevindingen naar voren. Een eerste opvallend gegeven was dat in het correlatienetwerk van de MPQ-BF-NL met de PANAS NA samen, de PANAS NA items vooral samen clusterden met de Alienation items. A priori zou de verwachting zijn dat deze items eerder met Stress Reaction samen zouden clusteren, omdat verwacht zou worden dat deze items
emotioneler geladen zijn en sterker samenhangen met het ervaren van negatieve gevoelens. Het centrum van dit netwerk werd dan ook met name gevormd door Alienation items. In het correlatienetwerk van de DBQ met de PANAS NA samen, clusterden Stress Reaction items wel meer met de PANAS NA items en vormden ze ook met name het centrum van het netwerk. Een mogelijke verklaring is dat deze Alientaion items sterker verbonden zijn met het ervaren van negatieve gevoelens. Vanuit het perspectief van een algemene dispositie voor het ervaren van negatieve gevoelens kan iemand die bijvoorbeeld een wat wantrouwige instelling heeft in een situatie zijn waarin hij/zij niet lekker zit sociaal gezien. Zo een situatie in het algemeen kan dan aanleiding geven tot het ervaren van negatieve emoties. Wat vervolgens van dag tot dag bepaalt hoe sterk iemand die gevoelens heeft kan bijvoorbeeld weer komen doordat iemand niet goed geslapen heeft of dat er op die dag iets vervelends is gebeurd.
Een ander opvallend gegeven was dat in het netwerk van de MPQ-BF-NL twee Aggression items perifeer kwamen te staan die te maken hebben met plezier beleven. Deze items correleerden minder sterk met de overige items en eigenlijk meer lijken te passen bij het ervaren van positieve gevoelens. Een mogelijke verklaring hiervoor zou kunnen zijn dat er vaak negatief wordt gedacht over agressie, maar dat het voor sommige mensen ook een plezierige ervaring kan opleveren (Ramirez et al, 2005). Hierbij komt dat de Aggression items die in deze subschaal staan meer passen bij een berekenende en gemotiveerde vorm van agressie dan een reactieve vorm (i.e. plezier beleven aan het feit dat iemand zichzelf belachelijk maakt in plaats van daadwerkelijk iemand belachelijk maken). helder
Nog een opvallend gegeven is dat de correlaties tussen de DBQ met PANAS NA veel hoger waren dan de correlaties tussen MPQ-BF-NL en PANAS NA. Een mogelijke
verklaring hiervoor is dat de ratings van de MPQ-BF-NL over een veel langere periode worden gemeten. De ratings van de DBQ en PANAS daarentegen zijn dagelijkse metingen die gaan over hoe het was in een periode van vier weken. De MPQ-BF-NL geeft hierin meer een beeld van iemands levenssituatie, terwijl de DBQ meer kijkt naar hoe iemand dingen ervaart van dag tot dag.
Het meest opvallende uit de bevindingen van de glasso netwerken is dat in het
netwerk van de MPQ-BF-NL een aantal items negatief met elkaar correleerden. Met
name een aantal items van de subschaal Aggression correleerden negatief met items van de subschalen Stress Reaction en Alienation. Opvallend is dat de items die negatief correleerden met name te maken hadden met het beleven van plezier; ‘Ik moet toegeven dat ik er plezier in heb als iemand die ik niet mag zichzelf belachelijk maakt’, ‘Ik kijk graag naar een flinke, gemene knokpartij’, ‘Soms lijk ik het leuk te vinden om mensen te kwetsen door gemene dingen te zeggen’. Een mogelijke verklaring hiervoor is dat Stress Reaction en Alienation sterker verbonden zijn met het ervaren van negatieve gevoelens. Aggression daarentegen kan ook een sterk verband hebben met het ervaren van positieve gevoelens afhankelijk van de soort agressie die gemeten wordt zoals hierboven is beschreven (Ramirez et al, 2005).
4.2 Limitaties:
Aan het onderzoek en de gevonden resultaten is een aantal beperkingen
verbonden. Een eerste beperking is dat de resultaten uit dit onderzoek afkomstig zijn van vragenlijsten die op zelfrapportage zijn gebaseerd. Hierbij moet dus rekening worden gehouden met het feit dat het lastig kan zijn voor individuen om op een objectieve manier het eigen gedrag te beoordelen en naar zichzelf te kijken (Demo, 1985). Hiernaast kan het moment waarop de lijsten zijn afgenomen ook van invloed zijn bij het invullen. Proefpersonen die tijdens een tentamenweek de lijst invullen zouden ander gedrag kunnen vertonen dan wanneer ze geen tentamens hebben of dan proefpersonen die geen tentamens hebben.
Een andere beperking is dat het onderzoek grotendeels exploratief van aard is. Hierdoor was het niet mogelijk om de hypothesen te baseren op eerder gedaan
onderzoek, ook omdat er niet veel bekend is op het gebied van persoonlijkheidstrekken en netwerkmodellen. Om de hypothesen, die opgesteld zijn over de centraliteit van emotionele items, te kunnen generaliseren zou het wenselijk zijn om de resultaten die uit dit onderzoek zijn verkregen te repliceren.
Een laatste beperking is dat aan het onderzoek alleen studenten hebben
bijvoorbeeld comorbiditeit bij psychische en gedragsmatige problemen waarbij NEM een belangrijke rol speelt (Krueger et al. 2000; Clark, Watson & Mineka, 1994), is het
wenselijk om het onderzoek te repliceren bij een patiëntenpopulatie van de juiste doelgroep.
4.3 Suggesties Vervolgonderzoek:
In vervolgonderzoek zou voor de beperking van zelfrapportage gecontroleerd kunnen worden door voorafgaand aan het onderzoek een vragenlijst af te nemen waarin proefpersonen kunnen rapporteren hoe zij denken dat ze zich gedragen. Achteraf kan dan gecontroleerd worden of dit overeenkomt met het werkelijke gedrag.
De hypothesen van dit onderzoek zouden in vervolgonderzoek ook toegepast kunnen worden op MPQ-BF-NL en DBQ PANAS data van andere proefpersonen, om te onderzoeken of de bevindingen te repliceren zijn. Hiernaast zou het van toegevoegde waarde kunnen zijn om te onderzoeken of netwerkmodellen toe te passen zijn op meer persoonlijkheidstrekken dan alleen Negative Emotionality. Op deze manier zou
onderzocht kunnen worden of netwerkmodellen een verklaring bieden voor meerdere persoonlijkheidstrekken en zouden deze verklaringen gerepliceerd kunnen worden in daaropvolgende onderzoeken. De onderlinge verbindingen tussen items van
verschillende subschalen die een bepaalde persoonlijkheidstrek trachten te meten kunnen op deze manier ook beter begrepen worden.
Een ander interessant gegeven om te onderzoeken is het kijken naar
netwerkmodellen van persoonlijkheidstrekken per individu. Op deze manier zou het mogelijk kunnen zijn om te onderzoeken of persoonlijkheidstrekken per individu verschillen of dat er algemene overeenkomsten zijn qua structuur in de netwerken.
In het verlengde hiervan zouden persoonlijkheidstrekken vanuit
netwerkmodellen een nuttige toevoeging kunnen zijn voor onderzoeken naar psychische stoornissen. Vooral in het geval van NEM, dat een voorspeller is van psychopathologie in het algemeen en specifiek is gerelateerd aan symptomen en diagnoses van
internaliserende psychopathologie (Watson & Clark, 1988; Watson, Gamez & Simms, 2005). Symptomen, die vaak als onderling onafhankelijk worden beschouwd, vormen samen een beschrijving van de stoornis en hierbij ligt de focus niet op eventuele gemeenschappelijke centrale symptomen. Aan de hand van netwerkmodellen zou de nadruk hier meer op kunnen komen te liggen en beter in kaart kunnen worden gebracht. Een individu met de diagnose sociale fobie en een individu met de diagnose depressieve
behandeling meer nadruk te leggen op de behandeling van het centrale symptoom zou dit een positief effect kunnen hebben op de stoornis, ongeacht de bijbehorende
diagnose. Aan de hand van een netwerkmodel van een stoornis zou het zelfs mogelijk kunnen zijn om per individu te zien waar in het netwerk van symptomen iemand is en welke symptomen mogelijk nog zouden kunnen volgen. Op deze manier zou
behandeling kunnen worden afgestemd op een mogelijk beloop van symptomen.
4.4 Centrale Conclusies:
In dit onderzoek is geprobeerd te kijken of vanuit een netwerkperspectief van persoonlijkheidstrekken een nieuw en ander inzicht te verkrijgen is tussen de samenhang van emotionele, cognitieve en gedragsmatige componenten. De resultaten laten zien dat in het netwerk van de persoonlijkheidstrek Negative Emotionality, het centrum wordt gevormd door emotionele items en dat de minder emotionele items perifeer komen te staan. Dit laat zien dat negatieve emoties de meest invloedrijke rol hebben binnen NEM.
Deze bevindingen zijn waardevol voor het beter begrijpen van NEM en persoonlijkheidstrekken in het algemeen. Hiernaast bieden ze wetenschappelijke
relevantie, omdat dit soort onderzoek vrij nieuw en met name exploratief is laat het veel ruimte over voor uitbreiding in vervolgonderzoek. In de toekomst kan de informatie uit dit onderzoek gebruikt worden om meer inzichten te krijgen vanuit
netwerkperspectieven in persoonlijkheidsonderzoek. Dit zou op nóg langere termijn kunnen bijdragen aan het beter begrijpen van de uiting van verschillende
persoonlijkheidstrekken en een meer dimensionale kijk op persoonlijkheid kunnen bieden. Hiernaast bieden de bevindingen op lange termijn ook klinische relevantie, omdat netwerkmodellen een waardevolle toevoeging kunnen zijn aan onderzoek naar het ontstaan en behandelen van een breed scala aan psychische stoornissen. Dit zou naast de meer dimensionale kijk op persoonlijkheid ook kunnen bijdragen aan een beter
5. Literatuurlijst
Allport, G. W. (1937). Personality: a psychological interpretation. Geraadpleegd van Henry Holt & Co, New York, NY
Borsboom, D. (2008). Psychometric perspectives on diagnostic systems. Journal of Clinical
Psychology, 64(9), 1089-1108.
Borsboom, D. (2008). Latent Variable Theory. Measurement: Interdisciplinary Research and
Perspectives, 6(1), 25-53.
Borsboom, D., & Cramer, A. O. J. (2013). Network Analysis: An Integrative Approach to the Structure of Psychopathology. Annual Review of Clinical Psychology, 9(1), 91-121.
Carpara, G. V., & Cervone, D. (2000). Personality: determinants, dynamics, and potentials. Geraadpleegd van Cambridge: Cambridge University Press
Church, A. T., Katigbak, M. S., Reyes, J. A. S., Salanga, M. G. C., Miramontes, L. A., & Adams, N. B. (2008). Prediction and cross-situational consistency of daily behavior across cultures: Testing trait and cultural psychology perspectives.
Journal of research in personality, 42(5), 1199-1215.
Clark, L. A., Watson, D., & Mineka, S. (1994). Temperament, personality, and the mood and anxiety disorders. Journal of Research in Personality, 103(1), 103-116.
Cramer, A. O. J., Sluis, S. van der, Noordhof, A., Wichers, M., Geschwind, N., Aggen, S. H., … Borsboom, D. (2012). Dimensions of Normal Personality as Networks in Search of Equilibrium: You Can't Like Parties if You Don't Like People. European
Journal of Personality, 26(4), 414-431.
Cramer, A. O. J., Waldorp, L. J., Maas, H. L. J. van der, & Borsboom, D. (2010).
Comorbidity: A network perspective. Behavioral and Brain Sciences, 33(2), 137-150. Demo, D. H., (1985). The Measurement of Self-Esteem: Refining Our Methods. Journal
of Personality and Social Psychology, 48(6), 1490-1502.
Digman, J. M. (1990). Personality structure: emergence of the five-factor model. Annual
Review of Psychology, 41(1), 417-440.
Eigenhuis, A., Kamphuis, J. H., & Noordhof, A. (2012). Development and validation of the Dutch brief form of the multidimensional personality questionnaire (MPQ-BF-NL). Psychological Assessment, 20(5), 565-575.
Epskamp, S., Cramer, A. O. J., Waldorp, L. J., Schmittmann, V. D., & Borsboom, D. (2012). Qgraph: Network visualizations of relationships in psychometric data.
Eysenck, H. J. (1952). The scientific study of personality. Geraadpleegd van www.uba.uva.nl Eysenck, H. J. (1967). The biological basis of personality. Geraadpleegd van Transaction
Publishers
Eysenck, H. J. (1982). Personality, genetics and behavior: selected papers. Geraadpleegd van www.uba.uva.nl
Fleeson, W. (2001). Towards a structure-and process-integrated view of personality: Traits as density distributions of states.. Journal of Personality and Social Psychology,
80(6), 1011-1027.
Fleeson, W. (2009). The Implications of Big Five Standing for the Distribution of Trait Manifestation in Behavior: Fifteen Experience-Sampling Studies and a Meta-Analysis. Journal of Personality and Social Psychology, 97(6), 1097-1114.
Friedman, J., Hastie, T., & Tibshirani, R. (2008). Sparse inverse covariance estimation with the graphical lasso. Biostatistics, 9(3), 432-441
Goldberg, L. R. (1992). The development of markers for the Big-Five factor structure.
Psychological Assessment, 4(1), 26-42.
Gray, J. A. (1982). The neuropsychology of anxiety. Geraadpleegd van London: Oxford University Press
Krueger, R. F., Caspi, A., & Moffit, T. E. (2000). Epidemiological Personology: The Unifying Role of Personality in Population-based Research on Problem Beaviors.
Journal of Personality, 68(6), 967-998.
McCrae, R. R., & John, O. P. (1992). An introduction to the five-factor model and its applications. Journal of Personality, 60(1), 175-215.
Patrick, C. J., Curtin, J. J., & Tellegen, A. (2002). Development and validation of a brief form of the Multidimensional Personality Questionnaire. Psychological Assesment,
14(2), 150-163.
Paunonen, S. V. (1998). Hierarchical organization of personality and prediction of behavior. Journal of Personality and Social Psychology, 74(3), 538-556.
Ramirez, J. M., Bonniot-Cabanac, M. C., & Cabanac, M. (2005). Can Aggression Provide Pleasure? European Psychologist, 10(2), 136-145
Rothbart, M. K. (2007). Temperament, Development, and Personality. Current Directions
in Psychological Science, 16(4), 207-212.
Rothbart, M. K., & Derryberry, D. (1981). Development of individual differences in temperament. Advances in developmental psychology, 1(1), 37-86.
Rothbart, M. K., Evans, D. E., & Ahadi, S. A. (2000). Temperament and Personality: Origins and Outcomes. Journal of Personality and Social Psychology, 78(1), 122-135. Staub, E. (1980). Personality: basic aspects and current research. Geraadpleegd van Englewood
Cliffs, NJ
Tellegen, A., & Waller, N. G. (2008). Exploring personality through test construction: Development of the Multidimensional Personality Questionnaire. The SAGE
handbook of personality theory and assessment, 2(4), 261-292.
Tellegen, A., Watson, D., & Clark, L. A. (1999). On the dimensional and hierarchical structure of affect. Psychological science, 10(4), 297-303.
Watson, D., & Clark, L. A. (1984). Negative affectivity: the disposition to experience aversive emotional states. Psychological bulletin, 96(3), 465-490.
Watson, D., Clark, L. A., & Carey, G. (1988). Positive and negative affectivity and their relation to anxiety and depressive disorders. Journal of abnormal psychology, 97(3), 346-353.
Watson, D., Clark, L. A., & Tellegen, A. (1988). Development and validation of brief measures of positive and negative affect: the PANAS scales. Journal of personality
and social psychology, 54(6), 1063-1070.
Watson, D., Gamez, W., & Simms, L. J. (2005). Basic dimensions of temperament and their relation to anxiety and depression: A symptom-based perspective. Journal of
Research in Personality, 39(1), 46-66.
Watson, D., & Tellegen, A. (1985). Toward a Consensual Structure of Mood. Psychological
Bulletin, 98(2), 219-235.
Watson, D., Wiese, D., Vaidya, J., & Tellegen, A. (1999). The Two General Activation Systems of Affect: Structural Findings, Evolutionary Considerations, and Psychobiological Evidence. Journal ol' Personality and Social Psychology, 76(5), 820-838.
Wu, K. D., & Clark, L. A. (2003). Relations between personality traits and self-reports of daily behavior. Journal of Research in Personality, 37(4), 231-256.
