Social Psychology thesis
Validatie van Perceived Causal Relations als Meetmethode voor Individuele Attitude Netwerken
10382909 Martin Verloop
Universiteit van Amsterdam Begeleider: Jonas Dalege Inleverdatum: 22 mei 2016 148 woorden abstract 3385 woorden
Abstract
De doelstelling van dit onderzoek was om aan de hand van het Causal Attitude
Network model (CAN model) een methode te ontwikkelen om individuele attitudenetwerken
te schatten. Dit was het eerste onderzoek ter validatie van de Perceived Causal Relations
(PCR) scaling van Frewer et al. (2011) als methode. In dit onderzoek werd gevraagd naar
attitudes met betrekking tot Mark Rutte. De netwerkconnectiviteit en centraliteit van attitude onderdelen werd afgeleid uit individuele netwerken, die in de studie werden geschat met de PCR methode. Uit de resultaten bleek dat netwerkconnectiviteit positief correleerde met attitudesterkte. Ook bleek het waargenomen belang van de evaluatieve reacties positief te correleren met de centraliteit van de attitude onderdelen in de individuele attitudenetwerken. Dit kwam overeen met de assumpties van het CAN model. Daaruit kon worden geconcludeerd dat er in dit onderzoek een eerste basis is gelegd voor een methode om individuele attitudenetwerken te schatten.
Validatie van Perceived Causal Relations als Meetmethode voor Individuele Attitude Netwerken
Niet iedereen heeft eenzelfde mening. Verschillende mensen komen tot verschillende meningen om verschillende redenen. Neem bijvoorbeeld de presidentsverkiezingen in de Verenigde Staten anno 2016, waar Amerikanen heel duidelijk verschillende voorkeuren hebben. Donald Trump is een populaire kandidaat voor de eindstrijd bij de verkiezingen, maar ook een omstreden kandidaat. Veel mensen zien Donald Trump als competent, maar veel mensen ook juist niet. Het is niet ondenkbaar dat deze attitude bij sommige mensen een sterke link heeft met of men Donald Trump bijvoorbeeld wel of niet racistisch vindt. Het kan anderzijds ook zijn dat bij andere mensen deze attitude samenhangt met het feit dat Donald Trump altijd zegt wat hij denkt. Attitudes worden gedefinieerd als een netwerk van verschillende gedachtes, gedragingen en gevoelens (Dalege et al., 2015). Attitudes met betrekking tot Donald Trump lijken te kunnen worden verklaard vanuit individuele voorkeuren en attitudes. Een ieder heeft een andere reden waarom hij of zij een bepaalde presidentskandidaat steunt. Attitudes lijken te worden gevormd binnen een individueel complex netwerk van samenhangende attitudes. In de psychologie is nog niet eerder een model ontwikkeld dat de ogenschijnlijke samenhang van attitudes verklaart op individueel niveau. Een dergelijke model kan eventueel worden gebruikt in de politiek, een vitaal onderdeel van de moderne samenleving. In deze studie zal getracht worden met een dergelijk model een methode te ontwikkelen om individuele attitudenetwerken te kunnen schatten.
Naar de samenhang van attitudes is überhaupt niet veel eerder onderzoek gedaan. In psychologisch onderzoek is weinig ruimte voor het netwerkprincipe. De huidige meetmodellen in psychologisch onderzoek laten weinig ruimte voor de complexiteit van attitudes. In psychologisch onderzoek wordt ofwel het reflectief model, of het formatief model gebruikt (Schmittman et al., 2011). Een attribuut wordt hier respectievelijk gezien als
oorzaak of effect van een bepaald fenomeen. In beide modellen worden zowel het proces dat leidt tot een bepaalde attitude en onderlinge causaliteit niet verder expliciet gemaakt (Schittmann et al., 2011).
Als alternatief voor het reflectief en formatief model is binnen de klinische psychologie eerder al een alternatief model ontwikkeld, mede doordat onderlinge causaliteit binnen de klinische psychologie duidelijk terug te zien is in de co-morbiditeit van veel stoornissen. Het idee van een eenduidige oorzaak is daar duidelijk onrealistisch. In de psychopathologie wordt co-morbiditeit daarom uitgelegd met een netwerkmodel (Borsboom et al., 2011). Dit model dient als vervanging van het eerder genoemde reflectief en formatief model. Binnen het netwerkmodel wordt gesuggereerd dat een stoornis een niet op zichzelf staande entiteit is (Carragher, Krueger, Eaton & Slade, 2015). Ook binnen andere gebieden in de psychologie begint het principe van het netwerkmodel steeds meer door te dringen. Zo wordt voor persoonlijkheid gesuggereerd dat items op een vragenlijst onderling samenhangen, en niet slechts een functie van een onderliggende dimensie zijn (Cramer et al., 2012). De methode die wordt voorgesteld in dit onderzoek maakt van deze aanname gebruik.
Met betrekking tot attitudes is nog weinig onderzoek gedaan naar een netwerkmodel om individuele netwerken goed te kunnen schatten. Een dergelijk model werd eerder onderzocht met gesimuleerde data (van Overwalle & Sieber, 2005). Hierbij werd een samenhang van evaluatieve reacties verondersteld bij de vorming van attitudes. De samenhang is hier echter niet empirisch onderbouwd. Dalege et al. (2015) stellen mede daarom het Causal Attitude Network model (CAN model) voor.
Het CAN model doet een poging de complexiteit van attitudes te verklaren vanuit individuele netwerken. Het model is al gedeeltelijk empirisch ondersteund door netwerkanalyses van data uit American National Election Studies (ANES) 1980-2012 (Dalege, Borsboom, van Harreveld & van der Maas, 2016a; Dalege, Borsboom, van
Harreveld & van der Maas, 2016b). Het attitudenetwerk, zoals Dalege et al. (2015) dat voorstellen, bestaat uit nodes en edges. De nodes, binnen het CAN model gedefinieerd als evaluatieve reacties, worden verbonden door edges in een interactief netwerk (Dalege et al., 2016b). Het model veronderstelt met de nodes en edges een onderlinge samenhang tussen de evaluatieve reacties (Kim & Anderson, 2002).
Uit de genoemde netwerkanalyse van data uit ANES bleek al dat er een positieve samenhang was tussen netwerkconnectiviteit en attitudesterkte (Dalege et al., 2016a). Binnen het CAN model wordt attitudesterkte geconceptualiseerd als netwerkconnectiviteit. Dalege et al. (2016b) rapporteren ook een positieve samenhang tussen de centraliteit van evaluatieve reacties in het netwerk en de impact van evaluatieve reacties op gedrag. In ander eerder onderzoek bleek ook dat door deelnemers als minder belangrijk beoordeelde evaluatieve reacties negatief samenhingen met de directe attitude (van Harreveld, van der Pligt & de Vries, 2000). Binnen het CAN model wordt er vanuit gegaan dat waargenomen belang van een evaluatieve reactie samenhangt met de centraliteit in het attitudenetwerk (Dalege et al., 2015). Een belangrijke maat bij centraliteit is closeness (Opsahl, Agneessens & Skvoretz, 2010), waar bij closeness wordt gekeken hoe dichtbij een focal node bij alle andere nodes in het netwerk ligt. Hoe dichterbij, des te belangrijker is de focal node binnen het netwerk.
Een methode om een netwerk van variabelen in kaart te brengen is Perceived Causal
Relations (PCR) scaling (Frewer et al., 2011). Het gebruik van perceived causal relations is
een goede manier om inzicht te krijgen in daadwerkelijke causale relaties (Borsboom & Cramer, 2013). Dit bleek al uit eerder klinisch onderzoek (Kim & Ahn, 2002; Tehee, Honan & Hevy, 2009). Frewen et al. (2011) brachten eerder met de PCR methode ook netwerken van symptomen succesvol in kaart. De methode kan wellicht op dezelfde manier worden gebruikt om ook een attitude netwerk in kaart te brengen.
Omdat eerder onderzoek nog schaars is en vooral netwerkanalyses van data van ANES betrof, is het nodig meer onderzoek te doen. Eerdere analyses, in dit geval over de ANES data, waren ook enkel op groepsniveau, waardoor nog niets bekend is over eventuele individuele verschillen tussen attitudenetwerken. Om antwoord te geven op de vraag of we individuele attitudenetwerken kunnen schatten met de PCR methode, zal in dit onderzoek daarom worden gekeken naar de correlaties van respectievelijk de sterkte en het waargenomen belang van attitudes met afgeleiden uit het attitudenetwerk. Daarbij is het allereerst van belang om een attitudenetwerk te kunnen schatten. Uit een dergelijk attitudenetwerk kan de netwerkconnectiviteit en closeness worden afgeleid en worden gecorreleerd met attitudesterkte en belang.
In deze studie zal de PCR methode worden toegepast op attitudes met betrekking tot Mark Rutte. Als de attitudenetwerken eenmaal in kaart gebracht zijn aan de hand hiervan, zal worden gekeken of attitudesterkte samenhangt met netwerkconnectiviteit, en of het waargenomen belang van de evaluatieve reactie samenhangt met de centraliteit in het attitudenetwerk. Uit eerder onderzoek bleek al dat politieke interesse positief correleert met attitudesterkte met betrekking tot presidentskandidaten (Lusk & Judd, 1988). Ook van extremiteit bleek al dat het positief correleert met attitudesterkte (Krosnick, Boninger, Chuang, Berent & Carnot, 1993). Daarom zal attitudesterkte, net als bij Delage et al. (2016a), ook in deze studie geoperationaliseerd worden als politieke interesse, met daarnaast een meting van de extremiteit van de algehele attitude met betrekking tot Mark Rutte. De centraliteit zal worden geoperationaliseerd als de closeness van de focal nodes. Als de PCR methode een valide methode is, wordt verwacht dat de uit dit netwerk afgeleide netwerkconnectiviteit positief zal correleren met attitudesterkte. Ook wordt verwacht dat het waargenomen belang van de evaluatieve reactie dan positief zal correleren met de centraliteit in het attitudenetwerk.
Methoden
Deelnemers
De deelnemers in dit onderzoek waren studenten van de bacheloropleiding Psychologie van de Universiteit van Amsterdam. Het onderzoek werd ingevuld als onderdeel van een verplichte testzitting voor eerstejaars psychologiestudenten. 91 personen (M = 21.04,
SD = 3.77) namen deel aan het onderzoek. 74 deelnemers gaven aan eentalig Nederlands te
zijn opgevoed, 10 tweetalig, en 6 deelnemers gaven aan opgevoed te zijn in een andere taal. De demografische gegevens van een persoon ontbreken.
Materialen en Procedure
Om een netwerkmodel te kunnen schetsen, was het allereerst van belang te bepalen welke attitudes daar deel vanuit maakten. Als eerste set werd daarom een vragenlijst aangeboden met 13 items die elk een andere attitude onderdeel over Mark Rutte maten. De vragenlijst betrof zowel de cognitieve, affectieve als gedragscomponenten van attitudes. Voorbeeldvragen waren: “Ik vind Mark Rutte oprecht.”, “Mark Rutte maakt me boos.” en “Bij de volgende verkiezingen zou ik op Mark Rutte stemmen.” Deelnemers konden kiezen uit drie antwoordopties, namelijk: a) nog nooit over nagedacht, b) eens en c) oneens. Aan deelnemers werd in de instructies gevraagd om af te gaan op de eerste ingeving.
De items waarmee deelnemers aangaven het eens of oneens te zijn, werden in een volgende set met elkaar gecombineerd. Er werd hier gebruik gemaakt van PCR scaling. De set bestond uit maximaal 78 items, mochten deelnemers van alle items hebben aangegeven het eens of oneens te zijn. Voorbeeldvragen waren: “Dat ik Mark Rutte wel of niet niet oprecht vind, heeft te maken met dat Mark Rutte me wel of niet blij maakt.” en “Dat ik Mark Rutte wel of niet intelligent vind, heeft te maken met dat ik bij de volgende verkiezingen wel of niet
op Mark Rutte zou stemmen.” Deelnemers konden door middel van een slider aangeven in hoeverre ze het eens of oneens waren met de items. Elk antwoord werd gescoord van 0 - 100, waarbij een score van 100 betekende dat de deelnemer het volledig eens was met een item, een score van 0 volledig oneens.
Bij de items van de eerste set vragen waarmee deelnemers hadden aangegeven het eens of oneens te zijn, werd in een derde set vragen gevraagd naar het belang van de attitude. De set bestond uit maximaal 13 items. Een voorbeeldvraag hier was: “Dat ik Mark Rutte wel of niet oprecht vind, is belangrijk voor het beeld dat ik van hem heb.” Deelnemers konden door middel van een slider aangeven in hoeverre ze het eens of oneens waren met de items. Elk antwoord werd gescoord van 0 - 100, waarbij een score van 100 betekende dat de deelnemer het volledig eens was met een item, een score van 0 volledig oneens.
Om attitudesterkte te meten, is gebruik gemaakt van een indirecte meting waarbij werd gekeken naar politieke interesse. Er werd hier vanuit gegaan dat bij grotere politieke interesse er sprake was van een sterkere attitude. Politieke interesse werd gemeten aan de hand van twee items: “Ik ben … in de Nederlandse politiek.” en “Ik ben … in de VVD.”, met als antwoordoptie een slider met als extremen “zeer geïnteresseerd” en “weinig geïnteresseerd”. Beide items werden gescoord van 0 - 100; een score van 100 indiceerde een hoge interesse, een score van 0 lage interesse.
Ook werd attitudesterkte gemeten door de extremiteit van de attitude over Mark Rutte te meten. Aan deelnemers werd gevraagd hun algemene gevoel bij Mark Rutte te omschrijven aan de hand van een gevoelsthermometer met “negatief” en “positief” als uitersten. De gevoelsthermometer werd gescoord van 0 tot 100, waarbij deelnemers werd verteld dat een score tussen de 50 en 100 betekende dat ze zich positief en warm voelden jegens Mark Rutte, terwijl een score tussen de 0 en 50 betekende dat ze zich negatief en koud voelden jegens
Mark Rutte. Een score van 50 werd genomen als middelpunt, wat betekende dat deelnemers zich niet warm of koud voelden jegens Mark Rutte.
Analyse
Als deelnemers bij de eerste vragenlijst hadden aangegeven niet eerder over het attitude onderdeel te hebben nagedacht, werd het attitude onderdeel niet meegenomen in het netwerk. Als items bij de allereerste vragenlijst beantwoord waren met een ‘ja’ of ‘nee’, en deelnemers dus wel over het attitude onderdeel hadden nagedacht, werd het attitude onderdeel wel meegenomen in het netwerk. De sterkte van de verbindingen in het netwerk werden geschat aan de hand van de slider bij de tweede vragenlijst.
Eenmaal een netwerk, werd de centraliteit van de nodes afgeleid door deze te berekenen. De netwerkconnectiviteit werd berekend aan de hand van de sterkte van de edges, en werd afgeleid uit de somscore van de combinatie items. Vervolgens werd de centraliteit van de nodes gecorreleerd met de belangscore van de bewuste attitudes op de derde vragenlijst. Dat betekende dat er per deelnemer sprake was van meerdere datapunten, namelijk dat van de nodes. De netwerkconnectiviteit werd gecorreleerd met respectievelijk de vierde en vijfde vragenlijst, die respectievelijk de politieke interesse van deelnemers en de extremiteit van de attitude maten. Ook werd de politieke interesse gecorreleerd met de extremiteit. Er werd hierbij gebruik gemaakt van het gemiddelde van de behaalde scores op de vierde vragenlijst, terwijl bij extremiteit werd gewerkt met een deviante score, waar het middelpunt, in dit geval 50, af werd afgetrokken van de behaalde scores op de vijfde vragenlijst.
Bij de afname van de vragenlijsten is gecheckt op het wel of niet serieus invullen. De data van twee deelnemers is niet meegenomen in de analyse van deze studie, omdat zij hebben aangegeven het onderzoek niet serieus ingevuld te hebben. De data van de overige 89 deelnemers is wel meegenomen in de analyse van deze studie. Er werden geen outliers gevonden. Aan de assumpties voor het uitvoeren van Pearson’s r werd voldaan.
Onder de deelnemers bleek er een grote spreiding te zijn binnen het aantal nodes, M = 7.78, SD = 4.14. Het aantal nodes bleek bij deelnemers vooral te liggen rondom de extremen of rondom het gemiddelde, zoals terug te zien is in het histogram in figuur 1. De spreiding in het aantal nodes is ook terug te zien in het verschil tussen de individuele attitudenetwerken in het figuur, waar ook een duidelijk verschil te zien is met betrekking tot de sterkte van de verbindingen tussen de nodes.
Figuur 1. Aantal deelnemers verdeeld over het aantal nodes, met daarbij een voorbeeld van
een individueel attitudenetwerk van een deelnemer, met respectievelijk een hoge en lage netwerkconnectiviteit.
Om te toetsen of netwerkconnectiviteit ook daadwerkelijk positief samenhing met attitudesterkte, werd een Pearson’s r uitgevoerd. Hieruit bleek dat er een positieve samenhang was tussen de somscores bij de combinatie-items en de gemiddelde scores op politieke interesse, r = .41, p < .001 Dit valt ook op te maken uit figuur 2. Ook bleken de somscores bij de combinatie-items positief samen te hangen met de omgescoorde score op extremiteit, zoals ook te zien is in figuur 2, r = .31, p = .007. Om te kijken in hoeverre de gemiddelde score op politieke interesse en de omgescoorde score op extremiteit samenhingen, werd ook daarover Pearson’s r uitgevoerd. Er bleek een positieve correlatie te zijn tussen de scores op beide vragenlijsten, r = . 30, p = .005.
Figuur 2. Correlatie van de somscores van de gecombineerde items met de gemiddelde score
op politieke interesse van deelnemers, en met de deviante score op extremiteit van deelnemers, n = 89.
Om te toetsen of closeness samenhing met het waargenomen belang van de evaluatieve reactie werd een Pearson’s r uitgevoerd. Zoals verwacht, bleek er een positieve samenhang te zijn tussen het waargenomen belang van de evaluatieve reactie en closeness van de focal node, r = .23, p < .001 Dit valt ook op te maken uit figuur 3.
Figuur 3. Correlatie van het waargenomen belang van de evaluatieve reactie en de closeness
van de focal node, n = 703.
Discussie
In dit onderzoek is getracht een methode te ontwikkelen om individuele attitudenetwerken te schatten. Dit is, zoals verwacht, gelukt. Uit de resultaten kwam naar voren dat er een positieve correlatie was tussen netwerkconnectiviteit en attitudesterkte. De
correlatie tussen netwerkconnectiviteit en politieke interesse bleek moderaat tot sterk positief, de correlatie met extremiteit was moderaat positief. Dit was in lijn met de verwachtingen, en met eerder onderzoek op groepsniveau (Dalege et al., 2016a). Ook bleek dat er een zwak tot moderaat positieve correlatie was tussen closeness en het waargenomen belang van de evaluatieve reactie. Dit was in lijn met de verwachtingen, en met eerder onderzoek op groepsniveau (Dalege et al., 2016b). De resultaten van de studie waren verder in lijn met de theoretische aannames van het CAN model (Dalege et al., 2015).
Doordat politieke interesse al eerder op groepsniveau was gebruikt als operationalisatie voor attitudesterkte (Dalege et al., 2016a), en uit eerder onderzoek al bleek dat politieke interesse positief correleerde met attitudesterkte met betrekking tot presidentskandidaten (Lusk & Judd, 1988), is ook in dit onderzoek gekozen voor politieke interesse als operationalisatie. In dit onderzoek bleek dat de politieke interesse op de gebruikte schaal van 0 – 100 gemiddeld aan de lage kant was, M = 28.27, SD = 20.66. Dit was niet in lijn met de verwachtingen. De gemiddelde lage score op politieke interesse is reden voor vervolgonderzoek. In vervolgonderzoek moet allereerst opnieuw worden gekeken naar de correlatie tussen politieke interesse en attitudesterkte, met in onderzoek als extra component bijvoorbeeld een self-report scale met betrekking tot attitudesterkte. Nu is alleen gekeken naar of er een attitude met betrekking tot Mark Rutte aanwezig was, niet naar hoe sterk de attitude in kwestie was. Dat maakt nieuw correlationeel onderzoek met als variabelen in ieder geval netwerkconnectiviteit, attitudesterkte, politieke interesse en extremiteit relevant. Het is ook mogelijk dat de correlatie tussen netwerkconnectiviteit en attitudesterkte in een dergelijk onderzoek zal verschillen door de directe meting van attitudesterkte in plaats van de in dit onderzoek indirecte meting daarvan. Om daar uitspraak over te kunnen doen, is dit vervolgonderzoek ook nodig.
betrekking tot het meten van individuele attitude netwerken. Dit onderzoek impliceert dat met de mogelijkheid individuele attitudenetwerken te kunnen schatten het makkelijker zal worden om te bepalen welke individuen beïnvloedbaarder zijn dan anderen. Dit is bruikbaar bij bijvoorbeeld verkiezingen (Dalege et al., 2016a). De resultaten van dit onderzoek alleen geven echter niet genoeg ondersteuning voor deze hypothese. Daarvoor is meer onderzoek nodig, en dan specifiek experimenteel onderzoek. In experimenteel onderzoek kan na het schatten van individuele attitudenetwerken met de PCR methode dan worden getracht attitudeverandering teweeg brengen. Dit onderzoek kan de hypothese dat deelnemers met individuele attitudenetwerken met een lage connectiviteit beïnvloedbaarder zouden zijn dan deelnemers met individuele netwerken met een hoge connectiviteit bevestigen of ontkrachten.
Meer experimenteel onderzoek is ook nodig om vast te stellen of het veranderen van een focal node die centraal in het individuele attitudenetwerk ligt meer effect heeft dan het veranderen van een focal node die minder centraal ligt. Het CAN model stelt namelijk dat de positie van de focal node belangrijk is bij attitudeverandering (Dalege et al., 2016b). Een dergelijk onderzoek verschilt dan ook aanzienlijk van het eerder voorgestelde onderzoek. In het eerder voorgestelde onderzoek ligt de focus op de vergelijking tussen de individuele attitudenetwerken, hier ligt dit binnen de individuele netwerken, en dan wel tussen de eerder genoemde focal nodes binnen het individuele attitudenetwerk. Dit geeft ons meer informatie over hoe we een specifiek individu kunnen beïnvloeden, en niet welk specifiek individu. Het is aannemelijk dat het veranderen van een focal node die centraal ligt meer effect heeft dan het veranderen van een focal node die minder centraal ligt. Om meer hierover te kunnen zeggen, is meer experimenteel onderzoek nodig.
Tot slot, is het verder nog van belang om kort aan te stippen dat deze studie is gedaan met eerstejaars psychologiestudenten. De steekproef is niet representatief voor de populatie, hoewel dit minder van belang was voor de studie, omdat in dit onderzoek werd getracht een
methode te ontwikkelen om individuele attitudenetwerken te schatten. Het is echter niet ondenkbaar dat met een andere steekproef er een grotere correlatie zal worden gevonden. Omdat deelname aan deze studie onderdeel uitmaakte van een verplichte testzitting, is het namelijk nog maar de vraag of de studie daadwerkelijk door 89 van de 91 deelnemers serieus is ingevuld. Dit kan invloed hebben gehad op de resultaten. Ook kan dit een verklaring vormen voor de gevonden lage politieke interesse. Voor verder onderzoek is daarom een meer representatieve steekproef nodig.
Ondanks de vele vragen die er nog liggen, werd het CAN model nog niet eerder ondersteund op individueel niveau in onderzoek. Er is de hoop een basis gelegd te hebben voor vervolgonderzoek, iets dat van pas kan komen bij bijvoorbeeld de huidige politieke situatie in de Verenigde Staten. Voor nu is dit het eerste onderzoek dat de indicatie geeft dat individuele attitudenetwerken kunnen worden geschat. Dit geeft mogelijk makkelijk informatie over de beïnvloedbaarheid van het individu. Dit spoort aan tot meer onderzoek. Donald Trump weet al goed in te spelen op attitudenetwerken op groepsniveau, met bijvoorbeeld zijn campagne onder de joodse gemeenschap in de Verenigde Staten, maar wellicht dat zijn tegenstanders hetzelfde kunnen doen op een persoonlijker, kleiner niveau.
Literatuur
Borsboom, D. & Cramer, A. (2013). Network analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology. 9, 91-121.
Borsboom, D., Cramer, A. O., Schmittmann, V. D., Epskamp, S., & Waldorp, L. J. (2011). The small world of psychopathology. PloS one, 6, e27407.
Bringmann, L. F., Vissers, N., Wichers, M., Geschwind, N., Kuppens, P., Peeters, F., ... & Tuerlinckx, F. (2013). A network approach to psychopathology: new insights into clinical longitudinal data. PloS one, 8, e60188.
Carragher, N., Krueger, R. F., Eaton, N. R., & Slade, T. (2015). Disorders without borders: current and future directions in the meta-structure of mental disorders. Social psychiatry and psychiatric epidemiology, 50, 339-350.
Cramer, A. O., Sluis, S., 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, 414-431.
Dalege, J., Borsboom, D., van Harreveld, F., van den Berg, H., Conner, M., & van der Maas, H. L. J. (2015). Toward a formalized account of attitudes: The Causal Attitude Network (CAN) model. Psychological Review. Advance online publication. Dalege, J. Borsboom, D. Van Harreveld, F. & van der Maas, H. L. J. (2016). A Network
Perspective on Attitudes: Implications for Attitude Strength, Attitude Structure, and Attitude-Behavior Consistency. Manuscript in preparation.
Dalege, J. Borsboom, D. Van Harreveld, F. & van der Maas, H. L. J. (2016). Network
Structure Explains the Impact of Attitudes on Voting Decisions. Manuscript submitted for publication.
Frewen, P. A., Schmittmann, V. D., Bringmann, L. F., & Borsboom, D. (2013). Perceived
causal relations between anxiety, posttraumatic stress and depression: extension to moderation, mediation, and network analysis.European journal of
psychotraumatology, 4, doi:http://dx.doi.org/10.3402/ejpt.v4i0.20656
Harreveld, F. van, Pligt, J. van der, & Vries, N. K. de (2000). The structure of attitudes: Attribute importance, accessibility and judgement. The British Journal of Social
Psychology, 39, 363-380.
mental disorders predict their diagnostic reasoning and memory. Journal of Experimental Psychology: General, 131, 451-476.
Kim, H., & Anderson, R. (2012). Temporal node centrality in complex networks. Physical Review E, 85, 026107.
Krosnick, J. A., Boninger, D. S., Chuang, Y. C., Berent, M. K., & Carnot, C. G. (1993). Attitude strength: One construct or many related constructs?. Journal of personality
and social psychology, 65, 1132-1151.
Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32, 245-251.
Overwalle, F. van, & Siebler, F. (2005). A connectionist model of attitude formation and change. Personality and Social Psychology Review, 9, 231-274.
Schmittmann, V. D., Cramer, A. O., Waldorp, L. J., Epskamp, S., Kievit, R. A., & Borsboom, D. (2013). Deconstructing the construct: A network perspective on psychological phenomena. New Ideas in Psychology, 31, 43-53.
Tehee, E., Honan, R., & Hevey, D. (2009). Factors contributing to stress in parents of individuals with autistic spectrum disorders. Journal of Applied Research in Intellectual Disabilities, 22, 34-42.
