Statistische methoden voor het vatten van emotionele verbondenheid

Interpersoonlijke relaties hebben een belangrijke invloed op onze fysieke en mentale gezondheid, waarbij interpersoonlijke similariteit in bijvoorbeeld ervaren emoties een belangrijke facilitator is. Tot nu toe is deze interpersoonlijke gelijkenis vooral onderzocht met behulp van variabel-gecentreerde (d.w.z. één variabele tegelijk) en cross-sectionele (d.w.z. één meting tegelijk) benaderingen. Interpersoonlijke similariteit heeft echter vaak betrekking op meerdere variabelen tegelijk (bijvoorbeeld meerdere afzonderlijke emoties) en er kan worden verwacht dat deze in de loop van de tijd en afhankelijke van de context zal veranderen. In dit PhD-project stellen we daarom een nieuw statistisch kader voor dat bestaande methoden combineert om dyadische similariteit (d.w.z. tussen twee personen) optimaal vast te leggen op een multivariate, tijdsspecifieke manier. We stellen voor om de similariteit in persoonsspecifieke profielen voor elk tijdstip van elke dyade afzonderlijk te berekenen. Dit zal het mogelijk maken om de similariteit tussen profielen van moment tot moment te onderzoeken, hoe deze similariteit in de loop van de tijd verandert en hoe deze kan worden geassocieerd met tijdsvariërende en persoonsgebonden covariabelen.

Het bouwen van een nieuw kader, zij het gebaseerd op bestaande technieken, brengt echter enkele uitdagingen met zich mee. Dit doctoraatsproject zal deze uitdagingen in twee delen aanpakken: het eerste deel zal de statistische uitdagingen aanpakken die met het nieuwe kader gepaard gaan en het tweede deel zal dieper ingaan op de uitdagingen die verband houden met de toepassing van het kader.