Samenvatting van het vak Multivariate Data Analyse (MVDA). Alle lectures en tentamenstof zijn samengevat in deze handige samenvatting. Ik heb zelf een 9,2 met deze samenvatting gehaald.
Week 1: multipele regressie analyse
X1, X2 Y Techniek Afkorting
Interval Interva Multipele regressie analyse MRA
l
Nominaal Interva Variantie analyse ANOVA
l
Nominaal + Interva Covariantie analyse ANCOVA
interval l
Interval Binair Logistische regressie analyse LRA
Regressiemodel kan Y voorspeld worden uit X1 en X2? Wanneer ja, dan Y een lineaire functie van
X1 en X2. Simpele regressie: Y i=B0 + B1 X 1+ e i. Multipele regressie:
Y i=B0 + B1 X 1+ B 2 X 2 +…+ B k X k + ei . Een populatiewaarde geef je aan met *. Parameters* schat je
met “kleinste kwadratenprincipe”. (Beste voorspelling krijg je wanneer verschil tussen Y ^ i en Yi het
X −μ
kleinste is.) Gestandaardiseerde regressie = alle variabelen standaardiseren met z= . Meer nut
σ
N
wanneer regressiemodel gebaseerd op substantiële theorie en wanneer ≥ 20.
k
Gebruik je om relatie tussen Y en X1 en X2 te beschrijven in populatie, kan gebruikt worden om Y-
score van mensen niet in populatie te voorspellen.
Bij een enkelvoudige regressie fit je een rechte lijn waar de residuen minimaal zijn. Bij een
meervoudige regressie gebruik je een vlak.
Hypotheses: H0: B1 = B2 = … = Bk = 0. Ha: ten minste B j ≠ 0. Toetsen met F-toets:
MSregressie MS g
F= =
MS residu MST
VAF: na het maken van je model, kijk je hoe goed je model is:
2 2
R + R −2r
y1 y2 r y 2r y 12 SSregression
R2=R 2y .12= y1
= =Pearson2 . SPSS geeft voor elke predictor een B +
1−r
2
12
SStotal
standaarddeviatie en T-toets + significantie. Zo weet je welke predictor in je model significant is en
welke niet. Kijk hoe belangrijk een predictor is door part correlation in SPSS, laat zien hoeveel
variantie van Y verklaard wordt door predictor en niet door andere variabelen in analyse.
Assumpties met lineair model hebben variabelen een interval meetniveau. Je test voor
homoscedasticiteit (=variantie van residuen zijn constant tussen waardes predictoren, effect op
standaardfouten van regressiecoëfficiënten), onafhankelijkheid van residuen, normaliteit van samples
en multicollineariteit van predictoren (=moderate tot hoge inter-correlatie tussen predictoren).
1
, Wanneer geschonden selectiepredictoren = model selectie. Haal outliers eruit, gebruik robuustere
techniek of methodes in SPSS.
Multicollineariteit probleem want beperkt grootte R2, moeilijk om belang van predictor te bepalen,
maakt regressievergelijking instabiel. IN sociale wetenschappen meestal geen probleem. Identificeer
1 1
met 1) tolerance of predictor: T j=1−R j ≥ .10 en variantie inflatie factor: VIF j = = ≤ 10.
2
T j 1−R2j
Outliers Geen scores extremer dan voorspeld (standaard residu < |3|), geen influentiële punten
(Cook’s < 1), geen outliers op predictoren (leverage < 3(P + 1)/N).
R2adj wanneer we regressiemodel vanuit populatie hadden gevormd, meestal Wherry’s adjusted R 2
2 N −1 2
formule: Ra =1− (1−R ).
N−k −1
Week 2: variantie analyse (ANOVA)
Wat is het effect van X1 en X2 op Y? Hypotheses: H0: 1 = 2 = 3 en Ha: ten minste 1 i ≠ j.
One-way ANOVA om verschillende gemiddelden met elkaar te vergelijken, aan de hand van
varianties. Vergelijkt tussen-groep variantie met binnen-groep variantie (Error). Grotere N zorgt voor
kleinre F. y ij =μ+α j + eij
Voordelen two-way ANOVA: staat onderzoek naar gecombineerd effect op twee factoren toe, ook
sprake van interactie effect. Meerdere factoren is efficiënter, minder kans op fouten.
MS effect MS g
Y ijk =μ+α j + β k +ϕ jk +e ijk . F-statistiek wordt gegeven door: F= = . Bij Two-way
MS error MS T
ANOVA: corrected model, main effect 1, main effect 2, interaction effect.
Source Sum of Squares DF Mean square F
A ∑ ni α^ 2
i
I–1 SSA / DFA MSA / MSE
B ∑ ni β^ 2
j
J–1 SSB / DFB MSB / MSE
A*B ^ 2ij
∑ nij αβ (I – 1)(J – 1) SSAB / DFAB MSAB / MSE
Error SSE N–I*J SSE / DFE
Total ∑ ( y ijk− y ) 2 N-1 SST / DFT
2 SSM 2 SS effect
Verklaarde variantie (VAF) η = , in steekproef: η∂ = . VAF in populatie:
SST SS effect + SSE
SS effect−( DF effect∗MSE)
^ 2=
ω . Zelf uitrekenen en niet uit SPSS halen.
SST + MSE
2
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller Nononoootje. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $5.42. You're not tied to anything after your purchase.
