Class notes
College aantekeningen (COMPLEET) MTO-C MAW / MTO-01: Technieken Voor Causale Analyse (424520-B-6)
- Course
- Institution
Complete samenvatting (nederlandstalig) voor het vak MTO-C MAW (technieken voor causale analyse)
[Show more]
Seller
Follow
emmahamm
Reviews received
Content preview
Samenvatting lectures MTO-C-MAW: technieken voor Causale AnalyseMTO-C-MAW
Technieken voor causale analyse
Lecture 1 (+2 +3) Course intro; ANOVA 2
Lecture 3 (+4) Bivariate Pearson Correlation 17
Lecture 4 (+5) Bivariate Regression 27
Lecture 6: Adding a third variable 41
Lecture 7: Multiple regression - 2 predictors 49
Lecture 8: Dummy predictor variables 62
Lecture 9 (+10): Multiple Regression 69
Lecture 11: Pad-analyse (I) 87
Lecture 12: Pad-analyse (II) 95
Lecture 13: Logistische regressie (I) Error! Bookmark not defined.
Lecture 14: Logistische regressie (II) Error! Bookmark not defined.
1
, Samenvatting lectures MTO-C-MAW: technieken voor Causale Analyse
Lecture 1 (+2 +3) Course intro; ANOVA
Deze cursus: mbv statistische technieken causale hypothesen toetsen
TECHNIEKEN VAN DEZE CURSUS
1. One-Way Between-Subjects Analysis of Variance (ANOVA)
2. Estimation of Pearson’s (Partial) Correlation Coefficient
3. Bivariate Regression
4. Multiple Regression
5. Elaboration Logic
6. Path Analysis
7. Logistic Regression Analysis
→ Gemeenschappelijkheden:
Schatten hoeveel van de variantie in een afhankelijke variabele Y systematisch samenhangt
(co-varieert) met de variantie in andere verklarende variabelen X;
technieken nemen aan dat scores op een afhankelijke variabele kunnen worden
voorspeld/verklaard door 3 factoren:
a) X variabelen die zijn gemeten (in bv vragenlijst) en die als predictor (verklarende) zijn
opgenomen in een model waarin zij de afhankelijke variabele systematisch beïnvloeden
b) ε systematische error/residu: Variabelen die niet zijn gemeten en die niet als predictor
zijn opgenomen in een model, maar die de afhankelijke variabele wel systematisch
beïnvloeden (ε)
c) Random error/residu: Variabelen die we niet hebben gemeten en die de afhankelijke
variabele alleen toevallig beïnvloeden (ook ε)
Y = afhankelijke variabele
X = gemeten factoren die afhankelijke variabele beïnvloeden
ε = allemaal andere factoren die we niet hebben gemeten maar wel y (mogelijk) beinvloeden
ZE VERSCHILLEN BETREFT:
(a) het meetniveau van de afhankelijke variabelen → meetniveau van afhankelijke bepaald in
grote mate welke statistische techniek je kunt toepassen
- Nominaal → ongeordende categorieën (geslacht, huwelijksstatus, land waarin je
woont,..) Geen ordening
- Ordinaal → nominaal, maar met ranking (bv opleidingsniveau laag/middel/hoog - maar
afstand = ?)
- Interval → ordinaal, maar afstanden tussen categorieën is hetzelfde (bv temperatuur)
- Ratio → Nulpunt aanwezig (0 = afwezigheid van eigenschap, bv inkomen)
2
, Samenvatting lectures MTO-C-MAW: technieken voor Causale Analyse
(b) het meetniveau van de verklarende variabelen
Ideaal: technieken die nominale en continue variabelen kunnen opnemen in model voor
algemeenheid, maar niet altijd mogelijk.
(c) het aantal variabelen die de techniek aankan (complexiteit van de theorie)
COMPLEXITEIT VAN SAMENHANG
→ MODELLEN VOOR CONTINUE AFHANKELIJKE VARIABELEN
One-Way Between-Subjects Analysis of Variance
Onafhankelijke: meetniveau categorisch
Afhankelijke: meetniveau continue
Moet bij variantieanalyse voor het berekenen van gemiddelden (alleen mogelijk met continue)
!! X variabele = onafhankelijke variabele = verklarende variabele = predictor
Bivariate regressieanalyse
Onafhankelijke: meetniveau categorisch
Afhankelijke: meetniveau continue
Conceptueel model = hetzelfde als eenwegs variantie analyse
Sterk aan elkaar gerelateerd. Je kunt dezelfde hypothese toetsen
Multipele regressieanalyse
Onafhankelijke variabele team (X1) voorspelt organisational commitment (Y), maar salaris (X2)
ook
Maar… Invloed van salaris (X2) op organisational commitment (Y) is conditioneel. Aangenomen
dat invloed van salaris op organisational commitment (Y) verschilt tussen mannen en vrouwen
(X3)
Gerichte pijl: indiceert EFFECT
Tweegerichte pijlen: indiceert CORRELATIE
3
, Samenvatting lectures MTO-C-MAW: technieken voor Causale Analyse
Padanalyse
Meerdere afhankelijke variabelen die onderling gerelateerd kunnen zijn
Organisational commitment en salaris worden hierin verklaart
(eenzijdig gerichte pijl vanuit X1 en X3 op X2)
⇒ salaris is afhankelijke variabele, maar ook een verklarende
→ MODELLEN VOOR CATEGORISCHE AFHANKELIJKE VARIABELEN (2 categorieen)
Bivariate (binaire) logistische regressieanalyse
Multipele (binaire) logistische regressieanalyse
Interactie-effect
SAMENVATTENDE TABEL
4
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 emmahamm. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.07. You're not tied to anything after your purchase.
Can Stuvia be trusted?
4.6 stars on Google & Trustpilot (+1000 reviews)
62890 documents were sold in the last 30 days
Founded in 2010, the go-to place to buy study notes for 14 years now