Verdieping in Onderzoeksmethoden en Statistiek VOS
Summary
Samenvatting kwantitatieve hoorcolleges VOS
5 views 0 purchase
Course
Verdieping in Onderzoeksmethoden en Statistiek VOS
Institution
Universiteit Utrecht (UU)
Dit is een samenvatting van alle kwantitatieve hoorcollege van VOS, inclusief formules, voorbeeldvragen + antwoorden, visualisaties en belangrijke toevoegingen vanuit de graspel lessen.
Verdieping in Onderzoeksmethoden en Statistiek VOS
All documents for this subject (19)
Seller
Follow
pien18
Reviews received
Content preview
VOS Kwantitatieve deel (Hoorcolleges, grasple lessen, literatuur)
Hoorcollege 1: Multipele Regressie
Padmodel multipele regressie
1 afhankelijke variabele (Y)
1 of meerdere onafhankelijke variabelen
(minimaal interval meetniveau)
o Of dichotoom (ja/nee)
Voorbeeld
Onderzoeksvraag: kunnen we de kennis van literatuur bij
jongvolwassenen voorspellen met persoons-, gezins- en
schoolkenmerken?
Populatie: jongvolwassenen
Variabelen: afhankelijke variabele Y (kennis van literatuur), onafhankelijke variabelen X
(predictoren); kenmerken ouderlijk huis en kenmerken school
Doel: voor de populatie beschrijven en toetsen van de relaties tussen afhankelijke variabele Y
en predictoren X.
Multipele regressie
‘Kunnen we iemands waarde op een kenmerk voorspellen met kennis over andere
kenmerken?’
Doelen van de multipele regressie analyse:
Beschrijven lineaire relaties tussen variabelen (regressiemodel)
Toetsen hypothesen over relaties (significantie)
Kwantificeren van relaties (effectgrootte)
Kwalificeren van relaties (klein, middelmatig, groot)
Beoordelen relevantie relaties (subjectief)
Voorspellen van iemands waarde met regressiemodel (puntschatting en
intervalschatting)
Let op! Statistische samenhang is geen causaliteit !
Meetniveau variabelen
Afhankelijke variabele Y
Gemeten op minimaal interval meetniveau
Onafhankelijke variabelen X
Gemeten op minimaal interval meetniveau
Nominaal niveau met 2 categorieën: dichotoom
Meer dan 2 categorieën: nominaal/ordinaal niveau wordt
omgezet in dummyvariabele
Regressiemodel
Vergelijking Y voor geobserveerde variabele Y Vergelijking Y voor voorspellen
waarde Y^
Uitkomst (Y) = model (X) + error Geschatte uitkomst (Y^) = model
(X)
,Y = afhankelijke variabele (dependent)
X = onafhankelijke variabele (predictors)
B0 = intercept (constant) ook wel alpha ()
B1 = regressiecoëfficiënt (slope)
E = voorspellingsfout (error of residual)
Door middel van een histogram kan je checken of de data enigszins een normaalcurve volgt.
Kleinste kwadraten criterium
Best passende lijn = de lijn waarbij de voorspellingsfout (E) zo klein mogelijk is
voorspellingsfout is afstand tussen voorspelde waarde (lijn) en geobserveerde waarde
(stippen)
Positieve e (boven lijn) onderschatting door het model
Negatieve e (onder lijn) overschatting door het model
Residuen moeten gekwadrateerd worden, anders komen ze op 0 uit + dan is het model
gevoeliger voor uitschieters.
Goodness-of-fit
Het model (de regressielijn) met de kleinste residuele kwadratensom is het beste model.
Bepalen goodness-of-fit (R2)
Vergelijking (ratio) van lineair model (regressielijn) met
basismodel (basislijn).
SSt = totaal kwadratensom
SSm = kwadratensom van rechte lijn (model)
SSr = kwadratensom van voorspellingsfout (residual)
SS = sum of squares/som van gekwadrateerde deviaties
Hoe beter het model, hoe
hoger de R2. R2 = 1
betekent dat het een perfect
model is.
, Goodness-of-fit
R2 is de kwadratensom van het model gedeeld door de totale kwadratensom proportie door
X verklaarde variatie in Y.
Multipele correlatiecoëfficiënt R
correlatie tussen geobserveerde Y en voorspelde Y^
Waardering model:
1. Significantie (toetsen)
2. Kwantificeren relatie (effectgrootte)
Toetsen R2 en B’s
Populatie hypothesen
Steekproef steekproefresultaten
Beschrijven:
1. Verklaring van Y door alle X’ (R2)
2. Invloed afzonderlijke X’ en op Y (B’s)
Alternatieve hypothesen:
1. R2 > 0 regressiemodel verklaart variatie in Y
2. B > 0 of B < 0 er is effect van X op Y
Nulhypothese: geen variantie wordt verklaard (R2 = 0)
F-toets
Met de F-toets beoordeel je statistische significantie ( = .05). Alfa is standaard 5%, maar als
je veel toetsen gaat uitvoeren dan is de kans dat je fouten gaat maken veel groter, dus dan
kan je beter een kleinere kiezen.
MS = mean sum of squares
= gemiddelde kwadratensom
SS
=
df
Df = degrees of freedom geeft aan hoeveel stukjes informatie zijn gebruikt.
Constant = intercept, b0
B = regressiecoëfficiënt
Beta = gestand. Richtingscoëf.
T = toetsingsgrootheid t
Sig. = overschrijdingskans p
van steekproefresultaten
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 pien18. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $5.98. You're not tied to anything after your purchase.
