Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
Samenvatting Causale analyse $7.97
Ajouter au panier

Resume

Samenvatting Causale analyse

 0 fois vendu
  • Cours
  • Établissement

In deze samenvatting staat alles wat je moet weten van causale analyse duidelijk, maar bondig uitgelegd. Vaak ook met een voorbeeld. Ik heb zelf met deze samenvatting (en door te oefenen) een 8,5 gehaald.

Aperçu 3 sur 19  pages

  • 21 janvier 2025
  • 19
  • 2024/2025
  • Resume
avatar-seller
Causale analyse – samengevat

Hoorcollege 1
Gemeenschappelijk in alle modellen: schatten hoeveel van de variantie in een afhankelijke Y
systematisch samenhangt (co-varieert) met de variantie in verklarende X.
 Variantie = spreiding van scores in de data.

Score op Y kunnen voorspeld worden door:
- X: predictor die Y systematisch beïnvloed.
- Error: niet gemeten, maar beïnvloed Y systematisch of toevallig (random).

Meetniveau afhankelijke variabele bepaald techniek
- Nominaal: onderscheidt zonder ordening
- Ordinaal: onderscheidt met ordening, zonder gelijke afstand
- Interval: onderscheidt met ordening en gelijke afstand
- Ratio: onderscheidt met ordening en gelijke afstand met absoluut 0-punt.

ANOVA
Y = interval/ratio & X = nominaal/ordinaal
Indien er 2 of meer groepen zijn, kunnen we dan een uitspraak doen over mogelijk
significante verschillen tussen gemiddelden van de groepen?
 Significant effect als meeste variantie tussen groepen en binnen groepen dus weinig
variantie.
- Tussengroep-variantie = meet systematische verschillen tussen groepen
(=systematisch groepseffect) & alle andere variabelen die zowel systematisch als
toevallig van invloed zijn op Y (error).
- Binnengroep-variantie = alle variabelen die zowel systematisch als toevallig van
invloed zijn op Y (=error).
Positief groepseffect wanner het groepsgemiddelde hoger is dan het totale gemiddelde.

Logica van ANOVA
1. Alfa vaststellen
2. Statischtische nulhypothese  H0: 1 = 2 = … = k
- Gemiddelden van k populaties waarmee groepen corresponderen zijn gelijk aan
elkaar.
- H0 verwerpen betekend 2(+) groepen verschillen significant.
3. Waarom ANOVA?  minder kans op Type I fout (H0 verwerpen terwijl deze juist is),
doordat je maar één keer toetst. Normaal voel je meer testen uit waardoor het
makkelijker wordt om een significant resultaat te vinden en daardoor H0 onterecht te
verwerpen.
1 – (1 – alfa)c
4. F-verdeling om nulhypothese te toetsen
- Deviatie van score van individu t.o.v. algemene gemiddelde
Yij - My  som in het kwadraat geeft: SStotal
- Deviatie van score van individu t.o.v. groepsgemiddelde
(Yij – Mi) = ij  som in het kwadraat geeft: SSwithin
- Deviatie van groepsgemiddelde t.o.v. algemene gemiddelde

, (Mi – My) = I  som in het kwadraat geeft: SSbetween
o Totale deviatie = ij + I
5. Deviaties kwadrateren, zodat het allemaal positief is.
6. Mean squares (MS)
- MSbetween = SSbetween/k – 1, k=aantal groepen  numorator
- MSwithin = SSwithin/(N – K), N=aantal observaties  denominator
7. F ratio test statistic = MSbetween / MSwithin

Levene’s test significant?  Robust test of equality of means
Als deze significant is betekent dit dat de homogeniteit is geschonden tussen groepen 
variantie van Y is verschillend.

Assumpties ANOVA
- Afhankelijke Y = interval/ratio & onafhankelijke X = nominaal/ordinaal
- In hele steekproef en binnen elke groep scores van Y normaal verdeeld
- Geen outliers
- Variantie van Y is gelijk tussen groepen  homogeen
- Observaties zijn geselecteerd via aselecte steekproeftrekking en onafhankelijk van
elkaar.
o Score individu geeft geen informatie over andere score in dataset
o Respondenten behoren tot één groep
o Respondenten binnen groep zijn aselect gekozen
o Respondenten zijn wel afhankelijk van hun groep, maar rekening mee
gehouden doordat de groep X is.
 Assumptie onafhankelijke waarnemingen wordt geschonden in designs waar
dezelfde persoon herhaaldelijk wordt gemeten en waarin clusters zijn.

Effect size = hoeveel van de variantie in de afhankelijke variabele wordt verklaard vanuit het
feit dat er verschillende groepen zijn (onafhankelijke variabele)?
 ANOVA: 2 = SSbetween / SStotal

ANOVA is mathematisch gelijk aan een multipele lineaire regressie met alleen dummys.

Hoorcollege 2
Pearson correlatie (r) = gestandaardiseerde maat voor de lineaire samenhang tussen 2
continue (dichotome) variabelen.
- Hoe hangen variabele met elkaar samen en hoe sterk is deze samenhang
- Significantie
! Niet voor causaliteit
-1 < r < +1

Assumpties r
1. Lineair
2. Geen outliers
3. Bivariate normale verdeling
4. 2 continue (dichotome) variabelen

, 5. Homoscedasticiteit = y-scores hebben dezelfde variantie voor de scores van x (en vice
versa)  als variantie in x toeneemt gebeurt in y hetzelfde EN DUS NIET als score van
X toeneemt wordt de variantie in Y groter, want dat is heteroscedasticiteit.

r berekenen


met Zx = (X – Mx) / sx & Zy = (Y – My) / sy
N = aantal X, Y paren
Gestandaardiseerde variabele: gemiddelde = 0 en standaarddeviatie = 1.

Kan ook via de covariantie (ongestandaardiseerde correlatie). Geeft aan in welke mate 2
variabelen lineair met elkaar variëren.
 Covariantie standaardiseren geeft de pearson correlatie en deze is niet afhankelijk van de
oorspronkelijke meeteenheden van X en Y.



Concordante datapunten = liggen boven het gemiddelden van zowel X als Y of onder het
gemiddelde van zowel X als Y  positieve samenhang (rechts boven (+,+), links onder (-,-)).
Discordante datapunten = liggen onder het gemiddelde van X en boven het gemiddelde van
Y of boven het gemiddelde van X en onder het gemiddelde van Y  negatieve samenhang
(links boven (-,+), rechts onder (+,-)).
! Wanneer puntenwolkjes in het midden liggen (gelijk verdeeld zijn) is de samenhang
ongeveer gelijk aan 0.

Nulhypothese
Nulhypothese is H0: xy = 0  geen lineaire samenhang, als deze significant is dus wel lineair.

met df = N – 2
Je wilt een grote correlatie (teller) en een kleine standaardfout (noemer) voor een grote, en
dus significante, t-waarde.
SEr = standaarddeviatie van de steekproevenverdeling  hoeveel verschilt de schatting van
de coëfficiënt gemiddeld genomen van de steekproef.
! Two-tailed.
Sterkte van de lineaire associatie (effect size) is van belang!

Het doen van veel correlaties geeft een grotere kans op significant resultaat  type I fout.
1. Beperk aantal correlaties
2. Cross-validatie = subsamples maken en voor beide r uitrekenen, als deze dicht bij
elkaar zitten dan weet je dat het klopt.
3. Bonferronie (meer conservatieve alfa): deel je alfa door het aantal toetsen dat je
uitkomst en gebruik de uitkomst als de nieuwe alfa.
4. Repliceer correlaties in nieuwe steekproeven

Oorzaken grote Pearson r
1. Y veroorzaakt X of andersom

Les avantages d'acheter des résumés chez Stuvia:

Qualité garantie par les avis des clients

Qualité garantie par les avis des clients

Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.

L’achat facile et rapide

L’achat facile et rapide

Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.

Focus sur l’essentiel

Focus sur l’essentiel

Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.

Foire aux questions

Qu'est-ce que j'obtiens en achetant ce document ?

Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.

Garantie de remboursement : comment ça marche ?

Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.

Auprès de qui est-ce que j'achète ce résumé ?

Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur Merel04. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour $7.97. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

73429 résumés ont été vendus ces 30 derniers jours

Fondée en 2010, la référence pour acheter des résumés depuis déjà 15 ans

Commencez à vendre!

Récemment vu par vous


$7.97
  • (0)
Ajouter au panier
Ajouté