Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
Recherché précédemment par vous
Recherché précédemment par vous
logo
Samenvatting Statistiek 4: MDA (BA3 VUB) €6,76
Ajouter au panier
Accédez rapidement à
Aperçu
  2.  
  3. Vrije Universiteit Brussel (VUB)
  4.  
  5. Psychologie
  6.  
  7. Statistiek IV: multivariate data analyse (003529)

Resume

Samenvatting Statistiek 4: MDA (BA3 VUB)
 3 fois vendu

Dit is een volledige en uitgebreide samenvatting van het vak statistiek IV: multivariate data-analyse, gegeven in 3e bachelor Psychologie aan de VUB door Professor O. Mairesse. Het is een combinatie van de powerpoints en mijn eigen notities. Ik noteer altijd vrij letterlijk wat er gezegd wordt, zo ...

[Montrer plus]

Aperçu 6 sur 188  pages

Infos sur le Document

  • 15 juin 2024
  • 188
  • 2023/2024
  • Resume

Sujets

École, étude et sujet

Tous les documents sur ce sujet (12)

Vendeur

avatar-seller
LenaCoe

Avis reçus

Aperçu du contenu

LenaC
Academiejaar: ’23 –‘24

Samenvatting statistiek IV
Inhoud
1. Verkennen van data .........................................................................................................3
1.1 Eyeballing data ............................................................................................................5
1.1.1 Grafisch verkennen van data ........................................................................................5
1.1.2 Analyse missing data ...................................................................................................6
1.1.3 Outliers ..................................................................................................................... 10
1.1.4 Assumpties ............................................................................................................... 11
1.1.5 Data transformatie ..................................................................................................... 15
1.1.6 Dummy codering ....................................................................................................... 17
2. Regressie-analyse.......................................................................................................... 19
2.1 Logistische regressie.................................................................................................. 31
3. Variantie-analyse ........................................................................................................... 40
3.1 Meervoudige vergelijkingen ........................................................................................ 61
4. Variantie-analyse 2 ........................................................................................................ 66
4.1 Twee-factor ANOVA.................................................................................................... 66
4.2 Repeated Measures ................................................................................................... 83
4.3 Mixed design.............................................................................................................. 86
5. Factoranalyse ................................................................................................................ 91
5.1 Methode voor FA ........................................................................................................ 97
5.2 Hoeveel componenten/factoren? ............................................................................. 100
5.3 Factorstructuur interpreteren ................................................................................... 103
5.4 Functionele Data analyse - FPCA .............................................................................. 109
6. Clusteranalyse ............................................................................................................ 113
6.1 Kenmerken van het model ........................................................................................ 114
6.2 Similariteitsmaten ................................................................................................... 115
6.3 Cluster procedures .................................................................................................. 120
6.3.1 Hiërarchische clustering .......................................................................................... 120
6.3.2 Partitioneringsmethoden .......................................................................................... 128
7. Inleiding in mediatie en moderatie ................................................................................ 134
7.1 Introductie causaliteit .............................................................................................. 134
7.2 Soorten relaties ....................................................................................................... 136
7.3 Mediatieanalyse ...................................................................................................... 140
7.3.1 Baron en Kenny methode ......................................................................................... 141
7.3.2 Sobel test ................................................................................................................ 145

1

,LenaC
Academiejaar: ’23 –‘24
7.3.3 Bootstrapping .......................................................................................................... 145
7.4 Moderatie-analyse ................................................................................................... 151
8. Structural Equation Modeling (SEM).............................................................................. 156
8.1 Praktisch voorbeeld ................................................................................................. 156
8.2 Wat is SEM? ............................................................................................................. 157
8.3 Confirmatorische factor analyse .............................................................................. 158
8.4 Stuctural model ....................................................................................................... 168
8.5 Pad analyse ............................................................................................................. 172
8.6 SEM......................................................................................................................... 173
9. Netwerken ................................................................................................................... 174
9.1 Psychologische netwerkbenadering .......................................................................... 174
9.2 Netwerkstructuren ................................................................................................... 175
9.3 Voorwaardelijke afhankelijkheid ............................................................................... 179
9.4 Centraliteit .............................................................................................................. 180
9.5 Pairwise Markov Random Fields (PMRF) .................................................................... 184
9.6 Modelselectie .......................................................................................................... 185
9.7 Netwerkstabiliteit .................................................................................................... 186
9.8 Netwerken vergelijken .............................................................................................. 187




2

,LenaC
Academiejaar: ’23 –‘24

1. Verkennen van data
Waarom data-analyse

• Data-analyse = noodzakelijk voor psychologen
- Data-analyse in de media
- Begrip van + kritische instelling tegenover vakliteratuur
- Kunnen verzamelen/analyseren van data

Bv: Corona heeft ervoor gezorgd dat er veel verkeerde info de wereld in gestuurd werd.
Dit had uiteindelijk zelfs impact op de wereldgezondheid (antivaxers)

• Data-analyse helpt je om:
- 1. Data te organiseren (grafieken,…)
- 2. Data te beschrijven (beschrijvende/deductieve statistiek, samenvatten)
Niet gewoon naar te tabellen kijken, maar visueel maken, ook in een artikel
- 3. Interpreteren en uitspraken doen op basis van data (inferentiële/inductieve
statistiek, verklaren)
- 4. Theorieën te verifiëren en aan te passen

Inductieve statistiek




• We kunnen dan bv gaan testen of een steekproef gemiddelde significant verschilt van
een populatie gemiddelde

Begrippen:

• Theorie → Hypothese → Steekproef → Steekproefgrootheden
• Steekproefgrootheid (statistiek, stat. grootheid): maat gebaseerd op de gegevens van de
steekproef (vb.: rekenkundig gemiddelde, proportie,…)
• Steekproefgrootheid = toevalsvariabele met een bepaalde verdeling →
steekproevenverdeling

Kwalitatieve checks doen nadat je een theorie hebt gevonden, alle alternatieve opties
voor die uitkomst nagaan, of die ergens anders door komen


3

,LenaC
Academiejaar: ’23 –‘24

• Stel: random steekproef 1 en we berekenen S1, random steekproef 2 (zelfde n) en we
berekenen S2, etc. tot Sn
- De verdeling van deze steekproefgrootheden = steekproevenverdeling
• SteekproeFverdeling (sample distribution)
- Frequentieverdeling van de uitkomsten van de
steekproef
- Empirisch, gekend
• SteekproeVENverdeling (sampling distribution)
- Kansverdeling van alle mogelijke waarden die een
steekproefgrootheid (voor alle mogelijke verschillende
steekproeven) kan aannemen
- Theoretisch, benaderen
• Stel: steekproefgrootheid = 𝑥̅
• Wanneer men herhaaldelijk toevallige steekproeven met grootte n trekt uit een normaal
verdeelde populatie met gemiddelde = µ en standaardafwijking = σ dan is de
steekproeven-verdeling van het steekproefgemiddelde normaal verdeeld




• Centrale limietstelling: Wanneer men herhaaldelijk toevallige steekproeven met grootte
n trekt uit een willekeurig verdeelde populatie met gemiddelde =  en standaardafwijking
=  en indien n voldoende groot (vuistregel: n 30) is, dan benadert de
steekproevenverdeling van het steekproefgemiddelde een normaalverdeling:




• Notaties:




4

,LenaC
Academiejaar: ’23 –‘24

1.1 Eyeballing data

1.1.1 Grafisch verkennen van data
• Onderzoek van verdelingen
- Histogram
- Stam-blad diagram
- Box Plot
• Zorgt voor een globaal zicht, geleerd in stat 1
• Boxplot: info over positie, spreiding, symmetrie




• Histogram: info over normaliteit van verdeling




• Stem en leaf: werkelijke waarden waarnemingen




5

, LenaC
Academiejaar: ’23 –‘24




Zo kan je bv zien bij een bivariate relatie tussen variabelen kan je het gemakkelijkste een
scatterplot gebruiken


1.1.2 Analyse missing data
Ontbrekende waarden voor 1 of meer variabelen

• Oorzaak?
- Onafhankelijk van respondent
o Procedure (bv: iemand “nee” ga naar vraag xxx” = branching)
Branching zorgt ook voor missing data, want een groot deel gaat blanco zijn
o Codeerfouten
Bv: mensen een online vragenlijst laten invullen
- Afhankelijk van de respondent
o Omvang? (veel of weinig)
Bv: af en toe iets missen of super veel mensen die iets niet hebben ingevuld
o Analyse van het profiel van missing data (is er systematiek of random?)

Missing data ga je sowieso krijgen bv: data kwijt zijn, hele grote uitschieters, zo krijg je gaatjes in
je dataset




6

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 LenaCoe. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour €6,76. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

68175 résumés ont été vendus ces 30 derniers jours

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

Commencez à vendre!
€6,76  3x  vendu
  • (0)
Ajouter au panier
Ajouté