Methoden in onderwijswetenschappelijk onderzoek (201300010)
Resume
MiOO: Samenvatting Kwantitatief onderzoek
13 vues 0 fois vendu
Cours
Methoden in onderwijswetenschappelijk onderzoek (201300010)
Établissement
Universiteit Utrecht (UU)
Dit document is een samenvatting van de hoorcolleges over kwantitatief onderzoek. Daarnaast is ook de informatie uit de Grasple lessen erin verwerkt. Op het einde is ook een samenvattende tabel met een; omschrijving, meetniveau, assumpties, etc. per analyse.
Methoden in onderwijswetenschappelijk onderzoek (201300010)
Tous les documents sur ce sujet (10)
Vendeur
S'abonner
JuliaMelters
Avis reçus
Aperçu du contenu
MiOO
Samenvatting tentamen 1
15/12/2021
Multipele Regressie
Doel multipele regressie:
- Waarde van iemand kenmerk voorspellen a.d.h.v. kennis over andere kenmerken
(deze kenmerken = predictoren)
- Oftewel: X1, X2, X3 (predictoren) Y
o E = error: wat we niet vangen met de predictoren
- Geen uitspraken over causaliteit, maar het gaat om het voorspellen
Opstellen model regressiemodel:
- Regressievergelijking = modelvergelijking voor de geobserveerde variabele Y:
o Uitkomst (Y) = model (X) + voorspellingsfout
o Y =b0 +b1 X 1 +…+ b6 X 6 +ⅇ
Y = afhankelijke variabele (dependant variable)
X = onafhankelijke variabelen/predictoren (independant variables)
b 0 = intercept (constant)/a
b 1 = regressiecoëfficiënt/slope
ⅇ = voorspellingsfout/error/residual
- Regressie: bestaat uit puntenwolk regressie: regressielijn door de puntenwolk tekenen
o Regressievergelijking beschrijft die lijn
o Best passende regressielijn volgens kleinste kwadraten criterium wordt beschreven
door de regressielijn
Dakje = voorspelling
Y ^ =b +b X
0 1 1
o Kleinste kwadraten criterium (least squares criterion) zoek de lijn waarbij de
voorspellingsfout zo klein mogelijk is
Iedere respondent heeft:
Y = geobserveerde Y
Y ^ = geschatte Y
e = voorspellingsfout = Y −Y^
o Positieve e : onderschatting door model
o Negatieve e : overschatting door model
o e ’s zijn normaal verdeel met een gemiddelde van 0
Assumpties:
- Assumpties evalueren of de data realistisch is
- Assumpties van multipele regressie
o Onafhankelijkheid van waarnemingen (independence)
o Meetniveau variabelen:
AV en OVs tenminste interval niveau
OVs nominaal kan ook, maar via dummies
o Lineaire relatie tussen de AV en OVs
, o Afwezigheid multicollineariteit
o Normaal verdeelde residuen
o Homoscedasticiteit
o Afwezigheid outliers
Evaluatie statistische fit en praktische relevantie v/h model:
- = Hoe goed is de regressielijn?
- Goodness of fit
o R2 als maat voor de algehele modelfit
o R2 = determinatiecoëfficiënt = percentage (%) variantie verklaard door het model
s sm s sm
o R2= = = variantie verklaard door het model/totale variantie
s s t s s m+ s s R
o R interpretatie: hoeveel procent (%) v/d variantie in Y kan worden verklaard door
2
alle predictoren samen?
R2 wil je zo groot mogelijk hebben SSm en SSr gelijk aan elkaar
0 = niks verklaard door het model; 1 = alles verklaard door het model
o R
2
Klein: 0.01
Medium: 0.09
Groot: 0.25
- Kwadratensom (sum of squares)
o s s t = totale kwadraten som (totale SS) = som v/d gekwadrateerde
afwijkingen van geobserveerde scores tot het algemeen gemiddelde
s s t =∑ ( y− y )2
y = gemiddelde van alle y-waarden
Baseline
o s s m = kwadraten som v/h model (model SS) = som v/d
gekwadrateerde afwijkingen van voorspelde scores tot het algemeen
gemiddelde
s s m=∑ ( ^y − y )2
Variantie verklaard door het model
o s s R = kwadratensom v/d voorspelingsfout (residual SS) = som v/d
gekwadrateerde afwijkingen v/d geobserveerde scores tot de
voorspelde scores
s s R =∑ ( y− ^y )2
o Kwadratensom: s s t =s s m+ s s R
- Goodness of fit toets
o Algehele model: verklaren de predictoren samen variantie in Y?
Hypothesen:
H0: ρ2 = 0
HA: ρ2 > 0
Toets: F-toets
m sm s s m ∕ ⅆ f m
Toetsingsgrootheid: F= =
m sR s sR ∕ ⅆ f R
Als ρ < α verwerp H0 en bepaal relevantie v/h effect
- Predictoren toevoegen aan het model
- Stapsgewijs toevoegen van predictoren aan het model
- Kijken: zorgen predictoren in (significante) toename van verklaarde variantie met het eerste
model
- Delta = verschil
- Hypothesen:
o H0: ρ2 = 0
o HA: ρ2 > 0
- Vergeet niet te kijken naar de individuele toegevoegde predictoren
Multipele regressie (Grasple)
Dummy variabelen:
- Dichotome variabele – variabele die maar 2 waarden kan aannemen
- Om een dichotome variabele te gebruiken in een regressieanalyse moeten er getallen aan de
2 variabelen worden toegekend
o Categorie 0 = referentiecategorie (arbitraire keuze welke variabele)
- Intercept (b 0) is de voorspelde score van de referentiecategorie
o De voorspelde score is ook hetzelfde als het gemiddelde in die groep
- Richtingscoëfficiënt: verschil in voorspelde score tussen de 2 categorieën (als X 1 omhoog
gaat, hoeveel gaat Y omhoog )
o Positief: referentiegroep scoort gemiddeld lager dan de andere groep
o Negatief: referentiegroep scoort gemiddeld hoger dan de andere groep
Controle assumpties (initieel) bij regressieanalyse:
- Assumptie 1:
o De afhankelijke variabele is minimaal van interval niveau
o De onafhankelijke variabelen moeten minimaal van interval meetniveau zijn of
dichotoom (nominaal met 2 categorieën)
- Assumptie 2:
o Er moeten lineaire verbanden zijn tussen de afhankelijke variabele en alle
kwantitatieve onafhankelijke variabelen
Les avantages d'acheter des résumés chez Stuvia:
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
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
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 JuliaMelters. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €4,39. Vous n'êtes lié à rien après votre achat.