100% tevredenheidsgarantie Direct beschikbaar na je betaling Lees online óf als PDF Geen vaste maandelijkse kosten
logo-home
Seminars Wetenschappelijke kennis (D. Postmus) Cyclus 2.1.1. €8,99
In winkelwagen

College aantekeningen

Seminars Wetenschappelijke kennis (D. Postmus) Cyclus 2.1.1.

 0 keer verkocht
  • Vak
  • Instelling

Dit zijn de aantekeningen van de colleges van meneer Postmus op de RuG tijdens cyclus 2.1.1. (nieuwe curriculum). Hij geeft het vak 'Wetenschappelijke kennis'. Ik kan het document ook versturen per mail of via . Stuur mij dan een privé-berichtje.

Voorbeeld 3 van de 18  pagina's

  • 5 september 2023
  • 18
  • 2022/2023
  • College aantekeningen
  • D. postmus
  • Alle colleges
avatar-seller
Wetenschappelijke kennis (2265) –
Seminar: Lineaire regressie
Enkelvoudige lineaire regressie
Doel: het voorspellen van de waarde van een uitkomstvariabele (Y) o.b.v. de waarde van een verklarende variabele X.

Enkelvoudig: één verklarende variabele
- Bij meervoudig is het bijvoorbeeld lengte verklaren aan de hand v bv. leeftijd/geslacht.

Lineair: de verwachte waarde van Y wordt uitgedrukt als een lineaire functie van X.

Y = continu. X = continu dan wel dichotoom of categorisch.



Statistisch model:
Yi = behaalde tentamencijfer door de i-de student in de steekproef.
𝜇! = verwachte tentamencijfer voor de i-de student in de steekproef.
𝜀! = afwijking tussen het behaalde en het verwachte tentamencijfer.

Aanname: de afwijkingen zijn normaal verdeeld met gemiddelde 0 en gelijke variantie 𝜎 " (homoscedasticiteit).



Grafiek
Stap 1 is altijd: situatie grafisch weergeven!

Strooidiagram: verband tussen aantal uren studeren (X) en tentamencijfer (Y)




Regressievergelijking
Algemeen: de regressievergelijking beschrijft de verwachte (of voorspelde) waarde van de uitkomstvariabele o.b.v. de waarden
van één of meer verklarende variabelen

Regressievergelijking


waarbij Xi staat voor het aantal uren dat de i-de student gestudeerd heeft (en 𝜇i voor het verwachte tentamencijfer).

Grafisch

,Residuen kwadratensom (SSR)
Residuen kwadratensom (SSR): som van de gekwadrateerde afwijkingen van de
door de regressievergelijking voorspelde tentamencijfers tot de geobserveerde
tentamencijfers.

Best passende regressielijn = de lijn waarvoor SSR het kleinst is.

Rode stukje in de afbeelding kwadrateer je.




Model kwadratensom (SSM)
Model kwadratensom (SSM): de som van de gekwadrateerde afwijkingen van de door
de regressievergelijking voorspelde tentamencijfers tot het gemiddelde
tentamencijfer.

• Gekwadrateerde afwijking van het gemiddelde
• Verschil tussen gemiddelde cijfer (horizontale lijn) en verwachte cijfer
(schuine lijn) à kwadrateren.
• Je pakt groene stuk en dat kwadrateer je.



SSR vs. SSM:

• Als er geen lineair verband is, dan zou de helling 0 moeten zijn à de lijn die nu diagonaal is zou dan samenvallen met
gemiddelde cijfer (horizontale lijn). De groene lijn reduceert dan helemaal naar 0, want die ligt op de lijn à SSM is 0.
• Als regressievergelijking perfect is à dan is de SSR = 0, SSM verklaart alles dan perfect.



Totale kwadratensom (SST)
Totale kwadratensom (SST): de som van de gekwadrateerde afwijkingen van de geobserveerde tentamencijfers tot het
gemiddelde cijfer.

Kan gesplitst worden in een gedeelte dat kan worden verklaard door de regressievergelijking (SSM) en een gedeelte dat
onverklaard blijft (SSR).
- Rood + groen à kwadrateren.

SST = SSM + SSR.

, Proportie verklaarde variantie
Proportie verklaarde variantie: R2 = SSM / SST = 130,,306 = 0,58

Interpretatie: hoeveelheid van de variatie in de behaalde tentamencijfers dat kan
worden toegeschreven door verschillen in het aantal uren studeren.




Regressievergelijking
B0 = constant (in SPSS)

Je kunt o.b.v. de tabel berekenen wat
het verwachte tentamencijfer is.
- Bv. verwachte cijfer na 24 uur
studeren: 3,05 + 0,14*24 = 6,4.

Je ziet ook p-waarden à er worden
verschillende hypothesen getoetst.

Vooral de hypothese op de tweede rij is interessant. Daar geldt: H0: 𝛽# = 0, ofwel als het aantal uren studeren geen invloed
heeft, zou de helling gelijk moeten zijn aan 0.



F-toets




Aannames
1. De waarnemingen zijn onafhankelijk
a. Deze is al snel waar. Als we te maken hebben met een cijfer van verschillende studenten wordt het al snel
onafhankelijk.
2. De residuen zijn normaal verdeeld
a. Histogram en P-P Plot
3. De spreiding (variantie) van de residuen is gelijk voor alle waarden van X (homoscedasticiteit)
a. Scatterplot

Dit zijn jouw voordelen als je samenvattingen koopt bij Stuvia:

Bewezen kwaliteit door reviews

Bewezen kwaliteit door reviews

Studenten hebben al meer dan 850.000 samenvattingen beoordeeld. Zo weet jij zeker dat je de beste keuze maakt!

In een paar klikken geregeld

In een paar klikken geregeld

Geen gedoe — betaal gewoon eenmalig met iDeal, Bancontact of creditcard en je bent klaar. Geen abonnement nodig.

Focus op de essentie

Focus op de essentie

Studenten maken samenvattingen voor studenten. Dat betekent: actuele inhoud waar jij écht wat aan hebt. Geen overbodige details!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper Mariecusters. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €8,99. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 68175 samenvattingen verkocht

Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen

Start met verkopen

Laatst bekeken door jou


€8,99
  • (0)
In winkelwagen
Toegevoegd