MVDA
Werkgroep 1: MRA
Huiswerk Iris Klaasse
MVDA huiswerk werkgroep 1: Multiple regression analysis (MRA)
1.1-1.2
1.1
a. Lineairiteit: ja. Rechte lijn door het midden trekken, is het dan de beste beschrijving
van de punten.
Homoscedasticiteit: variantie residuen gelijk, dus ja. gelijke spreiding rondom die
middenlijn.
Normaliteit: Rechte lijn (in de qq-pp plot), dus ja.
b. Multicollineairiteit = als er een medium tot hoge correlatie zit tussen predictors.
Hierdoor kun je niet meer kijken wat de ene doet en wat de ander doet. Allebei de
variabelen hebben een tolerance > .10 en VIF < 10. Dus nee. (Je wil deze eigenlijk
allebei het liefst zo dicht mogelijk bij de 1 hebben)
c. Outliers:
- Standard Res: niet boven 3 of onder -3. Dus nee. (deze kijkt naar een uitbijter op
de Y variabele)
- Outl. Pred: grenswaarde = 3(2+1)/58 = 0.155. Zit hieronder dus nee. (deze kijkt
naar een uitbijter op de X variabele)
- Cooks: <1 dus nee. (deze kijkt: als er een uitbijter is, hoe erg is dat dan)
d. Hypothesen:
- H0 = b1* = b2* = 0
- Ha = minstens een bj = niet 0.
e. F(2,55) = 37.770, p < 0,001. Significant dus H0 verwerpen
f. Hypothesen:
- H0 = b1* = 0
- Ha = b1* is niet nul
En hetzelfde bij b2*.
g. Language: t = 4.344, p < 0,001. Dus significant (gebruik df = n-p-1)
Perc. Motor: t = 2.998, p< 0,001. Dus significant
h. Ongestandaardiseerd: RAdakje= -1,596 + 1.049X1 + 0,464X2
Gestandaardiseerd: RAdakje(st) = 0,495X1st + 0,342X2st (st = gestandaardiseerd. Je
mag ook een Z erbij zetten)
Interpreteren: language met 1 standaarddeviatie omhoog, gaat reading met .0,495
standaarddeviatie omhoog. etc
i. –
j. Variantie totaal door X1 en X2 = r2 = 0,579
k. Unieke var door X1 = part2 = 0,144
Unieke var door X2 = part2 = 0,069
, MVDA
Werkgroep 1: MRA
Huiswerk Iris Klaasse
l.
1.2
a. Ja, p< 0,001 dus significante correlatie van .500
b. R2 = .250
c. Ja, p< 0,001 dus significante correlatie van .600. R2 = 0,360
d. 0,250 + 0,360 = 0,610
e. Ja. R = 0,370, p < 0,001
f. R2 = 0,450
g. Bij zero-order correlaties
h. Unieke X1 = Part2 = 0,0900
Unieke X2 = Part2 = 0,1998
i. Variante X1 en X2 samen en hun overlap = totale.
= Ry12 (dit is de zero-order)+ Ry(2.1)2 (Dit is de part van 2, gecorrigeerd voor 1. Dus
gewoon part van 2)=
= Ry22 + Ry(1.2)2 =
Dus je neemt altijd de zero-order van eentje + de part van de ander!!!! Allebei in
kwadraad!!!!!
j. -
1.3
Welke test kies je? Stappenplan:
1. Welke variabele doen mee?
2. Is het een y of een x?
3. Is het nominaal, interval, binair?
4. Wat is de onderzoeksvraag?
1. MRA (C)
2. Dependent samples t test (want gaat over zelfde kind en zelfde vragen, dus je mag
ervan uitgaan dat ouders en leraren beetje hetzelfde vinden)
3. EFA (want je kijkt of de vragen hetzelfde construct aan het meten zijn) (CFA is
minder zoekend, dan verwacht je echt al wat. Bij exploratief ben je nog zoekende)
1.4
, MVDA
Werkgroep 1: MRA
Huiswerk Iris Klaasse
a. 0,494
b. 0,416
c. 0,910
d.
.
e. 0,832
f. 0,078 overlap
g. Uniek 1 (extra) = 0,494 – 0,078 = 0,416
Uniek 2 (age) = 0,416 – 0,078 = 0,338
h.
1.5
1. Wel lin, niet homosc.
2. Wel lin, wel homosc.
3. Niet lin, wel homosc.
4. Niet lin, niet homosc.
5. Wel lin, niet homosc.
6. Niet lin, niet homosc.
1.6
a. Ja. want ability B = .498, t(267) = 9,506, p<0,001 en motivatie B = 0,230, t(267) =
4,392, p<0,001. allebei significant dus ja.
b. R2 = 0,397
c. Ja, R2 stijgt met 0,027 met p = 0,001 significant
d. Nee, R2 = 0,003, p = 0,263 niet significant
1.7
Parental interest want hij voet niet iets significants toe. Dit kan echter in het echt misschien
wel iets toevoegen. Dus niet meteen zeggen dat je het er zomaar uitgooit.
MVDA huiswerk werkgroep 2: ANOVA
2.1-2.2
