Dit is een samenvatting van alle uitleg van de grasple oefeningen. Dit document is erg handig wanneer je toets voor SPSS moet maken of SPSS moet gebruiken voor je thesis! Met behulp van deze aantekeningen heb ik een 10 gehaald voor de SPSS tentamen. Per analysemethode staat er stap voor stap uitgel...
Grasple
Week 1: Multiple Regressie
MR 0: herhaling correlatie en regressie
Als je de sterkste predictor wil vinden in de tabel, kijk je naar tabel Coefficients a en dan
naar standardized coefficients Beta.
Regressievergelijking voorspellen
Enkelvoudig y = Bo + B1 x X1
Meervoudig y = Bo + B1 x X1 + B2 x X2 (ligt aan de hoeveel variabele)
Bo is constant
In de tabel model summary geeft Rsquare de verklaarde variantie aan, deze moet nog wel
omgezet worden in procenten.
Residu bereken je door Y – Y^
MR 1: controle assumpties (initieel)
Een voorwaarden voor een multiple regressieanalyse is dat de afhankelijke variabele minimaal van
interval meetniveau is. De onafhankelijke variabelen moeten minimaal van interval meetniveau of
dichotoom zijn.
Een tweede voorwaarden voor een multipele regressieanalyse is dat er lineaire verbanden zijn
tussen de afhankelijke variabele en alle kwantitatieve onafhankelijke variabele.
Om een spreidingsdiagram te maken in SPSS, ga je naar Graphs Chart builder Legacy Dialogs
Scatter/Dot
Een derde voorwaarden die je in de spreidingsdiagrammen visueel kunt beoordelen is de
afwezigheid van uitschieters. Om een uitschieter te verwijderen, klik je op de rij en dan delete.
Om de correlatie te kunnen vinden in SPSS ga je naar Analyze Correlate Bivariate
MR 2: controle assumpties (statistisch)
Een regressieanalyse uitvoeren in SPSS:
Analyze regression linear
Zet de afhankelijke en onafhankelijke variabele in de goede vakjes
Om assumpties te checken, moet je deze aanvinken:
Afwezigheid uitschieters: klik op save en vink standardized residuals, Mahalnobis
en Cook’s distances aan
Afwezigheid multicollineariteit: klik op Statistics en vink Collinearity diagnostics
aan.
Homoscedasticiteit: klik op plots. Plaats de variabele de gestandaardiseerde
voorspelde waarden op de x-as en plaats de variabele de gestandiseerde residue op
de y-as
Normaal verdeelde residuen: klik op plots en vink histogram aan
Afwezigheid uitschieters:
Het is mogelijk om met een spreidingsdiagram of boxplot op het oog te bekijken of er uitschieters
in de data aanwezig zijn. Het is ook mogelijk om dit formeel te beoordelen tijdens het uitvoeren
van de analyses. Hiervoor kijk je naar de tabel Residuals Statistcs en bekijk je de minimum en
maximum waardes van de standardized residuals, Mahalanobis Distance en Cook’s distance. Aan
de hand van deze waardes beoordeel je respectievelijk of er uitschieters in Y-ruimte, X-ruimte en
XY-ruimte zijn.
Standardized Residuals: hiermee controleren we of er sprake is van uitschieters in Y-
ruimte. Als vuistregel houden we aan dat de waardes tussen -3.3 en 3.3 moeten liggen.
Waardes kleiner dan -3.3 of groter dan 3.3 duiden op uitschieters.
Mahalanobis distance: hiermee controleren we of er sprake is van uitschieters in X-ruimte.
Een uitschieter in X-ruimte is een extreme score op een predictor of combinatie van
predictoren. Als vuistregel houden we aan dat de waardes lager moeten zijn dan 10 + (2 x
aantal onafhankelijke variabelen) Waardes hoger dan deze kritieke waarde duiden op
uitschieters
Cook’s distance: hiermee controleren we of er sprake is van uitschieters in XY-ruimte. Een
uitschieter in de XY-ruimte is een extreme combinatie van X en Y scores. Cook’s distance
geeft aan wat de overall invloed is van een respondent op het model. Als vuistregel houden
we aan dat de waardes lager dan 1 moeten zijn. Waardes hoger dan 1 duiden op
invloedrijke respondenten (influential cases)
, Wanneer je een keuze moet maken over het al dan niet verwijderen van een uitschieter is een
aantal dingen belangrijk:
Behoort deze participant tot de groep waarover je uitspraken wilt doen? Zo nee, neem de
participant dan niet mee in de analyses
Is de extreme waarde van de participant theoretisch mogelijk? Zo nee, neem de participant
dan niet mee in de analyses. Zo ja, draai de analyse dan met en zonder participant,
rapporteer de resultaten van beide analyses en bespreek eventuele verschillen.
Afwezigheid multicollineariteit:
In de tabel Coefficients staat in de laatste twee kolommen de informatie over multicollineariteit.
Hiermee wordt gekeken of de relatie tussen twee of meerdere onafhankelijke variabele te sterk is
(r > .80).
Als je sterk gerelateerde variabelen opneemt in je model heeft dat drie gevolgen:
De regressiecoëfficiënten (B) zijn onbetrouwbaar
Het beperkt de grootte van R (de correlatie tussen Y en Y^)
Het belang van individuele onafhankelijke variabelen is niet/moeilijk vast te stellen.
Om multicollineariteit vast te stellen in SPPS kijk je naar de tabel coefficient en houdt je aan de
volgende vuistregels:
Waardes van de tolerance kleiner dan .2 duiden op een mogelijk probleem
Waardes voor de tolerance kleiner dan .1 duiden op een probleem
De VIF is gelijk aan 1 : tolerance, dus voor de VIF geldt dat de waardes groter dan 10
duiden op een probleem
Homoscedasticiteit
De voorwaarden van homoscedasticiteit houdt in dat de spreiding van de residuen per x-waarde
ongeveer gelijk zijn. Dit beoordelen we door de gestandaardiseerde residuen te plotten tegen de
gestandaardiseerde voorspelde waardes. Als er voor elke voorspelde waarde (x-as) ongeveer
evenveel spreiding is op de y-as, dan is er voldaan de voorwaarde.
Normaal verdeelde residuen
Hoewel histogram niet precies de lijn van de normale verdeling volgt zijn de afwijkingen niet zo
groot dat we concluderen dat de voorwaarde voor normaal verdeelde residuen geschonden is.
MR 3: uitvoeren en interpreteren
In de tabel model summary staat Rsquare, die geeft het percentage verklaarde variantie aan in de
steekproef. Naast Rsquare staat de Ajusted Rsquare. Deze geeft aan wat de geschatte percentage
verklaarde variantie is in de populatie. De Rsquare wordt hiervoor aangepast op basis van de
steekproefgrootte en het aantal predictoren in het model. Het geschatte percentage verklaarde
variantie in de populatie is altijd lager dan het percentage verklaarde variantie in de steekproef.
In de tabel ANOVA staat de uitkomst van de F-toets die toetst of het gehele model significant is.
Hier kijken we dus of de drie onafhankelijke variabelen samen een significant deel van de spreiding
in tevredenheid kunnen verklaren.
In de tabel coefficient staat de informatie over de regressiecoëfficiënten. Hier kijken we per
onafhankelijke variabele of deze een significante voorspeller is van de afhankelijke variabele.
Een hiërarchische regressieanalyse uitvoeren in SPSS:
Analyze Regression Linear
Plaats de onafhankelijke variabelen van het oorspronkelijke model in Block 1 of 1
Klik op Next. Hiermee kun je een nieuw blok met variabele toevoegen. Je selecteer alleen
de extra variabelen
Vraag onder Statistics om R squared change
Klik op ok
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
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 sannebentschapknook. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €4,49. Je zit daarna nergens aan vast.
