This extensive exam document covers almost every single possible questions an SPSS MVDA exam can give. With this summary, I personally received a 9 for my SPSS final exam grade.
Week 1: Multiple Regression Analysis (MRA)
MRA = if A is regressed on B, A is the dependent variable and B the predictor/independent
→ Y is regressed on X
Does it make sense to perform a linear regression?
If there is a relationship = yes!
Which variable is likely to be a good predictor?
Highest significance = good predictor
Perform Linear Regression
Analyse → regression → linear → add what is needed (also if they ask
for extras)
Can the null hypothesis be rejected?
Look at the ANOVA table → it if is significant (p < 0.05) reject the
H0
What predictor explains the most unique variance?
, Look at the coefficients table → look at "part" → do each X 2 and check the
highest value
Example: 0.4872 = 0.237 → do for each: if this is the highest, then this
is the most unique
Is there evidence of multicollinearity in the predictors?
Look at VIF ( should be lower than 10) and Tolerance (should be higher than 0.10)
→ if they are lower than 10 and higher than 0.10 = no
multicollinearity (good thing!)
Do Cook's distances and Leverage values suggest the presence of outliers?
Look at Cook's (should be lower than 1) and Leverage (should be less than 3(k+1)/N)
● K = number of predictors/variables
Compare these values to the maximum in the table
Get rid of outliers (if needed)
Data → select cases → "if condition is satisfied" → put in what needs
to be gone (so this could be Cooks < 1 and/or Leverage < 3(k+1)/N)
How much variance is explained by..?
R2 = total variance explained, given in model summary table → unique
variance explained is part2
→ R2 is given under one of the tables, do not have to calculate it
Is there evidence of non-linearity, heteroscedasticity or non-normality of the residuals?
Scatterplot of standardised predicted values vs standardised residuals
Within linear regression: plots → full in Y: ZRESID and X: ZPRED →
check normal probability plot
What is the estimated regression equation? Interpret the regression coefficient
Yi = b0 + b1x1 + b2x2 + … → fill in the data and interpret the significance
(p < 0.05)
Week 2: Analysis of Variance (ANOVA)
Make a cross tabulation of X and Y
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 evalindekuyper. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €7,49. Je zit daarna nergens aan vast.