ANOVA table: general hypothesis tested
• Sources: regression, residual + total
• Df total = N-1
• Df regression = p
• Df residual = df total – df regression
• SS total = (N-1) * var(Y)
• SS regression = (N-1) * var(Ypredicted)
• SS residual = SS total – SS regression
• MS = SS / df
• F = MS regression/ MS residual
• R^2 = SS regression / SS total (this is the proportion explained variance)
• R = cor(Y,Ypred)
• R^2 > 0.20 strong
• R^2 between 0.10 and 0.20 medium
• R^2 < 0.10 weak
Decision:
In the prediction of the (DV) from the (IV’s), the R squared is/is not significantly larger than
0. Its value indicates a strong/medium/weak effect size. The regression coefficient of (IV1)
was significant/not significant. The regression coefficient of the (IV2) was significant/not
significant.
• Only indicate effect size if it is significantly larger
1
, Causal interpretation:
The variable (IV1) is experimental/not experimental, so in principle there is one/more than
one explanation for its predictive value as to (DV). The primary explanation is that …. An
alternative explanation is … (sometimes not obvious).
Extensions of multiple regression analysis
• Bi = standardized raw regression weights; changes if Y scores are multiplied by
constant c
o Can directly plug them into regression equation to predict new scores
• βi = standardized regression weights/beta weights; changes if Xi scores are multiplied
by constant c (only of that predictor, the beta weights of the other predictors remain
same)
o don’t depend on unit of measurement
• Bi = βi * S(Y)/s(Xi)
• B-weight: score Y 2x as large, B also 2x as large. Measurement 100x smaller, B also
100x smaller
• Beta-weight: Doesn’t change with measurement change.
(univariate) General Linear Model (GLM): Multiple regression analysis with dummy
codes for between-subject factors
Two-factor ANOVA: only for equal cell frequencies => regression: can deal with correlated
independent variables (unequal cell frequencies)
Short report:
A linear regression analysis with the … as dependent variable and the … and … as
independent variables, showed that the R squared is/ is not significantly larger than 0 F (df
regression, df residual) = F regression, p = p regression). Its value (R^2 = …) indicates a
strong/medium/weak effect size. The regression coefficient of the IV1 was significant/not
significant (beta = …, p = …). The regression coefficient of the IV2 was significant/not
significant (beta = …, p = …).
• Only indicate effect size if it is significant
GLM-Univariate
• 1 DV (quantitative) = criterion
• 1 or more IV = have to be between-subject factors
o Qualitative = between-subject factors
o Quantitative = covariates
Design:
• Dependent variable = name (quantitative)
• Between-subject factor = name (qualitative)
• Covariate 1 = name (quantitative)
2
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 milajanssen06. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €6,49. Je zit daarna nergens aan vast.