Populatie = Griekse letters
Steekproef = Latijnse letters
Correlatiecoëfficiënt
ρ in populatie (Griekse letter rho) gebruik in hypothesetoets in populatie
r in de steekproef
Populatie gemiddelde: µ (mu) gebruik in hypothesetoets bij gemiddelde in populatie
Populatie standaarddeviatie: σ (sigma)
Steekproef gemiddelde: M
Steekproef standaarddeviatie: s
Significantieniveau: α (alpha)
P-waarde: p (sig..tailed)
Steekproefverdeling: n
Hypothese populatie: (Beta) of р2 (rho2) gebruik in hypothesetoets bij regressie
p2 is voor alle predictoren 1e vraag bij multipele regressie
is per predictor = richtingscoëfficiënt 2e vraag bij multipele regressie
Toetsingsgrootheid enkelvoudig: t
Toetsingsgrootheid multiple: F
Lineaire formule: Y= b0 + b1 x X + error (OF Y = a + b x X + error) = beschrijvend
Voorspellende formule: zonder error
Y = afhankelijke variabele = variabele waarover we iets willen zeggen
X = predictor = variabele waarover we informatie hebben
b0 = constante/intercept = waarde van y als x gelijk is aan 0
b1 = richtingscoëfficiënt = verschil in waarden van y wanneer x 1 groter wordt
Error / residu/ voorspellingsfout = verschil tussen lijn en punten
BF = Bayes Factor
BF01 = hoeveel keer meer support is er in de data te vinden voor H 0 ten opzichte van H1
BF10 = hoeveel keer meer support is er in de data te vinden voor H 1 ten opzichte van H0
PMKs = Posterior Model Kansen
PMK0 = de kans dat H0 waar is, gegeven de informatie in de data
PMK1 = de kans dat H1 waar is, gegeven de informatie in de data
, Effectgroottes:
r2 = Verklaarde variantie = effectgrootte bij multipele regressie alle predictoren samen
r2 = 0.01 = klein effect
r2 = 0.09 = medium effect
r2 = 0.25 = groot effect
je zegt vanaf 0.09 medium effect, alle getallen < 0.09 zijn klein effect
r = correlatiecoëfficiënt = effectgrootte bij correlatie
r = 0.10 = klein effect
r = 0.30 = medium effect
r = 0.50 = groot effect
d = cohen’s d = effectgrootte t toets onafhankelijke groepen (experimenteel onderzoek 2 groepen
vergelijken)
d = 0.20 = klein effect
d = 0.50 = medium effect
d = 0.80 = groot effect
η2 (=percentage verklaarde variantie) = effectgrootte ANOVA
Hypothesen
NHST correlatie
H0: p = 0
H1: p > 0
NHST enkelvoudige regressie
H0: gewicht = 0
H1: gewicht > 0
NHST multipele regressie toetsing 1 invloed alle predictoren samen op afhankelijke variabele
H0: 2 = 0
H1: 2 > 0
Alternatieve hypothese ALTIJD groter dan 0, het percentage verklaarde variantie kan nooit kleiner
zijn dan 0
Je gaat alleen toetsing 2 uitvoeren als toetsing 1 significant is om te kijken welke predictor meeste
invloed heeft.
NHST multipele regressie toetsing 2 invloed per predictor op afhankelijke variabele
H0: leeftijd = 0
H1: leeftijd > 0
NHST experimenteel onderzoek
H0: DI = C
H1: DI > C
H0: DI – C = 0
H1: DI – C > 0
Steekproef = Latijnse letters
Correlatiecoëfficiënt
ρ in populatie (Griekse letter rho) gebruik in hypothesetoets in populatie
r in de steekproef
Populatie gemiddelde: µ (mu) gebruik in hypothesetoets bij gemiddelde in populatie
Populatie standaarddeviatie: σ (sigma)
Steekproef gemiddelde: M
Steekproef standaarddeviatie: s
Significantieniveau: α (alpha)
P-waarde: p (sig..tailed)
Steekproefverdeling: n
Hypothese populatie: (Beta) of р2 (rho2) gebruik in hypothesetoets bij regressie
p2 is voor alle predictoren 1e vraag bij multipele regressie
is per predictor = richtingscoëfficiënt 2e vraag bij multipele regressie
Toetsingsgrootheid enkelvoudig: t
Toetsingsgrootheid multiple: F
Lineaire formule: Y= b0 + b1 x X + error (OF Y = a + b x X + error) = beschrijvend
Voorspellende formule: zonder error
Y = afhankelijke variabele = variabele waarover we iets willen zeggen
X = predictor = variabele waarover we informatie hebben
b0 = constante/intercept = waarde van y als x gelijk is aan 0
b1 = richtingscoëfficiënt = verschil in waarden van y wanneer x 1 groter wordt
Error / residu/ voorspellingsfout = verschil tussen lijn en punten
BF = Bayes Factor
BF01 = hoeveel keer meer support is er in de data te vinden voor H 0 ten opzichte van H1
BF10 = hoeveel keer meer support is er in de data te vinden voor H 1 ten opzichte van H0
PMKs = Posterior Model Kansen
PMK0 = de kans dat H0 waar is, gegeven de informatie in de data
PMK1 = de kans dat H1 waar is, gegeven de informatie in de data
, Effectgroottes:
r2 = Verklaarde variantie = effectgrootte bij multipele regressie alle predictoren samen
r2 = 0.01 = klein effect
r2 = 0.09 = medium effect
r2 = 0.25 = groot effect
je zegt vanaf 0.09 medium effect, alle getallen < 0.09 zijn klein effect
r = correlatiecoëfficiënt = effectgrootte bij correlatie
r = 0.10 = klein effect
r = 0.30 = medium effect
r = 0.50 = groot effect
d = cohen’s d = effectgrootte t toets onafhankelijke groepen (experimenteel onderzoek 2 groepen
vergelijken)
d = 0.20 = klein effect
d = 0.50 = medium effect
d = 0.80 = groot effect
η2 (=percentage verklaarde variantie) = effectgrootte ANOVA
Hypothesen
NHST correlatie
H0: p = 0
H1: p > 0
NHST enkelvoudige regressie
H0: gewicht = 0
H1: gewicht > 0
NHST multipele regressie toetsing 1 invloed alle predictoren samen op afhankelijke variabele
H0: 2 = 0
H1: 2 > 0
Alternatieve hypothese ALTIJD groter dan 0, het percentage verklaarde variantie kan nooit kleiner
zijn dan 0
Je gaat alleen toetsing 2 uitvoeren als toetsing 1 significant is om te kijken welke predictor meeste
invloed heeft.
NHST multipele regressie toetsing 2 invloed per predictor op afhankelijke variabele
H0: leeftijd = 0
H1: leeftijd > 0
NHST experimenteel onderzoek
H0: DI = C
H1: DI > C
H0: DI – C = 0
H1: DI – C > 0
