Samenvatting
Samenvatting multivariate data-analyse
- Instelling
- Universiteit Leiden (UL)
Samenvatting van het vak multivariate data-analyse
[Meer zien]Voorbeeld 4 van de 70 pagina's
Voorbeeld 4 van de 70 pagina's
In winkelwagengesponsord bericht van onze partner
Voorbeeld van de inhoud
Multivariate Data Analyse – SamenvattingMichelle van Zwieten
S2549522
Wat betekent multivariate = multivariate heeft betrekking op 3 of meer variabelen
Leerdoelen:
algemeen:
Welke methode / techniek kan ik gebruiken voor welk probleem?
uitvoeren van die (gekozen) data-analyse
begrijpen en kunnen interpreteren van de output van de data-analyse
specifieke technieken:
theoretische eigenschappen van iedere methode /techniek weten
interpreteren van de parameters van een techniek
oordelen of de interpretaties geldig zijn
is er voldaan aan de aannames
College 1 – multiple regressieanalyse (= meervoudige regressie-analyse)
Technieken in week 1 t/m week 4:
Er is steeds sprake van 1 afhankelijke variabele : Y
Er is steeds sprake van meerdere onafhankelijke variabelen X1, X2, X…, = voorspellers =
predictoren
Onderzoeksvraag : kan Y worden voorspeld vanuit X1 en/of X2 en/of X … ?
3 relevante meetniveaus :
Nominaal (NOM) = nominaal meetniveau onderscheidt alleen categorieën ; er is geen ordening
bijv. : geen therapie, psycho-dynamische therapie, exposure therapie
Interval (INT) = als de data kan worden gecategoriseerd, er is sprake van een rangorde
(de intervallen tussen de categorieën zijn gelijk)
bijv. : gewicht, lengte, IQ-scores, BDI-scores (= Beck Depression Inventory) (quasi-interval)
Binair (BIN) = Binaire variabelen hebben 2 categorieën, deze kunnen zowel van nominaal als
van intervalniveau zijn.
bijv. : pass/fail, man/vrouw
Stappenplan : wanneer welke techniek? (week 1 t/m 4)
Predictoren : Afhankelijke var. : Y Techniek Afkorting
X1, X2 Slechts één
INT INT Multiple regressie analyse MRA (week 1)
NOM INT Analyse van variantie ANOVA (week 2)
1
, NOM + INT INT Analyse van covariantie ANCOVA
INT BIN Logistische regressieanalyse LRA
Opmerkingen bij bovenstaande tabel :
X1 en X2 kunnen ook BIN zijn
Als Y = BIN, dan altijd LRA
2
,Week 1 Multiple Regression Analysis (= MRA)
Week 2 variantieanalyse = Analysis Of Variances (ANOVA)
Onderzoeksvraag: kan Y worden voorspeld vanuit X1 en/of X2?
Meetniveaus :
X1 en/of X2 = INT
Y = INT
Inhoud college :
1. Illustratief voorbeeld
2. Regressievergelijking
3. Evalueren van het model
4. Checken van de assumpties (= aannames)
5. Diverse onderwerpen
1. Illustratief voorbeeld
Onderzoeksvraag : Kan depressie worden voorspeld uit levensgebeurtenissen (X1) en/of coping
(X2)?
Studiedesign :
Vraag de deelnemer naar het aantal levensgebeurtenissen (X1) (0, 1, 2, 3, …)
bijv. financiële moeilijkheden, relatieproblemen, ziekte
Gebruik testen om de coping-strategie van de participant te meten (X2)
bijv. 1 = no coping, en 10 = good coping
Gebruik BDI om te depressie te meten (Y)
BDI-score : 0-9 = minimal, 10-18 = mild, 19-29 = moderate, 30-63 = severe depression
Model dat goed werkt: als afhankelijke variabele (Y = depressie) wordt weergegeven als lineaire
functie van voorspellers (X1 en X2)
Regressiemodel:
Simpele regressie : Y1 = b0* + b1* X1i + ei
Multiple regressie : Y1 = b0* + b1* X1i + b2* X2i + …. bk* Xki + ei
Wat betekent wat uit de formule:
B0* = constante, en die ster geeft aan dat het om een populatiewaarde gaat = (populatie)
regressiecoëfficiënt
b1* , b2* …. , bk* = (populatie) regressiecoëfficiënten (= parameters).
Deze moeten worden geschat van de data (steekproef). Lineair model : volgens het kleinste
kwadratenprincipe least squares estimation (dit kan in SPSS)
X1i , X2i , … , Xki en Yi = scores op X1, X2, …, Xk en Y van individu i
ei = residu (= error) = individuele afwijking van een bepaald persoon tot het regressiemodel
3
, 2. Regressievergelijking
Y^ ⅈ = voorspelling van Yi (= afhankelijke variabele)
^ ⅈ + ei (de geobserveerde waarde = voorspelde waarde + error)
Yi = Y
Regressievergelijking :
Simpele regressie : Y ^ ⅈ = b0 + b1X1i
Multiple regressie : Y ^ ⅈ = b0 + b1X1i + b2X2i + … + bkXki
Wat betekent wat uit de formule:
b0 , b1 en b2, …., en bk = schattingen van b0*, b1* , b2* …. , bk*
De beste voorspelling / schatting (least squares) als de som van de gekwadrateerde verschillen
minimaal is:
Formule hiervoor: is minimaal (zo klein mogelijk)
Voorbeeld van regressielijn bij Voorbeeld van regressielijn bij meervoudige
enkelvoudige regressie (dus met maar 1 regressie (dus met meerdere predictoren)
predictor)
3. Evalueren van het model
4
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 michellevanzwieten. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €5,49. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 72042 samenvattingen verkocht
Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen