100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Summary management research methods 2 (grade 8,5!) €8,49
In winkelwagen

Samenvatting

Summary management research methods 2 (grade 8,5!)

 17 keer bekeken  0 keer verkocht

Total summary of management research methods 2.

Voorbeeld 3 van de 20  pagina's

  • 29 januari 2024
  • 20
  • 2023/2024
  • Samenvatting
Alle documenten voor dit vak (1)
avatar-seller
Ninavdtop
SUMMARY MRM2




Week 1 – ANOVA................................................................................................................2
Week 2 – Factorial ANOVA.................................................................................................6
Week 3 – Regression..........................................................................................................8
Week 4 – Regression (advanced) & mediation..................................................................13
Week 5 – Logistic Regression............................................................................................15
Week 6 – Factor Analysis..................................................................................................17

,Week 1 – ANOVA

PV (predicted value)  OV (outcome value)
The predicted value has an effect on the outcome value.
Or:
IV (independent variable: variable that explains)  DV (dependent variable: variable to be
explained)

The p-value =
The probability of obtaining a result (or test-statistic value) equal to (or ‘more extreme’ than)
what was actually observed (the result you actually got), assuming that the null hypothesis is true.
A low p-value indicates that the null hypothesis is unlikely.

Conceptual models
Conceptual models = visual representations of relations between theoretical constructs (variable) of
interest (and typically also visualize the research question).

In research by “model” we mean a simplified description of reality.

Variables can have different measurement scales:
- Categorical (nominal, ordinal) – subgroups are indicated by numbers or names.
- Quantitative (discrete, interval, ratio) – we use numerical scales, with equal distances
between values.
We often use psuedo interval scales (Likert scales) = a scale from 1 till ..

Conceptual models: moderation

Conceptual models: mediation
One variable mediates the relationship between two other variables.




ANOVA = Analysis of Variance

Comparing the variability between the groups against the variability within the groups.
“How can we investigate with a certain level of (statistical) confidence, what differences there might
be between the groups?”

ANOVA is used to test whether statistically significant differences exist in scores on a quantitative
outcome variable (partner attractiveness, customer satisfaction, ...) between different levels (groups)
of a categorical predictor variable (alcohol consumption, shopping channel, ...).

The idea behind an ANOVA is to statistically investigate whether different groups score differently on
a quantitative outcome.
- How much of the variability in our outcome variable can be explained by our predictor
variable.

, - Breaks down different measurement of variability through calculating sums of squares.
- Via these calculations, ANOVA helps us to test if the mean scores of the groups are
statistically different.

We use (One way Between-subjects) ANOVA when:
- OV (outcome variable) = quantitative
- PV (predictor variable) = categorical with more than 2 groups




SSR (unexplained variance) = a part in the statistics that cannot be explained.

ANOVA steps
1. Data suited for ANOVA?
- Nature of the variables (OV = quantitative and PV = categorical)
- Assumptions met?
a) Variance is homogenous across groups. (by using the levene’s test) in PV.




b) Residuals are normally distributed (don’t test this in this class)
c) Groups are roughly equally sized (in this class they always are) (ANOVA is very sensitive
to this) in PV
d) Our subjects can only be in one group in PV
e) There are >2 groups in PV
2. Model as a whole makes sense?  F-test model, R2
1. Total sum of squares (=total variance in the data)
Get the mean of all the data. Do all the (data – overall mean) 2 and add them all up.
Why square? So positive and negative numbers don’t cancel each other out.




2. Model sum of squares (=variance explained by the model)
(group mean – overall mean)2 and add them all up

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

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

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

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 Ninavdtop. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €8,49. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 53340 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€8,49
  • (0)
In winkelwagen
Toegevoegd