Samenvatting
Samenvatting Verdieping Onderzoeksmethoden en Statistiek
Samenvatting Verdieping Onderzoeksmethoden en Statistiek. Bachelor jaar 2. Universiteit Utrecht.
[Meer zien]Voorbeeld 4 van de 44 pagina's
Voorbeeld 4 van de 44 pagina's
In winkelwagengesponsord bericht van onze partner
Verkoper
Volgen
Voorbeeld van de inhoud
HC 1 kwantitatief multiple regressieKwantitatief is verftaalslag van kwalitatief (kindfactoren) naar intelligentie,
leeftijd etc (kwantitatief).
Padmodel multiple regressie;
- 1 afhankelijke variabele (y) schoolprestaties
- 1 of meer onafhankelijke variabelen (x) van interval/ratio meetniveau. Bijv.
intelligentie of leeftijd ( 1 stapje meer gezinsgrootte wat gebeurt er met y)
- 1 of meer dichotome variabelen, wel of niet aanwezig bijv. een huisdier
- E= meetfout
Voorbeeld onderzoeksvraag multiple regressie; kunnen we kennis van
literatuur bij jongvolwassenen voorspellen met persoons,- gezins,- en
schoolkenmerken?
Kwantitatief onderzoek is belangrijk voor generalisatie daarom is populatie
belangrijk.
Afhankelijk is wat je probeert te voorspellen/verklaren/uitkomstmaat (kennis van
literatuur)
Onafhankelijk adhv wat ga je dat verklaren (kenmerken ouderlijk huis, kenmerken
school).
Doelen analyse;
- Beschrijven lineare relatie variabelen (regressiemodel)
- Toetsen hypothesen over relaties, is het relevant (significantie)
- Kwantificeren van relaties, hoe groot is het effect (effectgrootte)
- Kwalificeren van relaties (klein, middel, groot)
- Beoordelen relevantie van relaties. Hoe groot moet effect zijn voordat het
belangrijk is? (subjectief)
- Voorspellen van iemands waarde met regressiemodel (puntschatting en
interval schatting)
!!!! je mag bij statistische samenhang geen causale uitspraak doen !!!!
Regressie 1; uitkomst (y)= model (x) + voorspellingsfout
,Als er geen voorspelling is is er ook geen voorspellingsfout; geschatte uitkomst
(Y^)= model (x)
Multiple regressie formule;
Y= B0 (intercept, constante, als x 0 is) + B1X1( 1 stapje hoger op x welke
invloed op y) +…….. + B6X6 ( 1 stapje meer op X welke invloed op y) + E
B1 is de regressiecoeffiecient.
Bij een spreidingsdiagram is er 1 voorspeller 1 x dus.
B0= intercept of constante B1= regressiecoefficient.
Y^ (voorspelde waarde op y) = B0 + B1X1 (enkelvoudige regressie).
Kleinste kwadraten criterium; de best passende lijn; lijn met zo’n klein mogelijke
voorspellingsfout.
Voorspellingsfout; voor elke respondent; - geobserveerde y
-geschatte y^
-voorspellingsfout Ej= Yj- Y^j
Positieve e; boven de lijn, onderschatting door model, we schatten boven
Negatieve e; onder de lijn. Overschatting door model.
,Voorspelling met kleine residuen is nauwkeuriger.
B0; snijdingsvlak bij y-as.
Goodness of fit model; model (regressielijn) met kleinste residuale
kwadratensom.
Bepalen goodness of fit (R2); vergelijking van linear model (regressiemodel) met
basismodel ( basislijn) pak het gemiddelde.
R2= SSm/ SSt
SSt (totale kwadratensom)= SSm (kwadratensom rechte lijn) + SSr
( kwadratensom voorspellingsfout)
Deviatie; afstand, misfit.
Q
Het bereik van R2 ligt tussen de 0 en 1(perfecte samenhang)
Multiple correlatiecoefficient = R= correlatie y en y^
Determinatiecoefficient R2; propertie y in verklaarde variantie in model is
verklaring y door alle x’en .
Invloed afzonderlijke x op y= B
R2> 0; het regressiemodel verklaart wel variatie in y
B> 0 of B<0 ; er is effect van x op y. het kan positief of negatief zijn. geen 0
B= 0 (nulhypothese); rechte lijn, geen effect, geen informatie.
Multiple regressie; y= B0 + B1X1 + B2X2 + B3X3 + E
, Hypothesen; H0; R2 = 0 ( er is geen verklaarde variantie)
HA; R2 > 0
Toets voor R2 doe je dmv. F- toets en beoordeel je statische significantie (a= .05)
Met grootte van R2 kwalificeer je relatie. p kleiner dan a verwerp H0.
F= MSm/ MSr p= .000 dus H0 verwerpen we geloven HA.
MS= SS/df
Beta = gestandaardiseerde regressie coeficient.
t= toetsingsgrootheid t sig.= overschreidingskans p
de p bij de t is .623 niet significant. H0 houden.
Degene met de grootste beta is de meest invloedrijke voorspeller.’
R2= verschil verklaarde variantie.
Als je 3 extra variabelen erbij invoegt kijk je vervolgens naar de R square change
en is dit groter geworden dan is het toevoegen van de extra variabelen statistisch
zinvol.
HC2 kwantitatief meerweg ANOVA
Multiple regressie; 1 afhankelijke variabele (y) minimaal interval niveau, meer
dan 1 predictor (x1, x2 etc.) meetniveau is interval of dichotoom.
Eenweg ANOVA: 1 afhankelijke variabele (y), 1 factor (one- way ANOVA). We
kijken naar het gemiddelde per groep (x) op y.
Meerweg ANOVA (factorial ANOVA); 1 afhankelijke variabele (y) meer dan één
factor (min. Nominaal) (x1, x2) dit word dan (two- way, three-way……ANOVA).
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 jasmijnhokse. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €7,16. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 56326 samenvattingen verkocht
Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen