College aantekeningen
ARM technique consultation regression analysis aantekeningen
College-aantekeningen van het technique consultation over regression analysis. Geschreven in 2024, voornamelijk in het Engels.
[Meer zien]Voorbeeld 1 van de 3 pagina's
Voorbeeld 1 van de 3 pagina's
In winkelwagengesponsord bericht van onze partner
Voorbeeld van de inhoud
Advanced Research Methods part B – Technique consultation RegressionAnalysis
Choosing the reference category by dummy variables
Why do we use dummy variables in a multiple regression analysis?
- Regression analysis requires metrically scaled variables (zowel voor de
onafhankelijke als de afhankelijke variabele)
- To be able to incorporate non-metrically scaled variables, we create dummies that
does not make them metrically scaled, maar hierdoor kan je ze wel opnemen in een
regressive analyse
- One dummy is left out and serves as reference category
- Je maakt bijvoorbeeld 3 dummy’s en je neemt er 2 van deze op in de analyse. Je
interpreteert daardoor de Beta altijd in relatie tot de reference category (in
comparison to)
Does it matter which category becomes the reference category while using a dummy?
- Mathematically: no
- Sometimes there are theoretical reasons to use a particular reference category er
kan een categorie zijn waartegen je alle andere categorieën mee wil vergelijken
- If not, you can use the one with the largest sample size
- You can run several models to get all comparisons
Error terms
- The individual error terms have a mean of zero. This is an assumption, because with
multiple regression we cannot formally assess the error, we assume that individual
error terms have a mean of zero
- We cannot formally assess this (omdat we niet de data hebben), but we know our
measures might not be always completely right, we might not have all variables in the
model, therefore we assume that overall we are kind of right
- That is why we check the residuals (the deviation between the predicted value and
the actual value)
What is a residual? How do you detect influential observations?
Residual: error in predicting our sample data
Influential observations detection: through residual plots and partial regression plots
A: null-plot. Het is niet based en niet heteroscedactic
B: non-linearity. Je moet misschien polynomial terms meenemen
C: heteroscedasticity. De variance van de errors is klein in het begin en groot aan het einde
D: heteroscedasticity
E: time-based dependence.
F: event-based dependence
G: non-linearity
1
Dit zijn jouw voordelen als je samenvattingen koopt bij Stuvia:
Bewezen kwaliteit door reviews
Studenten hebben al meer dan 850.000 samenvattingen beoordeeld. Zo weet jij zeker dat je de beste keuze maakt!
In een paar klikken geregeld
Geen gedoe — betaal gewoon eenmalig met iDeal, creditcard of je Stuvia-tegoed en je bent klaar. Geen abonnement nodig.
Direct to-the-point
Studenten maken samenvattingen voor studenten. Dat betekent: actuele inhoud waar jij écht wat aan hebt. Geen overbodige details!
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 gwa5. 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 66184 samenvattingen verkocht
Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen