Dit document bevat ALLE stappen die je moet doen voor het uitvoeren van de verschillende analysetechnieken. Daarnaast bevat ieder onderwerp ook de interpretatie van de output, dus waar je welke waardes kan vinden.
Mega handig voor jou tentamen in SPSS!
,TIP:
Als je in de SPSS-uitvoer de betekenis van bepaalde statistieken niet kent, is er de volgende
helpfunctie tot je beschikking:
- Dubbelklik op de tabel waar de statistiek in vermeld staat
- Klik met de rechtermuisknop op de kolomkop van de statistiek waarvan de je betekenis
wilt weten
- Selecteer What's This?
ASSUMPTIES CHECKEN
1. Meetniveau > nominaal, ordinaal, interval en ratio
2. Lineaire verbanden en uitschieters > SPREIDINGSDIAGRAM Graphs > Legacy Dialogs
> Scatter/dot
SPREIDIGSDIAGRAM MAKEN
1. Graphs > Chart Builder > Scatter/Dot > Grouped Scatter
2. Plaats de (gecentreerde) onafhankelijke variabele op de X-as
3. Plaats de afhankelijke variabele op de Y-as
4. Plaats de moderator (groepsvariabele) in het vakje Set color
5. Vraag regressielijnen per subgroep aan: zie rechtsonder Linear Fit Lines en vink daar
Subgroups aan.
MULTIPELE REGRESSIE
Multipele regressie analyse uitvoeren & assumpties controleren
1. Analyze > Regression > Linear
2. Bedenk wat de afhankelijke en onafhankelijke variabelen zijn en zet deze in de goede
vakjes.
3. We willen verschillende assumpties controleren. (let op: wanneer je later nieuwe
variabelen toevoegt moet je nog een keer de assumpties controleren. Per assumptie
staat aangegeven wat je aan moet vinken om deze te kunnen controleren:
a. Afwezigheid uitschieters: save > vink aan: Standardized residuals, Mahalanobis
en Cook’s distances
i. Beoordelen hiervan: dit kan met het oog in de spreidingsdiagram maar
ook in de tabel Residual Statistics en bekijk je minimum en maximum
waardes van:
1. Standardized residuals (Y-ruimte): -3.3 tot + 3.3, niet daartussen?
> Uitschieter aanwezig.
2. Mahalanobis (X-ruimte): niet hoger dan 10+2x aantal
onafhankelijke variabelen. Wel hoger? > uitschieter aanwezig.
3. Cook’s distance (XY-ruimte): niet hoger dan 1. Wel hoger? >
uitschieter aanwezig.
ii. Tot slot: kijk altijd of de waarde mogelijk is en of de participant alsnog bij
de groep hoort.
b. Afwezigheid multicollineariteit: Statistics > vink aan Collinearity diagnostics.
, i. Beoordelen hiervan
1. Waardes voor de Tolerance kleiner dan .2 duiden op een mogelijk
probleem.
2. Waardes voor de Tolerance kleiner dan .1 duiden op een
probleem.
3. De VIF is gelijk aan 1/Tolerance, dus voor de VIF geldt dat
waardes groter dan 10 duiden op een probleem
c. Homoscedasticiteit: klik op plost > plaats de variabele *ZPRED (de
gestandaardiseerde voorspelde waarde) op de X-as. Plaats de variabele
*ZRESID (de gestandaardiseerde residuen) op de Y- as.
i. Dit beoordelen we door de gestandaardiseerde residuen te plotten tegen
de gestandaardiseerde voorspelde waardes. Als er voor elke voorspelde
waarde (X-as) ongeveer evenveel spreiding is op de Y-as, dan is er
voldaan aan de voorwaarde.
d. Normaal verdeelde residuen: klik op plots> vink
aan Histogram.
i. Beoordelen hiervan: het moet een mooie
curve zijn en geen extreme afwijkingen.
4. Klik op ok.
Het interpreteren van de resultaten van de multipele
regressieanalyse
Voor het interpreteren gebruiken we de eerste vier tabellen van de output:
1. In de eerste tabel staat wat de onafhankelijke en afhankelijke variabelen zijn.
2. In de tweede tabel staan de algemene kwaliteitsgegevens van het regressiemodel.
a. R: de waarde van multipele correlatiecoëfficiënt van het regressiemodel
b. R2: hoeveel van de variantie in Y wordt verklaard door het model met de
gekwadrateerde variant van R (%).
c. Adjusted R square: percentage in de populatie.
3. In de derde tabel staat de uitkomst van de F-toets voor het model. Hier kijken we dus of
de onafhankelijke variabelen samen een significant deel van de spreiding in de
afhankelijk variabele kunnen verklaren.
4. In de vierde tabel staat informatie over de regressiecoëfficiënten. Hier kijken we per
onafhankelijke variabele of deze een significante voorspeller is van de afhankelijke
variabele.
Een Hiërarchische multipele regressieanalyse uitvoeren en interpreteren
1. Analyze > regression > linear
2. Plaats de onafhankle variabelen van het oorspronkelijke model in Block 1 of 1.
3. Klik op next. Hiermee kun je een nieuw blok met variabelen toevoegen. Hier selecteer je
alleen de extra variabelen: het is dus niet nodig de andere variabelen uit het eerste blok
nogmaals te selecteren.
4. Vraag onder statistics om R squared change.
5. Klik op OK.
Beoordelen Tabel: Model summary: Voor het beoordelen van de modellen kijk je waar de R
square het hoogst is en kijk je of R Square Change een toename is. Dus wanneer model 1:
.173 is en bij model 2: .132 dan is model 2, 13,2 % ‘beter’.
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 hvanderwiel. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €3,39. Je zit daarna nergens aan vast.
