Samenvatting
Samenvatting Verdieping In Onderzoeksmethoden En Statistiek
In deze samenvatting zijn alle hoorcolleges van verdieping in de onderzoeksmethoden en statistiek samengevat.
[Meer zien]Voorbeeld 4 van de 68 pagina's
Voorbeeld 4 van de 68 pagina's
In winkelwagengesponsord bericht van onze partner
Voorbeeld van de inhoud
VOS HC 1 – Multipele regressieOnderwerpen college:
- Regressiemodel
- Predictoren (= onafhankelijke variabelen) en afhankelijke variabelen
- (Gestandaardiseerde) regressiecoëfficiënten
- Kleinste kwadraten criterium
- Goodness-of-fit
- Toetsen van R2
- Toetsen B’s
- Vergelijking van modellen (ΔR2)
- Categorische kenmerken in regressiemodel
- Assumpties toepassing (multipele) lineaire regressie
Multipele regressie algemeen
- Onderzoeksvraag
Kunnen we iemands waarde op een kenmerk voorspellen met kennis over andere
kenmerken?
- Doelen analyse
Beschrijven lineaire relaties tussen variabelen (regressiemodel)
Toetsen hypothesen over relaties (significantie)
Kwantificeren van relaties (effectgrootte)
Kwalificeren van relaties (klein, middelmatig, groot)
Beoordelen relevantie relaties (subjectief)
Voorspellen van iemands waarde met regressiemodel (puntschatting en
intervalschatting)
- Waarschuwing
Doe op basis van statistische samenhang geen uitspraken over causaliteit
Meetniveau variabelen
- Afhankelijke variabele Y
Kenmerk gemeten op minimaal interval meetniveau
- Meetniveau onafhankelijke variabelen Xk
Kenmerk gemeten op minimaal interval meetniveau, bijv.
o Opleidingsniveau in jaren
o Kennis literatuur
o Aantal boeken in ouderlijk huis
Categorisch kenmerk met twee categorieën; nominaal meetniveau met twee
categorieën noemen we dichotoom, bijv.
o Jongen of meisje
o Cultuur: noord, oost, zuid, west
Categorisch kenmerk met meer dan twee categorieën; nominaal meetniveau
wordt omgezet in dummyvariabelen
Regressiemodel (1)
- Modelvergelijking
Voor geobserveerde variabele Y
, uitkomst (Y) = model (X) + voorspellingsfout (residual of error)
- Regressievergelijking
Voor voorspellen van waarde op Y
geschatte uitkomst (Y^) = model (X)
Regressiemodel (2)
Vergelijking van lijn (regressievergelijking)
- Y^ = b0 + b1X1 (enkelvoudige regressie)
1. Intercept of constante (b0)
2. Regressiecoëfficiënt (b1)
Kleinste kwadraten criterium
- Best passende rechte lijn
De lijn waarbij voorspellingsfout (error) zo klein mogelijk is
- De voorspellingsfout is de afstand tussen de geobserveerde waarde en de voospelde
waarde
- Voor elke respondent:
Geobserveerde Y
Geschatte Y^
Verspellingsfout E
- Positief resiudu
Boven de lijn
Onderschatting door model
- Negatief residu
Onder de lijn
Overschatting door model
,Residuen E
- Y = Y^ + E
- Y^ = B0 + B1X1 + E
Dus: Y = B0 + B1X1 + E
Goodness-of-fit (1)
- Beste model?
Het model (regressielijn) met kleinste residuele kwadratensom
Hoe goed is dat dan?
Goodness-of-fit (2)
- Goodness-of-fit (R2)
Kwadratensom van model gedeeld door totale kwadratensom
Proportie door X verklaarde variatie in Y
R2 ligt tussen 0 en 1
- Interpretatie R en R2
Multipele correlatiecoëfficiënt R
Correlatie tussen geobserveerde Y en Y^
Determinatiecoëfficiënt
Proportie in Y verklaarde variantie door het model
- Waardering model
Significantie (= toetsen)
Kwantificeren relatie (= effectgrootte)
Toetsen R2 en B’s
- Populatie
Hypothesen
- Steekproef
Steekproefresultaten
- Beschrijven
Verklaring van Y door alle X’en (R2)
Invloed afzonderlijke X’en op Y (B’s)
- Alternatieve hypothesen
1. R2 > 0 Het regressiemodel verklaart variatie in Y
, 2. B > 0 of B < 0 Er is effect van X op Y
Toetsen R2
- Voorbeeld
Kan literatuurkennis verklaard worden met aantal boeken in ouderlijk huis én
literatuurkennis vader én literatuurkennis moeder?
- Model
Y = B0 + B1X1 + B2X2 + B3X3 + E
- Hypothesen
H0: R2 = 0
H a : R2 > 0
- Toets voor R2
Met F-toets beoordeel je statistische significantie (alfa = 0.05)
- Beoordelen R2
Met grootte van R2 kwantificeer je de relatie
F-toets
- F-toets voor toetsing R2
Is verklaarde variantie significant groter dan 0?
Hoeveel verklaart het model ten opzichte van het deel dat het model niet kan
verklaren?
- Toetsingsgrootheid F
Toetsen B’s
- Voorbeeld
Kan literatuurkennis verklaard worden met aantal boeken in ouderlijk huis en/of
literatuurkennis en/of literatuurkennis moeder?
- Model
Y = b0 + b1X1 + b2X2 + b3X3 + E
- Hypothesen
H01 : b1 = 0, Ha1 : b1 > 0
H02 : b2 = 0, Ha2 : b2 > 0
H03 : b3 = 0, Ha3 : b3 > 0
- Toets voor invloed afzonderlijke X’en
Toetsen van B’s met t-toetsen (alfa = .05)
- Kwantificeren invloed X’en
Beoordeeld met grootte van beta’s (gestandaardiseerde B)
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 bente2806. 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 64438 samenvattingen verkocht
Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen