Advanced Research Methods part B – Videoclips Regression Analysis
Purpose
Estimate a model to analyze the relationship between (and) independent variable(s) (IV) and
a dependent variable (DV)
What is regression analysis?
- One of the most frequently used data analysis methods
- Linear dependency between variables
Simple regression:
- 1 metric IV
- 1 metric DV
Multiple regression:
- Several metric IV
- 1 metric DV
Applications
- Analysis of causes wat veroorzaakt iets? (linear dependency)
- Forecasting impact of something
- Time-series analysis (trends) trends voorspellen
Typical example
Ze wilden new service performance en new project learning voorspellen in innovatieve
teams. Wat stimuleert een betere service service en wat voorspelt project learning. Hiervoor
zijn twee onafhankelijke variabelen gebruikt: internal information utilization & external
information utilization.
Er zijn hier twee MR nodig, want er zijn twee DV.
Daarnaast waren ze geïnteresseerd in wat de impact is van cross-functional collaboration op
het model (moderator).
Visualization of the idea of regression analysis
Multiple regression analysis zorgt voor een lineaire relatie in de messy data. Dit wordt op een
manier gedaan om de residuals te minimaliseren.
1
, General form of multiple regression model as follows
Bij een simpele regressie heb je alleen B0, B1 en X1.
De linear component wordt ook wel de regression variate genoemd.
General form is estimated by
What is the regression variate
= linear combination of weighted independent variables used collectively to predict the
dependent variable.
In multiple regression
= Variate represent the highest correlation between all the IV and DV
Analysis process
1. Objectives of MRA
2. Research design parameters of MRA
3. Assumptions of MRA
4. Estimating regression model
5. Assessing overall fit
6. Interpretation
7. Validation of results
Objectives for Multiple Regression
- Prediction and explanation
o In de meeste regressie-analyses probeer je zowel prediction als explanation
o Prediction = de predicted-value van de dependent value proberen te
maximaliseren
o Explanation = de magnitude en de significantie van iedere onafhankelijke
variabele en de impact op de afhankelijke variabele
- Appropriateness of the research problem de onderzoeksvraag moet passen bij
regressie-analyse. Het moet gaan over de linear dependency tussen verschillende
onafhankelijke variabelen en de afhankelijke variabele
- Specification of a statistical relationship
2
Purpose
Estimate a model to analyze the relationship between (and) independent variable(s) (IV) and
a dependent variable (DV)
What is regression analysis?
- One of the most frequently used data analysis methods
- Linear dependency between variables
Simple regression:
- 1 metric IV
- 1 metric DV
Multiple regression:
- Several metric IV
- 1 metric DV
Applications
- Analysis of causes wat veroorzaakt iets? (linear dependency)
- Forecasting impact of something
- Time-series analysis (trends) trends voorspellen
Typical example
Ze wilden new service performance en new project learning voorspellen in innovatieve
teams. Wat stimuleert een betere service service en wat voorspelt project learning. Hiervoor
zijn twee onafhankelijke variabelen gebruikt: internal information utilization & external
information utilization.
Er zijn hier twee MR nodig, want er zijn twee DV.
Daarnaast waren ze geïnteresseerd in wat de impact is van cross-functional collaboration op
het model (moderator).
Visualization of the idea of regression analysis
Multiple regression analysis zorgt voor een lineaire relatie in de messy data. Dit wordt op een
manier gedaan om de residuals te minimaliseren.
1
, General form of multiple regression model as follows
Bij een simpele regressie heb je alleen B0, B1 en X1.
De linear component wordt ook wel de regression variate genoemd.
General form is estimated by
What is the regression variate
= linear combination of weighted independent variables used collectively to predict the
dependent variable.
In multiple regression
= Variate represent the highest correlation between all the IV and DV
Analysis process
1. Objectives of MRA
2. Research design parameters of MRA
3. Assumptions of MRA
4. Estimating regression model
5. Assessing overall fit
6. Interpretation
7. Validation of results
Objectives for Multiple Regression
- Prediction and explanation
o In de meeste regressie-analyses probeer je zowel prediction als explanation
o Prediction = de predicted-value van de dependent value proberen te
maximaliseren
o Explanation = de magnitude en de significantie van iedere onafhankelijke
variabele en de impact op de afhankelijke variabele
- Appropriateness of the research problem de onderzoeksvraag moet passen bij
regressie-analyse. Het moet gaan over de linear dependency tussen verschillende
onafhankelijke variabelen en de afhankelijke variabele
- Specification of a statistical relationship
2
