Samenvatting Kwantitatieve Data-Analyse | Oefencolleges | KU Leuven | 2025/26

OEFENSESSIE 1

1. BASIS
<- Waarde toeschrijven aan een object
c() Dingen samenvoegen
“…” Voor tekst data
install.packages(“…”) Package installeren
library(…) Package inladen
== Gelijk aan
!= Niet gelijk aan
> Groter dan
< Kleiner dan
>= Groter dan of gelijk aan
<= Kleiner dan of gelijk aan
& En
! Niet
| Of
View() Dataset bekijken
head() Eerste 6 rijen van dataset bekijken
nrow() Aantal rijen
ncol() Aantal kolommen
dim() Aantal rijen en kolommen
str() Structuur van dataset bekijken
tail() Laatste 6 rijen van dataset bekijken
names() Lijst van namen van variabelen
colnames() Lijst van namen van kolommen
summary() Samenvatting variabelen
dataset_selection <- subset(dataset, selection criteria) Subset maken
dataset$variabele Specifieke variabele selecteren uit dataset
summary(dataset$variabele) Minimum waarde, kwartielen, mediaan gemiddelde,
maximum waarde, aantal NA’s
mean() Gemiddelde
sd() Standaarddeviatie
standard_error() Standaardfout
var() Variantie
median() Mediaan
min() Laagste
max() Hoogste
range() Laagste & hoogste
skewness() & kurtosis() => moments package Scheefheid & gepiektheid
table(dataset$variabele) Absolute frequentie
prop.table(table(dataset$variabele)) Relatieve frequentie
prop.table(table(dataset$variabele))*100 Relatieve frequentie (%)
cumsum(prop.table(table(dataset$variabele))) Cumulatieve frequentie
cumsum(table(dataset$variabele)) Absolute cumulatieve frequentie



2. CORRELATIES
= samenhang tussen 2 variabelen. => “hoe hoger/lager X, hoe hoger/lager Y”


Visualiseren met scatterplot: plot(x,y) => plot(dataset$variabeleX, dataset$variabeleY)

,cor.test(variabele1, variabele2) => cor.test(dataset$variabele1, dataset$variabele2)




p-waarde: significant of niet?

sample estimates cor: positieve of negatieve samenhang?




!!! bij niet-normaal verdeelde data voeren we een Spearman test uit.

 cor.test(dataset$variabele1, dataset$variabele2, method = “spearman”)



p-waarde: significant of niet?

sample estimates rho: positieve of negatieve samenhang?




cor = rho => beide correlatiecoëfficiënten, liggen steeds tussen -1 en 1

± 0.1: klein/zwak effect ± 0.3: gemiddeld effect ± 0.5: groot/sterk effect




3. LINEAIRE REGRESSIE
= één of meerdere onafhankelijke variabelen voorspellen een afhankelijke variabele.



3.1. Enkelvoudige lineaire regressie
model <- lm(AV ~ OV) model1 <- lm(dataset$AV ~ dataset$OV)
summary(model) summary(model1)



Intercept: = snijpunt met de y-as, waarde van verkoop bij
0 advertenties (hier)

dataset$variabele: bij elke eenheidsstijging in
advertenties, gaat de verkoop met 0.09612 omhoog.
Advertenties zijn een significante voorspeller van de
verkoop, want p-waarde significant.

Multiple R-squared: het model verklaart 33% van de
variantie, dus nog 67% onverklaard (andere factoren)

F-statistic: het model scoort beter dan het basismodel,
Hoe rapporteren? want p-waarde significant.

Het budget voor advertenties is een significante Album Sales = 134.1 + 0.09612 * advertenties
voorspeller voor de verkoop van albums (β = .10, t = 9.80,
p < .001). Hoe meer geld geïnvesteerd in advertenties,
hoe meer albums verkocht.

, 3.2. Meervoudige lineaire regressie
= meerdere onafhankelijke variabelen voorspellen één afhankelijke variabele.


model <- lm(AV ~ OV1 + OV2 + OV3 + ...) model2 <- lm(dataset$AV ~ dataset$OV1 + dataset$OV2 + ...)
summary(model) summary(model2)



dataset$variabele: bij elke eenheidsstijging in
advertenties, gaat de verkoop met 0.085 omhoog.
Advertenties, airplay en aantrekkelijkheid zijn
significante voorspellers van de verkoop, want p-waarde
significant.

Multiple R-squared: het model verklaart 66% van de
variantie, dus nog 34% onverklaard (andere factoren)

F-statistic: het model scoort beter dan het basismodel,
want p-waarde significant.

Album Sales = -26.61 + 0.08*advertising + 3.37*airplay +
11.09*aantrekkelijkheid

Dit zijn effecten bovenop andere voorspellers. Bijv. één
eenheidsstijging in advertising zorgt voor 0.08 extra
verkopen, indien airplay en aantrekkelijkheid constant
worden gehouden.



Welke voorspeller is het belangrijkst? Kijken naar gestandaardiseerde β (= onafhankelijk van meeteenheid)

 install.packages(“QuantPsyc”) > library(QuantPsyc)
 lm.beta(model2)


Grootste β, dus belangrijkste voorspellers.



Welk model is het beste? ANOVA functie gebruiken.

 anova(model1, model2)

Het gaat hier om hiërarchische modellen: model2 = model1 met extra voorspellers.

 model1 <- lm(AlbumSales2$sales ~ AlbumSales2$adverts)
summary(model1)


Model1: enkel met advertising als voorspeller.

Model2: met advertising, airplay en
aantrekkelijkheid als voorspellers.

Het uitgebreide model verklaart significant meer
variantie in sales dan het gereduceerde model.
(Laagste RSS en p < 0.05)