Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
Week 2 leerdoelen hoofdstuk 4 uit Furr
1. Het lineaire regressiemodel begrijpen en weten wanneer en voor welk doel
het model kan worden toegepast
Het lineaire regressiemodel wordt gebruikt om een lineair verband tussen twee
variabelen (x/onaf, y/afh) te schatten. Y is in dit verband continu verdeeld.
Formule: 𝑦 = 𝑏0 + 𝑏1 * 𝑥 + 𝑒. Hierbij is b0 de intercept die de waarde van y
aangeeft bij x = 0. B1 is de helling (rc/slope) die aangeeft hoe x & y samenhangen
as x met 1 punt stijgt/daalt. E is de error (meetfout) die het verschil tussen
voorspelde en geobserveerde punten weergeeft. Variabelen zijn random en zijn
waarden die verschillen van persoon tot persoon (x, e, y). Parameters zijn
fixed/vaststaande waarden (b0, b1).
Andere notaties van de lineaire regressie formule zijn:
𝑦 = 𝑎 + 𝑏 * 𝑥 + 𝑒
𝑌𝑖 = 𝑏0 + 𝑏1 * 𝑋𝑖 + 𝐸𝑖 → hier is i de persoonsindex
𝑌𝑝𝑟𝑒𝑑 = 𝑏0 + 𝑏1 * 𝑥 → geen error term de lijn stelt alde voorspelde y voor
2. Resultaten van een lineaire regressie analyse kunnen interpreteren
(resultaten in tabellen en grafische representaties)
3. Het logistische regressiemodel begrijpen en weten wanneer en voor welk
doel het model kan worden toegepast
Bij een logistische regressie is x continu en y
binair/categorisch/dichotoom. Ook spelen
onconditionele kansen een rol bij de
logistische regressie, hierbij zijn de kansen
niet afhankelijk van iets anders (variabele).
Student Psychologie Rugina
, Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
Naarmate b0 groter wordt heb je een kleinere x-waarde nodig om even grote
kans op y=1 te krijgen, dus verschuift naar links.
Naarmate je b1 groter maakt, wordt de helling steiler.
Naarmate je b1 kleiner maakt, klapt de grafiek om.
b0 en onconditionele kansen:
b0 en conditionele kansen:
Student Psychologie Rugina
Week 2 leerdoelen hoofdstuk 4 uit Furr
1. Het lineaire regressiemodel begrijpen en weten wanneer en voor welk doel
het model kan worden toegepast
Het lineaire regressiemodel wordt gebruikt om een lineair verband tussen twee
variabelen (x/onaf, y/afh) te schatten. Y is in dit verband continu verdeeld.
Formule: 𝑦 = 𝑏0 + 𝑏1 * 𝑥 + 𝑒. Hierbij is b0 de intercept die de waarde van y
aangeeft bij x = 0. B1 is de helling (rc/slope) die aangeeft hoe x & y samenhangen
as x met 1 punt stijgt/daalt. E is de error (meetfout) die het verschil tussen
voorspelde en geobserveerde punten weergeeft. Variabelen zijn random en zijn
waarden die verschillen van persoon tot persoon (x, e, y). Parameters zijn
fixed/vaststaande waarden (b0, b1).
Andere notaties van de lineaire regressie formule zijn:
𝑦 = 𝑎 + 𝑏 * 𝑥 + 𝑒
𝑌𝑖 = 𝑏0 + 𝑏1 * 𝑋𝑖 + 𝐸𝑖 → hier is i de persoonsindex
𝑌𝑝𝑟𝑒𝑑 = 𝑏0 + 𝑏1 * 𝑥 → geen error term de lijn stelt alde voorspelde y voor
2. Resultaten van een lineaire regressie analyse kunnen interpreteren
(resultaten in tabellen en grafische representaties)
3. Het logistische regressiemodel begrijpen en weten wanneer en voor welk
doel het model kan worden toegepast
Bij een logistische regressie is x continu en y
binair/categorisch/dichotoom. Ook spelen
onconditionele kansen een rol bij de
logistische regressie, hierbij zijn de kansen
niet afhankelijk van iets anders (variabele).
Student Psychologie Rugina
, Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
Naarmate b0 groter wordt heb je een kleinere x-waarde nodig om even grote
kans op y=1 te krijgen, dus verschuift naar links.
Naarmate je b1 groter maakt, wordt de helling steiler.
Naarmate je b1 kleiner maakt, klapt de grafiek om.
b0 en onconditionele kansen:
b0 en conditionele kansen:
Student Psychologie Rugina
