Inhoudsopgave
1.Grasple Multipele Regressie .................................................................................................................... 2
1.1 Multipele Regressie .................................................................................................................................. 2
Voorkennis activeren enkelvoudige regressieanalyse: ............................................................................... 2
1.2 Multipele Regressie .................................................................................................................................. 4
Assumpties ................................................................................................................................................. 4
1.3 Multipele Regressie .................................................................................................................................. 5
Assumpties (statistisch) .............................................................................................................................. 5
1.4 Multipele Regressie .................................................................................................................................. 9
Uitvoeren en interpreteren ......................................................................................................................... 9
1.5 Multipele Regressie ................................................................................................................................ 10
Dummies................................................................................................................................................... 10
2.Grasple Anova ....................................................................................................................................... 13
2.1 Anova ...................................................................................................................................................... 13
Voorkennis Anova ..................................................................................................................................... 13
2.2 Anova ...................................................................................................................................................... 14
Meerweg Anova uitvoeren en interpreteren ............................................................................................ 14
3.Grasple AnCova ..................................................................................................................................... 17
3.1 Ancova .................................................................................................................................................... 17
Voorkennis Ancova ................................................................................................................................... 17
3.2 Ancova .................................................................................................................................................... 20
Ancova als regressiemodel ....................................................................................................................... 20
3.3 Ancova (Extra) ........................................................................................................................................ 21
Ancova gecorrigeerde gemiddelde ........................................................................................................... 21
3.4 Ancova (Vraag/Antwoord) ...................................................................................................................... 23
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 23
4.Grasple Herhaalde Metingen + Mixed Design ........................................................................................ 24
4.1 Herhaalde Metingen ............................................................................................................................... 24
Uitvoeren en interpreteren ....................................................................................................................... 24
4.2 Mixed Design .......................................................................................................................................... 30
Uitvoeren en interpreteren ....................................................................................................................... 30
4.3 Herhaalde metingen & Mixed Design (Vraag/Antwoord) ...................................................................... 31
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 31
5.Grasple Moderatie + Mediatie ............................................................................................................... 33
5.1 Moderatie vs. Mediatie .......................................................................................................................... 33
Voorkennis ................................................................................................................................................ 33
5.2 Moderatie ............................................................................................................................................... 33
Uitvoeren en interpreteren ....................................................................................................................... 35
5.3 Mediatie ................................................................................................................................................. 37
Uitvoeren en interpreteren ....................................................................................................................... 48
5.4 Moderatie & Mediatie (Vraag/Antwoord).............................................................................................. 48
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 52
6.Grasple Factoranalyse + Betrouwbaarheidsanalyse ............................................................................... 54
6.1 Factoranalyse.......................................................................................................................................... 57
Uitvoeren en interpreteren ....................................................................................................................... 57
6.2 Betrouwbaarheidsanalyse ...................................................................................................................... 64
Uitvoeren en interpreteren ....................................................................................................................... 63
6.3 Factoranalyse & Betrouwbaarheidsanalyse (Vraag/Antwoord) ............................................................. 67
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 67
, 1.Grasple Multipele Regressie
1.1 Multipele Regressie
Voorkennis activeren enkelvoudige regressieanalyse:
Voordat de vergelijking voor de lineaire regressie berekend kan worden, kunnen we eerst
een bekijken of er een lineair verband is tussen deze twee variabelen.
Maak hiervoor een spreidingsdiagram met de onafhankelijke variabele op de X-as en de
afhankelijke variabele op de Y-as. Kies in Graphs; Chart Builder voor Scatter/dot en
daarbinnen de variant Simple Scatter with Fit Line: als je met de muis over de plaatjes gaat
worden de namen van de varianten getoond
Add Fit Fine line zorgt ervoor dat R² als je percentage wil weten dan is het x 100%
Multipele regressive maken:
Analyze > Regression > Linear – Daarna stap hieronder bij ‘plots’
2
,Kijk nu naar de tabel ANOVA. Hierin wordt getoetst of het model dat je gespecificeerd hebt
significant is. Met andere woorden: wordt een significant deel van de spreiding in de
afhankelijke variabele verklaard door de lineaire relatie met de onafhankelijke variabele?
Hiervoor wordt een F-toets gebruikt. Kijk in de tabel of je de waarde van F kunt vinden.
In de cel 'Sig.' staat de p-waarde die bij deze F-waarde hoort.
3
,Nu gaan we kijken naar de tabel Coefficients.
Er wordt allerlei informatie gegeven over deze predictor:
• De richtingscoëfficiënt b
• De standaardfout van b: SE(b)
• De gestandaardiseerde richtingscoëfficiënt: beta
• De toetsingsgrootheid t
• De bijbehorende p-waarde
1.2 Multipele Regressie
Assumpties
1. Een voorwaarde voor een multipele regressieanalyse is dat de afhankelijke variabele
minimaal van interval meetniveau is.
2. Een tweede voorwaarde voor een multipele regressieanalyse is dat er lineaire
verbanden zijn tussen de afhankelijke variabele en alle kwantitatieve onafhankelijke
variabelen.
3. Een 3e voorwaarde die je in de spreidingsdiagrammen visueel kunt beoordelen is
de afwezigheid van uitschieters.
De invloed van schendingen van deze assumpties, en daarmee ook het belang van het
visualiseren van data, wordt ook inzichtelijk gemaakt door het Kwartet van
Anscombe (Anscombe, 1973). Dit kwartet beschrijft vier datasets met allemaal dezelfde
statistische eigenschappen. De variabelen X en Y hebben in alle datasets hetzelfde
gemiddelde en dezelfde variantie. Ook is de correlatie en regressielijn voor alle datasets
precies gelijk.
Onderstaande figuur zie je hoe voor iedere dataset het spreidingsgram voor X en Y eruit ziet:
Welke van de vier datasets voldoet aan de assumpties van een lineaire regressieanalyse?
Alleen dataset 1. Dataset 2 voldoet niet aan de assumptie van lineariteit, het verband is
kromlijnig. Dataset 3 voldoet niet aan de assumptie van afwezigheid van
uitschieters. Dataset 4 voldoet niet aan de assumptie van afwezigheid van uitschieters,
bovendien is er verder weinig lineaire samenhang (er is zonder de uitschieter geen spreiding
4
,in X). Dit benadrukt hoe belangrijk het is om je data visueel weer te geven in een
spreidingsdiagram. Op basis van de statistieken zou je namelijk zeggen dat de data allemaal
gelijk zijn, maar uit de figuren blijkt iets anders. Ook laat dit zien hoeveel invloed
schendingen van de assumpties kunnen hebben op de analyses.
1.3 Multipele Regressie
Assumpties (statistisch)
Voer de regressieanalyse uit in SPSS:
- Analyze > Regression > Linear
- Bedenk wat de afhankelijke en onafhankelijke variabelen zijn en zet deze in de goede
vakjes.
- We willen verschillende assumpties controleren. Per assumptie staat aangegeven wat
je aan moet vinken om deze te kunnen controleren.
o Afwezigheid uitschieters: Klik op Save en vink Standardized residuals,
Mahalanobis en Cook’s distances aan.
o Afwezigheid multicollineariteit: Klik op Statistics en vink Collinearity
diagnostics aan.
o Homoscedasticiteit: Klik op Plots. Plaats de variabele *ZPRED (de
gestandaardiseerde voorspelde waarden) op de X-as. Plaats de variabele
*ZRESID (de gestandaardiseerde residuen) op de Y-as.
o Normaal verdeelde residuen: Klik op Plots en vink Histogram aan.
5
, Het is mogelijk om met een spreidingsdiagram of boxplot op het oog te bekijken of er
uitschieters in de data aanwezig zijn. Het is ook mogelijk om dit formeel te beoordelen
tijdens het uitvoeren van de analyses. Hiervoor kijk je naar de tabel Residuals Statistics en
bekijk je de minimum en maximum waardes van de standardized residuals, Mahalanobis
Distance en Cook’s Distance. Aan de hand van deze waardes beoordeel je respectievelijk of
er uitschieters in Y-ruimte, X-ruimte en XY-ruimte zijn.
Standardized residuals
Hiermee controleren we of er sprake is van uitschieters in Y-ruimte. Als vuistregel houden
we aan dat de waardes tussen -3.3 en +3.3 moeten liggen. Waardes kleiner dan -3.3 of groter
dan 3.3 duiden op uitschieters
De waardes liggen tussen -2.069 en
2.437. Er zijn dus geen uitschieters in
Y-ruimte.
Mahalanobis distance
Hiermee controleren we of er sprake is van uitschieters in X-ruimte. Een uitschieter in X-
ruimte is een extreme score op een predictor of combinatie van predictoren. Als vuistregel
houden we aan dat waardes voor Mahalanobis distance lager moeten zijn dan 10 + 2(#
onafhankelijke variabelen). Zo moeten in een onderzoek met 2 onafhankelijke variabelen de
waardes voor Mahalanobis distancelager zijn dan 10 + 2∙2 = 14. Waardes hoger dan deze
kritieke waarde duiden op uitschieters.
6
1.Grasple Multipele Regressie .................................................................................................................... 2
1.1 Multipele Regressie .................................................................................................................................. 2
Voorkennis activeren enkelvoudige regressieanalyse: ............................................................................... 2
1.2 Multipele Regressie .................................................................................................................................. 4
Assumpties ................................................................................................................................................. 4
1.3 Multipele Regressie .................................................................................................................................. 5
Assumpties (statistisch) .............................................................................................................................. 5
1.4 Multipele Regressie .................................................................................................................................. 9
Uitvoeren en interpreteren ......................................................................................................................... 9
1.5 Multipele Regressie ................................................................................................................................ 10
Dummies................................................................................................................................................... 10
2.Grasple Anova ....................................................................................................................................... 13
2.1 Anova ...................................................................................................................................................... 13
Voorkennis Anova ..................................................................................................................................... 13
2.2 Anova ...................................................................................................................................................... 14
Meerweg Anova uitvoeren en interpreteren ............................................................................................ 14
3.Grasple AnCova ..................................................................................................................................... 17
3.1 Ancova .................................................................................................................................................... 17
Voorkennis Ancova ................................................................................................................................... 17
3.2 Ancova .................................................................................................................................................... 20
Ancova als regressiemodel ....................................................................................................................... 20
3.3 Ancova (Extra) ........................................................................................................................................ 21
Ancova gecorrigeerde gemiddelde ........................................................................................................... 21
3.4 Ancova (Vraag/Antwoord) ...................................................................................................................... 23
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 23
4.Grasple Herhaalde Metingen + Mixed Design ........................................................................................ 24
4.1 Herhaalde Metingen ............................................................................................................................... 24
Uitvoeren en interpreteren ....................................................................................................................... 24
4.2 Mixed Design .......................................................................................................................................... 30
Uitvoeren en interpreteren ....................................................................................................................... 30
4.3 Herhaalde metingen & Mixed Design (Vraag/Antwoord) ...................................................................... 31
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 31
5.Grasple Moderatie + Mediatie ............................................................................................................... 33
5.1 Moderatie vs. Mediatie .......................................................................................................................... 33
Voorkennis ................................................................................................................................................ 33
5.2 Moderatie ............................................................................................................................................... 33
Uitvoeren en interpreteren ....................................................................................................................... 35
5.3 Mediatie ................................................................................................................................................. 37
Uitvoeren en interpreteren ....................................................................................................................... 48
5.4 Moderatie & Mediatie (Vraag/Antwoord).............................................................................................. 48
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 52
6.Grasple Factoranalyse + Betrouwbaarheidsanalyse ............................................................................... 54
6.1 Factoranalyse.......................................................................................................................................... 57
Uitvoeren en interpreteren ....................................................................................................................... 57
6.2 Betrouwbaarheidsanalyse ...................................................................................................................... 64
Uitvoeren en interpreteren ....................................................................................................................... 63
6.3 Factoranalyse & Betrouwbaarheidsanalyse (Vraag/Antwoord) ............................................................. 67
Handige vragen van de ZET toets/Weekopdrachten ................................................................................ 67
, 1.Grasple Multipele Regressie
1.1 Multipele Regressie
Voorkennis activeren enkelvoudige regressieanalyse:
Voordat de vergelijking voor de lineaire regressie berekend kan worden, kunnen we eerst
een bekijken of er een lineair verband is tussen deze twee variabelen.
Maak hiervoor een spreidingsdiagram met de onafhankelijke variabele op de X-as en de
afhankelijke variabele op de Y-as. Kies in Graphs; Chart Builder voor Scatter/dot en
daarbinnen de variant Simple Scatter with Fit Line: als je met de muis over de plaatjes gaat
worden de namen van de varianten getoond
Add Fit Fine line zorgt ervoor dat R² als je percentage wil weten dan is het x 100%
Multipele regressive maken:
Analyze > Regression > Linear – Daarna stap hieronder bij ‘plots’
2
,Kijk nu naar de tabel ANOVA. Hierin wordt getoetst of het model dat je gespecificeerd hebt
significant is. Met andere woorden: wordt een significant deel van de spreiding in de
afhankelijke variabele verklaard door de lineaire relatie met de onafhankelijke variabele?
Hiervoor wordt een F-toets gebruikt. Kijk in de tabel of je de waarde van F kunt vinden.
In de cel 'Sig.' staat de p-waarde die bij deze F-waarde hoort.
3
,Nu gaan we kijken naar de tabel Coefficients.
Er wordt allerlei informatie gegeven over deze predictor:
• De richtingscoëfficiënt b
• De standaardfout van b: SE(b)
• De gestandaardiseerde richtingscoëfficiënt: beta
• De toetsingsgrootheid t
• De bijbehorende p-waarde
1.2 Multipele Regressie
Assumpties
1. Een voorwaarde voor een multipele regressieanalyse is dat de afhankelijke variabele
minimaal van interval meetniveau is.
2. Een tweede voorwaarde voor een multipele regressieanalyse is dat er lineaire
verbanden zijn tussen de afhankelijke variabele en alle kwantitatieve onafhankelijke
variabelen.
3. Een 3e voorwaarde die je in de spreidingsdiagrammen visueel kunt beoordelen is
de afwezigheid van uitschieters.
De invloed van schendingen van deze assumpties, en daarmee ook het belang van het
visualiseren van data, wordt ook inzichtelijk gemaakt door het Kwartet van
Anscombe (Anscombe, 1973). Dit kwartet beschrijft vier datasets met allemaal dezelfde
statistische eigenschappen. De variabelen X en Y hebben in alle datasets hetzelfde
gemiddelde en dezelfde variantie. Ook is de correlatie en regressielijn voor alle datasets
precies gelijk.
Onderstaande figuur zie je hoe voor iedere dataset het spreidingsgram voor X en Y eruit ziet:
Welke van de vier datasets voldoet aan de assumpties van een lineaire regressieanalyse?
Alleen dataset 1. Dataset 2 voldoet niet aan de assumptie van lineariteit, het verband is
kromlijnig. Dataset 3 voldoet niet aan de assumptie van afwezigheid van
uitschieters. Dataset 4 voldoet niet aan de assumptie van afwezigheid van uitschieters,
bovendien is er verder weinig lineaire samenhang (er is zonder de uitschieter geen spreiding
4
,in X). Dit benadrukt hoe belangrijk het is om je data visueel weer te geven in een
spreidingsdiagram. Op basis van de statistieken zou je namelijk zeggen dat de data allemaal
gelijk zijn, maar uit de figuren blijkt iets anders. Ook laat dit zien hoeveel invloed
schendingen van de assumpties kunnen hebben op de analyses.
1.3 Multipele Regressie
Assumpties (statistisch)
Voer de regressieanalyse uit in SPSS:
- Analyze > Regression > Linear
- Bedenk wat de afhankelijke en onafhankelijke variabelen zijn en zet deze in de goede
vakjes.
- We willen verschillende assumpties controleren. Per assumptie staat aangegeven wat
je aan moet vinken om deze te kunnen controleren.
o Afwezigheid uitschieters: Klik op Save en vink Standardized residuals,
Mahalanobis en Cook’s distances aan.
o Afwezigheid multicollineariteit: Klik op Statistics en vink Collinearity
diagnostics aan.
o Homoscedasticiteit: Klik op Plots. Plaats de variabele *ZPRED (de
gestandaardiseerde voorspelde waarden) op de X-as. Plaats de variabele
*ZRESID (de gestandaardiseerde residuen) op de Y-as.
o Normaal verdeelde residuen: Klik op Plots en vink Histogram aan.
5
, Het is mogelijk om met een spreidingsdiagram of boxplot op het oog te bekijken of er
uitschieters in de data aanwezig zijn. Het is ook mogelijk om dit formeel te beoordelen
tijdens het uitvoeren van de analyses. Hiervoor kijk je naar de tabel Residuals Statistics en
bekijk je de minimum en maximum waardes van de standardized residuals, Mahalanobis
Distance en Cook’s Distance. Aan de hand van deze waardes beoordeel je respectievelijk of
er uitschieters in Y-ruimte, X-ruimte en XY-ruimte zijn.
Standardized residuals
Hiermee controleren we of er sprake is van uitschieters in Y-ruimte. Als vuistregel houden
we aan dat de waardes tussen -3.3 en +3.3 moeten liggen. Waardes kleiner dan -3.3 of groter
dan 3.3 duiden op uitschieters
De waardes liggen tussen -2.069 en
2.437. Er zijn dus geen uitschieters in
Y-ruimte.
Mahalanobis distance
Hiermee controleren we of er sprake is van uitschieters in X-ruimte. Een uitschieter in X-
ruimte is een extreme score op een predictor of combinatie van predictoren. Als vuistregel
houden we aan dat waardes voor Mahalanobis distance lager moeten zijn dan 10 + 2(#
onafhankelijke variabelen). Zo moeten in een onderzoek met 2 onafhankelijke variabelen de
waardes voor Mahalanobis distancelager zijn dan 10 + 2∙2 = 14. Waardes hoger dan deze
kritieke waarde duiden op uitschieters.
6
