HOC 5: ENKELVOUDIGE LINEAIRE
REGRESSIE
Gebruik het databestand ‘SPSS bestand les 5’ of werk verder op het (opgeslagen)
bestand van les 4. Op het examen kan het zijn dat je een van onderstaande
onderzoeksvragen krijgt, waarop je eerst alle stappen van de vorige colleges
moet uitvoeren voordat je de stappen uit deze lessen kunt toepassen. Bv.
schalen maken, compute variable,…
Waarom lineaire regressie?
Je wilt een bepaalde uitkomst gaan voorspellen. Je gaat afhankelijke variabele y
schatten (voorspellen) aan de hand van 1 of meerdere onafhankelijke
variabele(n) x. Meervoudige lineaire regressie zullen we overlopen in het 6 de
hoorcollege.
Voorbeelden:
- Als we de leeftijd weten van een kind, kunnen we dan ook zijn gewicht
gaan voorspellen?
- Als we westen hoe lang iemand gestudeerd heeft voor een vak, kunnen we
dan ook gaan voorspellen hoeveel punten iemand zal hebben op zijn
examen?
- Als we de grootte van een spin kennen, kunnen we dan voorspellen hoe
angstig iemand zal zijn?
Op de x-as plaatsen we de onafhankelijke
variabele of de voorspeller. In dit
voorbeeld is dat grootte van de spin.
Op de Y-as plaatsen we de afhankelijke
variabele of de voorspelde waarde. In dit
voorbeeld is dat de angstigheid van een
persoon.
Dit is logisch, want de rechte loop van
links naar rechts, meestal oplopend.
Hoe?
- De afhankelijke en de onafhankelijke variabelen zijn altijd van scale-
niveau, minstens interval!!
Als één van de variabelen een lager niveau heeft, moeten we een
andere berekening maken
- Lineair = we gaan de data proberen vatten in 1 rechte lijn
We gaan dus een ‘schattingslijn’ maken (met behulp van de methode
van de kleinste kwadraten)
- Enkelvoudige en meervoudige lineaire regressie
Enkelvoudige: 1 onafhankelijke variabele
, Y = Bo + B1X1 + e (Y = de constante/intercept + het aantal keer
x/slope keer + een fout die altijd gemaakt wordt bij de
schatting/residuele afwijking)
Meervoudige: > 1 onafhankelijke variabele
Y = Bo + B1X1 + B2X2 + B3X3 + … + e
Y is wat we willen voorspellen
Je kan niet altijd exact de waarde
kennen, maar je kan het wel
inschatten. De waarden bevinden
zich, bij een goede schatting, altijd
rond de regressierechte.
Stappenplan
• Stap 1: bepalen afhankelijke en onafhankelijke variabele
• Stap 2: checken of er een lineair verband is tussen x en y
• Stap 3: checken of het model significant is
• Stap 4: de regressievergelijking opstellen
• Stap 5: voorspellen
Toepassing van de stappen op oefeningen
Onderzoeksvraag 1:
- Kan het aantal uren dat men sport per week voorspeld worden door de
leeftijd van de gedetineerde?
- Zo ja, hoe ziet de regressievergelijking er uit?
- Voorspel dan ook:
hoeveel uur sport een 20-jarige gedetineerde?
hoeveel uur sport een 30-jarige gedetineerde?
hoeveel uur sport een 40-jarige gedetineerde?
STAP 1: afhankelijke en de onafhankelijke variabele
Het aantal uren sport is de afhankelijke variabele, op ratio niveau. De leeftijd is
de onafhankelijke variabele op ratio niveau.
Het zijn 2 ratio-schalen, dus we mogen verder naar stap 2!
REGRESSIE
Gebruik het databestand ‘SPSS bestand les 5’ of werk verder op het (opgeslagen)
bestand van les 4. Op het examen kan het zijn dat je een van onderstaande
onderzoeksvragen krijgt, waarop je eerst alle stappen van de vorige colleges
moet uitvoeren voordat je de stappen uit deze lessen kunt toepassen. Bv.
schalen maken, compute variable,…
Waarom lineaire regressie?
Je wilt een bepaalde uitkomst gaan voorspellen. Je gaat afhankelijke variabele y
schatten (voorspellen) aan de hand van 1 of meerdere onafhankelijke
variabele(n) x. Meervoudige lineaire regressie zullen we overlopen in het 6 de
hoorcollege.
Voorbeelden:
- Als we de leeftijd weten van een kind, kunnen we dan ook zijn gewicht
gaan voorspellen?
- Als we westen hoe lang iemand gestudeerd heeft voor een vak, kunnen we
dan ook gaan voorspellen hoeveel punten iemand zal hebben op zijn
examen?
- Als we de grootte van een spin kennen, kunnen we dan voorspellen hoe
angstig iemand zal zijn?
Op de x-as plaatsen we de onafhankelijke
variabele of de voorspeller. In dit
voorbeeld is dat grootte van de spin.
Op de Y-as plaatsen we de afhankelijke
variabele of de voorspelde waarde. In dit
voorbeeld is dat de angstigheid van een
persoon.
Dit is logisch, want de rechte loop van
links naar rechts, meestal oplopend.
Hoe?
- De afhankelijke en de onafhankelijke variabelen zijn altijd van scale-
niveau, minstens interval!!
Als één van de variabelen een lager niveau heeft, moeten we een
andere berekening maken
- Lineair = we gaan de data proberen vatten in 1 rechte lijn
We gaan dus een ‘schattingslijn’ maken (met behulp van de methode
van de kleinste kwadraten)
- Enkelvoudige en meervoudige lineaire regressie
Enkelvoudige: 1 onafhankelijke variabele
, Y = Bo + B1X1 + e (Y = de constante/intercept + het aantal keer
x/slope keer + een fout die altijd gemaakt wordt bij de
schatting/residuele afwijking)
Meervoudige: > 1 onafhankelijke variabele
Y = Bo + B1X1 + B2X2 + B3X3 + … + e
Y is wat we willen voorspellen
Je kan niet altijd exact de waarde
kennen, maar je kan het wel
inschatten. De waarden bevinden
zich, bij een goede schatting, altijd
rond de regressierechte.
Stappenplan
• Stap 1: bepalen afhankelijke en onafhankelijke variabele
• Stap 2: checken of er een lineair verband is tussen x en y
• Stap 3: checken of het model significant is
• Stap 4: de regressievergelijking opstellen
• Stap 5: voorspellen
Toepassing van de stappen op oefeningen
Onderzoeksvraag 1:
- Kan het aantal uren dat men sport per week voorspeld worden door de
leeftijd van de gedetineerde?
- Zo ja, hoe ziet de regressievergelijking er uit?
- Voorspel dan ook:
hoeveel uur sport een 20-jarige gedetineerde?
hoeveel uur sport een 30-jarige gedetineerde?
hoeveel uur sport een 40-jarige gedetineerde?
STAP 1: afhankelijke en de onafhankelijke variabele
Het aantal uren sport is de afhankelijke variabele, op ratio niveau. De leeftijd is
de onafhankelijke variabele op ratio niveau.
Het zijn 2 ratio-schalen, dus we mogen verder naar stap 2!
