SPSS Practicum
Week 1 Multipele regressie
Vooraf checken:
1. Afhankelijke variabele minimaal van interval meetniveau. De onafhankelijke variabelen
moeten minimaal van interval meetniveau of dichotoom (nominaal 2 categorieën).
2. Er moeten lineaire verbanden zijn tussen de afhankelijke variabele en alle kwantitatieve
onafhankelijke variabelen (SPSS, spreidingsdiagrammen met telkens een andere kwantitatieve
onafhankelijke variabele op X en de afhankelijke variabele op Y).
3. Met deze spreidingsdiagrammen ook direct beoordelen of er uitschieters zijn. Na verwijderen
opnieuw uitvoeren en R2 vergelijken.
Regressieanalyse uitvoeren:
- Analyse Regression Linear
- Bedenk wat de afhankelijke en onafhankelijke variabelen zijn en zet deze in de goede vakjes
- Verschillende assumpties controleren. Per assumptie staat aangegeven wat je aan moet vinken
om deze te kunnen controleren:
Uitschieters: klik op Save en vink Standardized Residuals, Mahalanobis en Cook’s
disctances aan. Verwijderen? Behoort de participant tot de groep waar je een uitspraak
over wilt doen? en is de extreme waarde van de participant theoretisch mogelijk?
Scatterplot & Residual diagnostics
Multicollinealiteit: klik op Statistics en vink Collinearity diagnostics aan. Sterk
gerelateerde variebelen 3 gevolgen; regressiecoëfficiënten (B) zijn onbetrouwbaar, het
beperkt de grootte van R (correlatie Y en ^Y) en het belang van individuele
onafhankelijke variabelen is moeilijk vast te stellen.
Coëfficiënts (Tolerance en VIF)
Homoscedastiviteit: 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. De spreiding van residuen per X-waarde is ongeveer gelijk.
Beoordelen door gestandaardiseerde residuen te plotten tegen gestandaardiseerde
voorspelde waardes.
Scatterplot
Normaal verdeling (residuen): Klik op Plots en vink Histogram aan. Volgt het histogram
ongeveer de lijn van een normale verdeling.
Histogram
- Klik op OK
Tabellen Output:
1. Variables Entered/ Removed
2. Model Summary
3. ANOVA
4. Coefficiënts: multicollineariteit, laatste twee kolommen. Hiermee wordt gekeken of de relatie
tussen twee of meer onafhankelijke variabelen sterk is (r> 0.80). Waardes voor Tolerance
kleiner dan 0.2 duiden op een mogelijk probleem, en kleiner dan 0.1 duiden op een probleem.
De VIF is gelijk aan 1/tolerance. Voor de VIF geldt dat de waardes groter dan 10 duiden op
een probleem.
Hier Tolerance: 0.954, 0.977 en 0.976 >0.2 dus geen probleem. VIF 1.048, 1.024 en 1.024 <
10 dus geen probleem.
, 5. Collin
earity
Diagnostics
6. Residuals Statistics: Beoordelen uitschieters; minimum en maximum waardes van
standardized residuals, Mahalanobis Distance en Cook’s distancebeoordelen. Zijn er
respectievelijk uitschieters in;
- Y-ruimte: standardized residuals, waardes
tussen -3.3 en +3.3. Hier -2.069 en
2.437 dus goed.
- X-ruimte: Mahanalobis, waardes lager dan
10+2x aantal onafhankelijke variabele,
bijv. 2 onafhankelijke variabelen:
10+2x3= waarde 16, hoger is
uitschieters. Hier 15.949 dus goed.
- XY-ruimte: Cook’s distance, lager dan 1.
Hoger is invloedrijke respondenten.
Hier 0.265
7. Charts;
Histogram: Normale verdeling
Afwijkingen zijn niet zo groot dat we concluderen dat de
voorwaarde voor normaal verdeelde residuen geschonden is
, Scatterplot: Homoscedasticiteit, in deze scatterplot is de spreiding van de gestandaardiseerde residuen
weergegeven
Is er voldaan aan alle assumpties? Dan interpreteren regressiemodel, ahv eerste 4 tabellen:
Tabel 1) Variables Entered/Removed; Beschrijving van wat de onafhankelijke en afhankelijke
variabelen zijn
Tabel 2) Model Summary; Beschrijving van de algemene kwaliteitsgegevens van het regressiemodel.
Correlatiecoëfficiënt van hele regressiemodel en proportie verklaarde variantie van het gehele
model. Adjusted R square geeft aan wat het geschatte percentage is in de populatie (altijd iets
lager).
Tabel 3) ANOVA; Beschrijving van de uitkomst van de F-toets voor het model. kijken of alle
onafhankelijke variabelen samen (gehele model) een significant deel van de spreiding in
tevredenheid kunnen verklaren. Kijken naar Sig.
Tabel 4) Coefficients; Beschrijving van informatie of de regressiecoëfficiënt. Kijken per
onafhankelijke variabele of deze significante voorspeller is van de tevredenheid.
Nieuwe variabelen toevoegen aan het Hiërarchische regressiemodel (Na toevoeging nieuwe
variabelen, opnieuw checken assumpties):
- Analyse Regression Linear
- Plaats de afhankelijke en onafhankelijke variabelen van het oorspronkelijke model in Block 1
of 1.
- Klik op Next. Selecteer de extra variabelen
- Vraag onder statistics om R squared Change
- Klik op Ok
Tabel 1) Welke onafhankelijke variabelen zijn toegevoegd
Tabel 2) Model Summary; algemene kwaliteitsgegevens van het nieuwe regressiemodel toegevoegd.
Change statistics, aangegeven hoe de kwaliteitsgegevens over de modellen heen veranderen. Bij
Sig. Kijken of er sprake is van significante toename in verklaarde variantie bij 0.05
Tabel 3) ANOVA; In deze ANOVA tabel alleen kijken of de modellen als geheel significant zijn (niet
zoals bij tabel 2 kijken of toename verklaarde variantie sig is)
Tabel 4) Coefficients; per model per onafhankelijke variabele of deze significant voorspeller is van
tevredenheid
Week 1 Multipele regressie
Vooraf checken:
1. Afhankelijke variabele minimaal van interval meetniveau. De onafhankelijke variabelen
moeten minimaal van interval meetniveau of dichotoom (nominaal 2 categorieën).
2. Er moeten lineaire verbanden zijn tussen de afhankelijke variabele en alle kwantitatieve
onafhankelijke variabelen (SPSS, spreidingsdiagrammen met telkens een andere kwantitatieve
onafhankelijke variabele op X en de afhankelijke variabele op Y).
3. Met deze spreidingsdiagrammen ook direct beoordelen of er uitschieters zijn. Na verwijderen
opnieuw uitvoeren en R2 vergelijken.
Regressieanalyse uitvoeren:
- Analyse Regression Linear
- Bedenk wat de afhankelijke en onafhankelijke variabelen zijn en zet deze in de goede vakjes
- Verschillende assumpties controleren. Per assumptie staat aangegeven wat je aan moet vinken
om deze te kunnen controleren:
Uitschieters: klik op Save en vink Standardized Residuals, Mahalanobis en Cook’s
disctances aan. Verwijderen? Behoort de participant tot de groep waar je een uitspraak
over wilt doen? en is de extreme waarde van de participant theoretisch mogelijk?
Scatterplot & Residual diagnostics
Multicollinealiteit: klik op Statistics en vink Collinearity diagnostics aan. Sterk
gerelateerde variebelen 3 gevolgen; regressiecoëfficiënten (B) zijn onbetrouwbaar, het
beperkt de grootte van R (correlatie Y en ^Y) en het belang van individuele
onafhankelijke variabelen is moeilijk vast te stellen.
Coëfficiënts (Tolerance en VIF)
Homoscedastiviteit: 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. De spreiding van residuen per X-waarde is ongeveer gelijk.
Beoordelen door gestandaardiseerde residuen te plotten tegen gestandaardiseerde
voorspelde waardes.
Scatterplot
Normaal verdeling (residuen): Klik op Plots en vink Histogram aan. Volgt het histogram
ongeveer de lijn van een normale verdeling.
Histogram
- Klik op OK
Tabellen Output:
1. Variables Entered/ Removed
2. Model Summary
3. ANOVA
4. Coefficiënts: multicollineariteit, laatste twee kolommen. Hiermee wordt gekeken of de relatie
tussen twee of meer onafhankelijke variabelen sterk is (r> 0.80). Waardes voor Tolerance
kleiner dan 0.2 duiden op een mogelijk probleem, en kleiner dan 0.1 duiden op een probleem.
De VIF is gelijk aan 1/tolerance. Voor de VIF geldt dat de waardes groter dan 10 duiden op
een probleem.
Hier Tolerance: 0.954, 0.977 en 0.976 >0.2 dus geen probleem. VIF 1.048, 1.024 en 1.024 <
10 dus geen probleem.
, 5. Collin
earity
Diagnostics
6. Residuals Statistics: Beoordelen uitschieters; minimum en maximum waardes van
standardized residuals, Mahalanobis Distance en Cook’s distancebeoordelen. Zijn er
respectievelijk uitschieters in;
- Y-ruimte: standardized residuals, waardes
tussen -3.3 en +3.3. Hier -2.069 en
2.437 dus goed.
- X-ruimte: Mahanalobis, waardes lager dan
10+2x aantal onafhankelijke variabele,
bijv. 2 onafhankelijke variabelen:
10+2x3= waarde 16, hoger is
uitschieters. Hier 15.949 dus goed.
- XY-ruimte: Cook’s distance, lager dan 1.
Hoger is invloedrijke respondenten.
Hier 0.265
7. Charts;
Histogram: Normale verdeling
Afwijkingen zijn niet zo groot dat we concluderen dat de
voorwaarde voor normaal verdeelde residuen geschonden is
, Scatterplot: Homoscedasticiteit, in deze scatterplot is de spreiding van de gestandaardiseerde residuen
weergegeven
Is er voldaan aan alle assumpties? Dan interpreteren regressiemodel, ahv eerste 4 tabellen:
Tabel 1) Variables Entered/Removed; Beschrijving van wat de onafhankelijke en afhankelijke
variabelen zijn
Tabel 2) Model Summary; Beschrijving van de algemene kwaliteitsgegevens van het regressiemodel.
Correlatiecoëfficiënt van hele regressiemodel en proportie verklaarde variantie van het gehele
model. Adjusted R square geeft aan wat het geschatte percentage is in de populatie (altijd iets
lager).
Tabel 3) ANOVA; Beschrijving van de uitkomst van de F-toets voor het model. kijken of alle
onafhankelijke variabelen samen (gehele model) een significant deel van de spreiding in
tevredenheid kunnen verklaren. Kijken naar Sig.
Tabel 4) Coefficients; Beschrijving van informatie of de regressiecoëfficiënt. Kijken per
onafhankelijke variabele of deze significante voorspeller is van de tevredenheid.
Nieuwe variabelen toevoegen aan het Hiërarchische regressiemodel (Na toevoeging nieuwe
variabelen, opnieuw checken assumpties):
- Analyse Regression Linear
- Plaats de afhankelijke en onafhankelijke variabelen van het oorspronkelijke model in Block 1
of 1.
- Klik op Next. Selecteer de extra variabelen
- Vraag onder statistics om R squared Change
- Klik op Ok
Tabel 1) Welke onafhankelijke variabelen zijn toegevoegd
Tabel 2) Model Summary; algemene kwaliteitsgegevens van het nieuwe regressiemodel toegevoegd.
Change statistics, aangegeven hoe de kwaliteitsgegevens over de modellen heen veranderen. Bij
Sig. Kijken of er sprake is van significante toename in verklaarde variantie bij 0.05
Tabel 3) ANOVA; In deze ANOVA tabel alleen kijken of de modellen als geheel significant zijn (niet
zoals bij tabel 2 kijken of toename verklaarde variantie sig is)
Tabel 4) Coefficients; per model per onafhankelijke variabele of deze significant voorspeller is van
tevredenheid
