Stappenplan: Lineaire Regressie in Jamovi
1. Start Jamovi en laad je dataset
Open Jamovi.
Klik op Open (icoon linksboven) om je dataset in te laden. Jamovi
ondersteunt bestanden zoals .csv, .xlsx en .sav. Zorg ervoor dat je
dataset de variabelen bevat die je wilt analyseren.
2. Controleer je dataset
Bekijk je data in de spreadsheet om te controleren of er geen
ontbrekende waarden of fouten zijn.
Zorg ervoor dat de variabelen correct zijn gespecificeerd:
o Nominaal voor categorische variabelen.
o Continue voor numerieke variabelen.
3. Selecteer het lineaire regressie-model
Ga naar het tabblad Analyses in de menubalk.
Klik op Regression en selecteer Linear Regression.
4. Stel het regressiemodel in
Een venster verschijnt waarin je de variabelen kunt toewijzen:
o Dependent Variable: Sleep de afhankelijke variabele (Y)
hierheen.
o Covariates: Sleep de onafhankelijke variabele(n) (X) hierheen.
Dit kunnen er meerdere zijn als je een multipele regressie wilt
uitvoeren.
o Als je categorische onafhankelijke variabelen hebt, wordt
automatisch een dummycodering toegepast.
5. Opties instellen
Klik op Model (indien beschikbaar) om interacties of aangepaste
termen toe te voegen.
Gebruik het Statistics-menu om extra informatie aan te vragen,
zoals:
o R2: De verklaarde variantie.
o Adjusted R2: Gecorrigeerd voor het aantal voorspellende
variabelen.
, o ANOVA: Om te testen of het model significant is.
o Residual Plots: Controleer op aannames zoals lineariteit en
homoscedasticiteit.
o Multicollinearity Diagnostics: Om te zien of er sterke correlatie
tussen voorspellers is.
6. Analyse uitvoeren
Klik op Run of druk op Enter om de analyse uit te voeren.
Het resultaat verschijnt in de rechterkolom, inclusief:
o Regressiecoëfficiënten (β\betaβ, standaardfouten, t-waarden,
en p-waarden).
o Modelsamenvatting met R2 en F-statistiek.
7. Controleer de aannames
Kijk naar de residuen en diagnostische plots om de aannames van
lineaire regressie te evalueren:
o Lineariteit: Controleer of de relatie tussen X en Y lineair is.
o Homoscedasticiteit: Residuen moeten gelijkmatig verspreid
zijn.
o Normaliteit: Residuen moeten normaal verdeeld zijn.
8. Interpreteer de resultaten
Gebruik de coëfficiënten (β) om de richting en sterkte van de relatie
tussen elke predictor en de afhankelijke variabele te beoordelen.
Controleer de p-waarden om te bepalen welke voorspellers
significant zijn.
Evalueer R2 om te zien hoeveel variantie in de afhankelijke variabele
wordt verklaard door het model.
9. Exporteer je resultaten
Klik op het downloadpictogram om de output te exporteren
als .pdf, .html of .omv (Jamovi-bestand).
Voor rapportage kun je ook tabellen en grafieken direct kopiëren
naar Word of andere tekstverwerkingsprogramma's.
1. Start Jamovi en laad je dataset
Open Jamovi.
Klik op Open (icoon linksboven) om je dataset in te laden. Jamovi
ondersteunt bestanden zoals .csv, .xlsx en .sav. Zorg ervoor dat je
dataset de variabelen bevat die je wilt analyseren.
2. Controleer je dataset
Bekijk je data in de spreadsheet om te controleren of er geen
ontbrekende waarden of fouten zijn.
Zorg ervoor dat de variabelen correct zijn gespecificeerd:
o Nominaal voor categorische variabelen.
o Continue voor numerieke variabelen.
3. Selecteer het lineaire regressie-model
Ga naar het tabblad Analyses in de menubalk.
Klik op Regression en selecteer Linear Regression.
4. Stel het regressiemodel in
Een venster verschijnt waarin je de variabelen kunt toewijzen:
o Dependent Variable: Sleep de afhankelijke variabele (Y)
hierheen.
o Covariates: Sleep de onafhankelijke variabele(n) (X) hierheen.
Dit kunnen er meerdere zijn als je een multipele regressie wilt
uitvoeren.
o Als je categorische onafhankelijke variabelen hebt, wordt
automatisch een dummycodering toegepast.
5. Opties instellen
Klik op Model (indien beschikbaar) om interacties of aangepaste
termen toe te voegen.
Gebruik het Statistics-menu om extra informatie aan te vragen,
zoals:
o R2: De verklaarde variantie.
o Adjusted R2: Gecorrigeerd voor het aantal voorspellende
variabelen.
, o ANOVA: Om te testen of het model significant is.
o Residual Plots: Controleer op aannames zoals lineariteit en
homoscedasticiteit.
o Multicollinearity Diagnostics: Om te zien of er sterke correlatie
tussen voorspellers is.
6. Analyse uitvoeren
Klik op Run of druk op Enter om de analyse uit te voeren.
Het resultaat verschijnt in de rechterkolom, inclusief:
o Regressiecoëfficiënten (β\betaβ, standaardfouten, t-waarden,
en p-waarden).
o Modelsamenvatting met R2 en F-statistiek.
7. Controleer de aannames
Kijk naar de residuen en diagnostische plots om de aannames van
lineaire regressie te evalueren:
o Lineariteit: Controleer of de relatie tussen X en Y lineair is.
o Homoscedasticiteit: Residuen moeten gelijkmatig verspreid
zijn.
o Normaliteit: Residuen moeten normaal verdeeld zijn.
8. Interpreteer de resultaten
Gebruik de coëfficiënten (β) om de richting en sterkte van de relatie
tussen elke predictor en de afhankelijke variabele te beoordelen.
Controleer de p-waarden om te bepalen welke voorspellers
significant zijn.
Evalueer R2 om te zien hoeveel variantie in de afhankelijke variabele
wordt verklaard door het model.
9. Exporteer je resultaten
Klik op het downloadpictogram om de output te exporteren
als .pdf, .html of .omv (Jamovi-bestand).
Voor rapportage kun je ook tabellen en grafieken direct kopiëren
naar Word of andere tekstverwerkingsprogramma's.
