Central limit theorie = als de sample size groter dan 30 is, dan is de sampling distributie
van de sample means een normaalverdeling met gemiddelde μ en standaarddeviatie σ X́ . De
s
standaarddeviatie wordt geschat met SE X́ =
√N
Met de power bepaal je hoeveel data je nodig hebt om een bepaalde kans op het effect te
vinden.
Hoe meer tests je doet, hoe dichter je bij de true mean van de populatie komt, MITS die tests
onafhankelijk zijn. Anders heb je steeds meer kans op type I error.
Outlier detectie:
- afstand tot lijn = Residuen binnen -3 en 3
- Afstand tot puntenwolk = Mahalanobis <20-25 (N=500), <15 (N=100) of <11 (N=30)
- Invloed op het model = Cooks <1
Mahalanobis is alleen handig als je >2 onafhankelijke variabelen hebt, Cook’s is altijd handig
want die kijkt naar je hele model.
De correlatiecoëfficiënt ligt tussen -1 en 1, de regressiecoëfficiënt/slope heeft units of
measurement. Intercept = als X 0 is, wat is Y dan? Slope = als je 1 unit gaat op X, hoeveel
verandert Y dan?
Sum of squares:
- SStotaal = afstand van punt naar mean
- SSmodel = afstand van punt naar model
- SSresidu = afstand van observed naar predicted
F=MSM/MSR = hoeveel vaker er verklaarde dan onverklaarde variantie is.
R2 wordt niet geheel gegeven door de beta’s, want beta geeft alleen de unieke bijdrage en
niet de overlap. Ongecorreleerde predictoren geven minder variantie in je scatterplot
(residuals vs. predicted) dan gecorreleerde predictoren.
Als R2 hoger wordt, hoeft je model niet beter te zijn. De verklaarde variantie per predictor kan
namelijk lager zijn geworden.
Bij hiërarchische regressie doe je blokken en test je wat het verschil is in R2 als je een
predictor weghaalt of toevoegt.
Partial correlation is iets anders dan part correlation (of semi-partial correlation). Het is
allebei unieke bijdrage, maar dan anders.
, - Partial = alleen ten opzichte van wat overblijft als je andere verklaarde delen
weghaalt (controleert voor effect van andere variabelen, je negeert de rest.
- Semi-partial = ten opzichte van alle variantie in Y. Houdt rekening met de rest.
Significantie gaat over de populatie: het maakt niet uit hoe groot of hoe klein je verandering
is, het is de kans dat deze waarde of extremer ook in de populatie bestaat, wanneer H0 waar
is.
Bij regressie met dummies is de voorspelde score voor iemand in de referentiegroep gelijk
aan Y=b0, voor groep 1 geldt Y=b0 + b1, voor groep 2 geldt Y=b0 + b2.
Hypotheses hierbij zijn:
- H0: R2 = 0
- H0: β1 = β2 = 0
Je gebruikt dit als je geen ANOVA kan doen, omdat je meerdere andere variabelen ook wil
toevoegen (continu).
Moderatie = het effect van predictor X op afhankelijke variabele T hangt af van de waarde
van moderator M.
Je test voor externe validiteit: hoe universeel/generaliseerbaar is de relatie tussen X
en Y?
Regressie: Yi =b0 + b1Xi + b2Xi + b3XMi + error
De constante is de intercept, als de moderator nul is.
Als je hebt gecentreerd vertelt het je het effect van X op het gemiddelde effect van de
moderator. Dit doe je als je schaal geen nulpunt heeft dat betekenisvol is. Heb je groepen of
wel een betekenisvol nulpunt, dan centreer je niet.
Mediatie = het effect van predictor X op afhankelijek variabele Y kan verklaard worden door
derde variabele M (mediator).
Dit is een causaal model. Hierbij voer je aparte regressieanalyses uit om het
mediatie-effect te testen. Je meet dit eigenlijk altijd met bootstrapping, want je kan het
niet direct meten.
Totaal effect = originele relatie tussen X en Y
In Venn diagram is het overlappende deel het indirecte effect
De R2 voor het indirecte effect is deel 2.
Bij een ANOVA vergelijk je groepsgemiddeldes. H0 : µ1=µ2=µ3. Je moet p niet
interpreteren als waarschijnlijkheid van de hypothese, maar als waarschijnlijkheid van de
data. Als je een verschil vindt en je gaat pairwise comparisons doen, dan moet je rekening
houden met het multiple testing probleem (type I error). Beter is dan t-tests (planned
contrasts), waarbij je specifieke hypotheses test.
van de sample means een normaalverdeling met gemiddelde μ en standaarddeviatie σ X́ . De
s
standaarddeviatie wordt geschat met SE X́ =
√N
Met de power bepaal je hoeveel data je nodig hebt om een bepaalde kans op het effect te
vinden.
Hoe meer tests je doet, hoe dichter je bij de true mean van de populatie komt, MITS die tests
onafhankelijk zijn. Anders heb je steeds meer kans op type I error.
Outlier detectie:
- afstand tot lijn = Residuen binnen -3 en 3
- Afstand tot puntenwolk = Mahalanobis <20-25 (N=500), <15 (N=100) of <11 (N=30)
- Invloed op het model = Cooks <1
Mahalanobis is alleen handig als je >2 onafhankelijke variabelen hebt, Cook’s is altijd handig
want die kijkt naar je hele model.
De correlatiecoëfficiënt ligt tussen -1 en 1, de regressiecoëfficiënt/slope heeft units of
measurement. Intercept = als X 0 is, wat is Y dan? Slope = als je 1 unit gaat op X, hoeveel
verandert Y dan?
Sum of squares:
- SStotaal = afstand van punt naar mean
- SSmodel = afstand van punt naar model
- SSresidu = afstand van observed naar predicted
F=MSM/MSR = hoeveel vaker er verklaarde dan onverklaarde variantie is.
R2 wordt niet geheel gegeven door de beta’s, want beta geeft alleen de unieke bijdrage en
niet de overlap. Ongecorreleerde predictoren geven minder variantie in je scatterplot
(residuals vs. predicted) dan gecorreleerde predictoren.
Als R2 hoger wordt, hoeft je model niet beter te zijn. De verklaarde variantie per predictor kan
namelijk lager zijn geworden.
Bij hiërarchische regressie doe je blokken en test je wat het verschil is in R2 als je een
predictor weghaalt of toevoegt.
Partial correlation is iets anders dan part correlation (of semi-partial correlation). Het is
allebei unieke bijdrage, maar dan anders.
, - Partial = alleen ten opzichte van wat overblijft als je andere verklaarde delen
weghaalt (controleert voor effect van andere variabelen, je negeert de rest.
- Semi-partial = ten opzichte van alle variantie in Y. Houdt rekening met de rest.
Significantie gaat over de populatie: het maakt niet uit hoe groot of hoe klein je verandering
is, het is de kans dat deze waarde of extremer ook in de populatie bestaat, wanneer H0 waar
is.
Bij regressie met dummies is de voorspelde score voor iemand in de referentiegroep gelijk
aan Y=b0, voor groep 1 geldt Y=b0 + b1, voor groep 2 geldt Y=b0 + b2.
Hypotheses hierbij zijn:
- H0: R2 = 0
- H0: β1 = β2 = 0
Je gebruikt dit als je geen ANOVA kan doen, omdat je meerdere andere variabelen ook wil
toevoegen (continu).
Moderatie = het effect van predictor X op afhankelijke variabele T hangt af van de waarde
van moderator M.
Je test voor externe validiteit: hoe universeel/generaliseerbaar is de relatie tussen X
en Y?
Regressie: Yi =b0 + b1Xi + b2Xi + b3XMi + error
De constante is de intercept, als de moderator nul is.
Als je hebt gecentreerd vertelt het je het effect van X op het gemiddelde effect van de
moderator. Dit doe je als je schaal geen nulpunt heeft dat betekenisvol is. Heb je groepen of
wel een betekenisvol nulpunt, dan centreer je niet.
Mediatie = het effect van predictor X op afhankelijek variabele Y kan verklaard worden door
derde variabele M (mediator).
Dit is een causaal model. Hierbij voer je aparte regressieanalyses uit om het
mediatie-effect te testen. Je meet dit eigenlijk altijd met bootstrapping, want je kan het
niet direct meten.
Totaal effect = originele relatie tussen X en Y
In Venn diagram is het overlappende deel het indirecte effect
De R2 voor het indirecte effect is deel 2.
Bij een ANOVA vergelijk je groepsgemiddeldes. H0 : µ1=µ2=µ3. Je moet p niet
interpreteren als waarschijnlijkheid van de hypothese, maar als waarschijnlijkheid van de
data. Als je een verschil vindt en je gaat pairwise comparisons doen, dan moet je rekening
houden met het multiple testing probleem (type I error). Beter is dan t-tests (planned
contrasts), waarbij je specifieke hypotheses test.
