Samenvatting stof SPSS toets VOS ()

SAMENVATTING SPSS TOETS
Enkelvoudige Regressieanalyse
Kijken of er een lineair verband is: 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.

 Fit line at total  R2 zien

Regressie analyse:

 Analyze > Regression > Linear
 Denk goed aan wat de afhankelijke en onafhankelijke variabelen zijn en zet deze in de goede
vakjes.
 We willen ook grafisch de voorwaarde van homoscedastisiteit, lineariteit en de afwezigheid
van uitschieters controleren:




 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
 Klik op Continue
 Druk op OK.



Multipele Regressieanalyse
Multipele regressieanalyse

 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.

,  Klik op OK.



Assumpties controleren:

Lineaire verbanden tussen de afhankelijke variabele en alle kwantitatieve onafhankelijke variabelen
+ geen uitschieters:

Maak in SPSS twee spreidingsdiagrammen met telkens een andere kwantitatieve
onafhankelijke variabele op de X-as en de afhankelijke variabele op de Y-as.
Uitschieters kan je eventueel verwijderen uit de dataset.

Afwezigheid uitschieters

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.

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 distance lager zijn dan 10 + 2 ∙2 = 14. Waardes hoger dan deze
kritieke waarde duiden op uitschieters.

Cook's distance

Hiermee controleren we of er sprake is van uitschieters in XY-ruimte. Een uitschieter in de
XY-ruimte is een extreme combinatie van X(-en) en Y-scores. Cook's distance geeft aan wat
de overall invloed is van een respondent op het model. Als vuistregel houden we aan dat
waardes voor Cook’s distance lager dan 1 moeten zijn. Waardes hoger dan 1 duiden op
invloedrijke respondenten (influential cases).

Multicollineariteit

Vaststellen of multicollineariteit een probleem is kan aan de hand van statistieken die SPSS geeft in
de laatste twee kolommen van de tabel Coefficients. Hierbij kun je de volgende vuistregels
aanhouden:

 Waardes voor de Tolerance kleiner dan .2 duiden op een mogelijk probleem.
 Waardes voor de Tolerance kleiner dan .1 duiden op een probleem.
 De VIF is gelijk aan 1/Tolerance, dus voor de VIF geldt dat waardes groter dan 10 duiden op
een probleem.