Grasple lessen
Kwantitatief voorkennis 1
Voor het zoeken naar bestanden op de laptop:
- Local Disk (C:) > Users > jouwnaam
Let op: Wanneer je een databestand van het internet downloadt, dan komt dit bestand lokaal
op je laptop te staan (bijvoorbeeld in My Downloads). Je moet dit bestand dan eerst naar je U-
schijf verplaatsen. Dit kan via Windows Explorer die je binnen SWs gebruikt
Voorkennis activeren 1a: Enkelvoudige Lineaire Regressieanalyse
In deze les willen we de volgende onderzoeksvraag beantwoorden: "Kan PTSD voorspeld
worden door slapeloosheid?"
- PTSD wordt gemeten met de ZIL-schaalscore (ZIL_mean).
- Slapeloosheid wordt gemeten met de variabele Insomnia.
De onderzoeksvraag kan beantwoord worden met een enkelvoudige lineaire regressieanalyse.
Laten we eerst een bekijken of er een lineair verband is tussen deze twee variabelen.
Onafhankelijke variabele = slapeloosheid
Afhankelijke variabele (dat wat we onderzoeken) = PTSD
Voordat we een vergelijking opstellen voor lineaire regressie kijken we eerst of er wel een
lineair verband is tussen de twee variabelen.
- Maak een spreidingsdiagram met de onafhankelijke variabele op x-as (slapeloosheid)
en afhankelijke (PTSD) op de y-as.
Er is sprake van een lineair
verband.
R2= proportie verklaarde
variantie.
38.8%
,Voer de regressieanalyse uit:
- Analyse > Regression > Lineair
- Bedenk wat de afhankelijke (dependent) en onafhankelijke variabelen zijn en zet deze
in de juiste vakjes.
- Ook moet je de assumpties controleren:
o Homoscedasticiteit
o Lineairiteit
o Afwezigheid van uitschieters
Klik op Plots
Plaats de variabele ZPRED (de gestandaardiseerde voorspelde
waarden) op de x-as.
Plaats de variabele ZREDIS (de gestandaardiseerde residuen) op de Y-
as.
Klik op OK.
De output:
Model summary: hier vind je:
- De waarde R, de absolute waarde van de correlatie tussen twee variabelen.
- De R2, de proportie verklaarde variantie.
- De R2adj, de aangepaste waarde van R2
- De standaardschattingsfout (Std. Error of the Estimate). Dit kun je interpreteren als
de gemiddelde grootte van de fout die je maakt wanneer je dit lineaire regressiemodel
gebruikt voor voorspellingen van de afhankelijke variabele. De SE is gelijk aan de
standaardafwijking van de verdeling van verschillen tussen voorspelde en
geobserveerde waarden in de steekproef (residuen of deviaties).
De SE wordt gebruikt voor he topstellen van betrouwbaarheidsinterval en voor het
berekenen van de toetsingsgrootheid t.
Kijk nu naar de tabel ANOVA. Hierin
wordt getoetst of het model dat je
gespecificeerd hebt statistisch significant
is. Met andere woorden: wordt een deel
van de spreiding in de afhankelijke
variabele verklaard door de lineaire relatie
met de onafhankelijke variabele?
Hiervoor wordt een F-toets gebruikt. Kijk in de tabel of je de waarde van F kunt vinden.
In de kolom 'Sig.' staat de p-waarde die bij deze F-waarde hoort.
= Het model is wel significant want de p-waarde is kleiner dan 0.05
,Coëfficiënten:
Hier wordt informatie gegeven over:
- De richtingscoëfficiënt b
- De standaardfout van b: SE(b)
- De gestandaardiseerde
richtingscoëfficiënt: beta
- De toestingsgrootheid t
- De p-waarde of de
overschrijvingskans p
Vraag: Hoe groot is de richtingscoëfficiënt b van deze regressievergelijking? Wat betekent
dit voor de relatie tussen de predictor en de voorspelling van de afhankelijke variabele?
Antwoord:
Het correcte antwoord is .347
De richtingscoëfficiënt is gelijk aan 0.347. Voor elk punt dat de insomnia-score omhoog gaat
(X wordt dan 1 groter) voorspellen we een toename van 0.347 op de ZIL-schaal.
De t-waarde voor de toets van de richtingscoëfficiënt van Insomnia (slapeloosheid) is t=
7.673
De p-waarde is kleiner dan .05 we kunnen de nulhypothese verwerpen, en concluderen dat
er een lineaire relatie is tussen insomnia en de gemiddelde ZIL-score.
Ging deze grasple niet over:
Samenvatting
In deze les heb je geleerd hoe je een regressie-analyse kunt uitvoeren. Hierbij moet je goed
weten wat de afhankelijke en de onafhankelijke variabele is. Ook hebben we gekeken naar de
vier verschillende tabellen van de regressie-output.
Onafhankelijke variabele = slapeloosheid
Afhankelijke variabele (dat wat we onderzoeken) = PTSD
Voordat we een vergelijking opstellen voor lineaire regressie kijken we eerst of er wel een
lineair verband is tussen de twee variabelen.
- Maak een spreidingsdiagram met de onafhankelijke variabele op x-as (slapeloosheid)
en afhankelijke (PTSD) op de y-as.
Lijn in grafiek krijgen doe je door:
Graph > Chart Builder > Scatter/Dot > Scatter Plot > rechts na grafiek: Element properties >
helemaal links onderaan: Lineair Fit lines.
, Vraag Grasple:
De regressievergelijking is
Y^ = a + bx
B = richtingscoëfficient van de variabele x
Kwantitatief voorkennis 1
Voor het zoeken naar bestanden op de laptop:
- Local Disk (C:) > Users > jouwnaam
Let op: Wanneer je een databestand van het internet downloadt, dan komt dit bestand lokaal
op je laptop te staan (bijvoorbeeld in My Downloads). Je moet dit bestand dan eerst naar je U-
schijf verplaatsen. Dit kan via Windows Explorer die je binnen SWs gebruikt
Voorkennis activeren 1a: Enkelvoudige Lineaire Regressieanalyse
In deze les willen we de volgende onderzoeksvraag beantwoorden: "Kan PTSD voorspeld
worden door slapeloosheid?"
- PTSD wordt gemeten met de ZIL-schaalscore (ZIL_mean).
- Slapeloosheid wordt gemeten met de variabele Insomnia.
De onderzoeksvraag kan beantwoord worden met een enkelvoudige lineaire regressieanalyse.
Laten we eerst een bekijken of er een lineair verband is tussen deze twee variabelen.
Onafhankelijke variabele = slapeloosheid
Afhankelijke variabele (dat wat we onderzoeken) = PTSD
Voordat we een vergelijking opstellen voor lineaire regressie kijken we eerst of er wel een
lineair verband is tussen de twee variabelen.
- Maak een spreidingsdiagram met de onafhankelijke variabele op x-as (slapeloosheid)
en afhankelijke (PTSD) op de y-as.
Er is sprake van een lineair
verband.
R2= proportie verklaarde
variantie.
38.8%
,Voer de regressieanalyse uit:
- Analyse > Regression > Lineair
- Bedenk wat de afhankelijke (dependent) en onafhankelijke variabelen zijn en zet deze
in de juiste vakjes.
- Ook moet je de assumpties controleren:
o Homoscedasticiteit
o Lineairiteit
o Afwezigheid van uitschieters
Klik op Plots
Plaats de variabele ZPRED (de gestandaardiseerde voorspelde
waarden) op de x-as.
Plaats de variabele ZREDIS (de gestandaardiseerde residuen) op de Y-
as.
Klik op OK.
De output:
Model summary: hier vind je:
- De waarde R, de absolute waarde van de correlatie tussen twee variabelen.
- De R2, de proportie verklaarde variantie.
- De R2adj, de aangepaste waarde van R2
- De standaardschattingsfout (Std. Error of the Estimate). Dit kun je interpreteren als
de gemiddelde grootte van de fout die je maakt wanneer je dit lineaire regressiemodel
gebruikt voor voorspellingen van de afhankelijke variabele. De SE is gelijk aan de
standaardafwijking van de verdeling van verschillen tussen voorspelde en
geobserveerde waarden in de steekproef (residuen of deviaties).
De SE wordt gebruikt voor he topstellen van betrouwbaarheidsinterval en voor het
berekenen van de toetsingsgrootheid t.
Kijk nu naar de tabel ANOVA. Hierin
wordt getoetst of het model dat je
gespecificeerd hebt statistisch significant
is. Met andere woorden: wordt een deel
van de spreiding in de afhankelijke
variabele verklaard door de lineaire relatie
met de onafhankelijke variabele?
Hiervoor wordt een F-toets gebruikt. Kijk in de tabel of je de waarde van F kunt vinden.
In de kolom 'Sig.' staat de p-waarde die bij deze F-waarde hoort.
= Het model is wel significant want de p-waarde is kleiner dan 0.05
,Coëfficiënten:
Hier wordt informatie gegeven over:
- De richtingscoëfficiënt b
- De standaardfout van b: SE(b)
- De gestandaardiseerde
richtingscoëfficiënt: beta
- De toestingsgrootheid t
- De p-waarde of de
overschrijvingskans p
Vraag: Hoe groot is de richtingscoëfficiënt b van deze regressievergelijking? Wat betekent
dit voor de relatie tussen de predictor en de voorspelling van de afhankelijke variabele?
Antwoord:
Het correcte antwoord is .347
De richtingscoëfficiënt is gelijk aan 0.347. Voor elk punt dat de insomnia-score omhoog gaat
(X wordt dan 1 groter) voorspellen we een toename van 0.347 op de ZIL-schaal.
De t-waarde voor de toets van de richtingscoëfficiënt van Insomnia (slapeloosheid) is t=
7.673
De p-waarde is kleiner dan .05 we kunnen de nulhypothese verwerpen, en concluderen dat
er een lineaire relatie is tussen insomnia en de gemiddelde ZIL-score.
Ging deze grasple niet over:
Samenvatting
In deze les heb je geleerd hoe je een regressie-analyse kunt uitvoeren. Hierbij moet je goed
weten wat de afhankelijke en de onafhankelijke variabele is. Ook hebben we gekeken naar de
vier verschillende tabellen van de regressie-output.
Onafhankelijke variabele = slapeloosheid
Afhankelijke variabele (dat wat we onderzoeken) = PTSD
Voordat we een vergelijking opstellen voor lineaire regressie kijken we eerst of er wel een
lineair verband is tussen de twee variabelen.
- Maak een spreidingsdiagram met de onafhankelijke variabele op x-as (slapeloosheid)
en afhankelijke (PTSD) op de y-as.
Lijn in grafiek krijgen doe je door:
Graph > Chart Builder > Scatter/Dot > Scatter Plot > rechts na grafiek: Element properties >
helemaal links onderaan: Lineair Fit lines.
, Vraag Grasple:
De regressievergelijking is
Y^ = a + bx
B = richtingscoëfficient van de variabele x
