Hoofdstuk 8: CORRELATIE-EN REGRESSIEANALYSE
LEERDOELEN
• De student begrijpt de principes van de enkelvoudige
regressietechniek en kent de termen en formules van a, b en r-
square, r en R.
• De student heeft inzicht in de begrippen en ideeën achter lineaire
analyse, model fit en kan een toepassing uit criminologisch
onderzoek zelf oplossen.
• De student weet wat statistische predictie inhoudt en kent het
verschil tussen predictie en verklaring (wetenschapsfilosofisch).
• De student kan empirische uitspraken over regressieparameters
beoordelen op diens correctheid. Hiertoe worden voorbeelden
gebruikt van criminologische theorieën.
• De student kan de output van een regressieanalyse lezen en
interpreteren.
INLEIDING
De onderzoeksvraag bepaald welke techniek we gaan toepassen
Gebruik maken van 1 variabele, om te waarde daarop te voorspellen
— Wanneer te gebruiken? Welk soort onderzoeksvragen?
— Verkennend (samenhang) en verklarend / theorietoetsend
onderzoek
— bv: kan de frequentie van delictgedrag verklaard of
voorspeld worden op basis van persoonskenmerken
— Correlatieanalyse: symmetrische analysemaat
— Verondersteld: samenhang, geen uitspraak over causaliteit
— 2… geven hetzelfde resultaat
— Regressieanalyse:
— In theorie wel een veronderstelling over causaliteit : X ->
Y . Het is een asymmetrische analysetechniek
— Als je x en y verwisselt dan krijg je verschillende uitkomsten
Deze zijn nauwverband
CORRELATIE
• Voor je iets weet of iets samenhangt, dan moet je kijken nr de converantie
1
, • Pearson’s r: gestandaardiseerde covariantie(!!!): er is een boven
&ondergrens en we weten hoe we iets moeten interpreteren als er
0 verschijnt \
• Geeft het sterkt van een verband tussen 2 kenmerken (Bv.
Overlast in de buurt & criminaliteit in de buurt)
• r= Covariantie /(Sx*Sy)
• Waarom standaardiseren we?
• Teken: (+ of -) positieve vs. negatieve associatie
• Nul: geen associatie
• [-1,+1] VASTE BOVENGRENS EN ONDERGRENS
• Hoe verder van nul en hoe dichter bij -1 of +1 hoe sterker de
lineaire samenhang tussen X en Y!
• r, COV en SS zijn SYMMETRISCHE MATEN
• We veronderstellen LINEAIR verband (geen curvilineair
verband)
• Doordenkertje: Kan er een verband bestaan tussen X en Y
als r = 0?
DE LINEARITEITSASSUMPTIE!
o Geen lineair verband
- 3 verschillende subgroepen
- Het verband is niet even sterk voor elke groep
Verbanden zijn niet altijd lineair
2
LEERDOELEN
• De student begrijpt de principes van de enkelvoudige
regressietechniek en kent de termen en formules van a, b en r-
square, r en R.
• De student heeft inzicht in de begrippen en ideeën achter lineaire
analyse, model fit en kan een toepassing uit criminologisch
onderzoek zelf oplossen.
• De student weet wat statistische predictie inhoudt en kent het
verschil tussen predictie en verklaring (wetenschapsfilosofisch).
• De student kan empirische uitspraken over regressieparameters
beoordelen op diens correctheid. Hiertoe worden voorbeelden
gebruikt van criminologische theorieën.
• De student kan de output van een regressieanalyse lezen en
interpreteren.
INLEIDING
De onderzoeksvraag bepaald welke techniek we gaan toepassen
Gebruik maken van 1 variabele, om te waarde daarop te voorspellen
— Wanneer te gebruiken? Welk soort onderzoeksvragen?
— Verkennend (samenhang) en verklarend / theorietoetsend
onderzoek
— bv: kan de frequentie van delictgedrag verklaard of
voorspeld worden op basis van persoonskenmerken
— Correlatieanalyse: symmetrische analysemaat
— Verondersteld: samenhang, geen uitspraak over causaliteit
— 2… geven hetzelfde resultaat
— Regressieanalyse:
— In theorie wel een veronderstelling over causaliteit : X ->
Y . Het is een asymmetrische analysetechniek
— Als je x en y verwisselt dan krijg je verschillende uitkomsten
Deze zijn nauwverband
CORRELATIE
• Voor je iets weet of iets samenhangt, dan moet je kijken nr de converantie
1
, • Pearson’s r: gestandaardiseerde covariantie(!!!): er is een boven
&ondergrens en we weten hoe we iets moeten interpreteren als er
0 verschijnt \
• Geeft het sterkt van een verband tussen 2 kenmerken (Bv.
Overlast in de buurt & criminaliteit in de buurt)
• r= Covariantie /(Sx*Sy)
• Waarom standaardiseren we?
• Teken: (+ of -) positieve vs. negatieve associatie
• Nul: geen associatie
• [-1,+1] VASTE BOVENGRENS EN ONDERGRENS
• Hoe verder van nul en hoe dichter bij -1 of +1 hoe sterker de
lineaire samenhang tussen X en Y!
• r, COV en SS zijn SYMMETRISCHE MATEN
• We veronderstellen LINEAIR verband (geen curvilineair
verband)
• Doordenkertje: Kan er een verband bestaan tussen X en Y
als r = 0?
DE LINEARITEITSASSUMPTIE!
o Geen lineair verband
- 3 verschillende subgroepen
- Het verband is niet even sterk voor elke groep
Verbanden zijn niet altijd lineair
2
