Samenvatting statistiek deel theorie spss

Statistiek 3: SPSS
HFST 1: lineaire regressie
Herhaling correlatie
- Parametrisch of niet parametrisch regels
o Enkel bij 2 scale variabele
o ALTIJD PARA BOVEN NIET PARA
o Para
 N >= 30
o Niet para
 N <10
 Bij minstens 1 steekproef
 Wnr 1 nominaal of ordinaal is of beide
o 10=< N <30
 KS test doen
 Split file bij categorische voorwaarde
 Normaal verdeeld (PARA)
 P > 0,05
 Voor beide steekproeven
 Niet normaal verdeeld (NP)
 P <0,05
 Bij een steekproef is al genoeg

- Spearman
o NIET-PARAMETRISCH
- Pearson
o PARAMETRISCH
o H0 = geen correlatie in de variabele
o H1 = wel corr
o Wnr P<0,05 = H0 verwerpen en H1 aanvaarden
 Klein getal is dus wel corr
 Groot getal is geen corr
o R = hoe sterk correlatie is -> dichter bij 1 is sterker
 Positief is evenredig verband
 Negatief is niet-evenredig verband
o R2 bij spreidingsdiagram
 Bv 0,138 = 13,8%
 Waarde dat variantie gaat verklaren van de variabelen
 Zegt dat van de regressie lijn 13,8% variantie van de
variabelen gaat voorspellen


Lineaire regressie

, - Staat links boven in beslissingsboom
- Is bij correlatie dus een verband tussen 2 variabelen
- LR gebruiken we wnr er WEL een verband is dus P<0,05
o Verband vatten in een formule
- Bv kijk notitie
- LR op spreidingsdiagram is handig om bepaalde waarden te
voorspellen bij waarde die niet gegeven of gemeten zijn in het
onderzoek
- Regrssie lijn formule
o Y= a.X+b -> middelbaar
o Y = b1.X + b -> voor stat
 Bv: cholesterol = b1.leeftijd + b
 B = snijlijn met de Y-as
 B1 = richtingscoef
- RESIDUE:
o Gegevens wijken soms af van de regressielijn -> kan
aanduiden op grafiek
o kan boven of onder voorspelling liggen
 neg of pos
- 3 voorwaarden
1. Residuen moeten
normaal verdeeld zijn




Niet normaal verdeeld




2. Regressiemodel moet homoscedastisch zijn

,  Is een soort trechtervorm -> bv: in lage leeftijden data
goed beschreven en bij de oudere leeftijden hogere
residuen
 Bij grotere voorspellende waarde gaan de data punten
verder van de regressielijn liggen
 Variantie residuen is dus groter op het einde dan
begin




3. Data moet
lineair zijn
 Mooie rechte lijn, geen parabool




Lineaire regressie voor meerder onafh variablen
- Bv effecten op cholesterol = de afhankelijke
o Onafhankelijke
 Leeftijd
 Gewicht
 …
- Nieuwe formule voor nodig
o B2 maal gewicht komt bij de oude formule
 Komt dus een nieuwe richtingscoef bij
 We kunnen niet meer 2D met een lijn werken maar 3D
- Bovenste deel is enkel scale variabelen
- Er kan ook een nominale of ordinale var zijn
o Geslacht is hier nominaal
o We worden gered door de codering met 2 categorieën
 0 is vrouw
 1 is man

, Dummy variabelen
o Nominale met meer dan 2 cat
 We moeten oppassen met die codering want heeft effect
op formule
 Zware drinkers zijn niet perse 2 keer zo veel dan matige




drinkers


o Gebruik hier dummyvariabelen soort pseudovar
 Hier is dat 3cat -1cat
 Referentie categorie = niet drinkers = 0
 Matige en zware worden vgl met de niet-drinkers
 Altijd alles op 0 zetten buite 1tje
 Bij matige drinkers zal Dummy 1 blijven staan en 2 niet
 Bij zware drinkers zal Dummy 2 blijven staan en 1 niet




Stappen voor Dummy
1. het aantal dummies is gelijk aan het aantal groepen – 1 (in dit
geval: 3 groepen – 1 = 2 dummies)
2. één van de groepen gebruiken als referentiecategorie voor beide
dummies (in dit voorbeeld niet drinkers = 0 voor beide dummies)
3. Alle dummies van 1 variabele altijd samen gebruiken of samen
verwijderen!