De onafhankelijke variabele is de variabele waarvan je denkt dat deze de oorzaak is.
De afhankelijke variabele is de variabele waarvan je denkt dat deze het gevolg is.
Lineaire regressie
Correlatie
- Is er een verband?
- R waarde
- p-waarde H0 : er is geen correlatie (op grafiek: een algemene metingenwolk)
aanvaarden H0 p > 0,05 H0 aanvaarden
Bv: verband tussen lage rugklachten en leeftijd
Regressie
- voorspellen variabele y op basis van variabele x
- scale variabelen nodig
als ordinale variabelen dummy’s !!!!
- afhankelijke variabele op Y-as (deze hangt af van de waarde van X)
- onafhankelijke variabele op X-as
- door verschillende meetresultaten een zo goed mogelijke rechte door trekken
- y=b0 + b1x
OEFENING VOORBEELD 4 SLIDES
observationeel cross sectioneel cohortonderzoek
= geen interventie observatie
Cross-sectioneel =
Cohortonderzoek = een groep van mensen die je samenstelt met de kenmerken wel EN niet
aanwezig van de dingen waarin je geïnteresseert bent
Vraag “kunnen we cholesterol voorspellen op basis
van…..”
Welk meetniveau = scale lineaire regressie
4 x 4 tabel maken dummyvariabelen
#dummy’s = aantal opties – 1
, via “transfer” recode into different variables …
Voorspellen:
“analyse” regression linear plots voorwaarden…
1) residuen normaal verdeelt? = afstand werkelijke
meting – rechte
zie histogram & NPP plot
grootste frequentie piek rond de 0 met
symmetrische staarten
2) model moet homoscedastisch zijn “een gelijke variantie van residuen”
spreidingsdiagram mag geen specifieke trend hebben (bv een rechte)
3) model moet lineair zijn wolk moet min of meer horizontaal rond 0-lijn op y-as
liggen van spreidingsdiagram
,Sig. is de variantie significant
46,8% wordt verklaard door dit model (adjusted R square)
Zijn alle coëfficiënten significant? (sig. = (p < 0,05))
, Om de beurt er variabelen uithalen die niet significant zijn (p > 0,05)
Analyse regression “haal nodige variabele eruit” enter
Dummy’s blijven altijd samen!!
Als alles significant formule maken b0+b1*x1+b2*x2+b3*x3+…
De b’s zijn de “unstandardized B”
Standardized coëfficiënt bèta is eenheidsloos en geeft weer hoe hard elke variabele doorweegt.
De afhankelijke variabele is de variabele waarvan je denkt dat deze het gevolg is.
Lineaire regressie
Correlatie
- Is er een verband?
- R waarde
- p-waarde H0 : er is geen correlatie (op grafiek: een algemene metingenwolk)
aanvaarden H0 p > 0,05 H0 aanvaarden
Bv: verband tussen lage rugklachten en leeftijd
Regressie
- voorspellen variabele y op basis van variabele x
- scale variabelen nodig
als ordinale variabelen dummy’s !!!!
- afhankelijke variabele op Y-as (deze hangt af van de waarde van X)
- onafhankelijke variabele op X-as
- door verschillende meetresultaten een zo goed mogelijke rechte door trekken
- y=b0 + b1x
OEFENING VOORBEELD 4 SLIDES
observationeel cross sectioneel cohortonderzoek
= geen interventie observatie
Cross-sectioneel =
Cohortonderzoek = een groep van mensen die je samenstelt met de kenmerken wel EN niet
aanwezig van de dingen waarin je geïnteresseert bent
Vraag “kunnen we cholesterol voorspellen op basis
van…..”
Welk meetniveau = scale lineaire regressie
4 x 4 tabel maken dummyvariabelen
#dummy’s = aantal opties – 1
, via “transfer” recode into different variables …
Voorspellen:
“analyse” regression linear plots voorwaarden…
1) residuen normaal verdeelt? = afstand werkelijke
meting – rechte
zie histogram & NPP plot
grootste frequentie piek rond de 0 met
symmetrische staarten
2) model moet homoscedastisch zijn “een gelijke variantie van residuen”
spreidingsdiagram mag geen specifieke trend hebben (bv een rechte)
3) model moet lineair zijn wolk moet min of meer horizontaal rond 0-lijn op y-as
liggen van spreidingsdiagram
,Sig. is de variantie significant
46,8% wordt verklaard door dit model (adjusted R square)
Zijn alle coëfficiënten significant? (sig. = (p < 0,05))
, Om de beurt er variabelen uithalen die niet significant zijn (p > 0,05)
Analyse regression “haal nodige variabele eruit” enter
Dummy’s blijven altijd samen!!
Als alles significant formule maken b0+b1*x1+b2*x2+b3*x3+…
De b’s zijn de “unstandardized B”
Standardized coëfficiënt bèta is eenheidsloos en geeft weer hoe hard elke variabele doorweegt.
