Statistische testen
Test Wanneer gebruiken Assumpties Hypotheses
Lineair model Bijna alle statistische modellen Meetniveau (uitkomst is continu
gemeten, geldt overal)
Additiviteit (gecombineerd effect
= effecten optellen van
voorspellers)
Lineairiteit
Normaliteit (residuals)
Homogeniteit van varianties
(homoscedasticity)
Onafhankelijkheid van de errors
Regressie Continue afhankelijke variabele Additiviteit H0: R2 = 0 (in de populatie)
Simple Continue onafhankelijke variabele Lineairiteit Ha: R2 = niet 0 (in de populatie)
Multiple (kan ook met categorisch en met Normaliteit (residuals) OF
Hiërarchisch dummy’s, maar voorkeur is dan Homogeniteit van variantie H0: B1 = 0
Robust one- way ANOVA) (homoscedasticity) Ha: B1 = niet 0
(bootstrapped) Onafhankelijkheid van de errors
Met dummy’s Multicollinearity (bij 2 Dummy’s:
predictoren) H0: R2 = 0 (in de populatie)
De predictor is niet gecorreleerd OF
met externe variabelen UReferentiegroep = Udummy1 =
Non- zero variance Udummy2
Specifieke hypotheses
H0: B1 = 0
H0: B2 = 0
OF
H0: Ureferentiegroep = Udummy1
H0: Ureferenriegroep = Udummy2
One- way Continue afhankelijke variabele Onafhankelijkheid van de errors H0: U1 = U2 = U3
ANOVA (GLM) Categorische onafhankelijke Normaliteit (residuals in elke H0: B1 – B2 = 0
variable groep)
Meer dan twee groepen (levels) Homogeniteit van variantie Post- hoc:
vergelijken binnen 1 factor. (homoscedasticity) H0: U1 = U2
Kwaliteit van de voorspelling H0: U2 = U3
Ho: U1 = U3
Contrasts
H0: U1 = (U2+U3) / 2
H0: U2 = U3
Independent Continue afhankelijke variabele Onafhankelijkheid van de errors Main effect factor 1
Factorial Design Categorische onafhankelijke Normaliteit Main effect factor 2
OF variable Homogeniteit van de variantie Interactie effect
Two- way Meer dan twee factoren als Kwaliteit van de voorspelling
ANOVA voorspellers (between- subjects
factoren)
ANCOVA Continue afhankelijke variabele Onafhankelijkheid van de errors H0: B1 = B2 = B3
Categorische onafhankelijke Normaliteit (residuals in elke OF
Test Wanneer gebruiken Assumpties Hypotheses
Lineair model Bijna alle statistische modellen Meetniveau (uitkomst is continu
gemeten, geldt overal)
Additiviteit (gecombineerd effect
= effecten optellen van
voorspellers)
Lineairiteit
Normaliteit (residuals)
Homogeniteit van varianties
(homoscedasticity)
Onafhankelijkheid van de errors
Regressie Continue afhankelijke variabele Additiviteit H0: R2 = 0 (in de populatie)
Simple Continue onafhankelijke variabele Lineairiteit Ha: R2 = niet 0 (in de populatie)
Multiple (kan ook met categorisch en met Normaliteit (residuals) OF
Hiërarchisch dummy’s, maar voorkeur is dan Homogeniteit van variantie H0: B1 = 0
Robust one- way ANOVA) (homoscedasticity) Ha: B1 = niet 0
(bootstrapped) Onafhankelijkheid van de errors
Met dummy’s Multicollinearity (bij 2 Dummy’s:
predictoren) H0: R2 = 0 (in de populatie)
De predictor is niet gecorreleerd OF
met externe variabelen UReferentiegroep = Udummy1 =
Non- zero variance Udummy2
Specifieke hypotheses
H0: B1 = 0
H0: B2 = 0
OF
H0: Ureferentiegroep = Udummy1
H0: Ureferenriegroep = Udummy2
One- way Continue afhankelijke variabele Onafhankelijkheid van de errors H0: U1 = U2 = U3
ANOVA (GLM) Categorische onafhankelijke Normaliteit (residuals in elke H0: B1 – B2 = 0
variable groep)
Meer dan twee groepen (levels) Homogeniteit van variantie Post- hoc:
vergelijken binnen 1 factor. (homoscedasticity) H0: U1 = U2
Kwaliteit van de voorspelling H0: U2 = U3
Ho: U1 = U3
Contrasts
H0: U1 = (U2+U3) / 2
H0: U2 = U3
Independent Continue afhankelijke variabele Onafhankelijkheid van de errors Main effect factor 1
Factorial Design Categorische onafhankelijke Normaliteit Main effect factor 2
OF variable Homogeniteit van de variantie Interactie effect
Two- way Meer dan twee factoren als Kwaliteit van de voorspelling
ANOVA voorspellers (between- subjects
factoren)
ANCOVA Continue afhankelijke variabele Onafhankelijkheid van de errors H0: B1 = B2 = B3
Categorische onafhankelijke Normaliteit (residuals in elke OF
