Samenvatting VOS

VOS samenvatting




een methodologisch artefact (methodological confound) -> Betekent vgm dat er een andere factor is
die het verband eigenlijk verklaart en dat er dus eig niet echt een verband is tussen die 2 factoren.



Residu = verschil tussen voorspelde waarde en actuele waarde = voorspellingsfout = Error

, Regressienalyse ----------------------------------------------------------------------------------------------------------------
Multipele regressie techniek = een analysetechniek die ons in staat stelt om een grote verzameling
van mogelijke invloeden te bestuderen en hoe die afzonderlijke variabelen van invloed zijn en het
gehele model samen.
Meerdere onafhankelijke variabelen in het verklaringsmodel zijn opgenomen, deze techniek houdt
rekening met dat er samenhang is tussen de verschillende clusters van variabelen.
Centrale vraag van een multipele regressieanalyse:
Hoe goed kan mijn model, met al die onafhankelijke variabelen, het onderwerp van mijn onderzoek
verklaart worden door al die afzonderlijke variabelen?

Padmodel multipele regressie




Padmodel altijd deze structuur
 Eén afhankelijk variabele (Y)
 Eén of meerdere onafhankelijke variabelen (minimaal interval)
 Eén of meerdere onafhankelijke variabelen (dichotoom)
X1 à geen streepje: variabele van interval meetniveau
X2 à streepje: 2 categorieën of groepen: vb gescheiden of niet-gescheiden ouders = dichotoom
meetniveau
E: we kunnen nooit alles verklaren, model is niet perfect, zo veel mogelijk van Y verklaren. Je
probeert met zo weinig mogelijk onafhankelijke variabelen zo veel mogelijk van Y te verklaren.

Multipele regressie algemeen
 Onderzoeksvraag
o Kunnen we iemands waarde op een kenmerk (afhankelijke variabele)
voorspellen met kennis over andere kenmerken?
 Hoe goed afhankelijke variabele verklaren d.m.v. onafhankelijke
variabelen?
 Doelen analyse:
o Beschrijven lineaire relaties tussen variabelen, tussen X’en de Y
(regressiemodel).
o Toetsen hypothesen over relaties (significantie).
 Mag gevonden verband leiden tot een conclusie: er is sprake van een
negatieve of positieve lineaire samenhang tussen de variabelen
o Kwantificeren van relaties (effectgrootte).
 Sterkte verband
o Kwalificeren van relaties (klein, middelmatig, groot).
Stappen:  Kwalificatie aangeven, in termen van klein, middelmatig, groot
 Waarde-oordeel van het effect
o Beoordelen relevantie relaties (subjectief).
 Is niet altijd zo dat een groot verband altijd relevant is of dat een
klein verband altijd niet-relevant is
 Puur subjectief oordeel;
 Deze stap wel of niet doen ligt aan de opdrachtgever/onderzoeker

, o Voorspellen van iemands waarde met regressiemodel (puntschatting en
intervalschatting).
 Puntschatting: gegeven alle onnauwkeurigheid in het onderzoek op
dat moment als schatting geven
 Intervalschatting die aangeeft met bepaalde waarschijnlijkheid zou
iemands score liggen tussen twee grenzen = informatiever dan een pure
puntschatting
 Waarschuwing :
De multipele regressietechniek komt vooral voor bij correlationeel onderzoek.
Is onderzoek waarbij je de respondenten op 1 moment gebruikt om alle informatie te
verzamelen. Je kunt veronderstellen dat er een causale oorzaak gevolg relatie is tussen
alle variabelen, maar je kan geen causale conclusie trekken! We gaan op zoek naar
statistische samenhang die mogelijk een causale relatie kan ondersteunen.
Causale conclusies kunnen we niet trekken binnen multipele
regressietechniek/correlationeel onderzoek. Voor causaal zou je een experiment moeten
doen of een longitudinaal onderzoek.


X’en à onafhankelijke variabelen/predictoren -> verklaren variantie/spreiding in Y
Spreiding in Y of variatie in Y à statistische term: variantie.

Meetniveau variabelen:
NOIR:
 Ratio
 Interval
 Ordinaal
 Nominaal
Meetniveau variabelen is belangrijke factor om uiteindelijk een multiple regression te kunnen
uitvoeren ->
- X (onafhankelijke variabelen) moeten van interval of nominaal (dichitoom) meetniveau zijn
- Y (afhankelijke variabele) moet van interval meetniveau zijn


 Afhankelijke variabele Y
o Kenmerk gemeten op minimaal interval meetniveau. (interval of ratio)
 Meetniveau onafhankelijke variabelen Xk
o Kenmerk gemeten op minimaal interval meetniveau.
o DUS: minimaal op interval of dichotoom
o Uitzondering: Categorische kenmerk met twee categorieën; nominaal
meetniveau met twee categorieën noemen we dichotoom.
o Categorisch kenmerk met meer dan twee categorieën; nominaal/ordinaal
meetniveau wordt omgezet in dummyvariabelen.

Multiple lineaire regressieanalyse (MR)=
 Multiple = meer dan 1 variabele/predictor
 Lineaire = rechtlijnige verbanden veronderstellen tussen de x en de y


Voorspellingsfout e à residual of error – dingen die je niet meeneemt in je analyse en er dus een deel
is van Y die je niet kunt verklaren
Is verschil tussen observatie en voorspelling met model

, Y = geobserveerde waarde = modelvergelijking
Ydakje = voorspelde waarde/geschatte waarde -> gebaseerd op model = regressievergelijking




Histogram:




Geeft voor alle respondenten/de steekproef een overzicht van spreiding in scores.
Representeert de variatie in scores
Min of meer normaal verdeling
Nagaan hoe goed die variabelen de spreiding verklaren
De maat van spreiding wordt uitgedrukt in variantie
Hoe kleiner de voorspellingsfouten (verschil geobserveerde waardes en voorspelde
waardes), hoe beter het model
Aantal kenmerken frequentieverdeling:
 Gemiddelde/Mean
 Standaardafwijking/Std. Dev.
o Dit is ook een maat voor spreiding
o Andere maat voor spreiding is: variantie -> om kwaliteit regressiemodel vast
te stellen
 Aantal respondenten/N