Statistiek II
De bivariate lineaire regressie
Van Pearsons corelatie tot bivariate regressie
Hoe sterk zijn twee interval-ratio variabelen met elkaar geassocieerd?
Pearson corelatie en ANOVA test (stat I) worden wel nog gebruikt in STAT II
Correlatie interpretatie:
Er is een statistisch significante relatie tussen GDP per capita en de Corruption Perception Index, r =
0,707, p < 0,001.
Bivariate regressie
Continue (interval-ratio) variabelen, met een onafhankelijke en afhankelijke variabel
X (onafhankelijk) is horizontaal en Y (afhankelijk)is verticale as
- Kijk niet zozeer naar sterkte van verband maar naar de verandering van y als het gevolg van
een verandering in x.
- Als we de waarde op x kennen, kunnen we dan de waarde op y voorspellen?
MAAR: blijft samenhang en niet causaliteit (geen sprake van verband!)
VB: vertrouwen in democratie (1-10) <> politieke participatie (0-7)
SPSS regressielijn tekenen : fit line at total
Als er geen perfect model is, dan nog steeds regressielijn tekenen om de samenhang te
voorspellen.
> Bij 30 zetels, hoeveel ingediende moties kunnen er verwacht worden? (circa 250> zie boven)
De formule van de regressielijn:
Het gaat om een simpel statistisch model, waarbij de waarde van Y de functie is van de waarde van X.
Dus een lineaire functie:
Y = a + bx > moties = a + b (*) zetels
, A = constante (constant)
B = richtingscoefficient (slope)> zegt iets over een relatie is tussen de zetels en de moties
Lineaire functie:
Verandering constante
De lijn zal parallel evenwijdig verschuiven.
Verandering richtingscoëfficiënt
De lijn zal van richting veranderen, dus hele andere richting op, dus bijv. van positief
naar negatief.
Constante:
Als X 0 is, wat is dan Y? (kijk uit met SPSS, want 0 waarde staat iets verder!)
Moties = a + b * zetels
Moties = 38,11 +7,17 * zetels (dus als partij 30 zetels heeft, hoeveel moties verwachten we dan?) Dus
253,3 wat weer overeenkomt met onze geschetste regressielijn (zie boven tabel)
Interpretatie van effect van onafhankelijke zetels op afhankelijke moties (oftewel rc, de relatie):
Als het aantal zetels met 1 stijgt, dan stijgt het aantal moties met 7,173.
Interpretatie constante
Als het aantal zetels 0 is, verwachten we 38,113 moties.
De bivariate lineaire regressie
Van Pearsons corelatie tot bivariate regressie
Hoe sterk zijn twee interval-ratio variabelen met elkaar geassocieerd?
Pearson corelatie en ANOVA test (stat I) worden wel nog gebruikt in STAT II
Correlatie interpretatie:
Er is een statistisch significante relatie tussen GDP per capita en de Corruption Perception Index, r =
0,707, p < 0,001.
Bivariate regressie
Continue (interval-ratio) variabelen, met een onafhankelijke en afhankelijke variabel
X (onafhankelijk) is horizontaal en Y (afhankelijk)is verticale as
- Kijk niet zozeer naar sterkte van verband maar naar de verandering van y als het gevolg van
een verandering in x.
- Als we de waarde op x kennen, kunnen we dan de waarde op y voorspellen?
MAAR: blijft samenhang en niet causaliteit (geen sprake van verband!)
VB: vertrouwen in democratie (1-10) <> politieke participatie (0-7)
SPSS regressielijn tekenen : fit line at total
Als er geen perfect model is, dan nog steeds regressielijn tekenen om de samenhang te
voorspellen.
> Bij 30 zetels, hoeveel ingediende moties kunnen er verwacht worden? (circa 250> zie boven)
De formule van de regressielijn:
Het gaat om een simpel statistisch model, waarbij de waarde van Y de functie is van de waarde van X.
Dus een lineaire functie:
Y = a + bx > moties = a + b (*) zetels
, A = constante (constant)
B = richtingscoefficient (slope)> zegt iets over een relatie is tussen de zetels en de moties
Lineaire functie:
Verandering constante
De lijn zal parallel evenwijdig verschuiven.
Verandering richtingscoëfficiënt
De lijn zal van richting veranderen, dus hele andere richting op, dus bijv. van positief
naar negatief.
Constante:
Als X 0 is, wat is dan Y? (kijk uit met SPSS, want 0 waarde staat iets verder!)
Moties = a + b * zetels
Moties = 38,11 +7,17 * zetels (dus als partij 30 zetels heeft, hoeveel moties verwachten we dan?) Dus
253,3 wat weer overeenkomt met onze geschetste regressielijn (zie boven tabel)
Interpretatie van effect van onafhankelijke zetels op afhankelijke moties (oftewel rc, de relatie):
Als het aantal zetels met 1 stijgt, dan stijgt het aantal moties met 7,173.
Interpretatie constante
Als het aantal zetels 0 is, verwachten we 38,113 moties.
