Samenvatting MVDA Assumpties van testen

Week 1 – Multipele Regressieanalyse

 Steekproef groot genoeg? 𝑁/𝑘>20 met k= aantal voorspellers, N= steekproefgrootte
 Alle variabelen  interval niveau (ordinale X is geen ramp)
 Lineariteit  Check met plot: voorspelde waarden vs. Gestandaardiseerde residuen
 Homoscedasticiteit  plot voorspelde waarden vs. Gestandaardiseerde residuen
(spreiding overal ongeveer even hoog/laag)
 Onafhankelijkheid van alle e i  proefpersonen scoren onafhankelijk van elkaar. Niet te checken,
maar zit in het onderzoeksopzet. (Participanten bijv. individueel bevragen)
 Normaliteit  normaal verdeelde populatie.  Check met Normal Probability Plot (P-P plot).
(Punten in een diagonale lijn zonder patronen) (N>100=robuust tegen schending)
 (Geen) multicollineariteit voorspellers mogen niet te sterk correleren.  Check met collineariteit
statistieken in SPSS.
(Tolerantie voorspeller) Tolerance > 0.10
(Variantie Inflatie Factor) VIF < 10
o Uitbijters  “Residuals Statistic”
(Y)  “Standard residuals tussen” -3 en 3
3(k +1)
( X 1 , X 2)  “Centered Leverage Value” <
N
(k=aantal voorspellers, N=steekproefgrootte)

Week 2 – Analysis of Variance (ANOVA)

 Normaliteit  n ≥ 15
 Homogene varianties  Levene’s Test of Equality of Error Variances deze moet NIET significant zijn.
We willen zeggen dat de errors in subpopulaties gelijk zijn!
Grootste groep
Is onze test robuust tegen scheding van homogeniteit?  ≤1.5
Kleinste groep
Week 3 – Analysis of Covariance (ANCOVA)

 Normaliteit (errors)  n ≥ 15
 Homogene varianties  Levene’s Test of Equality of Error Variances deze moet NIET significant zijn.
We willen zeggen dat de errors in subpopulaties gelijk zijn!
Grootste groep
Is onze test robuust tegen schending van homogeniteit?  ≤1.5
Kleinste groep
 Onafhankelijkheid van errors  Check onderzoeksopzet
(Participanten mogen geen invloed op elkaar hebben)
 Geen error (covariaat moet goed gemeten worden)  Wordt nooit gecheckt bij dit vak
 Lineariteit  Check spreidingsplot van de ZPRED en ZRESID zoals bij een regressieanalyse. (relatie
binnen de groepen)
 Parallelliteit  BELANGRIJKE ASSUMPTIE. Wanneer het interactie-effect significant is, zijn de lijnen
niet parallel. CHECK: nieuwe ANCOVA tabel: hoofdeffecten + interactieterm.
(Geen significante interactie? Dan wordt er aan de assumptie voldaan!)
o Bij ANCOVA runnen we vaak eerst een ANOVA

Week 4 – Logistische Regressie Analyse (LRA) (Assumpties van LRA controleren we bijna niet)

 Logaritme van de odds moet lineair zijn met de variabelen (check: scatterplot)
 Metingen moeten onafhankelijk zijn van elkaar.
N
 Geen multicollineariteit. (Elke categorie ≥ 30) ≥ 30
k
Week 5 & 6 – Multivariate Analysis of Variance (MANOVA) & Repeated Measures ANOVA (RMA)

 Multivariate normaliteit  Robuust wanneer n>20
(normale verdeling errors voor de afhankelijke variabelen)
 Box’s M moet p>.001 zijn, (NIET SIGNIFICANT) homogeen gelijke varianties/covarianties(goed)