Uitwerkingen casus 5 - Data Analyse

Casus 5
Opdracht 1
(Achteraf gezien denk ik dat een log-lineaire analyse ook goed was, en dat het een speciaal
geval van Generalized Linear Models is.) Analyseer de data met Generalized Linear Models.
Let op dat je de correcte verdeling en link functe gebruikt.
- Meestal is het handig om eerst te zorgen dat je er überhaupt iets uit krijgt, voor je je om allerlei
optes gaat bekommeren
- De tabs Estmaton en Statstcs hoef je in deze opdracht nog niet te gebruiken
- Het belangrijkste is dat je de correcte verdeling gebruikt. De link functe komt in een latere
opdracht nog aan de orde.
- Wat de correcte verdeling is, moet op theoretsche gronden worden bepaald. Veel verdelingen
zijn typerend voor de uitkomsten van een bepaald soort proces.
Bijvoorbeeld, de wachtjd van een homogeen proces in contnue tjd heef een exponentele
verdeling. Beperk je bij de verdelingen tot Binomial, Negatve binomial,
Normal en Poisson.
Controle: voor de Omnibus Test, p =.008. Minder goed, maar in de richtng: p = .001.

De verdeling is een Poisson verdeling, omdat er wordt gemeten op een contnne ttd waarbit het
aantal snccessen wordt gemeten. De link fnncte is log, want deze hoort bit een Poisson verdeling en
transformeert Y = A * XB * ZC naar Log Y = log A + B log X + C log Z.
Onafankelitke variabele dient twee keer ingevnld te worden in de dialoogbox (PredictorsMoodel..

Analyze  Generalized Linear oodels  Generalized Linear oodels  Type of oodel: cnstom:
distribnton = poisson link fnncton = log  Response: dependent variable = bekeken 
Predictors: factors = techniek  oodel: techniek (main efects. naar echts verplaatsen  Eo
oeans: display means for techniek  ok.

Ontpnt:
Omnibus Testa
Likelihood Ratio
Chi-Square df Sig.
11,933 3 ,008
Dependent Variable: bekeken
Model: (Intercept), techniek
a. Compares the fitted model against the
intercept-only model.

Tests of Model Effects
Type III
Wald Chi-
Source Square df Sig.
(Intercept) 2075,090 1 ,000
techniek 10,871 3 ,012
Dependent Variable: bekeken
Model: (Intercept), techniek

Conclusie:
Omnibns Test: Χ²(3. = 11.933, p = .008
Tests of oodel Efects (techniek.: Χ²(3. = 10.871, p = .012

, Opdracht 2
Als je eerder techniek als factor hebt gebruikt, gebruik dan nu schaars en sociaal en hun interacte.
Als je eerder schaars en sociaal hebt gebruikt, gebruik dan nu techniek. Bestudeer van beide
analyses de uitkomsten van de tabellen Omnibus Test en Tests of Model Efects, en vergelijk de
uitkomsten van de twee analyses. Trek een conclusie over wat de nulhypothese van de Omnibus
test is. Probeer dit ook te formuleren in termen die je eerder bij statstek hebt gehad.

Factor: techniek
Dit is al gedaan in opdracht 1, nit de ontpnt daarvan blitkt:
Omnibns Test: Χ²(3. = 11.933, p = .008
Tests of oodel Efects (techniek.: Χ²(3. = 10.871, p = .012

Factor: schaars, sociaal en schaars*sociaal
Analyze  Generalized Linear oodels  Generalized Linear oodels  Type of oodel: cnstom:
distribnton = poisson link fnncton = log  Response: dependent variable = bekeken 
Predictors: factors = schaars sociaal  oodel: sociaal, schaars schaars*sociaal  Eo oeans:
display means for sociaal, schaars en schaars*sociaal  ok.

Ontpnt:
Omnibus Testa
Likelihood Ratio
Chi-Square df Sig.
11,933 3 ,008
Dependent Variable: bekeken
Model: (Intercept), sociaal, schaars,
schaars * sociaal
a. Compares the fitted model against the
intercept-only model.

Tests of Model Effects
Type III
Wald Chi-
Source Square df Sig.
(Intercept) 2075,090 1 ,000
sociaal 4,614 1 ,032
schaars ,825 1 ,364
schaars * sociaal 7,416 1 ,006
Dependent Variable: bekeken
Model: (Intercept), sociaal, schaars, schaars * sociaal

Conclusie:
Omnibns Test: Χ²(3. = 11.933, p = .008
Tests of oodel Efects (sociaal.: Χ²(1. = 4.614, p = .032
Tests of oodel Efects (schaars.: X2(1. = .825, p = .364
Tests of oodel Efects (sociaal*schaars.: X2(1. = 7.416, p = .006

De nnlhypothese van de Omnibns test is: H 0(oodel.: Alle β’s zitn gelitk aan 0 (behalve het intercept..
Deze nnlhypothese wordt verworpen, omdat de p-waarde signifcant is. Dit betekent dat er factoren
zitn die signifcant meewegen in de regressie voor het aantal keren dat een advertente werd
bekeken.