Samenvatting Kwanti + GIS Research Methods 2
OLS/Linear regression
Betekenissen waarden
R2 (R-kwadraat): Verklaarde Variantie
➔ Betekenis: R2 geeft het percentage van de totale variatie in de afhankelijke variabele
(tentamencijfers) dat verklaard wordt door de onafhankelijke variabelen (studie-uren
en slaapuren).
F-waarde: Toetsing van het Model
➔ Betekenis: De F-waarde test of het regressiemodel als geheel significant is. Het
vergelijkt de verklaarde variantie (door het model) met de onverklaarde variantie
(residuen).
B (Regressiecoëfficiënten): Richting en Grootte van Effect
➔ Betekenis: De B-waarden (ongepaarde coëfficiënten) laten zien hoe sterk elke
onafhankelijke variabele bijdraagt aan de voorspelling, in de originele schaal.
Gradiënt van de regressielijn vertelt en de sterkte van de relatie tussen de
voorspellen en de uitkomstvariabele. Als het significant is dan voorspelt de variabele
significant de uitkomstvariabele.
Beta (Gestandaardiseerde Coëfficiënten): Vergelijking van Effecten
➔ Betekenis: De β\betaβ-waarden zijn gestandaardiseerde coëfficiënten die de invloed
van elke onafhankelijke variabele meten, ongeacht de schaal van de variabelen. Ze
zijn nuttig om variabelen te vergelijken.
● Hoe groter de β\betaβ-waarde, hoe groter de relatieve invloed van die variabele op
de afhankelijke variabele.
Logistic regression
Betekenis waarden
B (log-odds coëfficiënt)
➔ Wat het is: De regressiecoëfficiënt B geeft aan hoe de logaritme van de odds
(log-odds) verandert bij een eenheidstoename van de onafhankelijke variabele,
terwijl andere variabelen constant blijven.
● Interpretatie:
- Een positieve B-waarde betekent dat de odds op de afhankelijke variabele
(bijvoorbeeld een aankoop of een ja/nee-uitkomst) toeneemt als de
onafhankelijke variabele toeneemt.
, - Een negatieve B-waarde betekent dat de odds op de afhankelijke variabele
afneemt bij een toename van de onafhankelijke variabele.
Exp(B) (Odds Ratio)
➔ De exponentiële waarde van exp(B) wordt de Odds Ratio (OR) genoemd. Het is een
directer en intuïtiever getal dan B, omdat het de verhouding van de kansen laat zien.
Interpretatie:
● Exp(B)=1: De onafhankelijke variabele heeft geen invloed op de odds.
● Exp(B)>1: Een eenheids toename van de onafhankelijke variabele verhoogt de odds.
● Exp(B)<1: Een eenheids toename van de onafhankelijke variabele verlaagt de odds.
Nagelkerke R²
➔ Het geeft aan hoeveel variantie in de afhankelijke variabele wordt verklaard door het
model.
● Eigenschappen:
- Het varieert tussen 0 en 1, waarbij een hogere waarde een beter passend
model betekent.
Interpreteren
OLS/Linear regression – Y is continuous
(effects significant)
● X is continuous: For every increase of 1 [unit of x], [y] increases with [b] [units of y],
controlling for [list of other independent variables]
- Example: For every increase in 1 euro income, living standard index
increases with 4.5 points, controlling for age, education, gender and district
- Voorbeeld: Voor elke stijging van het inkomen met 1 euro stijgt de
levensstandaard index met 4,5 punten, rekening houdend met leeftijd,
opleiding, geslacht en district.
● X is categorical: Relative to [reference category], [category] have [b] [units of y]
higher [y], controlling for [list of other independent variables]
- Example: Relative to low educated, highly educated have 23.6 points higher
living standard index, controlling for age, income, gender and district
- In vergelijking met laagopgeleiden hebben hoogopgeleiden een 23,6 punten
hogere levensstandaard index, rekening houdend met leeftijd, inkomen,
geslacht en district.
Logit regression – Y is dummy [0,1]
(effects significant)
● OR Higher than 1 with categorical X:
- The odds of y=1 is EXP(B) times higher for CATEGORY than REFERENCE
CATEGORY, controlling for…
OLS/Linear regression
Betekenissen waarden
R2 (R-kwadraat): Verklaarde Variantie
➔ Betekenis: R2 geeft het percentage van de totale variatie in de afhankelijke variabele
(tentamencijfers) dat verklaard wordt door de onafhankelijke variabelen (studie-uren
en slaapuren).
F-waarde: Toetsing van het Model
➔ Betekenis: De F-waarde test of het regressiemodel als geheel significant is. Het
vergelijkt de verklaarde variantie (door het model) met de onverklaarde variantie
(residuen).
B (Regressiecoëfficiënten): Richting en Grootte van Effect
➔ Betekenis: De B-waarden (ongepaarde coëfficiënten) laten zien hoe sterk elke
onafhankelijke variabele bijdraagt aan de voorspelling, in de originele schaal.
Gradiënt van de regressielijn vertelt en de sterkte van de relatie tussen de
voorspellen en de uitkomstvariabele. Als het significant is dan voorspelt de variabele
significant de uitkomstvariabele.
Beta (Gestandaardiseerde Coëfficiënten): Vergelijking van Effecten
➔ Betekenis: De β\betaβ-waarden zijn gestandaardiseerde coëfficiënten die de invloed
van elke onafhankelijke variabele meten, ongeacht de schaal van de variabelen. Ze
zijn nuttig om variabelen te vergelijken.
● Hoe groter de β\betaβ-waarde, hoe groter de relatieve invloed van die variabele op
de afhankelijke variabele.
Logistic regression
Betekenis waarden
B (log-odds coëfficiënt)
➔ Wat het is: De regressiecoëfficiënt B geeft aan hoe de logaritme van de odds
(log-odds) verandert bij een eenheidstoename van de onafhankelijke variabele,
terwijl andere variabelen constant blijven.
● Interpretatie:
- Een positieve B-waarde betekent dat de odds op de afhankelijke variabele
(bijvoorbeeld een aankoop of een ja/nee-uitkomst) toeneemt als de
onafhankelijke variabele toeneemt.
, - Een negatieve B-waarde betekent dat de odds op de afhankelijke variabele
afneemt bij een toename van de onafhankelijke variabele.
Exp(B) (Odds Ratio)
➔ De exponentiële waarde van exp(B) wordt de Odds Ratio (OR) genoemd. Het is een
directer en intuïtiever getal dan B, omdat het de verhouding van de kansen laat zien.
Interpretatie:
● Exp(B)=1: De onafhankelijke variabele heeft geen invloed op de odds.
● Exp(B)>1: Een eenheids toename van de onafhankelijke variabele verhoogt de odds.
● Exp(B)<1: Een eenheids toename van de onafhankelijke variabele verlaagt de odds.
Nagelkerke R²
➔ Het geeft aan hoeveel variantie in de afhankelijke variabele wordt verklaard door het
model.
● Eigenschappen:
- Het varieert tussen 0 en 1, waarbij een hogere waarde een beter passend
model betekent.
Interpreteren
OLS/Linear regression – Y is continuous
(effects significant)
● X is continuous: For every increase of 1 [unit of x], [y] increases with [b] [units of y],
controlling for [list of other independent variables]
- Example: For every increase in 1 euro income, living standard index
increases with 4.5 points, controlling for age, education, gender and district
- Voorbeeld: Voor elke stijging van het inkomen met 1 euro stijgt de
levensstandaard index met 4,5 punten, rekening houdend met leeftijd,
opleiding, geslacht en district.
● X is categorical: Relative to [reference category], [category] have [b] [units of y]
higher [y], controlling for [list of other independent variables]
- Example: Relative to low educated, highly educated have 23.6 points higher
living standard index, controlling for age, income, gender and district
- In vergelijking met laagopgeleiden hebben hoogopgeleiden een 23,6 punten
hogere levensstandaard index, rekening houdend met leeftijd, inkomen,
geslacht en district.
Logit regression – Y is dummy [0,1]
(effects significant)
● OR Higher than 1 with categorical X:
- The odds of y=1 is EXP(B) times higher for CATEGORY than REFERENCE
CATEGORY, controlling for…
