Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
MTB2 Samenvatting blok 2 multipele lineaire regressie - premaster gezondheidswetenschappen VU €5,89   Ajouter au panier

Resume

MTB2 Samenvatting blok 2 multipele lineaire regressie - premaster gezondheidswetenschappen VU

 3 vues  0 achat
  • Cours
  • Établissement

De volgende onderwerpen uit het hoorcollege de werkgroep en aanvullende informatie komen aan bod; effectmodificatie SPSS, confounding SPSS, associatie en predictiemodellen (SPSS), multipele lineaire regressie vergelijking, voorbeeld dummies in multipele lineaire regressie

Aperçu 3 sur 19  pages

  • 28 décembre 2023
  • 19
  • 2023/2024
  • Resume
avatar-seller
Blok2 - Multiple lineaire regressie

Stof:
 Korte herhaling lineaire regressie
 Multiple lineaire regressie
o Confounding
o Effectmodificatie
 Producttermen
 Multicollineariteit
 Oefenvragen


Wanneer gebruiken we de multiple? Opzoeken confounding/effectmodificatie in onderzoek.

Analyse van kwantitatieve uitkomsten
Uitkomst variabele  afhankelijke variabele
- Kwantitatief, minimaal interval meetniveau

Overzicht technieken wanneer welke gebruiken:




Dichotoom/categoriaal/continu of combinaties kun je allemaal toetsen met lineaire regressie,
daarom wordt deze methode veel gebruikt.

,Voorbeeld lineaire regressie (kwaliteit van leven  vermoeidheid)




Transversale studie vlak voor ontslag uit revalidatie, waarbij vermoeidheid als kwaliteit van leven is
gemeten.
1. Een van de eerste stappen  scatterplot maken om een beeld te krijgen van je data.
- X-as vermoeidheid, Y-as uitkomsten kwaliteit van leven
Wat valt op aan de scatterplot?
- Hoe hoger vermoeidheid, hoe lager kwaliteit van leven
- Negatief effect (-)
- Assumpties die je hebt voordat je een LG doet, waar kijken we naar?
o Lineaire tijd (hoe is het verdeeld)? Kan je een rechte lijn trekken?
o Normale verdeling van je observaties; of de uitkomst en determinant normaal
verdeeld zijn (wel lastiger kan je beter in een histogram doen)
o Homogeniteit variabelen: of de varianties gelijk zijn verdeeld over de verschillende
waarden van de x-as, gelijke spreiding over de verschillende waarden

2. Lineaire regressie output SPSS




Je kijkt naar de B’s
- Constante/intercept/Bo = 50.23
o Betekenis; vermoeidheid = 0 , kwaliteit van leven 50
- Regressie coëfficiënt = -3.103
o Betekenis; als vermoeidheid met een eenheid toeneemt, neemt de kwaliteit van
leven met 3 punten af

Voor je intercept als je regressie coëfficiënt krijg je in je output de P-waarde in SIG. Hier zie je dat
beide heel klein zijn, kleiner dan 0,001 dus dat er een significante associatie is met kwaliteit van
leven.
Hiervoor kan je ook een regressievergelijking opstellen 


= Verwachte kwaliteit van leven geschat op basis van dit regressiemodel

2

, Uitbreiding van dit model wat we tot nu toe hebben gehad
 zou de associatie tussen kwaliteit van leven en vermoeidheid verschillend zijn voor mannen en
vrouwen?  effectmodificatie, is het veschillend binnen beide groepen?

1. Begin opnieuw met een scatterplot
Zwarte bolletjes man, witte bolletjes vrouw. Groepen zijn apart weergegeven in de plot




 Meerdere determinanten toevoegen aan model om EM te toetsen
Dus nu kijk je naar meerdere determinanten:
a. Vermoeidheid
b. Geslacht
c. Vermoeidheid*geslacht (=productterm)

Er zijn meerdere determinanten in het regressiemodel = multiple lineaire regressie.


Multiple lineaire regressie
Uitkomstmaat (afhankelijke): nog steeds continu
Meer dan een determinant (onafhankelijke)  dit verschilt nu
- Confounders (corrigeren)
- Effectmodificatoren (effect anders in groepen?)
- Andere voorspellers van uitkomst

Twee typen modellen
Deze analyse kan worden gebruikt bij:
Associatiemodel  hoe kunnen we de associatie tussen X en Y zo zuiver mogelijk schatten?
 Zo precies mogelijke schatting van de associatie determinant en uitkomst. Zo zuiver mogelijk
schatten. Eigenlijk ook modellen waarin je confounders toevoegt om te kunnen corrigeren
Predictiemodel  welke determinanten verklaren de variantie in Y het beste? (blok 4)
 Gericht om zo goed mogelijk de uitkomst te voorspellen. Vaak gebruik je meerdere
determinanten om de variantie in de uitkomst te kunnen voorspellen.


Regressievergelijkingen:
 Bivariate lineaire regressie: (regressie met een determinant)



 Multiple lineaire regressie:




3

Les avantages d'acheter des résumés chez Stuvia:

Qualité garantie par les avis des clients

Qualité garantie par les avis des clients

Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.

L’achat facile et rapide

L’achat facile et rapide

Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.

Focus sur l’essentiel

Focus sur l’essentiel

Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.

Foire aux questions

Qu'est-ce que j'obtiens en achetant ce document ?

Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.

Garantie de remboursement : comment ça marche ?

Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.

Auprès de qui est-ce que j'achète ce résumé ?

Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur nvpk. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour €5,89. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

73314 résumés ont été vendus ces 30 derniers jours

Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans

Commencez à vendre!
€5,89
  • (0)
  Ajouter