Padmodel multiple regressie
● Eén afhankelijke variabele (Y).
● Eén of meerdere onafhankelijke variabelen (X).
○ Minimaal van interval meetniveau of
dichotoom.
■ Interval, want elk stapje moet
hetzelfde betekenen
■ Dichotoom, want het betekent wel
of niet aanwezig.
● Het verschil tussen de voorspelling van het model
en de geobserveerde data, de fouten daartussen
zijn de errors (E).
Voorbeeld
- Onderzoeksvraag
Kunnen we kennis van literatuur bij jongvolwassenen voorspellen met persoons-,
gezins- en schoolkenmerken?
- Populatie
Jongvolwassenen
- Variabelen
● Afhankelijke variabele Y
Kennis van literatuur
● Onafhankelijke variabelen X (predictoren)
○ Kenmerken ouderlijk huis
○ Kenmerken school
- Doel
Voor de populatie beschrijven en toetsen van de relaties tussen
afhankelijke variabele Y en de predictoren X.
Multiple regressie algemeen
- Onderzoeksvraag
, 2
Kunnen we iemands waarde op een kenmerk voorspellen met kennis over andere
kenmerken?
- Doelen analyse:
● Beschrijven lineaire relaties tussen variabelen (regressiemodel).
● Toetsen hypothesen over relaties (significantie).
● Kwantificeren van relaties (effectgrootte).
● Kwalificeren van relaties (klein, middelmatig, groot).
● Beoordelen relevantie relaties (subjectief).
● Voorspellen van iemands waarde met regressiemodel (puntschatting en
intervalschatting).
- Waarschuwing
Doe op basis van statistische samenhang geen uitspraken over causaliteit.
Meetniveauvariabelen
- Afhankelijke variabele Y
Kenmerk gemeenten op minimaal interval meetniveau.
- Onafhankelijke variabelen X
● Kenmerken gemeten op minimaal interval meetniveau.
● Categorisch kenmerk met twee categorieën: nominaal meetniveau met twee
categorieën noemen we dichotoom.
● Categorisch kenmerk met meer dan twee categorieën: nominaal/ordinaal
meetniveau wordt omgezet in dummyvariabelen.
Regressiemodel
- Vergelijking Y
Voor geobserveerde variabele
Y.
uitkomst (Y) = model (X) +
voorspellingsfout (residual of
error)
- Vergelijking Y
Voor het voorspellen van
waarde Y (= Y) voorspellen
van waarde op Y (= Ŷ)
geschatte uitkomst (Ŷ) =
model (X)
Y = 𝐵0 + 𝐵1 𝑋1 + … 𝐵6 𝑋6 + E
● Y = afhankelijke variabele (dependent).
● X = onafhankelijke variabelen (predictors).
● 𝐵0 = intercept (constant), ook wel a.
● 𝐵1 = regressiecoëfficiënt (slope).
● E = voorspellingsfout (error of residual).
Les avantages d'acheter des résumés chez Stuvia:
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
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
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 Roos2125. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €6,29. Vous n'êtes lié à rien après votre achat.