Adj R2 Flashcards
Het model verklaart x% van de variantie in de afhankelijke variabele
Adj R2
Het model verklaart x% van de variantie in de afhankelijke variabele
Hoe meet je de mate waarin een model significant is
F-toets: nulhypothese dat alle richtingscoëfficiënten gelijk zijn aan nul
Assumpties die je kan meten
Multicollinearieteit (VIF), outliers (ZRE), influential cases (Cook’s D)
F-toets
nulhypothese dat alle richtingscoëfficiënten gelijk zijn aan nul, mate waarin model wordt verklaard
R2
Welk deel van de variantie kunnen we verklaren aan de hand van het model
Standaardfout regressiecoëfficiënt
Standaardafwijking van de steekproefverdeling van de coëfficiënt
T-toets
Wijkt b1 (richtingsco.) significant af van nul bij OLS regressie
Resultaat standaardiseren
Alle variabelen gem. van 0 en standaardaf. van 1
Outliers
Cassusen die ver afliggen van de regressielijn
Invloedrijke cassusen
Cassuse die grote invloed hebben op het model (Cook’s Distance)
Autocorrelatie
Fouten zijn afhankelijk van elkaar (Durbin Watson, 2 = geen reden tot zorg)
Oplossen autocorrelatie
Lagged dependent variabele
Heteroscedasticiteit oplossingen
Transformatie variabelen, robuuste standaardfouten gebruiken, bootstrapping (steekproef binnen steekproef)
Multicollineariteit
als een variabele een andere perfect kan voorspellen (VIF)
Interactie-effecten
Het effect van x op y kan afhangen van een derde variabele
