ch4

Question 1

wanneer maak je gebruik van regressie? en wat is het verschil met correlationeel onderzoek

Answer 1

Als er sprake is van interval/ratio meetniveau en een lineaire samenhang.
Correlatie beschrijft alleen de samenhang tussen 2 variabelen met regressie kun je ook uitrekenen wat de verandering van een variabele betekend voor bijvoorbeeld het streefgewicht.
Bij regressie kun je de samenhang beschrijven aan de hand van een rechtte lijn (als er sprake is van lineaire samenhang), bij correlationeel kun je ook iets met een niet-lineaire samenhang.

Question 2

Least squares lijn

Answer 2

de lijn die het best past bij de data wordt gekozen. SPSS rekent dit uit door de least squares lijn te kiezen, dit is de lijn met het kleinste verschil tussen de lijn en de punten in een spreidingsdiagram.

dus het is een rechtte lijn om de samenhang tussen 2 interval/ratio variabelen te beschrijven.

Question 3

hoe bereken je enkelvoudige regressie?

Answer 3

• Dit kan met een lineaire formule.
• Rechte lijn om de samenhang tussen twee interval/ratio variabelen te beschrijven

Y = b0 + b1 ∙X + error

Question 4

Y =

Answer 4

afhankelijke variabele: is de variabelen waarover we iets willen zeggen. -> afhankelijke variabelen.

Question 5

X=

Answer 5

predictor: de variabele waarover we informatie hebben.

Question 6

waarom hebben de variabelen een andere naam bij regressie?

Answer 6

omdat ze een andere betekenis hebben

Question 7

b0 =

Answer 7

b0 = constante of intercept: de waarde van Y als X gelijk is aan 0

Question 8

b1 =

Answer 8

richtingscoëfficiënt: het verschil van waarde in Y wanneer X1 groter wordt. Dus de verandering in y als x1 groter wordt.

Question 9

beschrijving

Answer 9

Je gaat bij een groep respondenten informatie verzamelen over X en Y-> over beide variabelen. Je kunt dit is een spreidingsdiagram weergeven en er vervolgens een lijn doorheen tekenen. De lijn heeft een bepaalde intercept en richtingcoëfficiënt.
o Beschrijving kan altijd, of je error nu groot of klein is

Question 10

error

Answer 10

het verschil tussen de lijn en de punten. er kan een lijn worden getekend maar die lijn is niet perfect. in alle gevallen dat de samenhang niet perfect is, is er een sprake van een error. Error heeft andere namen: residue, voorspellingsfout.
hoe groter dit verschil, hoe groter de error/residue

Question 11

voorspelling

Answer 11

informatie verzamelen over X bij een onderzoeksgroep, op basis van deze getallen van X een voorspelling doen over wat wij verwachten dat Y score zal zijn. Om een voorspelling te kunnen doen moet er eerst bij een bepaalde groep zowel info over X als Y verzameld zijn.
o Is alleen zinvol als je error klein is. Als het te groot is, is de kans te groot dat het verkeerd is.

Question 12

formule beschrijving en voorspelling

Answer 12

• beschrijving: Y = b0 + b1∙X + error
• Ŷ = b0 + b1∙X

Question 13

waarom is een voorspelling handig

Answer 13

voorspelling is handig omdat je alvast actie kunt ondernemen. Ook als het moeilijk is om Y te berekenen is het een voordeel dat als we weten wat x is, we een voorspelling kunnen doen over Y. Dan hoeven de onderzoekers en de respondenten daar niet zoveel tijd in te stoppen, niet vervelend voor de respondenten. voorspelling kan dus handig zijn over tijd en wanneer het vervelend/moeilijk is om die Y te bepalen maar we daar wel iets over willen zeggen.

Question 14

B0 = intercept vind je in de tabel bij

Answer 14

constant

Question 15

B1= richtingscoëfficiënt

Answer 15

vind je onder constant bij de naam van de variabelen

Question 16

goodness- of - fit

Answer 16

er is een regressielijn getekend en de regressievergelijking opgesteld (door een formule). hiervoor is de best passende lijn gekozen. Je gaat kijken hoe goed dit past. Je gaat kijken of de punten dicht bij elkaar liggen of ver uit elkaar liggen. Hiervoor wordt de standaardschattingsfout gebruikt

Question 17

standdaardschattingsfout

Answer 17

standdaardschattingsfout is de gemiddelde schattingsfout, dus het gemiddelde verschil tussen de werkelijke en voorspelde score. Dit wordt voor iedereen uitgerekend vervolgens berekend SPSS het gemiddelde hiervan. Dit heet de Stdd error of the estimate. Dit vind je in de model summary tabel. Dit betekend dat we er gemiddeld een bepaalde waarde naast zitten.

Question 18

Stdd error of the estimate.

Answer 18

standdaardschattingsfout

Question 19

waar vind je de Stdd error of the estimate.

Answer 19

Dit vind je in de model summary tabel.

Question 20

wat betekend de Stdd error of the estimate.

Answer 20

Dit betekend dat we er gemiddeld een bepaalde waarde naast zitten.

Question 21

wat is bij regressie in de hypothese toets

Answer 21

de richtingscoëfficiënt

Question 22

wat toetsen we bij regressie?

Answer 22

is de richtingscoëfficiënt significant kleiner/groter of anders aan 0?

Question 23

wat zijn de assumpties bij regressie?

Answer 23

1. Lineaire samenhang tussen predictor en afhankelijke variable -> geen duidelijke kromme lijn ziet dan is het lineair.
2. Geen uitschieters (die teveel invloed hebben). Een uitschieter die een beetje uitschiet heeft weinig/geen invloed op de conclusies.
3. Predictoren en afhankelijke variabele minimaal interval meetniveau
4. De predictoren mogen onderling niet teveel samenhangen
5. Spreiding van residuen per x-waarde gelijk (homoscedasticity)-> de punten moetenn ongeveer even veel van elkaar afliggen van de regressielijn

Question 24

onafhankelijke variabele

Answer 24

predictor

Question 25

homoscedasticiteit

Answer 25

om deze assumptie te controleren kan spss dit uitrekenen en een residuenplot maken. Je voldoet aan de voorwaarde als alle punten gelijkmatig over het plaatje zijn verdeeld. Als je niet voldoet aan deze assumptie dan gaan inschatten hoe erg dit is voor je conclusie.

Question 26

toetsingsgrootheid regressie

Answer 26

Niet alle statistische maten kun je vertalen naar een toetsingsgrootheid. De meeste maten moeten worden omgerekend naar een standaardmaat. Hier wordt de richtingscoëfficiënt b omgerekend naar t-waarde. Bij regressie is er geen steekproefverdeling, hiervoor wordt de t-waarde gebruikt. Dus de toetsingsgrootheid wordt omgerekend naar t-waarde want dan kun je de steekproevenverdeling gebruiken.
Op basis van de t-waarde wordt de p-waarde berekend.

Question 27

p-waarde regressie

Answer 27

SPSS rekent altijd een tweezijdige p-waarde uit bij regressie. de p-waarde moet daarom bij enkelvoudige regressie gedeeld worden door twee.
Daarnaast wordt op basis van de t-waarde de p-waarde berekend.
de p-waarde kan nooit 0 zijn.

Question 28

wat is anders bij stap 5 tussen regressie en correlationeel

Answer 28

regressie heeft geen officiele maat voor effectgrootte

Question 29

significantieniveau

Answer 29

dit is de grenswaarde om te beslissen welke hypothese het meest waarschijnlijk is