HC 13 - Multipele regressie: modelselectie Flashcards
Wat is multipele regressie?
Een simpel regressiemodel met meer onafhankelijke variabelen.
Wat is het doel van OLS-regressie?
Het voorspellen van Y op basis van waarden van X. Vervolgens het toetsen van de model ‘fit’ door de F-statistic en R2.
Hoeveel regressiecoëfficienten heeft een multipele regressievergelijking?
Zoveel als predictoren in het model.
Wat kunnen we concluderen o.b.v. de regressiecoëfficienten?
Of de coëfficienten significant zijn, de effectrichting en effectgrootte van de predictoren.
Wat is de H0 bij regressie?
B = 0.
Wat is de H1 bij regressie?
B is anders dan 0.
Wat is de Beta?
De gestandaardiseerde b, dus uitgedrukt in eenheden standaarddeviatie. Daardoor is het effect niet meer afhankelijk van de eenheid waarin X gemeten is.
Wat is de functie van Beta?
Vergelijken van regressiecoëfficienten in je model bij multipele regressie.
Wat is het doel van multipele regressie?
Het verkleinen van de error in je model door het vergroten van de proportie verklaarde variantie te vergroten met meerdere predictoren.
Wat is het resultaat van multipele regressie door meerdere predictoren toe te voegen?
Een betere totaalverklaring en robuuste effecten na ‘controle voor bij het toevoegen van controlevariabelen.
Neem je in je regressievergelijking ook niet-significante predictoren mee?
Ja.
Wat is het stappenplan van multipele regressie?
(1) is het model als geheel significant? (2) welke predictor is significant? (3) Welke richting (en relatieve) grootte hebben de effecten? (4) hoeveel verklaard het model als geheel?
Hoe checken we of het model als geheel significant is?
Met F-statistic en bijbehorende p-waarde.
Wat betekent het als je model als geheel significant is?
Dan is het model een betere voorspeller voor Y dan het algemene gemiddelde.
Hoe checken we of predictoren significant zijn?
b, t en bijbehorende P-waarde. LET OP ook als maar 1 predictor significant is, blijft F significant.