HC 13 - Multipele regressie: modelselectie

Question 1

Wat is multipele regressie?

Answer 1

Een simpel regressiemodel met meer onafhankelijke variabelen.

Question 2

Wat is het doel van OLS-regressie?

Answer 2

Het voorspellen van Y op basis van waarden van X. Vervolgens het toetsen van de model ‘fit’ door de F-statistic en R2.

Question 3

Hoeveel regressiecoëfficienten heeft een multipele regressievergelijking?

Answer 3

Zoveel als predictoren in het model.

Question 4

Wat kunnen we concluderen o.b.v. de regressiecoëfficienten?

Answer 4

Of de coëfficienten significant zijn, de effectrichting en effectgrootte van de predictoren.

Question 5

Wat is de H0 bij regressie?

Answer 5

B = 0.

Question 6

Wat is de H1 bij regressie?

Answer 6

B is anders dan 0.

Question 7

Wat is de Beta?

Answer 7

De gestandaardiseerde b, dus uitgedrukt in eenheden standaarddeviatie. Daardoor is het effect niet meer afhankelijk van de eenheid waarin X gemeten is.

Question 8

Wat is de functie van Beta?

Answer 8

Vergelijken van regressiecoëfficienten in je model bij multipele regressie.

Question 9

Wat is het doel van multipele regressie?

Answer 9

Het verkleinen van de error in je model door het vergroten van de proportie verklaarde variantie te vergroten met meerdere predictoren.

Question 10

Wat is het resultaat van multipele regressie door meerdere predictoren toe te voegen?

Answer 10

Een betere totaalverklaring en robuuste effecten na ‘controle voor bij het toevoegen van controlevariabelen.

Question 11

Neem je in je regressievergelijking ook niet-significante predictoren mee?

Answer 11

Ja.

Question 12

Wat is het stappenplan van multipele regressie?

Answer 12

(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?

Question 13

Hoe checken we of het model als geheel significant is?

Answer 13

Met F-statistic en bijbehorende p-waarde.

Question 14

Wat betekent het als je model als geheel significant is?

Answer 14

Dan is het model een betere voorspeller voor Y dan het algemene gemiddelde.

Question 15

Hoe checken we of predictoren significant zijn?

Answer 15

b, t en bijbehorende P-waarde. LET OP ook als maar 1 predictor significant is, blijft F significant.

Question 16

Hoe checken we wat de relatieve grootte is van de effecten?

Answer 16

Met Beta.

Question 17

Hoe checken we proportie verklaarde variantie als er meer predictoren in het model zitten?

Answer 17

Met adjusted R2.

Question 18

Wanneer is er sprake van een schijnverband?

Answer 18

Dan is er eigenlijk geen verband tussen X en Y.

Question 19

Hoe toetsen we op een mogelijk schijnverband?

Answer 19

Door het toevoegen van controlevariabelen aan je model waarvan je vermoedt dat ze invloed hebben op Y en het hoofdeffect.

Question 20

Wat is mediatie?

Answer 20

Een indirect effect, het hoofdeffect tussen X en Y loopt dan via Z.

Question 21

Wat is moderatie?

Answer 21

Dan is het hoofdeffect X en Y anders voor verschillende waarden van Z. Daarvoor voegen we interactie-effect toe aan het model.

Question 22

Hoe voegen we ordinale en nominale variabelen toe aan een regressiemodel?

Answer 22

Door het maken van dummy’s.

Question 23

Wat zijn dummy’s?

Answer 23

Nieuwe binaire variabelen voor iedere antwoordoptie, deze gaan in je model als vervanging, met uitzondering van je referentiecategorie.

Question 24

Wat geven de richtingscoëfficienten van dummy’s aan?

Answer 24

Wat het effect is van in die groep zitten t.o.v. in de referentiecategorie zitten, daarom kies je de categorie die je het meest interessant vindt als referentie.

Question 25

Hoe check je of je model beter wordt naarmate je meer variabelen toevoegt?

Answer 25

Met adjusted Rr en tussen blokken R2 change en F change.