Regressie Flashcards
Doel enkelvoudige regressie
Voorspelling doen van x op y
Doel multipele regressie
Voorspellen van meerdere predictoren op y
Regressievergelijking
ŷ = b0 + b1 ∙ x + … + bk ∙ xk
Goodness of fit
Hoe groter R2, hoe kleiner de spreiding tussen scores en de regressielijn
Standaardschattingsfout
Verschil tussen werkelijke score en voorspelde score (RMSE)
Effectgrootte bij MLR
R2 (0.01; 0.09; 0.25)
Onderdelen padmodel
Vierkant: wat we kunnen observeren (streep door vierkant voor aantal groepen)
Cirkel: wat we niet kunnen observeren (bv error!)
Doel F-toets
Is het deel van de spreiding wt verklaart wordt in het model significant groter dan 0? Is het model significant?
F-toets hypothesen
H0: ρ2 = 0 → het model verklaart geen spreiding
H1: ρ2 > 0 → het model is een significante voorspeller van spreiding
b is …
Schaalafhankelijk
ß is …
Om het effect van b te kwantificeren, is gestandaardiseerd om met andere predictoren te vergelijken
Gestandaardiseerde richtingscoëfficiënt
Niet schaal afhankelijk, welke predictor heeft het meeste invloed (verst weg van 0)
CI 95% bij NHST
Confidence interval → in 95% van de gevallen ligt de echte waarde van de RC tussen [a;b]
Doel hiërarchische regressie
Om modellen met elkaar te vergelijken, meerdere tegelijkertijd toevoegen
Hiërarchische regressie is relevant als
R2 met 0.05 toeneemt
Hypothesen hiërarchische regressie
H0: Δρ2 = 0 → verandering in R2 is niet significant
H1: Δρ2 > 0 → verandering in R2 is wel significant
Doel F-change
Is de toename van R2 (ΔR2) significant?
R2 change in JASP
Verschil tov absoluut nulpunt H0 en H1
Categorische onafhankelijke variabele
Wanneer variabelen niet ratio of interval zijn
Dummyvariabelen
Ordinaal/nominaal, → referentiegroep (laagste) is 0
2 dummy variabelen
Dichotoom
Regressievergelijking dummy
ŷ = b0 + b1 ∙ x1 + b2 ∙ D
2+ dummy variabelen
Aantal groepen (k) → k-1 dummies
Stappen bij dummy variabelen toevoegen
Eerst hiërarchische regressie om te zien of toevoegen dummy relevant is. Wel relevant → per dummy vergelijking invullen
BF model comparison
Voor welk model meer steun?
BF posterior summary in JASP
Kijken naar niet gestandaardiseerde richtingscoëfficiënt
APA rapporteren MLR
- F (toetsingsgrootheid)
- p-waarde (significantie)
- R2 (verklaarde variantie in percentage)
- als significant effectgrootte
- β (gestandaardiseerde waarde, identificeren grootste voorspeller)