statistiek

Question 1

Analytische Afhankelijkheid

Answer 1

Waarde van ene variabele (kijkduur)
kan exact bepaald worden aan de
hand van de waarde van de andere
variabele

Question 2

Stochastische afhankelijkheid

Answer 2

het is mogelijk een schatting van de
ene variabele op basis van de andere
te geven, maar het is niet mogelijk een
exacte relatie tussen beide variabelen
weer te geven

Question 3

Covariantie

Answer 3

het gemiddelde van de kruisproducten, i.e. som van de
kruisproducten gedeeld door N:

Question 4

Pearson product-moment correlatiecoëfficiënt

Answer 4

covariantie tussen gestandaardiseerde variabelen (1tot -1)

Question 5

Doelstellingen Bivariate regressie

Answer 5

1) zoeken van de beste regressierechte
2) sterkte van het verband tussen af Y en onfh X
3) nagaan of vaststelling kan worden veralgemeend

Question 6

Ordinary Least Squares (Kleinste Kwadratencriterium)

Answer 6

Doel: minimaliseren som van gekwadrateerde residuen

Question 7

Eigenschappen OLS

Answer 7

1)Best Linear Unbiased Estimates’
2)OLS-schatters zijn onvertekend:
3)OLS-schatters hebben de laagste variantie

Question 8

Residuen

Answer 8

Een residu is het verschil tussen de geobserveerde waarde van y en de
waarde y^ die wordt verwacht op basis van de regressierechte:

Question 9

R^2

Answer 9

geeft aan welke proportie van de variantie van Y wordt verklaard door de
onafhankelijke variabele X

Question 10

doelstelling Model meervoudige regressie

Answer 10

Geeft beschrijving van de samenhang tussen Xi& en
onafhankelijke variabelen Yi& aan de hand van een
lineair model

Question 11

F-test

Answer 11

Modelvergelijkingsprocedure vergelijkt regressiemodel met onafhankelijke
variabele(n) (uitgebreid model) met regressiemodel zonder deze
onafhankelijke variabele(n) (beperkt model).

Question 12

Additiviteitsassumptie

Answer 12

Additieve modelspecificatie veronderstelt dat partiële regressiecoëfficiënt
Byx1.x2
die effect van X1i op Yi weerspiegelt na controle voor X2i dezelfde is
voor alle waarden van X2i, en omgekeerd, dat partiële regressiecoëfficiënt
Byx2.x1
die effect van X2i op Yi weerspiegelt na controle voor X1i dezelfde is
voor alle waarden van X1i

Question 13

Multicollineariteit

Answer 13

Probleem van te sterke samenhang tussen variabelen onderling:
onafhankelijke variabelen brengen grotendeels zelfde verklaring aan voor
afhankelijke variabele

Question 14

Lineariteitsassumptie

Answer 14

Regressiemodel veronderstelt lineaire relatie tussen afhankelijke en
onafhankelijke variabele(n):
voor verschillende waarden van een onafhankelijke variabele liggen
de verwachte waarden (i.e. de conditionele gemiddelden) van Y dan
steeds op een rechte lijn

Question 15

Symptomen Multicollineariteit

Answer 15

Regressiecoëfficiënten hebben grote standaardfouten: vaak geeft F-test
significant resultaat voor volledige set van onafhankelijke variabelen, maar is
geen van de afzonderlijke t-testen significant
* Regressiecoëfficiënten veranderen drastisch wanneer andere variabelen
aan/uit het model worden toegevoegd/weggenomen
* Gestandaardiseerde partiële regressiecoëfficiënten > 1

Question 16

Multicollineariteit, hoe remediëren?

Answer 16

Eén van de onafhankelijke variabelen verwijderen
* Grotere steekproef gebruiken: levert kleinere standaardfouten
* uitvoeren van Principale Componentenanalyse (PCA)
* Gemeenschappelijke variantie aan één van de onafhankelijke variabelen
toewijzen

Question 17

Afwezigheid van autocorrelatie

Answer 17

Residu voor onderzoekseenheid i zegt niets over residu voor
onderzoekseenheid j, of nog, residuen zijn niet gecorreleerd voor
verschillende waarden van onafhankelijke variabele(n):

Question 18

Homoskedasticiteit

Answer 18

De assumptie van homoskedasticiteit stelt dat de foutenterm Ei steeds
eenzelfde (onbekende) variantie sigma^2 heeft voor elke (combinatie van)
waarde(n) van de onafhankelijke variabele(n):

Question 19

gevolg homoskedasticiteit: Heteroscedasticiteit

Answer 19

• Bij heteroscedasticiteit worden werkelijke standaardfouten onderschat: er
  wordt mogelijk ten onrechte de conclusie getrokken dat het effect van een
  bepaalde variabele significant is

Question 20

Schending van homoscedasticiteitsassumptie kan verschillende vormen
aannemen:

Answer 20

megafoon’-patroon: residuen waaieren uit bij hogere waarden van Yi
- omgekeerde ‘megafoon’: spreiding residuen kleiner bij lagere waarden Yi
- halterpatroon: grotere spreiding van residuen bij extreme waarden van Yi
en kleinere spreiding van residuen bij centrale waarden van Yi

Question 21

Normaliteitsassumptie

Answer 21

Assumptie vooral van belang voor significantietesten. Schending van
deze assumptie heeft geen repercussies voor schatting van
coëfficiënten zelf

Question 22

Outliers/ uitbijters

Answer 22

• Onderzoekseenheden waarvan de waarde van de afhankelijke
  variabele slecht werd voorspeld door het model

Question 23

Hefboompunten

Answer 23

Onderzoekseenheden met afwijkende waarden voor afhankelijke en/of
onafhankelijke variabele die sterke invloed hebben op regressieparameters

Question 24

Analyse bivariate regressie

Answer 24

1. Regressierechte zoeken die het beste aansluit bij de aard van de samenhang.
2. Een significantietoets (= kan de samenhang gevonden in de steekproef veralgemeend worden naar de populatie?)
3. De sterkte van de samenhang nagaan.

Question 25

adjusted R^2

Answer 25

De Adjusted R Square corrigeert namelijk voor steekproefgrootte en aantal parameters.

Question 26

Dummy-variabele

Answer 26

Het kan echter voorkomen dat er een variabele in het analysemodel moet worden opgenomen die op nominaal niveau is gemeten. Een voorbeeld van een dergelijke variabele is het geslacht van de respondent. Deze variabele kan in het analysemodel worden opgenomen als een dummy-variabele met de waarden 0 en 1.