Vaardigheden voor SPSS

INSTRUCTIES TENTAMEN SPSS VAARDIGHEDEN

Multipele regressie

De R Square laat zien hoeveel procent van de variantie in de afhankelijke variabele verklaard
wordt door de onafhankelijke variabele.

Het maken van een voorspelling van de score van de afhankelijke variabele =
Y = unstandardized B (constante) + unstandardized B (onafhankelijke variabele) x de
gevraagde hoeveelheid.

Welke de grootste predictor is van de afhankelijke variabele = kijk naar standardized
coëfficiënt Bèta.

Controleren van assumpties multipele regressie
- Afhankelijke variabele is van minimaal interval meetniveau.
- Onafhankelijke variabele moeten minimaal van interval meetniveau zijn of
dichotoom (nominaal met twee categorieën)
- Lineaire verbanden tussen de afhankelijke variabele en alle kwantitatieve
onafhankelijke variabelen.
- Afwezigheid van uitschieters

Het uitvoeren van een multipele regressie assumpties controleren:
1. Analyze > Regression > Lineair
2. Vul de afhankelijke en de onafhankelijke variabele in.
3. Assumpties aanklikken die je wilt controleren
 Uitschieters: Save > standardized residuals, Mahalanobis en Cook’s distances.
o Kijk naar de tabel Residuals Statistics:
o De minimum en de maximum waardes van de
 standardized residuals: vuistregel tussen de -3.3 en de 3.3
 Cook’s distances: vuistregel waardes moeten lager dan 1 zijn.
 Mahalanobis distance: waardes moeten lager zijn dan 10 + 2 x
aantal onafhankelijke variabelen.
o Zitten er uitschieters in de y-ruimte, x-ruimte en xy-ruimte.
 Afwezigheid multicollineariteit: statistics > collinearity diagnostics.
o Table Coefficients
o Relatie te sterk als r > .80. de onafhankelijke variabelen moeten niet
te sterk met elkaar correleren.
o Waardes bij Tolerance lager dan .2 mogelijk probleem.
o VIF-waardes groter dan 10 duiden op een probleem.
 Homoscedasticiteit: Plots > ZPRED variable op X-as > ZRESID variable op Y-as.
o Gestandaardiseerde voorspelde waarden plotten tegen
gestandaardiseerde residuen.
 Normale verdeling: Plots > histogram.

, Het interpreteren van een multipele regressie
1. Tabellen informatie
 Eerste tabel: onafhankelijke en afhankelijke variabelen
 Tweede tabel: algemene kwaliteit van de regressie
 Derde tabel: de resultaten van de F-toets.
 Vierde tabel: informatie over de regressiecoëfficiënten.
2. Coëfficiënten interpreteren
 R = waarde multipele regressiecoëfficiënt.
 R2 = hoeveel van de variantie in Y wordt verklaard door het model met de
gekwadrateerde variant van R.
 Adjusted R square = geschatte percentage verklaarde variantie is in de
populatie.
 F toets = is de toets significant.
3. Bij het toevoegen van een tweede model: is model 2 nog significant? Dan is dat
model dus beter. Ook bij F, kijken of de modellen significant zijn niet een onderdeel
daarvan.

Het uitvoeren van een hiërarchische multipele regressie
1. Het toevoegen van nieuwe variabelen > controleer assumpties
2. Analyse > regression > lineair
3. Onafhankelijke variabelen in BLOK 1
4. Next > in het nieuwe blok de nieuw toegevoegde variabelen.
5. Statistics > R squared change
6. OK



Meerweg ANOVA
Herhaling Meerweg ANOVA
1. POST HOC-toets: Kijken naar de mean differences, zijn ze positief? Dan is de eerste
groep groter. Zijn ze significant? Dan zijn ze inderdaad groter, zijn ze niet significant
dan zijn ze gelijk.
2. Model scores van drie verschillende groepen:
 Grote boogjes: totale variantie
 Een afhankelijke variabele en een onafhankelijke variabele  variantie
binnen de groep wordt niet verklaard.
3. ANOVA 4 assumpties:
 Normale verdeling
 Geen uitbijters
 Varianties zijn gelijk
 Scores zijn onafhankelijk binnen de groepen.
4. N2 = percentage van de totale variantie dat verklaard wordt door de groepsvariabele.