Week 6: Vervolg Logistische Regressie
Vragen: hoe kan je coefficienten intepreteren bij logistische regressies?
Met B of juist Wald?
Assumpties in logistische regressie
Veelal onderhevig aan dezelfde problemen:
1. Onafhankelijke errors en overdispersion
2. Complete separation
3. Multicollineariteit
4. Non-lineairiteit van de logit
5. Outliers & influential cases
Nakijken notes:
Rapportages interpretaties verschillende soorten onafhankelijke variabelen:
Dichotome variabelen (waarbij vrouwen is Female variabel met 1 = vrouw en 0 = man):
Vrouwen staan positiever tegenover tgo Europese samenwerking. De odds voor vrouwen zijn 1,342
keer hoger dan die voor mannen.
Jaren/ 1 categorie aantallen variabel
Onderwijs heeft een positieve relatie met de houding tgo Europese Eenwording. Per jaar voltijds
onderwijs genoten vermenigvuldigen de odds op een positieve houding met 1,044.
Vertrouwen/ op schalen
Vertrouwen in EP heeft een positieve relatie met de houding tgo Europese eenwording. Per eenheid
dat men meer vertrouwen heeft in EP, worden de odds op een positieve houding tgo eenwording
1,511 keer hoger.
BIJ MODELLEN VERGELIJKEN
> kijk naar -2LL!
Multicollineariteit: Zowel bij logistische als lineaire regressie, ga naar lineaire regressie en bekijk daar
de VIF!
COOK’s DISTANCE
Vink eerst Cook’s aan bij SAVE. Dan ga je daarna naar Descriptives en kijk je naar de maximum. Als
deze groter is dan 1, dan is dit een problematisch resultaat.
CASUS VERWIJDEREN UIT ANALYSE:
Als je bijv. casus wil verwijderen met grootste Cook’s distance, dan doe je SELECT CASES: COO_1 < 1.
(want cook’s distance heeft eigen variabel gekregen) Dan opnieuw regressieanalyse doen. Als deze
dichterbij is gekomen bij significantie, maar dit niet echt iets uitmaakt, dan heeft de case geen
substantiële impact.
Vragen: hoe kan je coefficienten intepreteren bij logistische regressies?
Met B of juist Wald?
Assumpties in logistische regressie
Veelal onderhevig aan dezelfde problemen:
1. Onafhankelijke errors en overdispersion
2. Complete separation
3. Multicollineariteit
4. Non-lineairiteit van de logit
5. Outliers & influential cases
Nakijken notes:
Rapportages interpretaties verschillende soorten onafhankelijke variabelen:
Dichotome variabelen (waarbij vrouwen is Female variabel met 1 = vrouw en 0 = man):
Vrouwen staan positiever tegenover tgo Europese samenwerking. De odds voor vrouwen zijn 1,342
keer hoger dan die voor mannen.
Jaren/ 1 categorie aantallen variabel
Onderwijs heeft een positieve relatie met de houding tgo Europese Eenwording. Per jaar voltijds
onderwijs genoten vermenigvuldigen de odds op een positieve houding met 1,044.
Vertrouwen/ op schalen
Vertrouwen in EP heeft een positieve relatie met de houding tgo Europese eenwording. Per eenheid
dat men meer vertrouwen heeft in EP, worden de odds op een positieve houding tgo eenwording
1,511 keer hoger.
BIJ MODELLEN VERGELIJKEN
> kijk naar -2LL!
Multicollineariteit: Zowel bij logistische als lineaire regressie, ga naar lineaire regressie en bekijk daar
de VIF!
COOK’s DISTANCE
Vink eerst Cook’s aan bij SAVE. Dan ga je daarna naar Descriptives en kijk je naar de maximum. Als
deze groter is dan 1, dan is dit een problematisch resultaat.
CASUS VERWIJDEREN UIT ANALYSE:
Als je bijv. casus wil verwijderen met grootste Cook’s distance, dan doe je SELECT CASES: COO_1 < 1.
(want cook’s distance heeft eigen variabel gekregen) Dan opnieuw regressieanalyse doen. Als deze
dichterbij is gekomen bij significantie, maar dit niet echt iets uitmaakt, dan heeft de case geen
substantiële impact.
