Stappen in SPSS
Multipele regressieanalyse
1. Analyze
2. Regression
3. Lineair
4. Afhankelijke en onafhankelijke in de vakjes zetten
5. Assumpties controleren
a. Afwezigheid uitschieters:
Save: standardized residuals, mahalanobis en cook’s distances
b. Afwezigheid multicullineariteit
Statistics: collineairity diagnostics
c. Homoscedasticiteit:
Plots: *ZPRED (gestandaardiseerde predictoren) op X as en *ZRESID
(gestandaardiseerde residuen) op de Y as
d. Normaal verdeeld:
Plots: histogram
Voorwaarde multipele regressie
1. Meetniveau van minimaal interval:
• De afhankelijke variabele moet van minimaal interval meetniveau zijn
• De onafhankelijke variabele moet van minimaal interval meetniveau of dichotoom of
(nominaal met twee categorieën) of dummy’s zijn.
2. Lineaire verbanden tussen de afhankelijke variabele en alle onafhankelijke variabelen:
Twee spreidingsdiagrammen maken met een andere onafhankelijke variabele op de X as:
a. Graphs
b. Legacy Dialogs
c. Scatter/dot
d. Dubbelklik naar elements
e. Fit line aanklikken
3. Afwezigheid uitschieters
a. Kijken in de figuur of je uitschieten ziet
b. Verwijder de uitschieter uit de dataset
, R² van .060 naar .087, dus het verband wordt sterker na het verwijderen
4. Afwezigheid uitschieters:
a. Tabel residuals statistics:
• Standardized residuals (uitschieters in Y ruimte): tussen -3.3 en +3.3
• Mahalanobis distance: (uitschieters in X ruimte): lager dan 10 + 2 x onafhankelijk
variabelen
• Cook’s distance: (uitschieters in XY ruimte): lager dan 1
5. Afwezigheid multicollineariteit
a. Tabel coefficients
• Tolerance kleiner dan .2 duiden op een mogelijk probleem
• Tolerance kleiner dan .1 duiden op een probleem
• VIF groter dan 10 duiden op een probleem
6. Homoscedasticiteit
a. Scatter plot maken
b. Spreiding van residuen per x waarde ongeveer gelijk
7. Normaal verdeelde residuen
a. Histogram
b. Kijken of de afwijkingen niet te groot zijn
Multipele regressieanalyse
1. Analyze
2. Regression
3. Lineair
4. Afhankelijke en onafhankelijke in de vakjes zetten
5. Assumpties controleren
a. Afwezigheid uitschieters:
Save: standardized residuals, mahalanobis en cook’s distances
b. Afwezigheid multicullineariteit
Statistics: collineairity diagnostics
c. Homoscedasticiteit:
Plots: *ZPRED (gestandaardiseerde predictoren) op X as en *ZRESID
(gestandaardiseerde residuen) op de Y as
d. Normaal verdeeld:
Plots: histogram
Voorwaarde multipele regressie
1. Meetniveau van minimaal interval:
• De afhankelijke variabele moet van minimaal interval meetniveau zijn
• De onafhankelijke variabele moet van minimaal interval meetniveau of dichotoom of
(nominaal met twee categorieën) of dummy’s zijn.
2. Lineaire verbanden tussen de afhankelijke variabele en alle onafhankelijke variabelen:
Twee spreidingsdiagrammen maken met een andere onafhankelijke variabele op de X as:
a. Graphs
b. Legacy Dialogs
c. Scatter/dot
d. Dubbelklik naar elements
e. Fit line aanklikken
3. Afwezigheid uitschieters
a. Kijken in de figuur of je uitschieten ziet
b. Verwijder de uitschieter uit de dataset
, R² van .060 naar .087, dus het verband wordt sterker na het verwijderen
4. Afwezigheid uitschieters:
a. Tabel residuals statistics:
• Standardized residuals (uitschieters in Y ruimte): tussen -3.3 en +3.3
• Mahalanobis distance: (uitschieters in X ruimte): lager dan 10 + 2 x onafhankelijk
variabelen
• Cook’s distance: (uitschieters in XY ruimte): lager dan 1
5. Afwezigheid multicollineariteit
a. Tabel coefficients
• Tolerance kleiner dan .2 duiden op een mogelijk probleem
• Tolerance kleiner dan .1 duiden op een probleem
• VIF groter dan 10 duiden op een probleem
6. Homoscedasticiteit
a. Scatter plot maken
b. Spreiding van residuen per x waarde ongeveer gelijk
7. Normaal verdeelde residuen
a. Histogram
b. Kijken of de afwijkingen niet te groot zijn
