VOS analyse technieken
Analyse techniek Betekenis Variabelen Assumpties Formules
Multipele regressie Een makkelijke Één -aselect -Uitkomst(Y)=lineair
manier om in één Afhankelijke regressiemodel(X) + E
keer een analyse Y: minimaal -specificatie
te doen waarbij je interval -Y^= geschatte Y
kan zien in (intervalratio) -interval/ratio -Y-Y^=E
hoeverre je het
fenomeen kan Meerdere -lineaire relatie -Y= B0+B1X1+.. +E
Goodness of fit (R2): onafhankelijke B0: intrcept(constant)
hoe kleiner E, hoe verklaren, en
X (predictoren): -geen uitschieters /startwaarde
beter. welke
Intervalratio B1:regressiecoëfficient
verklaringen de /dichotoom -homoscdasticiteit Sterkte relatie X/Y
B-coëfficiënt: belangrijkste zijn.
verandering in Y per -normaal verdeeld SST=SSM+SSR
eenheid van X SST: t kwadratensom
-geen multicolli- SSM: kwadratensom rechte lijn
>gestandaardiseerd neariteit (basismodel)
>Beta: SSR: kwadratensom
Invloed individuele voorspellingsfout
predictoren
R2=SSM/SST
Als bij uitbreiding : R sq linear
R2 sign toeneemt>
statistisch zinvol
F=MSm/MSr
MS: Mean sum of squares
SS/df
Dft: n-1 dus n=31+1
Meerweg ANOVA Wanneer je Één afhankelijke -independence Gem model (N2)
gebruik maakt Y: intervalratio
van meer dan één -Y;interval F=MSm/MSr
groepsvariabele Onafhankelijke F:toetsingsgrootheid
X: met 2 of -X:nominaal eenweg ANOVA
Doelen: meer
-gemiddelden categorieën -homosceda-
Interactie-effect: De model (tussen en (nominaal/ordin sticiteit
invloed die er binnen groepen) aal bv.
ontstaat door de -significantie Sekse/leeftijd) -normaal verdeeld
combinatie van -effectgrootte -influential cases
, specifiek deze twee -voorspellen (outliers/te
groepsvariabelen. De waarde invloedrijk)
hoofdeffecten zijn de
directe peilen naar
Y.
Bij variantieanalyse:
onafhankelijke
variabele een factor,
bij een multipele
regressie- analyse:
predictor. Referentiegroep: laatste groep
/hoogste waarde
Predictor met hoogste N2/R2
grootste effect
Dus niet bij sig kijken,
want dan juist klein(niet goed)
Verschillen tussen
groepen >
groepsgemiddelden
kijken
>nauwkeuriger.
Meerweg Stel je vergelijkt Één afhankelijke -homogene
ANCOVA meisjes en variabele Y: regressie (effect
: ANOVA+covariaat jongens met intervalratio covariaat gelijk
elkaar in een voor beide)
onderzoek, maar Een of meer (lijnen parallel) Partial eta squared:N2
je komt erachter onafhankelijke:
dat de jongens in (X1) predictoren -geen interactie- F=MSm/MSr
je onderzoek Nominaal (vaak effect
Mag geen interactie ouder zijn > de groepen, bv N2=SSm/SSt
tussen zitten anders onafhankelijke jongens en -relatie tussen x, Effectgrootte gehele ancova
variabele leeftijd meisjes) de covariaat en Y.
Bias correctie speelt dus ook een N2partial=SSeffect/
(elimination of rol Een of meer -covariaat (SSeffect +SSr)
confounds): door covarianten: onafhankelijk van
covariaat, (X3) experimentele Covariaat (prenumb) x-as
vergelijking eerlijker Onderzoeksvraag: intervalratio conditie
> je sluit alternatieve verschillen twee Afhankelijke variable
verklaringen uit.
Analyse techniek Betekenis Variabelen Assumpties Formules
Multipele regressie Een makkelijke Één -aselect -Uitkomst(Y)=lineair
manier om in één Afhankelijke regressiemodel(X) + E
keer een analyse Y: minimaal -specificatie
te doen waarbij je interval -Y^= geschatte Y
kan zien in (intervalratio) -interval/ratio -Y-Y^=E
hoeverre je het
fenomeen kan Meerdere -lineaire relatie -Y= B0+B1X1+.. +E
Goodness of fit (R2): onafhankelijke B0: intrcept(constant)
hoe kleiner E, hoe verklaren, en
X (predictoren): -geen uitschieters /startwaarde
beter. welke
Intervalratio B1:regressiecoëfficient
verklaringen de /dichotoom -homoscdasticiteit Sterkte relatie X/Y
B-coëfficiënt: belangrijkste zijn.
verandering in Y per -normaal verdeeld SST=SSM+SSR
eenheid van X SST: t kwadratensom
-geen multicolli- SSM: kwadratensom rechte lijn
>gestandaardiseerd neariteit (basismodel)
>Beta: SSR: kwadratensom
Invloed individuele voorspellingsfout
predictoren
R2=SSM/SST
Als bij uitbreiding : R sq linear
R2 sign toeneemt>
statistisch zinvol
F=MSm/MSr
MS: Mean sum of squares
SS/df
Dft: n-1 dus n=31+1
Meerweg ANOVA Wanneer je Één afhankelijke -independence Gem model (N2)
gebruik maakt Y: intervalratio
van meer dan één -Y;interval F=MSm/MSr
groepsvariabele Onafhankelijke F:toetsingsgrootheid
X: met 2 of -X:nominaal eenweg ANOVA
Doelen: meer
-gemiddelden categorieën -homosceda-
Interactie-effect: De model (tussen en (nominaal/ordin sticiteit
invloed die er binnen groepen) aal bv.
ontstaat door de -significantie Sekse/leeftijd) -normaal verdeeld
combinatie van -effectgrootte -influential cases
, specifiek deze twee -voorspellen (outliers/te
groepsvariabelen. De waarde invloedrijk)
hoofdeffecten zijn de
directe peilen naar
Y.
Bij variantieanalyse:
onafhankelijke
variabele een factor,
bij een multipele
regressie- analyse:
predictor. Referentiegroep: laatste groep
/hoogste waarde
Predictor met hoogste N2/R2
grootste effect
Dus niet bij sig kijken,
want dan juist klein(niet goed)
Verschillen tussen
groepen >
groepsgemiddelden
kijken
>nauwkeuriger.
Meerweg Stel je vergelijkt Één afhankelijke -homogene
ANCOVA meisjes en variabele Y: regressie (effect
: ANOVA+covariaat jongens met intervalratio covariaat gelijk
elkaar in een voor beide)
onderzoek, maar Een of meer (lijnen parallel) Partial eta squared:N2
je komt erachter onafhankelijke:
dat de jongens in (X1) predictoren -geen interactie- F=MSm/MSr
je onderzoek Nominaal (vaak effect
Mag geen interactie ouder zijn > de groepen, bv N2=SSm/SSt
tussen zitten anders onafhankelijke jongens en -relatie tussen x, Effectgrootte gehele ancova
variabele leeftijd meisjes) de covariaat en Y.
Bias correctie speelt dus ook een N2partial=SSeffect/
(elimination of rol Een of meer -covariaat (SSeffect +SSr)
confounds): door covarianten: onafhankelijk van
covariaat, (X3) experimentele Covariaat (prenumb) x-as
vergelijking eerlijker Onderzoeksvraag: intervalratio conditie
> je sluit alternatieve verschillen twee Afhankelijke variable
verklaringen uit.
