Bulletpoints van MTS3 (alle hoofdstukken)
Bulletpoints van MTS3 (alle hoofdstukken)
€2,99 Incl. BTW
ISBN:
Schrijver:
Druk: 1e druk
Jaar:
Niveau: WO
Opleiding: Psychology / Psychologie
Studiejaar: Bachelor (WO) jaar 2
Categorie: Samenvattingen
Taal: Nederlands
Aantal pagina’s samenvatting: 7
Hoofdstukken: 8
Samenvatting
Bulletpoints van MTS3
Bulletpoints van MTS3
Bulletpoints van MTS3 (alle hoofdstukken)
hoofdstuk 8, 10, 11, 12, 13, 14, 15, 16
Regressie
De algemene formule voor een lineaire functie is Uitkomst = ax + b Hierbij is a de intercept en b de coëfficiënt.
• Je kunt kijken hoe goed de fit is van een model met de volgende formule:Totale error = Σ (geobserveerd – model)2. Dit is de residual sum of squares of residuensom (SSR), Het model met de kleinste SSR past het beste bij je data.
• Als je het gemiddelde als model neemt, kun je de verschillen uitrekenen tussen de data en het gemiddelde, en daarmee een sum of squares uitrekenen. Dit heet de totale kwadratensom (SST).
• Het verschil tussen de SST en de SSR is de verbetering in voorspelling die het model biedt boven het gemiddelde, de SSM.
• De proportie van verbetering kun je uitrekenen R2 =SSM / SST
• De F-toets is gebaseerd op de ratio van de verbetering door het model (SSM) en het verschil tussen het model en de geobserveerde gegevens (SSR). F =MSM / MSR
• Een goed model heeft een grote F-waarde, want dat betekent dat er een grote verbetering is in de voorspelling (een grote MSM) en dat het verschil tussen de voorspelling en de data klein is (een kleine MSR).
• Als een variabele significant een uitkomst wil voorspellen, dan moet het dus een bwaarde hebben die significant verschilt van 0. Dit kan getoetst worden met de ttoets. t = bgeobserveerd / SEb
• In de sociale wetenschappen wil men graag de bevindingen kunnen generaliseren naar een hele populatie. Hiervoor moet aan alle assumpties voor regressieanalyse zijn voldaan: meetfouten moeten onafhankelijk zijn, er moet sprake zijn van lineariteit en optelbaarheid, er moet sprake zijn van Homoscedasticiteit, meetfouten moeten normaal verdeeld zijn, voorspellers moeten ongecorreleerd zijn, alle voorspellervariabelen moeten kwantitatief of zijn, de uitkomstvariabele moet kwantitatief, continu en onbegrensd zijn, er mag geen sprake zijn van perfecte multicollineariteit en er mag geen sprake zijn van een variantie van 0.
• Multiple regressie gebruikt meerdere voorspellers, het selecteren van voorspellers kan met verschillende methoden: hiërarchische methode (blockwise entry), gedwongen methode (forced entry of enter) of de stapsgewijze methodes (stepwise).
Er zijn nog geen beoordelingen