Startpagina / Samenvattingen / Class notes - Onderzoeks- en interventiemethodologie B / schattingen-lineair-multicollineariteit

Regressieanalyse II - Complexere regressiemodellen

4 belangrijke vragen over Regressieanalyse II - Complexere regressiemodellen

Wat is de invloed van het schenden van minimaal één van de assumpties?

Wanneer een van de assumpties wordt geschonden heeft dat een negatieve invloed op:

De zuiverheid van het model: je parameters en schattingen zullen niet meer zo puur zijn.
De efficiëntie van het model: je model is niet meer zo bruikbaar als optimaal mogelijk.
De betrouwbaarheid van je model: schattingen die je doet op basis van je model zijn niet meer zo betrouwbaar en representeren niet langer je populatie op een juiste wijze

Hoe kan multicollineariteit opgelost worden

Je kan multicollineariteit oplossen door bepaalde variabelen te combineren of zelfs volledig te verwijderen.

De tollerance is een manier om multicollineariteit te meten. Je berekent dit als 1-r². Als deze lager is dan 0,40 dan is er een probleem.

Je kan ook voor de VIF gaan. VIF is de variance inflation factor en staat voor de mate waarin de standaardfout wordt opgeblazen. Je berekent deze als 1/tolerance. Logischerwijs is deze dus een probleem wanneer deze waarde 2,5 overstijgt

Wat zijn gevolgen van een regressie die niet lineair is?

Wanneer je regressie niet lineair is zijn je parameters minder zuiver, zijn je standaard error schattingen minder efficiënt en zijn de schattingen vanuit het model minder betrouwbaar.

Wat is een oplossing voor een regressie die niet lineair is?

Je kunt de lineariteit verbeteren door de onafhankelijke variabelen te transformeren en een model te draaien in hogere order termen. Hierdoor verdwijnt de lineariteit en wordt het een parabool, waardoor de r² toeneemt (de verklaringskracht wordt dus groter door alles te kwadrateren).

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

Onderzoeks- en interventiemethodologie B

Bekijk samenvatting