Startpagina / Samenvattingen / Statistical Methods For Psychology / bj-regressie-predictor

Meervoudige lineaire regressie

Q: Meervoudige correlatie coefficient

De multiple correlation coefficient wordt genoteerd als R0,123..p. R is de correlatie tussen de criteria (Y) en de best lineaire combinaties van de predictoren. Voor parameters van populatie: R*2 = 1 - (1-R2)(N-1) / (N-p-1) Het komt overeen met de Adjusted R Square van SPSS output. S2adj is minder biased voorgenomen als van de populatie (R2).

5 belangrijke vragen over Meervoudige lineaire regressie

Gestandaardiseerde regressie coefficienten

Wanneer de z scores worden gebruikt en dus gestandaardiseerde scores, wordt gestandaardiseerde regressie coëfficiënten gebruikt. Hierbij wordt b1 aangegeven als Beta1 en zo verder. De standaarddeviatie is hier altijd 1 en gemiddelde 0. De b0, of nu Beta0 is altijd 0 en wordt dus verder niet gebruikt in de formule.

Het toetsen van de regressie coëfficiënten

Het toetsen gebeurt met de formule:

t = bj - bj* / sb

of ook wel

t = bj - Betaj / SEb

H0: Betaj = 0

df = N - p - 1

Voorbeeld uit boek:
t = -17.491 met p = .000
Dit is significant, waarbij de nulhypothese wordt verworpen. Of in andere woorden: de predictor variabele van Y verhoogd met het verhogen van de predictor bj, dus bj maakt een significante bijdrage aan het voorspellen van SAT.

Meervoudige correlatie coefficient

De multiple correlation coefficient wordt genoteerd als R0,123..p.
R is de correlatie tussen de criteria (Y) en de best lineaire combinaties van de predictoren.

Voor parameters van populatie:
R*2 = 1 - (1-R2)(N-1) / (N-p-1)

Het komt overeen met de Adjusted R Square van SPSS output. S2adj is minder biased voorgenomen als van de populatie (R2).

Grootte van sample bij het testen van significantie R2

het moet tenminste grootte van 10 observaties hebben per predictor.

Stepwise regression of unwise regression

Als er veel variabelen zijn, die een voorspeller kunnen zijn voor een psychologisch construct, dan moeten we gaan kijken welke we gebruiken om het te voorspellen. Alleen hoe komen we tot deze beslissing van welke variabelen we zullen gebruiken? Dit gebeurt meestal stapsgewijs waarbij uiteindelijk een aantal variabelen over blijven die het gaan voorspellen, alleen wordt dit niet als goed manier gezien en daarom zijn er drie alternatieve mogelijkheden.
1. Alle subsets regressie
2. Omgedraaide eliminatie
3. Stagsgewijze regressie

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

Statistical Methods For Psychology

Bekijk samenvatting