Methodologie & Statistiek I Verband tussen twee variabelen 3.2

Presentatie over: "Methodologie & Statistiek I Verband tussen twee variabelen 3.2"— Transcript van de presentatie:

1 Methodologie & Statistiek I Verband tussen twee variabelen 3.2
miscellaneous

2 U kunt deze presentatie ook op uw eigen PC afspelen!
Gebruikmaken van internet: Education Health sciences Presentations of lectures “op dit moment ……. beschikbaar Opening --- Hoofdstuk 3 (Verband tussen …) Powerpointviewer downloaden”

3 Deze diapresentatie werd vervaardigd door Michel Janssen
van de Capaciteitsgroep Methodologie en Statistiek. De presentatie mag alleen worden gecopieerd voor eigen gebruik door studenten en medewerkers van de Universiteit Limburg in Maastricht. Met eventuele op- en aanmerkingen kunt u terecht bij: Universiteit Maastricht Capaciteitsgroep M&S Michel Janssen Postbus 616 6200 MD Maastricht

4 Methodologie & Statistiek I Verband tussen twee variabelen 3.2
miscellaneous 22 januari 2001

5 schijncorrelatie spurieuze correlatie

6

7

8

9

10 CIJFERS WEZEN OP EEN SIGNIFICANT POSITIEF VERBAND TUSSEN: Aantal ooievaarsnesten en aantal geboorten in een bepaalde streek over een aantal jaren Aantal jonge politie-agenten en aantal ongehuwde moeders in Londen over een aantal jaren Aantal brandweerlieden en de totale waarde van de gefikte objecten in een regio over een aantal jaren Kwaliteit handschrift en maat schoenen van 50 kinderen

11 gevaar van extrapolatie

12 In 51 regio’s werd gekeken naar het aantal
ziekenhuisbedden per 1000 inwoners (=BED) en het aantal Ziekenfonds-opnamen per 1000 Inwoners (ZF_OPN). Er wordt een puntenwolk gemaakt van BED tegen ZF_OPN

13

14 De regressie-lijn wordt berekend:
ZF_OPN = BED Hoeveel ZF_OPN mogen worden verwacht in een regio met BED = 5 ????? 103.40

15 De regressie-lijn wordt berekend:
ZF_OPN = BED Hoeveel ZF_OPN mogen worden verwacht in een regio met BED = 0 ????? COMMENTAAR??? 37.9

16 invloed van uitbijters
invloedrijke punten

17

18

19 steekproef & populatie

20 Populatie A (X en Y) steekproeven van n stuks: r, b0 en b1 ……… Kijken naar de verdeling van r (schatter van r) b0 (schatter van b0) b1 (schatter van b1)

21 rA > rB ? Populatie A (X en Y) steekproef: rA= 0.80
Populatie B (X en Y) steekproef: rB= 0.50 Samenhang X en Y in populatie: rA en rB ? rA > rB

22 rA > rB ? ? Populatie A (X en Y) steekproef: rA= 0.80
Populatie B (X en Y) steekproef: rB= 0.50 Samenhang X en Y in populatie: rA en rB ? rA > rB ? Zelfde antwoord als na= 10 en nb=10000

23 correlatiecoefficient
hellingshoek & correlatiecoefficient

24

25

26 teken van b1 en r

27 sd(x) is altijd positief
sd(y) is altijd positief Dus: ri-coeff sd-lijn is altijd POSITIEF?????

28 richtings-coefficient sd-lijn is positief
correlatiecoefficient is negatief ri-coeff regressielijn= r * ri-coeff sd-lijn Dus: ri-coeff regressielijn is NEGATIEF ??????

29 Bereken r uit r2 r is positief of negatief ????

30 teken van correlatiecoefficient is teken van b1 !!!!!
regressielijn Y= b0 + b1X teken van correlatiecoefficient is teken van b1 !!!!! bekijk altijd plaatje van de puntenwolk!

31 Amerikaanse verkiezingen

32 Scatterplot van uitgebrachte stemmen 67 kiesdistricten van Florida
op Gore en Buchanan in de 67 kiesdistricten van Florida

33

34 Palmbeach…………

35 lezen van SPSS-uitvoer

36 Model Model R R Square Adjusted Std Error of the Estimate 1 0.913
0.833 0.830 Predictors: (Constant), Gore_TH

37 ANOVA Model Sum of Squares df Mean Square F Sig. RegressionResidual
Total 1 65 66 553.9 324.31 0.000 Predictors: (Constant), Gore_TH Dependent Variable: Bush_TH

38 Coefficients Dependent Variable: Bush_TH Model Unstandardized
Std. Error Beta t Sig. Constant Gore_TH 13.220 0.696 3.329 0.039 0.913 3.971 18.01 0.000 Dependent Variable: Bush_TH

39 samenhangen SPSS-uitvoer

40 ANOVA r2 var(y) Model Sum of Squares df Mean Square F Sig.
RegressionResidual Total 1 65 66 553.9 324.31 0.000 r2 var(y)

41 ANOVA r2 = 179620.0/215620.6= 0.83 var(y) = 215620.6/66= 3266.98 Model
Sum of Squares df Mean Square F Sig. RegressionResidual Total 1 65 66 553.9 324.31 0.000 r2 = / = 0.83 var(y) = /66=

42 Voor de echte puzzelaars:
Bereken uit de totale regressie-uitvoer de variantie van X

43 Voor de echte puzzelaars:
Bereken uit de totale regressie-uitvoer de variantie van X b1= r * sd(y) / sd(x)

44 zie en huiver... Het leek ons interessant de
scores van de eerste toets (januari) te vergelijken met de scores van de tweede toets (mei) alle eerste jaars (jaargang 1999) zie en huiver...

45 (listwise deletion) 6 154 139 14 Commentaar?

46 Eerste toets Tweede toets lager dan 5.0 groter/gelijk 5.0 gemiddelde 34 313 7.49 163 171 5.00 Correlatie-coefficient 0.30 Regressie-lijn: MS12= *MS11 Commentaar?

47