De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

1 REGRESSIEMETHODEN ENKELVOUDIG LINEAIR REGRESSIEMODELENKELVOUDIG LINEAIR REGRESSIEMODEL MEERVOUDIG LINEAIR REGRESSIEMODEL (MET DUMMY VARIABELEN)MEERVOUDIG.

Verwante presentaties


Presentatie over: "1 REGRESSIEMETHODEN ENKELVOUDIG LINEAIR REGRESSIEMODELENKELVOUDIG LINEAIR REGRESSIEMODEL MEERVOUDIG LINEAIR REGRESSIEMODEL (MET DUMMY VARIABELEN)MEERVOUDIG."— Transcript van de presentatie:

1 1 REGRESSIEMETHODEN ENKELVOUDIG LINEAIR REGRESSIEMODELENKELVOUDIG LINEAIR REGRESSIEMODEL MEERVOUDIG LINEAIR REGRESSIEMODEL (MET DUMMY VARIABELEN)MEERVOUDIG LINEAIR REGRESSIEMODEL (MET DUMMY VARIABELEN) ANCOVAANCOVA LOGISTISCH REGRESSIEMODELLOGISTISCH REGRESSIEMODEL MethStat College Frans Tan Methodologie & Statistiek

2 2 ENKELVOUDIG LINEAIR REGRESSIEMODEL TWEE DOELEN: 1.BESCHRIJF EXACTE VORM SAMENHANG X EN Y 2.VOORSPEL WAARDE Y VOOR ELKE WAARDE VAN X Y X

3 3 ENKELVOUDIG LINEAIR REGRESSIEMODEL VOOR ELKE X-WAARDE OF EEN COLLECTIE VAN X-WAARDEN BEPAAL GEMIDDELDE Y-WAARDE Y X

4 4 ENKELVOUDIG LINEAIR REGRESSIEMODEL TREK EEN LIJN DIE DE GRAFIEK VAN GEMIDDELDEN ZO GOED MOGELIJK BESCHRIJFT Y X

5 5 ENKELVOUDIG LINEAIR REGRESSIEMODEL EEN REGRESSIELIJN IS EEN GLADGESTREKEN (GESMOOTHDE) VERSIE VAN EEN GRAFIEK VAN GEMIDDELDEN Y X

6 6 ENKELVOUDIG LINEAIR REGRESSIEMODEL AFWIJKINGEN VAN GEMIDDELDEN T.O.V. DE REGRESSIELIJN WORDEN VERONDERSTELD TE ZIJN ONTSTAAN DOOR STEEKPROEFFLUCTUATIES Y X

7 7 ENKELVOUDIG LINEAIR REGRESSIEMODEL HET POPULATIEMODELHET POPULATIEMODEL HET STEEKPROEFMODELHET STEEKPROEFMODEL DE KWALITEIT VAN DE REGRESSIELIJNDE KWALITEIT VAN DE REGRESSIELIJN

8 8 HET POPULATIEMODEL ENKELVOUDIG LINEAIR REGRESSIEMODEL VOOR ELK PAAR VAN ONAFHANKELIJKE WAARNEMINGEN GELDT: GELDT: Y X

9 9 HET POPULATIEMODEL ENKELVOUDIG LINEAIR REGRESSIEMODEL POPULATIE INTERCEPT POPULATIE REGRESSIE- HELLING AFWIJKING VAN WAARNEMING OOK WEL : ERROR NORMAAL VERDEELD MET VERWACHTING 0 EN VARIANTIE Y X POPULATIEREGRESSIELIJN R.C.

10 10 HET STEEKPROEFMODEL ENKELVOUDIG LINEAIR REGRESSIEMODEL Y X POPULATIEREGRESSIELIJN R.C. MODEL AANPASSEN AAN DE DATA

11 11 HET STEEKPROEFMODEL ENKELVOUDIG LINEAIR REGRESSIEMODEL Y X STEEKPROEFREGRESSIELIJN STEEKPROEF REGRESSIEMODEL:

12 12 DE KWALITEIT VAN DE REGRESSIELIJN ENKELVOUDIG LINEAIR REGRESSIEMODEL Y X Y X DE MATE WAARIN DE REGRESSIELIJN DE VERSCHILLEN IN Y-WAARDEN VERKLAART

13 13 DE KWALITEIT VAN DE REGRESSIELIJN ENKELVOUDIG LINEAIR REGRESSIEMODEL Y X Y X TOTALE VARIATIE DE DOOR DE REGRESSIELIJN TE VERKLAREN VARIATIE SS(Y)

14 14 DE KWALITEIT VAN DE REGRESSIELIJN ENKELVOUDIG LINEAIR REGRESSIEMODEL Y X Y X ONVERKLAARDE VARIATIE DE DOOR DE REGRESSIELIJN NIET TE VERKLAREN VARIATIE SS(E)

15 15 DE KWALITEIT VAN DE REGRESSIELIJN ENKELVOUDIG LINEAIR REGRESSIEMODEL Y X Y X VERKLAARDE VARIATIE DE DOOR DE REGRESSIELIJN VERKLAARDE VARIATIE SS(REGRESSIE) = SS(Y) – SS(E)

16 16 DE KWALITEIT VAN DE REGRESSIELIJN ENKELVOUDIG LINEAIR REGRESSIEMODEL Y X Y X SS(E) >> R-SQUARE << SS(E) << R-SQUARE >>

17 17 MEERVOUDIG LINEAIR REGRESSIEMODEL TEKORTKOMING ENKELVOUDIGE REGRESSIETEKORTKOMING ENKELVOUDIGE REGRESSIE MEERVOUDIGE REGRESSIE ALS OPLOSSINGMEERVOUDIGE REGRESSIE ALS OPLOSSING REGRESSIE MET DUMMY VARIABELENREGRESSIE MET DUMMY VARIABELEN INTERPRETATIE REGRESSIEPARAMETERSINTERPRETATIE REGRESSIEPARAMETERS MODELLEN MET ELKAAR VERGELIJKENMODELLEN MET ELKAAR VERGELIJKEN

18 18 TEKORTKOMING ENKELVOUDIGE REGRESSIE MEERVOUDIG LINEAIR REGRESSIEMODEL HET ANALYSEREN VAN DATA M.B.V. ENKELVOUDIGE LINEAIRE REGRESSIE IS VAAL EEN TE SIMPLISTISCHE VOORSTELLING VAN DE WERKELIJKHEID EEN SITUATIE DE RELATIE TUSSEN BEHAALDE CIJFER EN DE TIJDSDUUR BESTEED TER VOORBEREIDING VAN EEN TOETS X IS BEHAALDE CIJFER Y IS TIJDSDUUR

19 19 TEKORTKOMING ENKELVOUDIGE REGRESSIE MEERVOUDIG LINEAIR REGRESSIEMODEL CIJFER STUDIETIJD DE CORRELATIE TUSSEN STUDIETIJD EN CIJFER IS –0.370 DE REGRESSIE VERGELIJKING: Y = 6.98 – X + e R-SQ = 13.7 % R-SQ = 13.7 %

20 20 TEKORTKOMING ENKELVOUDIGE REGRESSIE MEERVOUDIG LINEAIR REGRESSIEMODEL CIJFER STUDIETIJD EEN NEGATIEVE SAMENHANG ZEGT NIETS OVER EEN EVENTUEEL CAUSAAL VERBAND TUSSEN STUDIETIJD EN CIJFER

21 21 MEERVOUDIGE REGRESSIE ALS OPLOSSING MEERVOUDIG LINEAIR REGRESSIEMODEL CIJFER STUDIETIJD IQ = HOOG IQ = LAAG PER INTELLIGENTIEGROEP DE RELATIE TUSSEN CIJFER EN TIJDSDUUR ANALYSEREN

22 22 MEERVOUDIGE REGRESSIE ALS OPLOSSING MEERVOUDIG LINEAIR REGRESSIEMODEL REGRESSIE VERGELIJKING VOOR IQ = HOOG: REGRESSIEVERGELIJKING VOOR IQ = LAAG : WE WILLEN BEIDE VERGELIJKINGEN SAMENVOEGEN VOER DAARTOE IN DE INDICATOR VARIABELE 1ALS IQ HOOG IQ = 0ALS IQ NIET HOOG

23 23 MEERVOUDIGE REGRESSIE ALS OPLOSSING MEERVOUDIG LINEAIR REGRESSIEMODEL ALS IQ HOOG 1ALS IQ HOOG IQ = 0ALS IQ NIET HOOG IQ HOOG : IQ LAAG : DAN VOLDOET HET VOLGENDE MODEL IQ IS EEN STORENDE VARIABELE VOOR DE RELATIE TUSSEN X EN Y

24 24 MEERVOUDIGE REGRESSIE ALS OPLOSSING MEERVOUDIG LINEAIR REGRESSIEMODEL HET ‘MEENEMEN’ IN DE REGRESSIEVERGELIJKING HEEFT TOT EFFECT DAT REKENING WORDT GEHOUDEN MET DE VERSCHILLEN IN IQ. JE CORRIGEERT ALS HET WARE VOOR VERSCHILLEN IN IQ ALGEMEEN: F MAG OOK CONTINU ZIJN

25 25 MEERVOUDIGE REGRESSIE ALS OPLOSSING MEERVOUDIG LINEAIR REGRESSIEMODEL CIJFER STUDIETIJD IQ = HOOG IQ = LAAG GESCHAT DOOR: Y = X IQ + e R-SQ = 96.7 % R-SQ = 96.7 %

26 26 MEERVOUDIGE REGRESSIE ALS OPLOSSING MEERVOUDIG LINEAIR REGRESSIEMODEL CIJFER STUDIETIJD MERK OP: EFFECT VAN X OP Y VERANDERT NA OPNAME VAN F IN HET MODEL EN BESCHRIJFT HET ZUIVERE EFFECT (GECORRIGEERD VOOR F) VAN X OP Y.

27 27 MEERVOUDIGE REGRESSIE ALS OPLOSSING MEERVOUDIG LINEAIR REGRESSIEMODEL CIJFER STUDIETIJD IQ = HOOG IQ = LAAG MERK OP: EFFECT VAN X OP Y VERANDERT NA OPNAME VAN F IN HET MODEL EN BESCHRIJFT HET ZUIVERE EFFECT (GECORRIGEERD VOOR F) VAN X OP Y.

28 28 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL ÉÉN DISCRETE VARIABELE MET TWEE CATEGORIEËN 1ALS IQ HOOG IQ = 0ALS IQ LAAG INDICATOR VOOR MENSEN MET EEN HOOG IQ CIJFER IQ 01

29 29 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL ÉÉN DISCRETE VARIABELE MET TWEE CATEGORIEËN CIJFER IQ 01 MODEL: E(Y|X=1) E(Y|X=0) UIT FIGUUR: a b

30 30 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL ÉÉN DISCRETE VARIABELE MET TWEE CATEGORIEËN CIJFER IQ 01 E(Y|X=1) E(Y|X=0) a b DOOR BEREKENING: E(Y|X=1)=E(Y|X=0)=DUS

31 31 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL ÉÉN DISCRETE VARIABELE MET DRIE CATEGORIEËN Y Y XX MODEL SPECIFICATIE IS FOUT WANT LINEAIRITEIT ALLEEN VOLDAAN ONDER SPECIALE CODERING

32 32 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL EEN ANDERE MANIER ON DE DRIE GROEPEN TE ONDERSCHEIDEN IS D.M.V. DRIE INDICATOREN D_HOOG HOOGNIET ZO D_GEM GEMID.NIET ZO D_LAAG LAAGNIET ZO

33 33 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL TWEE INDICATOREN ZIJN VOLDOENDE OM DE DRIE GROEPEN TE ONDERSCHEIDEN DEZE INDICATOREN WORDEN OOK WEL DUMMY VARIABELEN GENOEMD D_HOOG HOOGNIET ZO D_GEM GEMID.NIET ZO D_LAAG LAAGNIET ZO

34 34 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL IQD_HOOGD_GEM HOOG10 HOOG10 HOOG10 GEMID01 GEMID01 GEMID01 GEMID01 LAAG00 LAAG00 LAAG00 LAAG00 LAAG00 VOORBEELD

35 35 REGRESSIE MET DUMMY VARIABELEN MEERVOUDIG LINEAIR REGRESSIEMODEL MODEL SPECIFICATIE: NU IS WEL AAN DE LINEAIRITEITSEIS VOLDAAN

36 36 INTERPRETATIE REGRESSIEPARAMETERS MEERVOUDIG LINEAIR REGRESSIEMODEL VERGELIJKING IN VERWACHT CIJFER TUSSEN DE DRIE GROEPEN OP POPULATIE NIVEAU VERWACHT CIJFER BIJ GEGEVEN IQ

37 37 INTERPRETATIE REGRESSIEPARAMETERS MEERVOUDIG LINEAIR REGRESSIEMODEL OP POPULATIE NIVEAU DUS MERK OP!

38 38 INTERPRETATIE REGRESSIEPARAMETERS MEERVOUDIG LINEAIR REGRESSIEMODEL VERGELIJKING IN VERWACHT CIJFER TUSSEN DE DRIE GROEPEN OP POPULATIE NIVEAU VERWACHT CIJFER BIJ GEGEVEN IQ

39 39 INTERPRETATIE REGRESSIEPARAMETERS MEERVOUDIG LINEAIR REGRESSIEMODEL VERGELIJKING IN GEMIDDELD CIJFER TUSSEN DE DRIE GROEPEN OP STEEKPROEF NIVEAU GEMIDDELD CIJFER BIJ GEGEVEN IQ

40 40 INTERPRETATIE REGRESSIEPARAMETERS MEERVOUDIG LINEAIR REGRESSIEMODEL OP POPULATIE NIVEAU DUS MERK OP!

41 41 INTERPRETATIE REGRESSIEPARAMETERS MEERVOUDIG LINEAIR REGRESSIEMODEL OP STEEKPROEF NIVEAU DUS MERK OP!

42 42 MODELLEN MET ELKAAR VERGELIJKEN MEERVOUDIG LINEAIR REGRESSIEMODEL F-TOETSEN GESCHIKT OM HIËRARCHISCHE MODELLEN MET ELKAAR TE VERGELIJKEN HIËRARCHISCH: TWEE MODELLEN ZIJN HIËRARCHISCH TE NOEMEN ALS HET ENE MODEL VERKREGEN WORDT UIT HET ANDERE DOOR TOEVOEGING VAN EXTRA X-VARIABELEN

43 43 MODELLEN MET ELKAAR VERGELIJKEN MEERVOUDIG LINEAIR REGRESSIEMODEL F-CHANGE: TOETST SIGNIFICANTIE VAN EXTRA X-VARIABELEN VOORBEELD: DF1:VERSCHIL IN AANTAL TE SCHATTEN REGRESSIEPARAMETERS DF2:AANTAL VRIJHEIDGRADEN VAN MODEL ONDER

44 44 MODELLEN MET ELKAAR VERGELIJKEN MEERVOUDIG LINEAIR REGRESSIEMODEL F-OVERALL:TOETST SIGNIFICANTIE VAN ALLE REGRESSIE- PARAMETERS (UITGEZONDERD DE CONSTANTE) VOORBEELD: DF1:VERSCHIL IN AANTAL TE SCHATTEN REGRESSIEPARAMETERS DF2:AANTAL VRIJHEIDGRADEN VAN MODEL ONDER

45 45 MODELLEN MET ELKAAR VERGELIJKEN MEERVOUDIG LINEAIR REGRESSIEMODEL F-PARTIEEL:TOETST SIGNIFICANTIE VAN ÉÉN EXTRA X-VARIABELEVOORBEELD: NB.F-PARTIEEL IS GELIJK AAN HET KWADRAAT VAN DE PARTIËLE T-TOETS VOOR HET TOETSEN OP SIGNIFICANTIE VAN ÉÉN EXTRA X-VARIABELE

46 46 ANCOVA COVARIANTIEANALYSE GROEPEN MET ELKAAR TE VERGELIJKEN IN AANWEZIGHEID VAN COVARIATEN COVARIAAT EEN ONAFHANKELIJKE VARIABELE IN HET MODEL WAARVAN HET EFFECT NIET INTERESSANT IS VOOR DE ONDERZOEKSVRAAG

47 47 ANCOVA COVARIANTIEANALYSE VOORBEELDVOORBEELD T-TOETS VERSUS LINEAIRE REGRESSIET-TOETS VERSUS LINEAIRE REGRESSIE MODEL MET STORENDE VARIABELEMODEL MET STORENDE VARIABELE WELK MODEL VERDIENT DE VOORKEURWELK MODEL VERDIENT DE VOORKEUR

48 48 VOORBEELD COVARIANTIEANALYSE VERGELIJKEN TUSSEN ROKERS EN NIET ROKERS MET BETREKKING TOT VERANDERING IN POLSSLAG NA EEN LOOPOEFENING POLS GEWICHT ROKER NIET ROKER

49 49 T-TOETS VERSUS LINEAIRE REGRESSIE COVARIANTIEANALYSE TWEE FORMULERINGEN: 1.VERGELIJKEN TUSSEN TWEE ONAFHANKELIJKE STEEKPROEVEN. LEIDT TOT T-TOETS. 2.EFFECT VAN ROKEN OP VERANDERING IN POLSSLAG. LEIDT TOT LINEAIRE REGRESSIE.

50 50 T-TOETS VERSUS LINEAIRE REGRESSIE COVARIANTIEANALYSE Group Statistics SMOKEN Mean Std. Deviation Std. Error SMOKEN Mean Std. Deviation Std. Error no 23 21,347816,1516 3,3678 no 23 21,347816,1516 3,3678POLS yes 12 14,250011,9250 3,4424 yes 12 14,250011,9250 3,4424 ad 1.T-TOETS VOOR ONAFHANKELIJKE STEEKPROEVEN Independent Samples Test t-test for Equality of Means t-test for Equality of Means tdf Sig. (2-tailed)Mean Difference tdf Sig. (2-tailed)Mean Difference Equal variances assumed1,34033,189 7,0978

51 51 T-TOETS VERSUS LINEAIRE REGRESSIE COVARIANTIEANALYSE ad 2.LINEAIRE REGRESSIE POLS ROKEN ROKER NIET ROKER MODEL NIET (CODE 0) WEL (CODE 1) DUS EEN NEGATIEVE HELLING

52 52 T-TOETS VERSUS LINEAIRE REGRESSIE COVARIANTIEANALYSE Unstandardized Coefficients Model BStd. Error tSig. Model BStd. Error tSig. (Constant) 21,348 3,102 6,882,000 (Constant) 21,348 3,102 6,882,000 SMOKE -7,098 5,298 -1,340,189 SMOKE -7,098 5,298 -1,340,189 UITVOER ENKELVOUDIGE REGRESSIEANALYSE DUS MODEL IS Y = 21.4 – 7.1 ROKEN + e = -7.1

53 53 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE LICHAAMSGEWICHT IS POTENTIELE STORENDE VARIABELE ER ZIJN DRIE MOGELIJKHEDEN POLS GEWICHT ROKER NIET ROKER

54 54 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE a. GEWICHT IS GEEN STORENDE VARIABELE POLS ROKEN ROKER NIET ROKER

55 55 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE b. GEWICHT IS EEN COVARIAAT(CONFOUNDER) TWEE EVENWIJDIGE REGRESSIELIJNEN POLS GEWICHT ROKER NIET ROKER

56 56 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE c. ER IS EEN INTERACTIE TUSSEN GEWICHT EN ROKEN TWEE NIET EVENWIJDIGE REGRESSIELIJNEN POLS GEWICHT ROKER NIET ROKER

57 57 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE ad b.ALS GEWICHT EEN COVARIAAT IS, DAN MODEL POLS GEWICHT ZONDER GEWICHT: MET GEWICHT ALS COVARIAAT:

58 58 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE POLS GEWICHT

59 59 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE Unstandardized Coefficients Model BStd. Error tSig. Model BStd. Error tSig. (Constant)69,791 15,299 4,562,000 SMOKE -4,398 4,751 -,926,362 weight in pounds-,325,101-3,218,003 UITVOER REGRESSIEMODEL MET COVARIAAT DUS MODEL IS: Y = 69.2 – 4.4 ROKEN -.3 GEWICHT+e = - 4.4

60 60 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE ad c.ALS ER EEN INTERACTIE IS TUSSEN GEWICHT EN ROKEN, DAN MODEL: POLS GEWICHT MET INTERACTIETERM: R_G

61 61 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE POLS GEWICHT R_G

62 62 MODEL MET STORENDE VARIABELE COVARIANTIEANALYSE Unstandardized Coefficients Model BStd. Error t Sig. (Constant) 83,324 19,855 4,197,000 SMOKE -37,933 31,812 -1,192,242 SMOKE -37,933 31,812 -1,192,242 weight in pounds -,416,132 -3,152,004 R_G,218,205 1,066,295 UITVOER REGRESSIEMODEL MET INTERACTIE DUS MODEL IS: Y = 83.3 – 37.9 ROKEN -.4 GEWICHT +.2 R_G + e

63 63 WELK MODEL VERDIENT DE VOORKEUR COVARIANTIEANALYSE TOETSING VOLGENS DE TOP-DOWN PRINCIPE HET MEEST ALGEMENE MODEL: 1.TOETS OP INTERACTIE ALS DAN GEEN INTERACTIE 2.BIJ EEN NIET SIGNIFICANT RESULTAAT TOETS OP DE COVARIAAT ALS DAN IS GEWICHT GEEN STORENDE VARIABELE

64 64 ANCOVA COVARIANTIEANALYSE Unstandardized Coefficients Model BStd. Error tSig. 1 (Constant)21,348 3,102 6,882,000 SMOKE-7,098 5,298-1,340,189 SMOKE-7,098 5,298-1,340,189 2 (Constant)69,79115,299 4,562,000 SMOKE -4,398 4,751 -,926,362 SMOKE -4,398 4,751 -,926,362 weight in pounds -,325,101 -3,218,003 weight in pounds -,325,101 -3,218,003 3 (Constant)83,32419,855 4,197,000 SMOKE -37,93331,812 -1,192,242 SMOKE -37,93331,812 -1,192,242 weight in pounds -,416,132 -3,152,004 weight in pounds -,416,132 -3,152,004 R_G,218,205 1,066,295 R_G,218,205 1,066,295

65 65 LOGISTISCH REGRESSIEMODEL BEPERKING LINEAIRE REGRESSIEMODELBEPERKING LINEAIRE REGRESSIEMODEL SPECIFICATIE VAN HET MODELSPECIFICATIE VAN HET MODEL VERGELIJKING MET EEN KRUISTABELANALYSEVERGELIJKING MET EEN KRUISTABELANALYSE MODEL MET COVARIAAT/INTERACTIEMODEL MET COVARIAAT/INTERACTIE TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLENTOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN STAPSGEWIJZE LOGISTISCHE REGRESSIESTAPSGEWIJZE LOGISTISCHE REGRESSIE

66 66 LOGISTISCH REGRESSIEMODEL CIJFER STUDIETIJD MODEL: Y IS CONTINU EN X MAG DISCREET ZIJN

67 67 LOGISTISCH REGRESSIEMODEL UITSLAG STUDIETIJD WAT ALS Y DICHOTOOM IS ? 1 0

68 68 LOGISTISCH REGRESSIEMODEL UITSLAG STUDIETIJD BEPAAL HET PERCENTAGE GESLAAGDEN PER STUDIE-TIJDSINTERVAL 1 0

69 69 LOGISTISCH REGRESSIEMODEL UITSLAG STUDIETIJD BEPAAL HET PERCENTAGE GESLAAGDEN PER STUDIE-TIJDSINTERVAL 1 0

70 70 LOGISTISCH REGRESSIEMODEL SLAGINGSPERCENTAGE X = STUDIETIJD 1 0 EEN MODEL DAT IN VEEL GEVALLEN ZO’N S-VORMIG VERBAND GOED BESCHRIJFT IS IN PLAATS VAN NOTEREN WE

71 71 SPECIFICATIE VAN HET MODEL LOGISTISCH REGRESSIEMODEL HET LOGISTISCHE MODEL KAN HERSCHREVEN WORDEN ALS IN PLAATS VAN NOTEREN WE OOK LOGIT(P) OF LN(ODDS)

72 72 SPECIFICATIE VAN HET MODEL LOGISTISCH REGRESSIEMODEL P X = STUDIETIJD 1 0

73 73 SPECIFICATIE VAN HET MODEL LOGISTISCH REGRESSIEMODEL X = STUDIETIJD 1 0

74 74 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL VOORBEELD: EFFECT VAN GESLACHT OP TOELATING TOT DE UNIVERSITEIT BERKELEY. STUDIE 1 AANGENOMEN NIET NIETWEL VROUW VROUW1989 MAN MAN STUDIE 2 AANGENOMEN NIET NIETWEL VROUW VROUW817 MAN MAN STUDIE 3 AANGENOMEN NIET NIETWEL VROUW VROUW MAN MAN205120

75 75 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL IN TERMEN VAN KANSEN SAMENGEVOEGDAANGENOMEN NIET NIETWEL VROUW VROUW MAN MAN VRAAG: HEBBEN MANNEN MEER KANS TOEGELATEN TE WORDEN TOT DE UNIVERSITEIT RELATIEVE SUCCESKANS (IN LITERATUUR: RELATIEF RISICO (RR)) MANNEN WORDEN EERDER TOEGELATEN TOT DE UNIVERSITEIT

76 76 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL IN TERMEN VAN ODDS SAMENGEVOEGDAANGENOMEN NIET NIETWEL VROUW VROUW MAN MAN RELATIEVE ODDS (IN LITERATUUR: ODDSRATIO(OR)) MANNEN WORDEN EERDER TOEGELATEN TOT DE UNIVERSITEIT

77 77 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL HET VERSCHIL TUSSEN RR (=1.34) EN OR (= 1.84) IS EEN VERSCHIL IN SCHALINGHET VERSCHIL TUSSEN RR (=1.34) EN OR (= 1.84) IS EEN VERSCHIL IN SCHALING BELANGRIJK VOOR INTERPRETATIE: ALS RR > (OF (OF (OF (OF <) 1

78 78 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL 1.MODEL SPECIFICEREN EN LET OP DE CODERING VAN DE VARIABELEN 2.SCHAT DE REGRESSIEPARAMETERS MET SPSS 3.BEREKEN DE ODDSRATIO(S) MET BEHULP VAN REKENREGELS DEZELFDE ANALYSE MET LOGISTISCHE REGRESSIE TE VOLGEN STAPPEN:

79 79 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL MODEL: LET OP! WAT GEEFT P AAN 1 ALS MANMODEL: LET OP! WAT GEEFT P AAN 1 ALS MAN HOE IS GESL. GECODEERD. HIER: GESL = 0 ALS VROUWHOE IS GESL. GECODEERD. HIER: GESL = 0 ALS VROUW STAP 1.MODEL SPECIFICEREN EN LET OP DE CODERING VAN DE VARIABELEN

80 80 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL HET GESCHATTE MODEL: MERK OP : ODDS = I.H.B. LN(ODDS(MAN)) = * 1 =.307 LN(ODDS(VROUW))= * 0 = STAP 2. SCHAT DE REGRESSIEPARAMETERS MET SPSS

81 81 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL STAP 3.BEREKEN DE ODDSRATIO(S) MET BEHULP VAN REKENREGELS REKENREGELS: DUS: REGEL 1. = =.612 = =.612 REGEL 2. LN (OR) =.612. DUS OR = EXP (.612) = 1.84 REGEL 2. LN (OR) =.612. DUS OR = EXP (.612) = 1.84

82 82 VERGELIJKING MET EEN KRUISTABELANALYSE LOGISTISCH REGRESSIEMODEL MODEL: = LN (OR), MITS VERSCHIL IN CODES VAN VARIABELE X GELIJK IS AAN 1.MODEL: = LN (OR), MITS VERSCHIL IN CODES VAN VARIABELE X GELIJK IS AAN 1. ALS VERSCHIL IN CODES VAN X GELIJK IS AAN 7 (IN DEZELFDE RICHTING), DAN = * LN (OR)ALS VERSCHIL IN CODES VAN X GELIJK IS AAN 7 (IN DEZELFDE RICHTING), DAN = * LN (OR) VERSCHIL IN CODES VOOR DE Y VARIABELE (MITS IN DEZELFDE RICHTING HEEFT GEEN INVLOED OP DE WAARDEN VAN DE BETASVERSCHIL IN CODES VOOR DE Y VARIABELE (MITS IN DEZELFDE RICHTING HEEFT GEEN INVLOED OP DE WAARDEN VAN DE BETAS ENKELE OPMERKINGEN:

83 83 SPECIFICATIE VAN HET MODEL LOGISTISCH REGRESSIEMODEL X 1 0 DE HELLING IS RECHTEVENREDIG MET DE ODDSRATIO OR

84 84 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL NET ALS BIJ ANCOVA KAN ER SPRAKE ZIJN VAN EEN STORENDE VARIABELE ONTSTAAT BIJVOORBEELD DOORDAT ER STUDIERICHTINGEN ZIJN MET STRENGE EISEN EN OVERWEGEND VROUWEN ER STUDIERICHTINGEN ZIJN MET MINDER STRENGE EISEN EN OVERWEGEND MANNEN

85 85 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL STUDIE 1 AANGENOMEN NIET NIETWEL VROUW VROUW1989 MAN MAN STUDIE 2 AANGENOMEN NIET NIETWEL VROUW VROUW817 MAN MAN STUDIE 3 AANGENOMEN NIET NIETWEL VROUW VROUW MAN MAN STRENGE EISEN EN OVERWEGEND VROUWEN MINDER STRENGE EISEN EN OVERWEGEND MANNEN

86 86 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL GESLACHT 1 0 VROUWMAN STUDIERICHTING 3 STUDIERICHTING 1 GECOMBINEERD DIT FENOMEEN HEET CONFOUNDING (VERGELIJK ANCOVA) IN MODEL STUDIERICHTING OPNEMEN ALS COVARIAAT

87 87 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL GESLACHT 1 0 VROUWMAN STUDIERICHTING 3 STUDIERICHTING 1 GECOMBINEERD DIT FENOMEEN HEET INTERACTIE(VERGELIJK ANCOVA). IN MODEL GESLACHT * STUDIERICHTING OPNEMEN ALS INTERACTIE

88 88 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL GESLACHT 1 0 VROUWMAN STUDIERICHTING 3 STUDIERICHTING 1 GECOMBINEERD NB. INTERACTIE OOK MOGELIJK INDIEN VERDELING MANNEN EN VROUWEN OVER STUDIERICHTINGEN GELIJK

89 89 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL STUDIE 1 AANGENOMEN NIET NIETWEL VROUW VROUW1989 MAN MAN STUDIE 2 AANGENOMEN NIET NIETWEL VROUW VROUW817 MAN MAN STUDIE 3 AANGENOMEN NIET NIETWEL VROUW VROUW MAN MAN205120

90 90 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL VERSCHILLEN TUSSEN ODDSRATIOS KUNNEN TOEGESCHREVEN WORDEN AAN TOEVAL (HIEROVER LATER) EERST CONSEQUENTIE VOOR MODEL EN INTERPRETATIE ALS 1.STUDIERICHTING EEN COVARIAAT IS 2.ER SPRAKE IS VAN INTERACTIE TUSSEN STUDIERICHTING EN GESLACHT

91 91 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL DAAR STUDIERICHTING DISCREET IS, DIENEN WE DUMMY VARIABELEN AAN TE MAKEN 1ALS STUDIERICHTING 2 STUDIE (2) = 0ANDERS 1ALS STUDIERICHTING 3 STUDIE (3) = 0ANDERS STUDIERICHTING 1 FUNGEERT ALS REFERENTIEGROEP

92 92 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL ad1. STUDIERICHTING IS EEN COVARIAAT LN (ODDS) GESLACHT VROUW MAN GECOMBINEERD ALLE REGRESSIELIJNEN ZIJN EVENWIJDIG AAN ELKAAR. DUS MAAR ONGELIJK AAN MODEL IS:

93 93 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL UITVOER LOGISTICH REGRESSIEMODEL MET COVARIAAT Variables in the Equation -,197,1172,8291,093, ,2462,000 -,037,110,1101,740,964 -1,315,117126,9611,000,268,768,12537,9301,0002,156 GESLACHT STUDIE STUDIE(2) STUDIE(3) Constant BS.E.WalddfSig.Exp(B) DUS MODEL IS GESCHAT DOOR: LN (ODDS) = GESLACHT STUDIE (2) – STUDIE (3) EN = EXP (-.197) =.821 NB! DENK AAN STAPPENPLAN

94 94 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL ad2.ER IS INTERACTIE TUSSEN STUDIERICHTING EN GESLACHT LN (ODDS) GESLACHT VROUW MAN GECOMBINEERD REGRESSIELIJNEN ZIJN NIET EVENWIJDIG. DUS ER GELDT NIET = MODEL IS: STUDIE 1 STUDIE 2 STUDIE 3

95 95 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL UITVOER LOGISTISCH REGRESSIEMODEL MET INTERACTIE Variables in the Equation -1,052,26316,0361,000,349 75,4302,000 -,790,4982,5221,112,454 -2,205,26768,0941,000,110 15,4622,000,832,5102,6571,1032,298 1,177,30015,4361,0003,244 1,544,25337,3331,0004,684 GESLACHT STUDIE STUDIE(2) STUDIE(3) GESLACHT * STUDIE GESLACHT by STUDIE(2) GESLACHT by STUDIE(3) Constant Step 1 a BS.E.WalddfSig.Exp(B). DUS MODEL IS GESCHAT DOOR: LN (ODDS) = GESLACHT -.79 STUDIE (2) STUDIE (3) GESLACHT * STUDIE (2) GESLACHT * STUDIE (3) GESLACHT * STUDIE (2) GESLACHT * STUDIE (3)

96 96 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL LN (ODDS) = GESLACHT -.79 STUDIE (2) STUDIE (3) GESLACHT * STUDIE (2) GESLACHT * STUDIE (3) GESLACHT * STUDIE (2) GESLACHT * STUDIE (3) OR VOOR STUDIERICHTING 1: LN(ODDS{M,ST1}) = LN(ODDS{V,ST1})= OR VOOR STUDIERICHTING 2: LN(ODDS{M,ST2}) = LN(ODDS{V,ST2}) = OP DEZELFDE MANIER

97 97 MODEL MET COVARIAAT/INTERACTIE LOGISTISCH REGRESSIEMODEL ENKELE OPMERKINGEN: OR OP BASIS VAN MODEL IS OOK OP BASIS VAN EEN 2X2 TABEL TE BEREKENEN DE STUDIE-SPECIFIEKE OR’S OP BASIS VAN MODEL IS OOK OP BASIS VAN EEN 2X2X2 TABEL TE BEREKENEN DE VOOR STUDIERICHTING GECORRIGEERDE OR OP BASIS VAN MODEL IS NIET EENVOUDIG UIT EEN 2X2X2 TABEL TE BEREKENEN

98 98 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL DRIE MODELLEN

99 99 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL

100 100 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL Block 0: Beginning Block MODEL IS

101 101 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL Block 1: Method = Enter MODEL

102 102 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL Block 2: Method = Enter MODEL Variables in the Equation -,197,1172,8291,093, ,2462,000 -,037,110 1,740,964 -1,315,117126,9611,000,268,768,12537,9301,0002,156 GESLACHT STUDIE STUDIE(2) STUDIE(3) Constant Step 1 a BS.E.WalddfSig.Exp(B) Variable(s) entered on step 1: GESLACHT, STUDIE. a. -2LL = – =

103 103 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL Block 3: Method = Enter MODEL -2LL = – = STEP = DF = 2P-WAARDE =.0002

104 104 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL WELK MODEL: OP GROND VAN TOP-DOWN PROCEDURE KEUZE MODEL MET INTERACTIE DUS INTERPRETEREN DE STUDIE-SPECIFIEKE ODDSRATIOS

105 105 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL LN (ODDS) = GESLACHT -.79 STUDIE (2) STUDIE (3) GESLACHT * STUDIE (2) GESLACHT * STUDIE (3) GESLACHT * STUDIE (2) GESLACHT * STUDIE (3) OR VOOR STUDIERICHTING 1: LN(ODDS{M,ST1} = LN(ODDS{V,ST1} = OR VOOR STUDIERICHTING 2: LN(ODDS{M,ST2} = LN(ODDS{V,ST2} = OP DEZELFDE MANIER

106 106 TOETSEN VOOR HET VERGELIJKEN TUSSEN MODELLEN LOGISTISCH REGRESSIEMODEL ER IS INTERACTIE TUSSEN STUDIERICHTING EN GESLACHT LN (ODDS) GESLACHT VROUW MAN STUDIE 1 STUDIE 2 STUDIE 3 CONCLUSIE


Download ppt "1 REGRESSIEMETHODEN ENKELVOUDIG LINEAIR REGRESSIEMODELENKELVOUDIG LINEAIR REGRESSIEMODEL MEERVOUDIG LINEAIR REGRESSIEMODEL (MET DUMMY VARIABELEN)MEERVOUDIG."

Verwante presentaties


Ads door Google