De Multiple Regressie Analyse, Hoe Het Werkt

multiple regressie analyse

Wat is een multiple regressie analyse?

De multiple regressie analyse kijkt of er, op basis van de correlatie van meerdere onafhankelijke variabelen met de afhankelijke variabelen , een (voorspellend) verband is en kan worden gebruikt om een hypothese te toetsen. De multiple regressie analyse maakt gebruik van continue data maar kan daarnaast ook één of meerdere categorische variabelen (dummy variabelen) meenemen als onafhankelijke variabele . 

Wanneer gebruik je de multiple regressie analyse?

Je gebruikt de multiple regressie om te toetsen of meerdere onafhankelijke variabelen invloed hebben op een afhankelijke variabele en of dit een positief of een negatief effect is. Ook is het mogelijk om interactie-effecten te toetsen. 

Bekijk hier een output interpretatie voorbeeld van een enkelvoudige regressie. De interpretatie is grofweg hetzelfde. We zullen binnenkort een artikel schrijven met ook output voorbeelden van de multiple regressie. ​

Voorbeeld van een multiple regressie analyse.

Je wilt onderzoeken of intelligentie (onafhankelijk) en het aantal studie-uren (onafhankelijk) invloed hebben op het tentamencijfer (afhankelijk). Je toetst dan bijvoorbeeld de hypothese: Hoe hoger de intelligentie en hoe meer studie-uren hoe hoger het tentamencijfer (of intelligentie en studie-uren hebben een positieve invloed op het tentamencijfer). Daarnaast kun je nog het interactie-effect tussen intelligentie en studie-uren toetsen door beiden te standaardiseren (!) en met elkaar te vermenigvuldigen en gebruiken als nieuwe variabele.

Waar moet je mee oppassen bij de multiple regressie analyse?

De multiple regressie analyse is een statistisch sterke toets waaruit je conclusies mag trekken. Hoe meer onafhankelijke variabelen je gebruikt des te meer respondenten je nodig hebt. De norm is N = 50 + 8m waarin m het aantal onafhankelijke variabelen is. Zelf vind ik dat nog redelijk mager maar het geeft je wel een idee. Ook moet je checken of er geen Multicorrelariteit is tussen de (onafhankelijke) variabelen. Mochten de onafhankelijke meer dan .8 met elkaar correleren dan is het lastig voor SPSS om te onderscheiden welke van de onafhankelijke variabelen precies de invloed uitoefent op de afhankelijke variabele. Het opnemen van categorische data kan door gebruik te maken van dummy variabelen. Houdt er rekening mee dat je dan gebruik maakt van een referentiegroep. Let er wederom op dat de afhankelijke variabele continue of ordinaal is.

Contactformulier

Vul nu in, dan nemen we zo snel mogelijk (gemiddeld 1-2 uur, max 24 uur) contact met je op via de telefoon of mail om opties te bespreken.
  • Beschrijf hier kort waar je mee vastloopt

 

Click Here to Leave a Comment Below

Leave a Comment: