Voorbeeld Enkelvoudige Regressie Analyse

Voorbeeld Enkelvoudige Regressie Analyse

Hypothese (enkelvoudige) regressie analyse

De regressie analyse onderzoekt of er een causaal verband (invloed) is van een schaal op een andere schaal. In dit voorbeeld willen we weten wat de invloed van het IQ is op het cijfer voor wiskunde.

H0 (nul hypothese):
Er is geen (of een negatief) verband tussen het IQ en het wiskunde cijfer.

HA (alternatieve hypothese)
Er is een positief verband tussen het IQ en het wiskunde cijfer.

LET OP!!! We geven nu dus WEL richting aan de hypothese dus toetsen één-zijdig omdat onze alternatieve hypothese stelt dat het een positief verband betreft (en dus geen negatief). In dit voorbeeld gebruiken we nog steeds de 95% (standaard) zekerheid om te zeggen dat we de nul hypothese moeten verwerpen en de alternatieve hypothese aannemen. Als iets twee-zijdig significant is, is deze éénzijdig ook significant!

Output tabellen van de enkelvoudige regressie analyse

De eerste tabel geeft aan welke variabelen je hebt meegenomen. In je model zit de variabele IQ en je dependent variabele (onder de tabel) is het wiskunde cijfer. Verder doe je niks met deze tabel.

regressie1

Model Summary Enkelvoudige Regressie​

De model summary geeft je een samenvatting van het effect/invloed van je complete model (dus alle onafhankelijke variabelen samen) op de onafhankelijke variabele (in dit voorbeeld hebben we maar één onafhankelijke variabele namelijk IQ dus is het niet echt een samenvatting maar indien je dus meerdere variabelen meeneemt krijg je dus een overzicht van alle variabelen samen).

enkelvoudige regressie 1

Je leest deze tabel zo :
Het model correleert met .225 (onder R) met de afhankelijke variabele (wiskunde cijfer).
Het model verklaart 5,1% (051 onder R Square) van het wiskunde cijfer.
Het verschil tussen R square en Adjusted R square ga ik hier niet uitgebreid bespreken maar ze zeggen ongeveer hetzelfde alleen is de adjusted strenger. Over het algemeen rapporteer je alleen de verklaarde variantie.

​ANOVA Tabel Enkelvoudige Regressie

De volgende tabel is de ANOVA. Deze geeft aan of het model significant is. Als het model niet significant is, is het geen toevoeging ten opzichte van als er geen model zou zijn (je kan in dat geval net zo goed geen model hebben). Hier is het model wel significant want de waarde onder sig is kleiner dan .05 dus we zijn met meer dan 95% zeker dat het model “iets” verklaart.

anova tabel enkelvoudige regressie

Coefficiententabel Enkelvoudige Regressie

De laatste tabel geeft de invloed per onafhankelijke variabele weer. In dit voorbeeld is IQ onze enige onafhankelijke variabele. De invloed is positief (anders had er een min voor de B, Beta en t gestaan en significant want onder sig staat de waarde .016 en dus kleiner dan .05. We zijn dus met meer dan 95% (zelfs met meer dan 98,3% zeker en dus sowieso meer dan 95%) zeker dat hier sprake is van een positief effect van IQ op de attitude. We verwerpen dus de H0 en nemen de HA aan.


regressie4

H0 (nul hypothese):
Er is geen (of een negatief) verband tussen het IQ en het wiskunde cijfer.

HA (alternatieve hypothese)
Er is een positief verband tussen het IQ en het wiskunde cijfer.

Op zoek naar filmpjes waar alle testen worden voorgedaan en verder worden uitgelegd? Download dan binnenkort de SPSSWizard (coming soon!)

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

Enter your text here...

 

Click Here to Leave a Comment Below

Leave a Comment: