Multiple Regressie Analyse

Hoe werkt een 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.

Martin van Leerdam

Geschreven door:

Martin van Leerdam




Meer weten over wat wij voor je kunnen betekenen? Klik hier




Waar loop jij vast met SPSS? Klik hier

Zet de volgende stap in jouw scriptie

Zet de volgende stap met SPSS!

Kom je er niet uit of zit je gewoon vast? Wij helpen je weer vooruit!
Stop met twijfelen, zet die volgende stap door het formulier in te vullen!

Hoe kan SPSSHandboek jou helpen?

Wij helpen je graag met de t-test uitvoeren en interpreteren! Wil je gewoon met iemand samen eraan zitten die uitlegt hoe het werkt?

Check onze SPSS begeleiding! Heb je een SPSS opdracht gemaakt of je data van je scriptie geanalyseerd maar ben je er niet zeker van en wil je graag feedback? Check dan onze feedback mogelijkheden! Je kan natuurlijk ook eerst kijken wat de ervaringen zijn van eerdere studenten die door ons zijn geholpen bij het afstuderen. Lees hier de reviews! Wil je weten hoe wij te werk gaan? Check dan onze werkwijze.



WhatsApp met ons!

Heb jij een vraag over de begeleiding? Stuur ons nu een bericht!


Contact
Bobby Lee Houtkoop
Kurt Kreulen
Stijn Loeber
Maudy Verplancke
Sarah Vreijling
Martin van Leerdam
Caitlin Utama
Vera Oosterveen

Wij staan voor je klaar! Vul vrijblijvend ons contactformulier in!

Binnen 24 uur contact

  • Amsterdam
  • Maassluistraat 2
  • 1062 GD Amsterdam
  • Den Haag
  • Johanna Westerdijkplein 75
  • 2521 EN Den Haag
  • Utrecht
  • Arthur van Schendelstraat 650
  • 3511 MJ Utrecht