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!

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.

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).

Je leest/interpreteert 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.

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.

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.

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.

Kom je er niet uit met de enkelvoudige regressie? Check dan onze online spoedbegeleiding of wat we nog meer voor je kunnen betekenen!