Skip to main content

Welkom bij Erasmus MC & Bohn Stafleu van Loghum

Erasmus MC heeft ervoor gezorgd dat je Mijn BSL eenvoudig en snel kunt raadplegen. Je kunt je links eenvoudig registreren. Met deze gegevens kun je thuis, of waar ook ter wereld toegang krijgen tot Mijn BSL.

Registreer

Om ook buiten de locaties van Erasmus MC, thuis bijvoorbeeld, van Mijn BSL gebruik te kunnen maken, moet je jezelf eenmalig registreren. Dit kan alleen vanaf een computer op een van de locaties van Erasmus MC.

Eenmaal geregistreerd kun je thuis of waar ook ter wereld onbeperkt toegang krijgen tot Mijn BSL.

Login

Als u al geregistreerd bent, hoeft u alleen maar in te loggen om onbeperkt toegang te krijgen tot Mijn BSL.

Top

2009 | Boek

Voortgezette regressie- en variantieanalyse

Auteurs: Frans W. Siero, Mark Huisman, Henk A.L. Kiers

Uitgeverij: Bohn Stafleu van Loghum

insite
ZOEKEN

Over dit boek

In dit boek richten de auteurs zich op het verantwoord gebruik van regressie- en variantieanalyse technieken in gedragswetenschappelijk onderzoek. De nadruk ligt op de basiskenmerken van de technieken en de toepassing ervan in fundamenteel en toegepast onderzoek.De auteurs richten zich op studenten in studierichtingen met een gedrags­wetenschappelijke oriëntatie (psychologie, sociologie, pedagogische wetenschappen, bedrijfskunde, economie). Het boek veronderstelt voorkennis op het niveau van de basiscursussen statistiek. De nadruk ligt op het begrijpen van het statistische analysemodel en het gebruik daarvan bij de beantwoording van onderzoeksvragen. Daarbij is gestreefd naar toegankelijkheid voor een breed publiek van studenten en is mathematische diepgang zoveel mogelijk vermeden.Voor elk onderwerp zijn oefenvragen beschikbaar waarvan de uitwerking beschikbaar is op een bijgevoegde CD. Ook is voor alle voorbeelden de SPSS-uitvoer integraal opgenomen.

Inhoudsopgave

Voorwerk
1. Samenhang tussen variabelen
Analysetechnieken zoals multipele regressie en variantieanalyse richten zich vaak op samenhang tussen meer dan twee variabelen. Voor een correcte evaluatie en interpretatie van deze complexe uitkomsten is inzicht in de eenop- een-relaties tussen variabelen onontbeerlijk. Bepaalde variabelen zouden bijvoorbeeld bijna hetzelfde kunnen meten en daarom beter vervangen kunnen worden door een van beide variabelen of door een combinatie van beide variabelen (multicollineariteit: zie hoofdstuk 2, Multipele regressieanalyse). Inspectie van relaties tussen paren van variabelen zou aan het licht kunnen brengen dat de relatie niet rechtlijnig maar kromlijnig is, wat in strijd is met de veronderstelde rechtlijnigheid van relaties binnen bepaalde analysetechnieken (zie hoofdstuk 3, Assumpties en generalisatie). In dit eerste hoofdstuk starten we daarom met onderwerpen die van nut zijn bij het onderzoeken van relaties tussen twee variabelen, zoals spreidingsdiagrammen, enkelvoudige regressie en correlatie.
Frans W. Siero, Mark Huisman, Henk A.L. Kiers
2. Multipele regressie
Multipele regressie is, zoals bovenstaande voorbeelden illustreren, een techniek waarmee de relatie tussen onafhankelijke variabelen en een afhankelijke variabele kan worden onderzocht. De onafhankelijke variabelen worden ook wel voorspellende of verklarende variabelen genoemd, de afhankelijke variabele ook wel respons-, criterium- of effectvariabele. Multipele regressie zoekt naar een model waarin de afhankelijke variabele zo goed mogelijk kan worden voorspeld (verklaard) uit de onafhankelijke variabelen. Daartoe wordt een regressievergelijking geconstrueerd waarin de voorspellende variabelen lineair gecombineerd worden:\( hat Y = b_0 + b_1 X_1 + b_2 X_2 + \ldots + b_k X_k .\)
Frans W. Siero, Mark Huisman, Henk A.L. Kiers
3. Assumpties en generalisatie
Elke statistische analysetechniek is gebaseerd op een aantal aannames. Om gerechtvaardigde conclusies te kunnen trekken uit de resultaten van een analyse over de populatie waaruit de steekproef getrokken is, is het nodig dat aan deze aannames voldaan is. De belangrijkste assumpties in regressieanalyse zijn:
  • De steekproef bestaat uit onafhankelijke waarnemingen.
  • Er is sprake van een lineair model, dat wil zeggen dat er een lineair verband is tussen de afhankelijke en de onafhankelijke variabelen.
  • De variantie van de residuen is gelijk voor alle mogelijke waarden van de onafhankelijke variabelen (constante variantie of homoscedasticiteit).
  • De residuen zijn normaal verdeeld.
Frans W. Siero, Mark Huisman, Henk A.L. Kiers
4. Logistische regressie
In regressieanalyse wordt verondersteld dat zowel de afhankelijke variabele (responsvariabele) als de onafhankelijke variabelen (verklarende variabelen) continue variabelen zijn. In empirisch onderzoek komt het echter vaak voor dat variabelen categorisch zijn. Deze variabelen plaatsen individuen in een bepaalde groep of categorie in plaats van dat de individuen gescoord worden op een continue schaal. De vraag rijst nu of deze categorische variabelen ook in een regressieanalyse gebruikt mogen worden. Het antwoord op deze vraag is afhankelijk van twee dingen: 1) gaat het om categorische afhankelijke of categorische onafhankelijke variabelen (of beide), en 2) om welk type categorische variabele gaat het? We beginnen met het laatste punt.
Frans W. Siero, Mark Huisman, Henk A.L. Kiers
5. Variantieanalyse
Bovenstaande tekst is een bewerking van een samenvatting in een artikel van Wegener, Petty en Klein (1994). Zij plaatsten personen in verschillende stemmingcondities en onderzochten vervolgens of men, afhankelijk van de conditie waarin men zat, verschillend reageerde. De analysetechniek die in dit hoofdstuk centraal staat, variantieanalyse (ANOVA), is gericht op het analyseren van dit type gegevens. De vraag is dan of verschillen tussen gemiddelden binnen bepaalde condities kunnen worden teruggevoerd op de achterliggende onafhankelijke variabele(n), vaak factor(en) genoemd, waarvan die condities operationalisaties zijn.
Frans W. Siero, Mark Huisman, Henk A.L. Kiers
6. Analyse van moderatoreffecten18
Bovenstaande samenvatting is een voorbeeld van een toepassing van een moderatoranalyse. Stacy e.a. (1992) onderzochten of het rookgedrag van highschoolleerlingen bepaald werd door sociale normen en rookgedrag van medeleerlingen. Zij vroegen zich onder meer af of leerlingen minder ontvankelijk waren voor sociale druk vanuitmedeleerlingen en dusminder vaak of niet rookten als zij in staat waren tot zelfsturing (self-efficacy) dan wanneer zij daartoe in mindere mate in staat waren. Zij concludeerden dat ‘ … efficacy judgments significantly moderated the predictive effects of social influence on smoking tendencies’. Met andere woorden, er was een sterkere relatie tussen sociale invloed van medeleerlingen en rookgedrag naarmate de leerling zijn vaardigheid om niet te roken lager inschatte. Zo’n kwantitatieve variabele die de relatie beïnvloedt tussen twee andere variabelen heet een moderatorvariabele. Figuur 6.1 geeft een schematische weergave van deze complexe relatie.
Frans W. Siero, Mark Huisman, Henk A.L. Kiers
7. Herhaalde metingen
Als er per persoon meerdere metingen van een afhankelijke variabele beschikbaar zijn, spreken we van een design met herhaalde metingen (binnengroependesign of within-subjects design). De herhaalde metingen kunnen verschillen in het tijdstip van afname maar er kan ook sprake zijn van verschillende omstandigheden (condities) waaronder de metingen zijn verkregen. Bovenstaand abstract is daarvan een voorbeeld. Martin en Siddle (2003) onderzochten het effect van alcohol en temazepam op de reactietijd en op de amplitude en latentie van de P300-component (indices afgeleid uit EEG-metingen) in een opzet waarin personen aan vier condities onderworpen werden: een placeboconditie, een alcoholconditie, een temazepamconditie en een conditie waarin beide werden toegepast. Door de verschillen tussen de vier gemiddelde scores systematisch te vergelijken, kunnen conclusies worden getrokken over de (gecombineerde) effecten van de beide drugs. Dit type design komt veelvuldig voor binnen de ontwikkelingspsychologie, klinische psychologie en experimentele psychologie. Een groot voordeel van dergelijke designsmet herhaaldemetingen is de efficiënte inzet van personen. Door het gebruik van herhaalde metingen kan het aantal benodigde personen drastisch worden teruggebracht. Op een ander belangrijk voordeel, reductie van residuvariantie, komen we uitgebreid terug. Het gebruik van herhaalde metingen kan echter ook nadelen met zich meebrengen zoals vermoeidheid, leereffecten en complicaties vanwege volgorde-effecten (effect van condities afhankelijk van de volgorde waarin condities zijn afgenomen). Binnen een design waarin iedere persoon in een van de condities zit (tussengroependesign), treden deze beperkingen niet op.
Frans W. Siero, Mark Huisman, Henk A.L. Kiers
Nawerk
Meer informatie
Titel
Voortgezette regressie- en variantieanalyse
Auteurs
Frans W. Siero
Mark Huisman
Henk A.L. Kiers
Copyright
2009
Uitgeverij
Bohn Stafleu van Loghum
Elektronisch ISBN
978-90-313-7359-8
Print ISBN
978-90-313-6151-9
DOI
https://doi.org/10.1007/978-90-313-7359-8