Wat is multipele regressie en hoe werkt het? - Tentamens 11

Vragen

Vraag 1

Wat is het verschil tussen de pearson correlatie en de multipele correlatie R?

Vraag 2

Voor twee modellen berekenen we de adjusted R2 : Model 1 heeft een adjusted R2 van 0.788 en model 2 van 0.793. Welke model is het betere model op basis van deze waarden?

Vraag 3

In een model zijn twee partiële correlaties gevonden tot de afhankelijke variabele: rx1y= 0.6, rx2y=0.4. De verklaarde variantie is 60%. Hoeveel variantie wordt verklaard door beide variabelen?

Vraag 4

Gegeven is de volgende SPSS tabel:

Wat is de gestandaardiseerde vergelijking?

Vraag 5

Wat is de betekenis van B in de tabel bij de vorige vraag?

Vraag 6

Welke uitspraak over het evalueren van individuele voorspellers is juist?

1. Het evalueren van individuele voorspellers is handig wanneer het model niet beter dan kansniveau voorspelt.
2. Om te evalueren kunnen zowel b-gewichten als bèta-gewichten worden gebruikt.
3. Bèta-gewichten kunnen beïnvloed worden door de variabiliteit van een variabele, extra voorspellers en meetfouten.
4. Het evalueren van bèta-gewichten en structuurcoëfficiënten kan vaak al voldoende zijn.

Vraag 7

Wat zijn de assumpties voor multipele regressie?

Vraag 8

In een regressie analyse bij data van 150 personen is het regressiegewicht van X2 niet significant, maar de correlatie is toch hoog: 0.6. Verdere gegevens: correlatie X1 en Y = 0.8, correlatie X1 en X2 = 0.8. Wat kan hiervoor de verklaring zijn?

1. Er is sprake van een interactie-effect tussen X1 en X2
2. De data zal waarschijnlijk non-lineair zijn.
3. X1 heeft geen unieke bijdrage.
4. X2 heeft geen unieke bijdrage.

Vraag 9

Welke uitspraak over (semi)-partiële correlaties is juist?

1. De partiële correlaties geven percentages van de unieke verklaarde variantie van de variabele.
2. De gekwadrateerde semi-partiële correlatie van X1 wordt berekend door de unieke verklaarde variantie te delen door de totale variantie van de afhankelijke variabele (zowel verklaard als onverklaard).
3. De gekwadrateerde partiële correlatie van X1 geeft het percentage variantie dat voor een deel de afhankelijke variabele verklaart.
4. De gekwadrateerde multipele correlatie (R2) is gelijk aan de unieke verklaarde varianties opgeteld.

Vraag 10

Wat is multicollineariteit?

Vraag 11

Multicollinariteit zorgt voor een hogere/lagere R2 waarde en is wel/niet goed wanneer men de interactie tussen variabelen wil begrijpen.

1. hogere, wel
2. hogere, niet
3. lagere, wel
4. lagere, niet

Vraag 12

Hoe kun je multicollineariteit testen?

Vraag 13

Wanneer is er sprake van moderatie?

Vraag 14

Welke vraag kun je niet met multipele regressie beantwoorden?

1. Je wilt weten wat de invloed is van leeftijd, EQ en sociaal-economische status op alcoholgebruik.

2. Je wilt weten of de relatie tussen geslacht en carrièresucces significant blijft als je corrigeert voor opleidingsniveau.

3. Je wilt weten of er een verschil is in acceptatie van het homohuwelijk tussen verschillende culturele groepen.

Vraag 15

Hoe interpreteer je R2 in een multipele regressieanalyse?

Vraag 16

Welke analyse gebruik je als er sprake is van interactie tussen verschillende verklarende variabelen?

1. Pearsons correlatie

2. Partiële correlatie

3. Cross-products

4. Biseriële correlatie

Vraag 17

Met welk type correlatie kun je controleren voor extra variabelen?

1. Partiële correlatie

2. Bivariate correlatie

3. Multipele correlatie

4. biseriële correlatie

Antwoordindicatie

Vraag 1

De multipele correlatie heeft altijd een waarde tussen de 0 en 1 en kan dus niet negatief zijn. De pearson correlatie kan van -1 tot 1 lopen.

Vraag 2

Model 2, want die heeft een hogere R2, wat wijst om meer verklaarde variantie. Adjusted R2 is de multiple R2 plus een “straf” voor de complexiteit van het model. We zoeken modellen die het beste de data verklaren met het minst aantal verklarende variabele (simpleste model) en dat is wat de adjusted Rˆ2 doet; deze maat heeft een voorkeur voor eenvoudigere modellen. We kiezen hier dus voor model 2 omdat de grotere adjusted Rˆ2 een betere balance representeert tussen de grootte van de variantie van de rest-term en de complexiteit van het model. Extra: De adjusted Rˆ2 wordt gegeven door. AdjustedR2 =1− RSS/(n−d−1) TSS/(n−1) Met RSS de residual sum of squares en TSS de total sum of squares (sum of squares van de response variabele) Als het aantal verklarende variabele d toeneemt wordt de breuk groter en de Adjusted R2 kleiner, d is dus de straf die wordt opgelegd voor meer complexe modellen.

Vraag 3

8 procent

Vraag 4

Y= 0.673*X1 – 0.380*X2

Vraag 5

Als X1 met 1 toeneemt, zal Y met 7.890 toenemen.

Vraag 6

C

Vraag 7

1. De afhankelijke variabele moet van interval niveau zijn
2. Er is een lineaire relatie tussen de voorspellers en de afhankelijke variabele.
3. De residuen hebben (a) een normale distributie, (b) dezelfde variantie voor alle waarden van de lineaire combinaties van voorspellers en (c) zijn onafhankelijk van elkaar.

Vraag 8

D

Vraag 9

B

Vraag 10

Dat houdt in dat twee voorspellende variabelen sterk met elkaar correleren en dus grotendeels hetzelfde meten. Op deze manieren voegen de variabelen minder verklaarde variantie toe.

Vraag 11

B

Vraag 12

Om multicollineariteit te testen gebruik je de lineaire regressieanalyse.

Vraag 13

Als een derde variabele de relatie tussen de afhankelijke en onafhankelijke variabele verandert.

Vraag 14

C

Vraag 15

R2 geeft aan hoeveel de verklaarde variantie toeneemt als gevolg van een toegevoegde variabele. Hoe groter R2 is, hoe beter de verklarende variabelen y voorspellen.

Vraag 16

C

Vraag 17

A