SPSS instructies video samenvatting Statistiek II:

Scatterplot en regressielijn

Scatterplot maken (simpel): 

• Beide interval ratio, geen missing values!

• x-as onafhankelijk, y-as afhankelijjk

• Graphs > Chartbuilder > Scatter > simple scatter >  linear fit lines total > OK

• Chart editor > fit line at total 

Scatterplot maken (lastig)

• Beide interval ratio, geen missing values!

• x-as onafhankelijk, y-as afhankelijjk

• Graphs > Chartbuilder > Scatter > simple scatter > Paste > (rij ELEMENT point.jitter( > Run (vanaf GGRAPH) 

• Chart editor > fit line at total 

Bivariate en multivariate regressie

Bivariate regressie analyse maken 

• Beide interval ratio

• Analyze > regression >  linear > Dependent en independent > ok

• Coefficients unstandardized B voor de constante en de richtingscoëfficient 

Multivariate regressie analyse maken

• Beide interval ratio

• Analyze > regression >  linear > Dependent en 2x independent > ok

Multivariate regressie hiërarchische methode gebruiken

• Analyze > regression >  linear > independent > next > independent > r square change (geeft weer of het model in blok twee significant beter is dan het model in blok 1) > OK  

•  Significantie van de R squared change  laat zien of model 1 beter is dan geen independent variables en of model 2 beter is dan model 1. 

• Anovatest: laat zien dat beide modellen dezelfde N gebruikt 

• Coëfficiënts:  constanten en coëfficienten voor model 1 en 2 los, laat zien dat beide een significante waarde hebben 

•  excluded variable: laat zien welke waarde niet is toegevoegd aan model 1

Dummy-variabelen in een regressieanalyse

Voor nominale waarden in een regressietabel moet er een dummyvariabele worden gemaakt 

• transform > recode into different variable > verander naam in voorspelling van de nieuwe variabele > Change > old and new values > 1 wordt 0, 2 wordt 1, MISSING-SYSMIS

• Analyze > regression >  linear > independent=dummy > ok

• Coefficients: constante laat de gemiddelde waarde op de variabele zien, female coefficient laat zien hoe meer/minder op de variabele wordt gekeken (Let op sig) 

Bij meerdere dummies 

• Transform > create dummy’s > create dummy variables for > Rootname > OK > SPSS heeft nu voor elke categorie een dummy heeft gemaakt, bij een regressie analyse neem je alle dummy’s -1 op. De overige is de referentiecategorie. 

Regressieanalyse met meerdere dummy’s 

• Analyze > regression >  linear > dummy’s-1 in independent > ok

• Constante: gemiddelde score 

• MISSINGS altijd eerst aangeven voor het creëren van dummys! Anders worden deze bij een regressieanalyse gezien worden als onderdeel van de constante. 

Interactie in de lineaire regressie

• Eerst regressie uitvoeren 

• Interactie-effect toevoegen 

• Transform > compute > vermenigvuldigen van 2 independent waarden.

• Interpretatie:b1 geeft zijn effect op de dependent waarde, de b2 zijn effect.  Om het totale effect van een coëfficient te vinden op 2 waarden (Bijvoorbeeld op een bepaalde locatie, of een bepaald regime) moeten b1 en b3 worden opgeteld. Dan heb je het totale effect van b1 op de onafhankelijke variabele waar b3 geldt. 

Assumpties van de lineaire regressie testen

Bij meerdere onafhankelijke waarden 

• Onafhankelijke errors: durbin watson test: regressiescherm > statistics > durbin-watson > OK > model summary > 2 = geen probleem

• Multicollineariteit: regressiescherm > statistics > Collinearity diagnostics > OK > Tolerance en VIF > VIF moet lager zijn dan 5.

• Non-lineariteit:  regressiescherm > plots > Y=zresid X=ZPRED > produce all partial plots > continue > OK > scatterplots > kijk of er nonlineaire patronen zichtbaar zijn 

• Heteroskedasticiteit: regressiescherm > plots > Y=zresid X=ZPRED > produce all partial plots > continue > OK > scatterplots > is er minder variantie bij de getallen verder van 0? > oplossen door variabele te veranderen in het natuurlijk logaritme. 

• Transform > compute variable > LN(VARIABELE) > OK > voeg toe aan de regressieanalyse

• non-Normaliteit van de errors: normal probability plot 

    -    regressiescherm > plots > Y=zresid X=ZPRED > Normal probability plot > OK > liggen de errors op de diagonale lijn? 

• Outliers & influential cases:  regressiescherm > statistics > casewise diagnostics > outlier outside > 2 standard deviations > Continue 

  • Save > unstandardized, adjusted, Distances, residuals, influence statistics > Continue > OK

  • Casewise diagnostics > laat de casussen zien die boven 2 komen 

  • residual statistics > samenvatting van elke waarde met min,max en mean. 

  • Om dit te controleren moet de case worden weggefilterd. 

  • Data > select cases > if condition is satisfied > (ZRE_1 < 2 & ZRE_1 > -2) > continue > filter out unselected cases > OK 

  • Opnieuw de regressieanalyse doen en vergelijken of deze afwijkt van de vorige analyse. 

Logistische regressie uitvoeren in SPSS 

• Hebben meerdere variabelen effect op één afhankelijke variabele

• Voor logistische regressie variabelen aanpassen naar 2 antwoord opties (ja of nee, man of vrouw), anderen naar interval ratio

• Voor dummy van afhankelijke waarde: Transform > recode into different variable > 1 - 1, 2 - 0, Else - missing

• Analyze > regression > binary logistic > dummy naar dependent, rest naar independent

• Block 0 = zonder onafhankelijke variabelen

• Block 1 = met onafhankelijke variabelen. Variables in the equation geeft de coëfficiënten weer, EXP(B)>1 en positieve richtingscoëfficiënt > positief verband  > let op significantie!

Logistische regressie: hiërarchische methode uitvoeren in SPSS

• Analyze > regression > binary logistic > dummy naar dependent, onafhankelijke variabelen in blokken > OK

• Block 1: Omnibus test of model coëfficients: is model 1 beter dan model 0? > zie aan chikwadraat positief getal  

• Block 2:  Omnibus test of model coëfficients: is model 1 beter dan model 0? > zie aan chikwadraat positief getal. Model vergelijkt block 2 met block 0. 

Logistische regressie met interactie toevoegen

• transform > compute variable > b1 x b2 > toevoegen aan regressieanalyse 

• Interpretatie: omdat de dummy bestaat aan 1x 0 en 1x1 zit er een verschil in omdat het interactie effect wordt bijgerekend wanneer de 1x0 wordt gebruikt. 

Logistische regressie: assumpties testen 

• multicollineariteit: voer de analyse uit als lineair > statistics > collinearity diagnostics > continue > OK > kijk naar Tolerance en VIF > VIF onder 5 

• Outliers en influential Cases: Logitic regressian > options > casewise diagnostics buiten 2 > continue > save > influence, unstandardized, standardized en studentized > continue > OK 

• Casewise list laat zien welke casussen buiten 2 vallen 

• Andere maatstaven opvragen: Analyze > descriptive statistics > summary statistics opvragen van de gecreëerde variabelen > min max means. 

• Het is zorgwekkend als er cassussen zijn ZRE>3,29, 1% van de casussen ZRE>2,58 of 5% van de casussen ZRE>1,96

• DUmmy variabele aanmaken om te controleren: transform > compute variable >  ZRE_1 > 1.96 | ZRE_1 < -1,96= 1

• Frequentie tabel van deze variabel

• Missing values bereken als percentage van het totaal 

Lineaire regressie gebruiken: 

stap 1: variabelen inspecteren

• Analyze > descriptive statistics > frequencies > frequentietabel voor alle variabelen > 

Stap 2: missings aanduiden 

Stap 3: hercoderen nominaal en ordinaal naar dummy’s 

transform>recode into different variable > OK

Stap 4: regressie analyse zelf

analyze > regression > linear > independent and dependent > OK 

Stap 5: assumpties testen 

analyze > regression > linear > statistics > collinearity diagnostics, durbin watson, casewise diagnostics 2 > plots > ZRESID Y, ZPRED X, produce all partial plots, normal probability plot > Continue > Save > Unstandardized, adjusted, distances, residuals, influence statistics > continue > Ok

Stap 6: rapportage voorbeeld tabel: 

Logistische regressie gebruiken: 

stap 1: variabelen inspecteren

• Analyze > descriptive statistics > frequencies > frequentietabel voor alle variabelen > 

Stap 2: missings aanduiden 

Stap 3: hercoderen nominaal en ordinaal naar dummy’s 

transform>recode into different variable > naar 0 en 1 > OK

voor veel dummy’s 

Transforms>create dummy’s>ordinale waarde naar create dummy’s for> create dummy’s for all variables > OK

Stap 4: regressie uitvoeren

Analyze > regression > binary logistic > dependent, rest in independent > OK

Block 0: model zonder onafhankelijke variabelen

Block 1: eigenlijke model 

Stap 5: assumpties testen: 

analyze > regression > linear > statistics > collinearity diagnostics > OK > Tolerance en VIF waarden.

Analyze > regression > binary logistic > options > outliers outside 2 >continue > SAVE > influence, unstandardised, studentized, standardized > continue > OK 

Stap 6: rapportage: 

Eventueel:

Analyze > regression > binary logistic > options > CI for EXP(B) 95% > continue > OK

SPSS toets 

120 min 

voor elke vraag: 

Syntax

output 

interpretatie van de output

Tentameninfo

180 min 

40 meerkeuzevragen