Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

Waarom neem je een variabele op in de regressievergelijking wanneer die niet significant is?

0 leuk 0 niet-leuks

Voorbeeld uit 2.2.4.

Zie @Positief: B3=.011, t(140) = 0.079; = .937

De regressievergelijking ziet er als volgt uit:
Y = 0 + (.224 x @Zelf) + (
.637 x @Ander) + (.011 x @Positief) + (.327 x @Negatief).

Wat moet ik met een variabele in de vergelijking waarvan ik weet dat deze niet significant is in het model?

gevraagd 26 augustus 2017 in Psychologisch Survey (PS) door 833371004 (160 punten)

1 Antwoord

0 leuk 0 niet-leuks
Hoewel ze niet significant toevoegen, is de vergelijking op deze manier het meest precies. De niet-significante predictoren voegen wel iets toe aan de voorspelling. Er kan ook gekozen worden voor een eenvoudiger vergelijking, met alleen de significante voorspellers. Hier is, volgens mij, al eerder een vraag over geweest, met een uitgebreider antwoord van Gjalt-Jorn Peters. Die vraag kan ik nu echter niet zo snel vinden...
beantwoord 28 augustus 2017 door Reinout Vrijhoef (7,480 punten)
Ik heb het andere antwoord ook gevonden. Het hangt dus van het doel van je model af. Kan me alleen voorstellen dat als de coefficient van de niet-significante factor relatief groot is tov de wel significante factoren het totale model daaronder leidt en dat er dus een soort grenswaarde moet zijn obv de invloed die een niet-significante factor mag hebben in een model.
Het kan erg aan mijn beperkte ervaring liggen, maar volgens mij zijn er geen grote niet-significante voorspellers. Anders zouden ze eerder significant zijn :-).
...