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!

Verschillende vrijheidsgraden van de verklaarde en onverklaarde variaties voor regressieanalyse en ANOVA?

0 leuk 0 niet-leuks
Klopt het dat de vrijheidsgraden van de verklaarde en onverklaarde variaties verschillen voor regressieanalyse en ANOVA? In het online cursusmateriaal (thema 5.4) wordt gesteld dat het aantal vrijheidsgraden van het model overeenkomt met het aantal voorspellers (k), en de resterende vrijheidsgraden voor de errorvariatie zijn n - 1 - k. In Field (5e editie) paragraaf 12.2 staat echter dat Df voor het model zijn: k - 1 en Df voor de error N - k. Komt dit verschil door de context van het type analyse dat gebruikt wordt, dus regressie of ANOVA? Alvast dank!
gevraagd 11 januari in Inleiding Data Analyse (IDA) door Thomas (120 punten)

1 Antwoord

0 leuk 0 niet-leuks

Hoi Thomas,

Exact hetzelfde verbaasde mij ook! En... ik heb voor mezelf een antwoord geformuleerd dat ik logisch vond, haha. Wellicht heb je er iets aan. Wellicht klopt mijn uitleg niet... dan zie ik graag 'n verbetering! 

Wat ik ervan bak: 

De df van de error is afhankelijk van het aantal parameters dat gebruikt wordt om deze te berekenen.  Dat is bij zowel regressie zo als bij bij het vergelijken van gemiddelden. 

Voor regressie is de Df van error namelijk N - 1 - K .  De K staat voor het aantal voorspellers. Maar... het aantal parameters bij regressie gelijk aan K + 1. De +1 is de intercept. 

Bij het verschil in gemiddelden wordt, zover ik weet, een hoeveelheid parameters gebruikt die gelijk is aan K. Het intercept, wat je wel kunt uitrekenen bij meerdere gemiddelden, speelt géén rol in de errorvariatie rondom het model (Het model ligt immers steeds rondom de gemiddelden van groepen, en start niet, zoals bij regressie, bij een intercept die de positie van het model bepaalt). 

De DF van SSerror bij ANOVA van meerdere gemiddelden is daarom N-K. 

Vriendelijke groet,

Joost

beantwoord 12 januari door JoostHuls (140 punten)
Ha Joost, dank voor je reactie! Ik heb 'm meerdere keren gelezen, maar ben bang dat ik je uitleg niet helemaal kan volgen. Wat niet hoeft te betekenen dat het niet klopt natuurlijk. Maar misschien handig als een docent hier nog even aan kan haken?

Groet!

Thomas
...