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!

0 leuk 0 niet-leuks

Beste docenten,

In opdracht 5.3.8 staat:

 Verwerkingsopdracht 5.3.8

Bekijk de hoofd-analyses in het repository. U ziet hier dat de Collinearity Diagnostics maar voor een van de vier regressieanalyses zijn besteld, terwijl de afhankelijke variabele wel steeds anders is. Waarom is dit?

  1. Hoe vaker je de Collinearity Diagnostics besteld, hoe groter de kans op een Type-1 fout.
  2. De Collinearity Diagnostics gaan alleen over de voorspellers, en die zijn steeds hetzelfde.
  3. Als eenmaal duidelijk is dat er geen risico is op multicollineariteit, hoef je dat niet steeds te controleren.

Antwoord YouLearn:

Het correcte antwoord is het tweede antwoord: de afhankelijke variabele ‘doet toch niet mee’ in het berekenen van de Collinearity Diagnostics, dus ze zouden identiek zijn voor de vier analyses.

 

1 en 2 die begrijp ik helemaal, maar is 3 niet hetzelfde als 2? Het draait om de voorspellers, als die niet wijzigen dan zal er dus ook bij je andere analyses geen risico’s zijn. Als dat wel het geval zou zijn, moet je ze wel altijd opvragen. Hetzelfde zeg je namelijk met 2 het gaat om de voorspellers niet om de afhankelijke. Of zie ik het verschil niet goed tussen antwoord 2 en 3?

Met vriendelijke groet,

Mark van den Brink

geleden in Cross-sectioneel Onderzoek (OCO, PB08x2) door (240 punten)

1 Antwoord

1 leuk 0 niet-leuks
 
Beste antwoord
Ja, je hebt gelijkt, zoals ik het lees. Als 2 waar is, dan moet 3 eigenlijk ook wel waar zijn. Wel is 3 een beetje vaag geformuleerd en wordt er eigenlijk geen onderbouwing gegeven, en is 2 een stuk specifieker, inhoudelijker, en daarmee een beter antwoord.
geleden door (2.9k punten)
geselecteerd geleden door
...