Oefententamen 2 vraag 16. Ik begrijp waarom a wel waar is maar niet waarom b niet waar is.

Question

De vraag:

16.2-v1 Een onderzoeker heeft vijf psychologische constructen gemeten: vier voorspellers en een criterium. Ze berekent de correlatiematrix en produceert een scattermatrix. Ze ziet dat alle verbanden lineair zijn en dat alle vijf de variabelen met elkaar correleren. Ze voert een lineaire regressieanalyse uit met de vier voorspellers. Alle vier de voorspellers hebben een significante regressiecoëfficiënt, en de proportie verklaarde variantie is dan ook significant.

Wat kan hieruit worden afgeleid?

a. De multipele correlatie is hoger dan de hoogste correlatie van de sterkste voorspeller.
b. Om te weten hoe sterk een voorspeller samenhangt met de afhankelijke variabele kan de onderzoeker het beste naar de regressiecoëfficiënten kijken.

Kan iemand mij vertellen waarom B niet waar is?

Waar zal je dan wel naar moeten kijken?

(Het enige wat ik kan bedenken is dat het mogelijk iets te maken heeft met de random toewijzing van de variantie over de voorspellers, wanneer deze enig overlap hebben, bij de multipele regressie)

Answer 1

Beste Isa, De reden waarom B niet waar is is omdat de regressiecoëfficiënten gecorrigeerd zijn voor de overlap tussen de verschillende voorspellers in de Multiple Regressie Analyse (MRA). Je hebt in een MRA model dus te maken met een andere samenhang/regressiecoëfficiënt voor die ene voorspeller dan in een model waar verder geen andere voorspellers zitten. Dit betekent dat als je wilt weten hoe sterk de samenhang is tussen één voorspeller ("een voorspeller") dat je dan de bivariate correlatie moet hebben, hetgeen equivalent is aan een model met maar één voorspeller en één uitkomst. Hartelijke groet, Piet