Oefententamen cros sectioneel - De multipele correlatie is hoger dan de hoogste correlatie van de sterkste voorspeller.

Question

Goedemorgen,

Vanuit de oefententamens heb ik een vraag, deze uitleg is wegvallen in het bestand waar de oefententamens worden uitgelegd.

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.

Zou iemand mij kunnen uitleggen waarom hier a het goede antwoord is???

Groet Linda

Answer 1

Inmiddels heb ik het antwoord,

Omdat de correlatie r is, die nooit groter is dan 1, kan het kwadraat hiervan R2, nooit groter zijn dan r. Dit omdat getallen onder de 1 met elkaar vermenigvuldigen nooit leidt tot hogere getallen

Answer 2

Beste Linda5,

De multiple correlatie is de som van alle unieke stukjes correlatie die iedere voorspeller bijdraagt. Als ze alle vier een significante regressiecoefficient hebben, dan dragen ze alle vier een eigen stukje verklaring van de variantie in de uitkomst aan en hebben ze ieder hun eigen unieke stukje correlatie met de uitkomstvariabele. De multipele correlatie zal dan altijd hoger zijn dan één van de correlaties tussen één van de voorspellers en uitkomst apart.

Bij b: het is niet zo dat je het best naar de regressiecoefficienten kunt kijken omdat die eigenlijk niet zoveel zeggen over de apart 1 op 1 correlaties van ieder van de voorspellers met de uitkomstvariabele. Dit omdat er overlap kan zijn tussen de voorspellers in het verklaren van de variantie in de uitkomstvariabele.

Hartelijke groet, Piet