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 1 niet-leuk
in Methodologie door (130 punten)

1 Antwoord

0 leuk 0 niet-leuks
In een regressie-analyse zijn alle predictoren covariaten voor elkaar. Maw: zodra je een tweede predictor toevoegt zijn beide predictoren al covariaten
door (63.5k punten)
Bedankt voor dit antwoord. Helaas geeft dit antwoord niet het antwoord op de vraag, die ik gesteld heb...hoe moet ik...
Dan begrijp ik de vraag niet. Als alle predictoren altijd, zonder uitzondering, en zonder extra handelen, covariaten zijn in een regressiemodel. Dan is de 'hoe' gewoon een kwestie van variabelen als independent variables toewijzen.

Is de vraag een bredere vraag over de algemene procedure van omgaan met covariaten? En zo ja: covariaten in de breedste zin, of als een set achtergrondvariabelen die niet de onderzoeksvariabelen zijn?
Ik moet een paar covariabelen meenemen in mijn onderzoek. Mijn onafhankelijke variabele is sociale angst, mijn afhankelijke variabele is emotionele intelligentie. Daarnaast moet ik de covariabelen depressie, geslacht, opleidingsniveau en alleenstaand/samenwonend meenemen. Hoe doe ik dat?
Ben Andy Field aan het lezen, chapter 7 regressie. Misschien komt ik hiermee verder...

...het komt ook, omdat het OU onderzoekspracticum psych. survey helaas pruts is, geen tauw aan vast te knopen...

Helaas verduidelijkt de nieuwe opmerking de vraag niet echt. Zoals ik al eerder schreef: technisch gesproken kun je alle variabelen in de analyse gooien en dan heb je je werk gedaan: de 'covariaten' (covariabelen is een niet-bestaand woord) zijn simpelweg de predictoren in het model.

Als je benieuwd bent naar een procedure van omgaan met covariaten, dan is dat een ander probleem. Vaak is het handig om met 'blocks' te werken in SPSS, dus om een hierarchische regressie uit te voeren. In stap1 worden alle controlevariabelen toegevoegd, en in stap 2 wordt hier de onderzoeksvariabele aan toegevoegd. Vervolgens kan dan aan de verschil in R-squared worden beoordeeld of de onafhankelijke variabele een zinvolle toevoeging levert aan het verklaren van de afhankelijke variabelen, boven wat de controlevariabelen doen. Het toetsen van verschillen in R-square is een optie die in SPSS aangezet kan worden.

Ok...ga het proberen zo...dank je wel voor de grote moeite, die je genomen hebt :-).

Weet mij nog niet correct uit te drukken...als ik het allemaal wist stelde ik hier geen vragen...maar gaf antwoorden (zoals jij)...
Succes! En geen probleem natuurlijk
Ik heb nu eindelijk begrepen hoe ik meerdere interval of ratio variabelen hierarchisch kan analyseren. Nu wil ik graag een dichotome variabele in mijn regressiemodel opnemen: afhankelijke variabele = emotionele intelligentie, onafhankelijke variabele = sociale angst. Ik wil het verschil tussen mannen en vrouwen weten. Kan ik op een of andere manier met een dummy variabele werken, om deze drie variabelen in een regressiemodel te stoppen? Hoe dan? Of moet ik met split file de vrouwen van de mannen scheiden?
Deze vraag zou ik als een nieuwe vraag stellen, zodat het makkelijker terug te vinden is voor anderen
...