Waar ik , aan de hand van de huiswerkopdracht 10, van in de war raak is het volgende:
Wanneer ik Field keurig volg, dan test ik het model met vier predictoren op BDI_Dichotoom, door steeds te kijken naar de ombinustest. en de X². De X² blijft bij mij iedere stap significant en het percentage waarmee het model de kans op depressie kan schatten, neemt bij iedere stap toe (en -2LL iedere stap af). . Als ik Field goed begrijp, concludeer ik dus dat met het toevoegen van iedere predictor het model beter de kans op de afhankelijke dichotome variabele depressie kan verklaren So far so good, dacht ik. Kijk ik dan echter in de laatste tabel Variabels in the equation, dan zie ik bij twee van de vier schalen dat de bijhorende beta niet significant is aan de hand van de Wald-score! Ik merk dat ik hier van in de war raakt, want wat rapporteer ik nu? Dat het model wel significant de kans op depressie beter voorspelt, maar dat de beta's van de twee schalen eigenlijk niet significant zijn? Dat voelt erg tegenstrijdig. Het valt me ook op dat de Exp(B) bij de niet-significante schalen < 1 zijn. Moet ik dan, ondanks dat bij de ombinustoets het block en model constant significant blijft, dan toch concluderen dat deze schalen niet in het model thuishoren?
Misschien interpreteer ik iets compleet verkeerd, want ik merk dat ik logistische regressie vrij lastig vindt. Ik begrijp ook dat jullie waarschijnlijk niet rechtstreeks antwoord kunnen geven op een huiswerkvraag, maar wellicht kunnen jullie me vertellen waar ik kan terugvinden hoe ik het verschil in interpretatie van beide signficanties kan vinden?