Waarom neem je een variabele op in de regressievergelijking wanneer die niet significant is?

Question

Voorbeeld uit 2.2.4.

Zie @Positief: B3=.011, t(140) = 0.079; p = .937

De regressievergelijking ziet er als volgt uit:
Y = 0 + (.224 x @Zelf) + (‐.637 x @Ander) + (.011 x @Positief) + (.327 x @Negatief).

Wat moet ik met een variabele in de vergelijking waarvan ik weet dat deze niet significant is in het model?

Answer 1

Hoewel ze niet significant toevoegen, is de vergelijking op deze manier het meest precies. De niet-significante predictoren voegen wel iets toe aan de voorspelling. Er kan ook gekozen worden voor een eenvoudiger vergelijking, met alleen de significante voorspellers. Hier is, volgens mij, al eerder een vraag over geweest, met een uitgebreider antwoord van Gjalt-Jorn Peters. Die vraag kan ik nu echter niet zo snel vinden...

Comments

Ik heb het andere antwoord ook gevonden. Het hangt dus van het doel van je model af. Kan me alleen voorstellen dat als de coefficient van de niet-significante factor relatief groot is tov de wel significante factoren het totale model daaronder leidt en dat er dus een soort grenswaarde moet zijn obv de invloed die een niet-significante factor mag hebben in een model.

---

Het kan erg aan mijn beperkte ervaring liggen, maar volgens mij zijn er geen grote niet-significante voorspellers. Anders zouden ze eerder significant zijn :-).