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 0 niet-leuks
Goedendag,

Ik heb een multipele regressie analyse uitgevoerd met 3 voorspellers. Ik ben geïnteresseerd in wat de variabelen samen verklaren, maar ook wat elke variabele zelf verklaard. Moet je dan naast je multipele regressie ook 3 enkelvoudige regressie analyses doen? Of is er een andere optie om de verklaarde variantie te vinden per voorspeller?
in Cross-sectioneel Onderzoek (OCO, PB08x2) door (220 punten)

1 Antwoord

0 leuk 0 niet-leuks

Je kunt de bivariate ('zero order') correlatie gewoon kwadrateren; dan zie je wat elke variabele verklaart.

Als je bedoelt welk percentage van de variantie in de afhankelijke variabele een voorspeller verklaart als de variantie die ook wordt verklaard door andere voorspellerd is verwijderd, dan moet je de partiele of demipartiele correlatie uitrekenen en kwadrateren. Deze vallen echter buiten het curriculum.

Je kunt ook een regressiemodel draaien met alle voorspellers, en dan eentje zonder de betreffende voorspeller, en de R^2 vergelijken. Je ziet dan hoeveel die voorspeller toevoegt aan de R^2.

Bij al deze dingen is het belangrijk om te onthouden dat overlap tussen voorspellers vaak geen ruis of confounding is, maar een gevolg van het feit dat die voorspellers conceptueel overlappen; de betreffende constructen hebben bijvoorbeeld betrekking op dezelfde delen van de menselijk psychologie.

Het verwijderen van overlap (wat in de statistiek ook wel "corrigeren voor" heet, wat in deze context helaas verwarrend is omdat het als iets positiefs of wenselijks klinkt) kan dus gevaarlijk zijn: tenzij je heel goed weet wat je doet, kun je zomaar belanden in een situatie dat de resultaten niet langer betrekking hebben op een construct waarin je geinteresseerd bent.

Zie voor meer achtergrond deze twee bronnen:

door (77.8k punten)
...