Hoofdstuk 16 Lineaire regressieanalyse

16.1 Intro

Univariate regressieanalyse (met één predictor) kan handig zijn om een schatting te krijgen van een verandering in de afhankelijke variabele als functie van de predictorvariabele. In dit hoofdstuk richten we onze aandacht op predictorvariabelen die continu of dichotoom zijn.

16.1.1 Voorbeeld data

In dit voorbeeld wordt de schoolsucces dataset gebruikt. De afhankelijke variabele is schoolsucces gemeten met een schoolcijfer. Deze variabele gaan we proberen te voorspellen aan de hand van IQ.

16.2 jamovi

Klik in het tabblad “Analyse” op de knop “Regressie” en selecteer “Linear regression” in het menu dat verschijnt. Selecteer in het vak aan de linkerkant de afhankelijke variabele (cijfer) en verplaats deze naar het vak met het label “Afhankelijke variabele” met behulp van de knop met het naar rechts wijzende pijltje. Selecteer in het vak aan de linkerkant de numerieke voorspellers (hier: IQ) en verplaats ze naar het vak met het label “Covariaten” met behulp van de knop met het naar rechts wijzende pijltje. U kunt naar beneden scrollen om aanvullende analyses te specificeren, bijvoorbeeld om meer details over de coëfficiënten op te vragen door de sectie “Modelcoëfficiënten” te openen. Als u bijvoorbeeld het betrouwbaarheidsinterval voor de coëfficiënt en de gestandaardiseerde (geschaalde) coëfficiënten wilt opvragen, vinkt u de bijbehorende selectievakjes aan.

Hieronder kunt u zien hoe een regressie er volgens de jamovi syntax uitziet.

jmv::linReg(
    data = data,
    dep = cijfer,
    covs = IQ,
    blocks = list(
        list(
            "IQ")),
    refLevels = list())

16.3 R

In base R, de lm (lineair model) functie kan worden gecombineerd met de summary functie om de meest belangrijke resultaten te tonen. R beschouwt variabelen die factoren zijn automatisch als categorisch.

In het rosetta package, de regr functie maakt gebruik van R’s lm functie, maar geeft de resultaten wat anders weer.

rosetta::regr(cijfer ~ IQ,
              data=schoolsucces)

16.4 SPSS

In SPSS, wordt het REGRESSION commando gebruikt.

REGRESSION 
  /STATISTICS COEFF OUTS CI(95) R ANOVA 
  /DEPENDENT cijfer 
  /METHOD=ENTER IQ.

16.5 APA style report

Voor het rapporteren van een regressie zijn standaarden opgesteld. Hier worden de APA-7 regels toegepast. Enkele voorbeelden van het rapporteren van de resultaten staan hieronder:

Regressieanalyse is gebruikt om te testen of IQ-scores de cijfers van schoolkinderen konden voorspellen. De resultaten van de regressie wijzen aan dat IQ-scores 20% van de variantie in cijfers verklaarde, \(R^{2}\) = 0.2, F(1,298) = 76.71, p < .001, 95% CI [.09, 0.29].

We hebben geprobeerd uitgaansgedrag te voorspellen aan de hand van een viertal variabelen. Het gehele model verklaarde 43.2% van de variantie, \(R^{2}\) = 0.432, F(3,165) = 36.4, p < .001, 95% CI [.31, .55]. Extraversie was een significante voorspeller van uitgaansgedrag, b = 2.76, p < .001, evenals leeftijd, b = -0.58, p = .021.