[wiskunde] Interpretatie SPSS

Kikkerkop

Ik heb verschillende modellen opgebouwd aan de hand van logistische regressie

Ik heb geprobeerd ongeloof te verklaren aan de hand van verschillende variabelen

Hiervoor heb ik alle variabelen die ik ga gebruiken in mijn multivariaat model eerst eens twee aan twee vergelijkt

Het resultaat was dat

A*** B***

A*** C***

A*** D***

A** E***

Significantieniveaus: *p < .05, ** p < .01, p < .001

Zoals je kunt zien in de significantie van de onafhankelijke variabele A telkens hetzelfde, alleen in de laatste twee-aan twee vergelijking is deze gedaald. Nu wat is de oorzaak van deze daling ?

Is het multicollineariteit, namelijk dat er mogelijk een kans is dat beide onafhankelijke variabelen hetzelfde verklaren en daardoor de ene minder significant geworden is ?

Vraag 2

Is er een manier om bij de statistische liogistische analyse bij de variables in de equation, om te zetten in effectie stijgingen in kans

Bv

X = -1.022 + -0.029

Exp (B) 2.779 (constant) onafhankelijke Exp (B) 0.971

Is er een manier waarop ik het aanwezig zijn van de Exp (B) kan vertalen in hoeverre de kans wordt vergroot ?

Saffron

Hoe heb je je onafhankelijke variabelen vergeleken? Want je hebt voor beide een p-waarde, terwijl ik slechts 1 p-waarde zou verwachten voor de associatie tussen beide variabelen. Zijn het continue variabelen? Dan zou ik namelijk even naar de correlaties kijken. Kijk dan niet alleen naar de significantie maar ook naar de sterkte van het verband.

Kikkerkop

Ik heb voor de duidelijkheid een bestandje opgeload met de cijfers

Mijn probleem ligt erin te zoeken waarom in model 14 de significantie van gender lager ligt dan bij de andere.

Ik vermoed dat het oftewel is omdat de sterkte van het verband daalt

of omdat onderwijs en leeftijd dezelfde hoeveelheid variantie verklaard.

Een ander probleem is ook hoe ik de cijfers kan interpreteren als procentuele kansstijgingen.

Saffron

Ok, nu wordt het enigszins duidelijk wat je hebt gedaan met 'afhankelijke variabelen vergelijken'; je hebt ze in een multivariabel model gestopt (multivariaat is als je meer dan 1 afhankelijke variabele hebt).

Zoals ik eerder al zei: Staar je niet blind op significantie. De estimates voor geslacht veranderen nauwelijks en alles is nog steeds significant, dus ik zie dan ook geen aanleiding om aan collineariteit te denken. Bij (multi)collineariteit zou je een erg groot verschil in de estimate en/of significantie verwachten (als in; iets wat eerder significant was, is in een multivariable model verre van significant). Daar zie ik hier niks van.

Als je wilt weten of er samenhang is tussen je afhankelijke variabelen, dan kun je in het vervolg beter eerst wat crosstabs draaien voor geslacht x je andere variabelen: dat zal je inzicht geven in hoeverre er zaken scheef verdeeld zijn over mannen/vrouwen en of collineariteit mogelijk een rol speelt.

Je kan de beta's omrekenen naar odds ratio's (exp(b)) om een inschatting te krijgen van hoe hoog de odds voor mannen is t.o.v. de odds voor vrouwen. Maar dat heb je zo te zien al gedaan.

Kikkerkop

Bedankt

Bij de interpratie van het eerste model heb ik dit geschreven, is dit correct ?

De odds op ongeloof per jaar daalt met 3 procent. Naarmate een individu dus ouder wordt daalt de kans op ongeloof. Dus de kans dat een individu ongelovig is, stijgt met 3 procent bij elke stijging per jaar ten opzichte van de kans dat het individu gelovig is. Bij nieuwe moraliteit zijn we het omgekeerde en stijgt de kans op ongelovigheid, naarmate men een positiever standpunt heeft naartoe de nieuwe moraliteit. Het aantal ongelovigen per 100 gelovigen ligt 1.38 keer hoger bij mannen dan bij vrouwen. Bij welvaart ligt het aantal ongelovigen per 100 gelovigen 1.07 keer bij individuen met financiële zekerheid, hoger dan bij individuen zonder financiële zekerheid. Bij onderwijs ligt het aantal ongelovigen per 100 gelovigen bij de middengeschoolde .49 keer lager bij de ongelovigen dan bij de laaggeschoolden. Bij de hooggeschoolden ligt het aantal ongelovigen per 100 gelovigen 1.21 hoger.

Saffron

Voor leeftijd heb je de verkeerde OR te pakken; in je tabel staat 2.78. Het woord 'odds' laat zich niet geweldig vertalen naar het Nederlands; kans is hier namelijk niet precies hetzelfde als odds. Ik schrijf zelf altijd in het Engels dus heb dat probleem niet. Maar ik zou het opschrijven als: De odds op ongeloof voor iemand die 1 jaar ouder is, is 2,78 zo hoog als de odds van iemand die 1 jaar jonger is. En: De odds op ongeloof in mannen is 1.38 zo hoog als de odds bij vrouwen.

Ik zou het verder niet opschrijven als 'het aantal ongelovigen per 100 gelovigen ligt 1,38 keer hoger...', want ongeacht de grootte van de populatie is de odds 1.38 keer zo hoog als de odds in de referentiegroep. Bovendien kunnen gelovigen niet tegelijkertijd ongelovig zijn

.

Kikkerkop

Die 2.78 moet eigelijk omgewisseld worden met die .97, je hebt nog een fout ontdekt

Dus gewoon alles expliceren aan de hand van odds, dat Bespaart me een hoop werk.

Bedankt voor de uitleg

Wetenschapsforum

Laatste berichten

Nieuwsberichten

[wiskunde] Interpretatie SPSS

Interpretatie SPSS

Re: Interpretatie SPSS

Re: Interpretatie SPSS

Re: Interpretatie SPSS

Re: Interpretatie SPSS

Re: Interpretatie SPSS

Re: Interpretatie SPSS