Springen naar inhoud

Lineaire regressie in SPSS


  • Log in om te kunnen reageren

#1

nanonoko

    nanonoko


  • 0 - 25 berichten
  • 3 berichten
  • Gebruiker

Geplaatst op 14 augustus 2012 - 15:53

Ik heb in mijn model 2 variabelen opgenomen waarvan ik gehypotheseerd heb dat de ene een modererend effect heeft op de andere. In mijn output bekom ik voor beide variabelen een significantie niveau dat <0.05 is en de beta coëfficiënt van beiden is negatief echter als ik dan dat interactie effect (var1)*(var2) neem is dit positief.

Valt dit dan te interpreteren als zijnde dat deze variabelen afzonderlijk een negatieve impact hebben om de afhankelijke variabele maar dat wanneer deze 2 tezamen genomen worden deze een positief effect bewerkstelligen op de afhankelijke variabele?

Dit forum kan gratis blijven vanwege banners als deze. Door te registeren zal de onderstaande banner overigens verdwijnen.

#2

Saffron

    Saffron


  • >250 berichten
  • 457 berichten
  • Minicursusauteur

Geplaatst op 15 augustus 2012 - 00:57

Nee. Je kan in een model met interacties de beta's van de variabelen niet los zien van de beta voor de interactie term van deze variabelen. Is je interactie-term wel significant trouwens?

#3

nanonoko

    nanonoko


  • 0 - 25 berichten
  • 3 berichten
  • Gebruiker

Geplaatst op 15 augustus 2012 - 12:03

Ik heb ondertussen een goed artikel gevonden waaruit ik de interpretatie van de interactieterm heb kunnen afleiden. Daarnaast bleek deze inderdaad niet echt significant te zijn na het filteren van outliers. Ik heb echter nog een tweede vraag over interactietermen.

Indien ik wil kijken of er sprake is van multicollineariteit en kijk naar de VIF waarden voor elk van mijn variabelen kan ik zien dat wanneer ik de interactieterm (var1)*(var2) niet meeneem in het model ik geen enkele VIF waarde &amp;--#62;10 bekom en het tolerance niveau overal &amp;--#62;0.2 is. Echter wanneer ik de interactieterm wel opneem wordt de VIF waarde voor var1, var2 en de interactieterm (var1)*(var2) wel groter dan 10. De rest van de variabelen blijven &amp;--#60;10 en tolerance &amp;--#62;0.2, Is dit normaal als er interactietermen worden opgenomen? En hoef ik me hier dus geen zorgen over te maken? En indien dit wel problematisch is, is het dan beter te concluderen dat deze interactieterm totaal overbodig is in verdere analyse aangezien het 1) niet significant is en 2) de R²a slechts met .02 verhoogt indien deze in het model wordt opgenomen?

edit: ik lees net ergens dat bij interactietermen multicollineariteit onvermijdelijk is, klopt dit? Dit zou dus betekenen dat ik mij van de VIF waarden van var1, var2 en (var1)*(var2) niets zou moeten aantrekken en gewoon kijken naar deze van de andere variabelen?

Veranderd door nanonoko, 15 augustus 2012 - 12:15


#4

Saffron

    Saffron


  • >250 berichten
  • 457 berichten
  • Minicursusauteur

Geplaatst op 15 augustus 2012 - 13:09

Ja, dat klopt en als je erover nadenkt is dat ook logisch want multicollineariteit betekent dat meerdere predictor variabelen sterk met elkaar gecorreleerd zijn. Een interactie-term is per definitie gecorreleerd met de andere predictoren, want hij is opgebouwd uit een combi van andere factoren.

Veranderd door Saffron, 15 augustus 2012 - 13:09


#5

nanonoko

    nanonoko


  • 0 - 25 berichten
  • 3 berichten
  • Gebruiker

Geplaatst op 15 augustus 2012 - 13:29

Ok hartelijk bedankt! Dan heb ik ook nog een aantal vragen mbt mijn scatterplot

Geplaatste afbeelding

Hieruit heb ik visueel afgeleid dat aan de voorwaarde van een lineair verband tussen afhankelijke en onafhankelijke variabelen voldaan is, aangezien er geen parabool of iets dergelijks te zien is in de punten wolk. Ook heb ik aangenomen dat alle relevante variabelen in het model zijn opgenomen aangezien er bvb niet echt kleine clusters van opeengepakte punten te zien zijn. Alsook dat aan de voorwaarde van homoscedasticiteit redelijkerwijze voldaan is. Klopt deze interpretatie?

#6

Saffron

    Saffron


  • >250 berichten
  • 457 berichten
  • Minicursusauteur

Geplaatst op 16 augustus 2012 - 03:46

Homoscedasticiteit ziet er inderdaad redelijk uit als ik dat plotje bekijk; het is redelijk 1 band. Als je in je plotje van afhankelijke x onafhankelijk een lineair verband ziet, kan je er vanuit gaan dat aan de voorwaarde van een lineair verband is voldaan. Dat je uit een plotje kan aflezen dat alle relevante variabelen zijn opgenomen, heb ik nog nooit gehoord. Lijkt me dan eerder dat je naar de verklaarde variantie kijkt.





0 gebruiker(s) lezen dit onderwerp

0 leden, 0 bezoekers, 0 anonieme gebruikers

Ook adverteren op onze website? Lees hier meer!

Gesponsorde vacatures

Vacatures