| Tag | Value |
|---|---|
| file | Inferential_Statistics_eur-inferential_statistics-137-nl_eur-inferential_statistics-137-nl |
| name | eur-inferential_statistics-137-nl |
| section | Inferential Statistics/Regression/Multiple linear regression/R squared change, Inferential Statistics/Regression/Simple linear regression |
| type | num |
| solution | 0.006 |
| tolerance | 0 |
| Type | Performing analysis |
| Program | SPSS |
| Language | Dutch |
| Level | Statistical Literacy |
Een onderzoeker is geïnteresseerd in de gevolgen van de dalende benzineprijs op studenten met een auto en wil graag hun aantal gereden kilometers in januari 2015 [km_jan] voorspellen aan de hand van een aantal predictoren. Ze heeft de volgende gegevens verzameld bij 202 studenten: 1) Gereden kilometers in januari 2015 [km_jan]; 2) Gereden kilometers in oktober 2014 [km_okt]; 3) de inkomsten uit een bijbaan in januari 2015 [salary_jan]; 4) het aantal kilometers dat de studenten gemiddeld afleggen met het openbaar vervoer in de maand februari 2015 [ov]; en 5) het type auto [car] (1 = hybride, 2 = sedan, 3 = suv).
Open het databestand.
Voorspel eerst de gereden kilometers in januari 2015 [km_jan] uit de gereden kilometers in oktober 2014 [km_okt], de inkomsten uit een bijbaan in januari 2015 [salary_jan] en het aantal kilometers dat de studenten gemiddeld afleggen met het openbaar vervoer in de maand februari 2015 [ov].
Breid het model uit met de variabele type auto [car]. Je dient hiervoor eerst dummy variabelen aan te maken. Laat auto= “hybride” de referentiegroep zijn. Hoeveel is de proportie verklaarde variantie in gereden kilometers in januari 2015 [km_jan] toegenomen doordat de variabele type auto [car] als predictor aan het model is toegevoegd? (3 decimalen)
De proportie verklaarde variantie is met 0.006 toegenomen doordat de variabele type auto als predictor aan het model is toegevoegd.