Tag | Value |
---|---|
file | Inferential_Statistics_uu-multiple-linear-regression-818-nl_uu-multiple-linear-regression-818-nl |
name | uu-multiple-linear-regression-818-nl.Rmd |
section | Inferential Statistics/Regression/Multiple linear regression |
type | schoice |
solution | FALSE, FALSE, FALSE, TRUE |
Type | Interpretating output |
Program | |
Language | Dutch |
Level | Statistical Literacy |
Onderstaande tabel komt uit het artikel van Kanazawa (2012).
Welke conclusie is juist op basis van de tabel?
In model 1 zit slechts één predictor: geboortevolgorde. In model 2 komt er een tweede predictor bij: aantal broers/zussen. In de onderste regel van de tabel is te zien dat in model 1 de analyse is gedaan met 9421 respondenten, en in model 2 met 35 respondenten minder, namelijk met 9386 respondenten. Dit betekent dat van 35 respondenten blijkbaar niet bekend is hoeveel broers/zussen zij hebben. Zij zijn in model 2 niet meegenomen in de analyse.
Onjuist: In model 2 wordt 9.1% meer variantie verklaard dan in model 1. In model 2 wordt in totaal 9.1% variantie verklaard, dit is precies 4% meer dan in model 1, waar 5.1% variantie wordt verklaard.
De voorspelde intelligentie van een enig kind is hoger op basis van model 1 dan op basis van model 2. We kunnen de voorspelde intelligentie voor beide modellen uitrekenen: -Voor model 1 is dit: Voorspelde intelligentie = B_{0} + B_{1} x Birth order = 105.590 -2.348 x 1 = 103.242 -Voor model 2 is dit: Voorspelde intelligentie = B_{0} + B_{1} x Birth order + B_{2} x siblings = 106.678 - 0.267 – 2.314 x 0 = 106.411
In model 4 is social class at birth een sterkere voorspeller van intelligentie dan number of siblings. Hiervoor moeten we kijken naar (de absolute waardes van) de Beta’s: de gestandaardiseerde regressiecoëfficiënten. Dit zijn de schuingedrukte getallen in de tabel (zie voetnoot). Als we de beta’s in model 4 bekijken, dan zien we dat social class at birth juist een kleinere Beta heeft (.177) dan number of siblings (-.226).