Wat is meervoudige regressie in de psychologie?
Wat is meervoudige regressie in de psychologie?

Video: Wat is meervoudige regressie in de psychologie?

Video: Wat is meervoudige regressie in de psychologie?
Video: Multiple Regression, Clearly Explained!!! 2024, Mei
Anonim

Meervoudige regressie analyse wordt gebruikt om de relatie te onderzoeken tussen één numerieke variabele, een criterium genoemd, en een reeks andere variabelen, voorspellers genoemd. In aanvulling, meervoudige regressie analyse wordt gebruikt om de correlatie tussen twee variabelen te onderzoeken na het controleren van een andere covariabele.

Bovendien, wat betekent meervoudige regressie?

Meervoudige regressie is een uitbreiding van eenvoudige lineaire regressie . Het wordt gebruikt wanneer we de waarde van een variabele willen voorspellen op basis van de waarde van twee of meer andere variabelen. De variabele die we willen voorspellen, wordt de afhankelijke variabele genoemd (of soms de uitkomst-, doel- of criteriumvariabele).

Evenzo, wat is meervoudige regressieanalyse in onderzoek? Meervoudige regressie-analyse is een krachtige techniek die wordt gebruikt voor het voorspellen van de onbekende waarde van een variabele uit de bekende waarde van twee of meer variabelen, ook wel de voorspellers genoemd.

Wat is in dit verband een voorbeeld van meervoudige regressie?

Voor voorbeeld , als je aan het doen bent meervoudige regressie om te proberen de bloeddruk (de afhankelijke variabele) te voorspellen op basis van onafhankelijke variabelen zoals lengte, gewicht, leeftijd en uren beweging per week, zou je ook seks als een van je onafhankelijke variabelen willen opnemen.

Wat is lineaire regressie in de psychologie?

Lineaire regressie is een vorm van regressie analyse waarin de relatie tussen een of meer onafhankelijke variabelen en een andere variabele, de afhankelijke variabele genoemd, wordt gemodelleerd door een kleinste-kwadratenfunctie, een zogenaamde lineaire regressie vergelijking. De resultaten zijn onderhevig aan statistische analyse.

Aanbevolen: