Wanneer we regressieanalyse<\/a> uitvoeren, willen we vaak begrijpen hoe veranderingen in een onafhankelijke variabele een afhankelijke variabele be\u00efnvloeden. Soms kan een modererende variabele deze relatie echter be\u00efnvloeden.<\/span><\/p>\n Laten we bijvoorbeeld zeggen dat we een regressiemodel willen toepassen waarin we de onafhankelijke variabele uren die we elke week besteden aan trainen<\/em> gebruiken om de afhankelijke variabele resterende hartslag<\/em> te voorspellen.<\/span> <\/p>\n Wij zijn van mening dat meer uren aan lichaamsbeweging verband houden met een lagere hartslag in rust. Deze relatie kan echter worden be\u00efnvloed door een modererende variabele zoals geslacht<\/strong> .<\/span><\/p>\n Het is mogelijk dat elk extra uur trainen bij mannen resulteert in een grotere daling van de resterende hartslag dan bij vrouwen.<\/span> <\/p>\n Een ander voorbeeld van een modererende variabele zou leeftijd<\/strong> kunnen zijn. Het is waarschijnlijk dat elk extra uur inspanning bij jongere mensen resulteert in een grotere daling van de resterende hartslag dan bij oudere mensen.<\/span> <\/p>\n Moderatievariabelen hebben de volgende eigenschappen:<\/span><\/p>\n 1. Modererende variabelen kunnen kwalitatief of kwantitatief zijn<\/strong> .<\/span><\/p>\n Kwalitatieve variabelen<\/a> zijn variabelen die namen of labels aannemen. Voorbeelden zijn onder meer:<\/span><\/p>\n Kwantitatieve variabelen<\/a> zijn variabelen die numerieke waarden aannemen. Voorbeelden zijn onder meer:<\/span><\/p>\n In de voorgaande voorbeelden was geslacht<\/strong> een kwalitatieve variabele die mogelijk de relatie tussen de bestudeerde uren en de resterende hartslag zou kunnen be\u00efnvloeden, terwijl leeftijd<\/strong> een kwantitatieve variabele was die mogelijk de relatie zou kunnen be\u00efnvloeden.<\/span><\/p>\n 2. Moderatorvariabelen kunnen de relatie tussen een onafhankelijke variabele en een afhankelijke variabele op verschillende manieren be\u00efnvloeden.<\/strong><\/span><\/p>\n Het modereren van variabelen kan de volgende effecten hebben:<\/span><\/p>\n Afhankelijk van de situatie kan een modererende variabele de relatie tussen twee variabelen op verschillende manieren modereren<\/em> .<\/span><\/p>\n Taxus<\/em><\/span><\/p>\n Y<\/em> = \u03b20<\/sub> +<\/sub> \u03b21<\/em><\/span><\/p>\n Als we vermoeden dat een andere variabele, Z<\/em> , een modererende variabele is, kunnen we het volgende regressiemodel toepassen:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> 1<\/sub> + \u03b2 2<\/sub> Z<\/em> <\/sub> + \u03b2 3<\/sub> XZ<\/em><\/span><\/p>\n In deze vergelijking wordt de XZ-<\/em> term de interactieterm<\/strong> genoemd.<\/span><\/p>\n Als de p-waarde<\/a> voor de co\u00ebffici\u00ebnt van XZ<\/em> in het regressieresultaat statistisch significant is, geeft dit aan dat er een significante interactie is tussen X<\/em> en Z<\/em> en dat Z<\/em> als modererende variabele in het regressiemodel moet worden opgenomen.<\/span><\/p>\n We zouden het uiteindelijke model als volgt schrijven:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em> <\/sub> + \u03b2 3<\/sub> XZ<\/em><\/span><\/p>\n Als de p-waarde van de co\u00ebffici\u00ebnt van XZ<\/em> in het regressieresultaat niet statistisch significant is, dan is Z<\/em> geen modererende variabele.<\/span><\/p>\n Het is echter mogelijk dat de Z-<\/em> co\u00ebffici\u00ebnt nog steeds statistisch significant is.<\/span> In dit geval zouden we Z<\/em> eenvoudigweg als een andere onafhankelijke variabele in het regressiemodel opnemen.<\/span><\/p>\n Vervolgens schreven we het definitieve model als volgt:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em><\/span><\/p>\n Een regressietabel lezen en interpreteren<\/a> Een moderatorvariabele is een type variabele dat de relatie tussen een afhankelijke variabele en een onafhankelijke variabele be\u00efnvloedt. Wanneer we regressieanalyse uitvoeren, willen we vaak begrijpen hoe veranderingen in een onafhankelijke variabele een afhankelijke variabele be\u00efnvloeden. Soms kan een modererende variabele deze relatie echter be\u00efnvloeden. Laten we bijvoorbeeld zeggen dat we een regressiemodel willen toepassen […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1464","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation1.png\")
<\/p>\n![\"Voorbeeld](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation2.png\")
<\/p>\n![\"Moderende](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation3.png\")
<\/p>\n Eigenschappen van moderatievariabelen<\/strong><\/span><\/h3>\n
\n
\n
\n
Moderatievariabelen testen<\/strong><\/span><\/h3>\n
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe dummyvariabelen te gebruiken in regressieanalyse<\/a>
Inleiding tot verwarrende variabelen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"