{"id":1736,"date":"2023-07-25T04:57:36","date_gmt":"2023-07-25T04:57:36","guid":{"rendered":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/"},"modified":"2023-07-25T04:57:36","modified_gmt":"2023-07-25T04:57:36","slug":"nulhypothese-voor-lineaire-regressie","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/","title":{"rendered":"De nulhypothese voor lineaire regressie begrijpen"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Lineaire regressie is een techniek die we kunnen gebruiken om de relatie tussen een of meer voorspellende variabelen en een<a href=\"https:\/\/statorials.org\/nl\/variabelen-verklarende-reacties\/\" target=\"_blank\" rel=\"noopener\">responsvariabele<\/a> te begrijpen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Als we slechts \u00e9\u00e9n voorspellende variabele en \u00e9\u00e9n responsvariabele hebben, kunnen we <a href=\"https:\/\/statorials.org\/nl\/lineaire-regressie-1\/\" target=\"_blank\" rel=\"noopener\">eenvoudige lineaire regressie<\/a> gebruiken, waarbij de volgende formule wordt gebruikt om de relatie tussen de variabelen te schatten:<\/span><\/p>\n<p> <span style=\"color: #000000;\">\u0177 = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> x<\/span><\/p>\n<p> <span style=\"color: #000000;\">Goud:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">\u0177: De geschatte responswaarde.<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>0<\/sub> : De gemiddelde waarde van y wanneer x nul is.<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>1<\/sub> : De gemiddelde verandering in y geassocieerd met een toename van \u00e9\u00e9n eenheid in x.<\/span><\/li>\n<li> <span style=\"color: #000000;\">x: de waarde van de voorspellende variabele.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Eenvoudige lineaire regressie gebruikt de volgende nul- en alternatieve hypothesen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong><sub>H0<\/sub> :<\/strong> <sub>\u03b21<\/sub> = 0<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>H <sub>EEN<\/sub> :<\/strong> \u03b2 <sub>1<\/sub> \u2260 0<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">De nulhypothese stelt dat de co\u00ebffici\u00ebnt \u03b2 <sub>1<\/sub> gelijk is aan nul. Met andere woorden: er is geen statistisch significante relatie tussen de voorspellende variabele x en de responsvariabele y.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De alternatieve hypothese stelt dat \u03b2 <sub>1<\/sub> <em>niet<\/em> gelijk is aan nul. Met andere woorden: er <em>is<\/em> een statistisch significante relatie tussen x en y.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Als we meerdere voorspellende variabelen en een responsvariabele hebben, kunnen we <a href=\"https:\/\/statorials.org\/nl\/meerdere-lineaire-regressie\/\" target=\"_blank\" rel=\"noopener\">meervoudige lineaire regressie<\/a> gebruiken, waarbij de volgende formule wordt gebruikt om de relatie tussen de variabelen te schatten:<\/span><\/p>\n<p> <span style=\"color: #000000;\">\u0177 = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> x <sub>1<\/sub> + \u03b2 <sub>2<\/sub> x <sub>2<\/sub> + \u2026 + \u03b2 <sub>k<\/sub> x <sub>k<\/sub><\/span><\/p>\n<p> <span style=\"color: #000000;\">Goud:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">\u0177: De geschatte responswaarde.<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>0<\/sub> : De gemiddelde waarde van y wanneer alle voorspellende variabelen gelijk zijn aan nul.<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>i<\/sub> : De gemiddelde verandering in y geassocieerd met een toename van \u00e9\u00e9n eenheid in x <sub>i<\/sub> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">x <sub>i<\/sub> : De waarde van de voorspellende variabele x <sub>i<\/sub> .<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Bij meervoudige lineaire regressie worden de volgende nul- en alternatieve hypothesen gebruikt:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>H <sub>0<\/sub> :<\/strong> \u03b2 <sub>1<\/sub> = \u03b2 <sub>2<\/sub> = \u2026 = \u03b2 <sub>k<\/sub> = 0<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>H <sub>A<\/sub> :<\/strong> \u03b2 <sub>1<\/sub> = \u03b2 <sub>2<\/sub> = \u2026 = \u03b2 <sub>k<\/sub> \u2260 0<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">De nulhypothese stelt dat alle co\u00ebffici\u00ebnten in het model gelijk zijn aan nul. Met andere woorden: geen van de voorspellende variabelen heeft een statistisch significante relatie met de responsvariabele y.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De alternatieve hypothese stelt dat niet alle co\u00ebffici\u00ebnten tegelijkertijd gelijk zijn aan nul.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De volgende voorbeelden laten zien hoe u kunt beslissen of u de nulhypothese wel of niet verwerpt in eenvoudige lineaire regressie- en meervoudige lineaire regressiemodellen.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Voorbeeld 1: Eenvoudige lineaire regressie<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Stel dat een hoogleraar het aantal gestudeerde uren wil gebruiken om te voorspellen welk examencijfer studenten in zijn klas zullen behalen. Het verzamelt gegevens van twintig studenten en past een eenvoudig lineair regressiemodel toe.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De volgende schermafbeelding toont het resultaat van het regressiemodel:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/simpleregressionexcel5.png\" alt=\"Eenvoudige lineaire regressie-uitvoer in Excel\" width=\"665\" height=\"370\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Het aangepaste eenvoudige lineaire regressiemodel is:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Examenscore = 67,1617 + 5,2503*(uren gestudeerd)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Om te bepalen of er een statistisch significante relatie bestaat tussen het aantal gestudeerde uren en de examenscore, moeten we de <a href=\"https:\/\/statorials.org\/nl\/een-eenvoudige-gids-voor-het-begrijpen-van-de-f-toets-voor-de-algehele-significantie-bij-regressie\/\" target=\"_blank\" rel=\"noopener\">totale F-waarde<\/a> van het model en de bijbehorende p-waarde analyseren:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Totale F-waarde: <strong>47,9952<\/strong><\/span><\/li>\n<li> <span style=\"color: #000000;\">P-waarde: <strong>0,000<\/strong><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Omdat deze p-waarde kleiner is dan 0,05, kunnen we de nulhypothese verwerpen. Met andere woorden: er is een statistisch significante relatie tussen het aantal gestudeerde uren en de examenscores.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Voorbeeld 2: Meervoudige lineaire regressie<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Stel dat een professor het aantal gestudeerde uren en het aantal afgelegde voorbereidende examens wil gebruiken om te voorspellen welk cijfer studenten in zijn klas zullen behalen. Het verzamelt gegevens van 20 studenten en past in een meervoudig lineair regressiemodel.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De volgende schermafbeelding toont het resultaat van het regressiemodel:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/multipleregexcel4.png\" alt=\"Meerdere lineaire regressie-uitvoer in Excel\" width=\"570\" height=\"394\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Het aangepaste meervoudige lineaire regressiemodel is:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Examenscore = 67,67 + 5,56*(uren gestudeerd) \u2013 0,60*(voorbereidende examens afgelegd)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Om te bepalen of er een statistisch significante relatie bestaat tussen de twee voorspellende variabelen en de responsvariabele, moeten we de algehele F-waarde van het model en de bijbehorende p-waarde analyseren:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Totale F-waarde: <strong>23,46<\/strong><\/span><\/li>\n<li> <span style=\"color: #000000;\">P-waarde: <strong>0,00<\/strong><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Omdat deze p-waarde kleiner is dan 0,05, kunnen we de nulhypothese verwerpen. Met andere woorden, het aantal gestudeerde uren en afgelegde voorbereidende examens hebben een statistisch significante relatie met examenresultaten.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Let op:<\/strong> Hoewel de p-waarde voor afgelegde voorbereidende examens (p = 0,52) niet significant is, hebben voorbereidende examens <em>gecombineerd<\/em> met gestudeerde uren een significante relatie met examenresultaten.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Aanvullende bronnen<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/nl\/een-eenvoudige-gids-voor-het-begrijpen-van-de-f-toets-voor-de-algehele-significantie-bij-regressie\/\" target=\"_blank\" rel=\"noopener\">De F-test begrijpen voor de algehele significantie in regressie<\/a><br \/> <a href=\"https:\/\/statorials.org\/nl\/lees-de-regressie-interpretatietabel\/\" target=\"_blank\" rel=\"noopener\">Een regressietabel lezen en interpreteren<\/a><br \/> <a href=\"https:\/\/statorials.org\/nl\/hoe-u-regressieresultaten-rapporteert\/\" target=\"_blank\" rel=\"noopener\">Hoe regressieresultaten te rapporteren<\/a><br \/> <a href=\"https:\/\/statorials.org\/nl\/eenvoudige-lineaire-regressie-excel\/\" target=\"_blank\" rel=\"noopener\">Hoe u eenvoudige lineaire regressie uitvoert in Excel<\/a><br \/> <a href=\"https:\/\/statorials.org\/nl\/meervoudige-lineaire-regressie-excel\/\" target=\"_blank\" rel=\"noopener\">Hoe u meerdere lineaire regressies uitvoert in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Lineaire regressie is een techniek die we kunnen gebruiken om de relatie tussen een of meer voorspellende variabelen en eenresponsvariabele te begrijpen. Als we slechts \u00e9\u00e9n voorspellende variabele en \u00e9\u00e9n responsvariabele hebben, kunnen we eenvoudige lineaire regressie gebruiken, waarbij de volgende formule wordt gebruikt om de relatie tussen de variabelen te schatten: \u0177 = \u03b2 [&hellip;]<\/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-1736","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>De nulhypothese voor lineaire regressie begrijpen<\/title>\n<meta name=\"description\" content=\"Deze tutorial biedt een eenvoudige uitleg van de nul- en alternatieve hypothesen die worden gebruikt bij lineaire regressie, inclusief voorbeelden.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"De nulhypothese voor lineaire regressie begrijpen\" \/>\n<meta property=\"og:description\" content=\"Deze tutorial biedt een eenvoudige uitleg van de nul- en alternatieve hypothesen die worden gebruikt bij lineaire regressie, inclusief voorbeelden.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-25T04:57:36+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/simpleregressionexcel5.png\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/\",\"url\":\"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/\",\"name\":\"De nulhypothese voor lineaire regressie begrijpen\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-25T04:57:36+00:00\",\"dateModified\":\"2023-07-25T04:57:36+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"Deze tutorial biedt een eenvoudige uitleg van de nul- en alternatieve hypothesen die worden gebruikt bij lineaire regressie, inclusief voorbeelden.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"De nulhypothese voor lineaire regressie begrijpen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"De nulhypothese voor lineaire regressie begrijpen","description":"Deze tutorial biedt een eenvoudige uitleg van de nul- en alternatieve hypothesen die worden gebruikt bij lineaire regressie, inclusief voorbeelden.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/","og_locale":"de_DE","og_type":"article","og_title":"De nulhypothese voor lineaire regressie begrijpen","og_description":"Deze tutorial biedt een eenvoudige uitleg van de nul- en alternatieve hypothesen die worden gebruikt bij lineaire regressie, inclusief voorbeelden.","og_url":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/","og_site_name":"Statorials","article_published_time":"2023-07-25T04:57:36+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/simpleregressionexcel5.png"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"3\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/","url":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/","name":"De nulhypothese voor lineaire regressie begrijpen","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-25T04:57:36+00:00","dateModified":"2023-07-25T04:57:36+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"Deze tutorial biedt een eenvoudige uitleg van de nul- en alternatieve hypothesen die worden gebruikt bij lineaire regressie, inclusief voorbeelden.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/nulhypothese-voor-lineaire-regressie\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"De nulhypothese voor lineaire regressie begrijpen"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1736","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=1736"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1736\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=1736"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=1736"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=1736"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}