Werkseminarie 2 PDF

Preview

Summary

Download Werkseminarie 2 PDF

Description

Musters Rens Joos Fien De bruyn Egon Verstuyft Anouk

MAKV: SEMINARIE 2 A. Manuele berekening van kwadraatsommen uit ANOVA tabel Opdracht A Hieronder zijn alle tabellen aangeduid met nummers. De nummers in onderstaande tekst refereren dus naar deze tabellen.

De eerste stap om de kwadraatsommen manueel te berekenen is om 4 soorten gemiddelden te berekenen. 1. Het Totale gemiddelde is gelijk aan het gemiddelde van alle meetwaarden. Dat zijn dus alle waargenomen, afgelegde kilometers in elke combinatie banden en automerken. (=59,66667). (GEMtot) 2.

Gemiddelde van alle waarden per bandenmerk (GEM2)

3.

Gemiddelde van alle waarden per automerk (GEM3)

4.

Gemiddelde van de vier waarnemingen voor 1 specifieke combinatie (GEM4)

De tweede stap om de kwadraatsommen manueel te berekenen is om de totale variantie te berekenen 5. De totale variantie is gelijk aan het kwadraat van het verschil tussen elke meetwaarde en het totale gemiddelde. → (meetwaarde-GEMtot)² Als men al deze resultaten optelt bekomt men de kwadraatsom 918 → Corrected Total

6. Het kwadraat van het verschil tussen het gemiddelde van de vier waarnemingen voor 1 specifieke combinatie en het totale gemiddelde. → (GEM4-GEMtot)² Als men al deze resultaten optelt bekomt men de kwadraatsom 536 → corrected model 7. Het kwadraat van het verschil tussen het gemiddelde van alle waarden per bandenmerk en het totale gemiddelde. → (GEM2-GEMtot)² Als men al deze resultaten optelt bekomt men de kwadraatsom 224 → Bandenmerk 8. Het kwadraat van het verschil tussen het gemiddelde van alle waarden per automerk en het totale gemiddelde. → (GEM3-GEMtot)² Als men al deze resultaten optelt bekomt men de kwadraatsom 296 → Automerk 9. De vermenigvuldiging van het verschil tussen het gemiddelde van alle waarden per automerk en het gemiddelde van de vier waarnemingen voor 1 specifieke combinatie EN het gemiddelde van alle waarden per bandenmerk en het gemiddelde van de vier waarnemingen voor 1 specifieke combinatie. → (GEM3 -GEM4) * (GEM2-GEM4)

Als men al deze resultaten optelt bekomt men de som 16 → bandenmerk*automerk

10. Het kwadraat van het verschil tussen elke meetwaarde van een combinatie en het gemiddelde van de vier waarnemingen voor die specifieke combinatie. → (meetwaarde-GEM4)² Als men al deze resultaten optelt bekomt men de kwadraatsom 382 → Error

De totale variantie (Corrected Total) is de som van de verklaarde variantie (Corrected model = Bandenmerk + Automerk + bandenmerk*automerk) en de niet verklaarde variantie (Error).

B. Cases

Case 3 1. Aantal variabele= 12 Hieronder staan de namen van de variabelen, telkens gevolgd door hun meetvraag. 1. VAR1 → “Vindt u het belangrijk om boodschappen doen goed te organiseren?” 2. VAR2 → “Weet u voor u vertrekt om boodschappen te doen, op voorhand al precies wat u gaat kopen?” 3. VAR3 → “Heeft u het gevoel dat wanneer u boodschappen doet, u uw plicht vervult en uw verantwoordelijkheid neemt?” 4.VAR 4 → “Vindt u boodschappen doen gezellig?” 5. VAR5 → “Pakt u boodschappen doen op een rustige manier aan?” 6. VAR6 → “Geniet u van de sfeer tijdens het boodschappen doen?” 7. VAR7 → “Ziet u boodschappen doen als een sleur?” 8. VAR8 → “Probeert u de tijd die u aan boodschappen besteed tot een minimum te beperken?” 9. VAR9 → “Komt u graag bekende gezichten tegen in de supermarkt?”

10. VAR10 → “Neemt u meestal een boodschappenlijstje mee als u boodschappen gaat doen?” 11. VAR11 → “Gaat u graag met het hele gezin winkelen?” 12. VAR12 → “Heeft u thuis graag een voorraad van een aantal producten staan?” Meetniveau = ordinaal (volledig niet akkoord, niet akkoord, min of meer niet akkoord, neutraal, min of meer akkoord, akkoord, volledig akkoord) Data: volledig niet akkoord, niet akkoord, min of meer niet akkoord, neutraal, min of meer akkoord, akkoord, volledig akkoord -

Er is geen onderscheid tussen afhankelijke en onafhankelijke variabelen.

2. Steekproefgrootte= 500 3. Elke variabele kan 7 verschillende waarden aannemen. (volledig niet akkoord, niet akkoord, min of meer niet akkoord, neutraal, min of meer akkoord, akkoord, volledig akkoord)

4. a) Het effect: Omwille van de correlaties tussen bepaalde variabelen ( 48 van de 66 correlaties zijn significant) kunnen de variabelen ingedeeld worden in een aantal factoren. In dit geval is het een twee factor analyse, de variabelen zullen dus worden ingedeeld in 2 factoren. Uiteindelijk blijkt wanneer we de correlaties tussen de factoren en de variabelen bekijken, een deel van de variabelen een gemengde score hebben. Daarom zou het hier duidelijker zijn een drie factor analyse uit te voeren. Indien een twee factor analyse noodzakelijk is kunnen de variabelen met een gemengde score best geweerd worden. De waarden uit de component score coëfficiënt matrix kunnen worden aangewend voor de berekening van de factorscores aan de hand van de vergelijking van de factoren : -

F1 = plezier = -0,031a –0,023b+0,033c+0,231d… F2 = planning = 0,347a+0,320b+0,120c …

Met a, b, c, d … : gestandardiseerde waarden voor de oorspronkelijke variabelen b) De verklaarde variantie: De maximale te verklaren variantie voor 12 variabelen = 12 ; welk gedeelte van deze variantie wordt verklaard door elk van de factoren wordt aangegeven door de eigenwaarden (kolom initial eigenvalues – total). Deelt men deze eigenwaarde door de totaal te verklaren variantie (12) dan bekomt men het aandeel van de variantie dat door elke factor wordt verklaard.

c) De significantie: Uit de “correlation matrix blijkt dat 48 van de 66 correlaties significant zijn op het 0,05-niveau. Dit wil dan zeggen dat bepaalde variabelen van dit onderzoek in feite ongeveer hetzelfde meten bij de respondent. En dus dat een factoranalyse nuttig kan zijn.

CASE 4: Vraag 1,2 en 3 Er zijn 4 variabelen: de aankoopintentie, de duurzaamheid, de performance en de styling. Het respondentnummer is hier geen variabele, want wordt niet beïnvloed door andere variabelen of heeft geen invloed op andere variabelen. Er zijn 10 waarnemingen uitgevoerd. Variabele 1: Naam: aankoopintentie Meetniveau: ordinaal Meetvraag: Zou u het product kopen? Data: 2 mogelijke waarden; 1 = potentiële koper, 2 = niet koper Afhankelijke/ onafhankelijke variabelen: is de te verklaren, afhankelijke variabele Variabele 2: Naam: duurzaamheid Meetniveau: ordinaal Meetvraag: Hoe duurzaam vindt u het product op een schaal van 1 tot 10? Data: schaal van 1 tot 10, dus 10 mogelijke waarden Afhankelijke/ onafhankelijke variabelen: onafhankelijk Variabele 3: Naam: performance Meetniveau: ordinaal Meetvraag: Hoe goed vindt u het product presteren op een schaal van 1 tot 10? Data: schaal van 1 tot 10, dus 10 mogelijke waarden Afhankelijke/ onafhankelijke variabelen: onafhankelijk Variabele 4: Naam: styling Meetniveau: ordinaal Meetvraag: Hoe goed vindt u het product gestyled? Data: schaal van 1 tot 10, dus 10 mogelijke waarden Afhankelijke/ onafhankelijke variabelen: onafhankelijk

Normaal gezien zijn de verklarende variabelen intervalgeschaald, maar deze kunnen, zoals in dit geval, ook Likertschalen zijn waarop de veronderstelling van gelijke intervallen wordt toegepast. Vraag 4 a. Het effect kan gehaald worden uit de standardized canonical discriminant function. Hieruit blijkt duurzaamheid de grootste doorslaggevende factor te zijn bij het aankopen van het product. Performance is minder doorslaggevend en styling het minst.

De hierbij horende discriminantfunctie is: Z = 0,573 x duurzaamheid + 0,379 x performance –0,297 x styling – 4,002 b. De verklaarde variantie kan hier niet berekend worden, omdat het hier over ordinaal geschaalde variabelen gaat en niet I/R. c. De significantie is de p-waarde die hoort bij de gevonden Wilks’ Lambda waarde. Deze bedraagt hier 2,3%. De p-waarde ligt lager dan de vooropgestelde grenswaarde van 5%, bijgevolg kunnen we de nulhypothese (geen verband tussen de variabelen) verwerpen en stellen dat de discriminantfunctie statistisch significant is.

CASE 5: Vraag 1 Er zijn 9 variabelen; het autonr, de prijs, het merk, het type, het bouwjaar, de kilometerstand, de kleur, de opties en de leeftijd. Variabele 1: Naam: autonr Meetniveau: nominaal Meetvraag: Wat is uw autonr? Data: 6-delige cijferwaarde auto Afhankelijke/ onafhankelijke variabele: nvt Variabele 2: Naam: prijs Meetniveau: interval/ratio Meetvraag: Wat is de prijs van uw auto? Data: cijferwaarde prijs Afhankelijke/ onafhankelijke variabele: De prijs van de auto is afhankelijk van de leeftijd en de kilometerstand van de auto. (En mogelijks ook van het merk, het type, het bouwjaar en de opties van de auto.) Variabele 3: Naam: merk Meetniveau: nominaal Meetvraag: Wat is het merk van uw auto? Data: merknamen Afhankelijke/ onafhankelijke variabele: onafhankelijk Variabele 4: Naam: type Meetniveau: nominaal Meetvraag: Welk type is uw auto? Data: naam type Afhankelijke/ onafhankelijke variabele: onafhankelijk Variabele 5: Naam: bouwjaar Meetniveau: interval/ratio

Meetvraag: Wat is het bouwjaar van uw auto? Data: jaartal Afhankelijke/ onafhankelijke variabele: onafhankelijk Variabele 6: Naam: kilometerstand Meetniveau: interval/ratio Meetvraag: Wat is de kilometerstand van je auto? Data: afstand die auto heeft afgelegd uitgedrukt in km Afhankelijke/ onafhankelijke variabele: onafhankelijk Variabele 7: Naam: kleur Meetniveau: nominaal Meetvraag:Welke kleur heeft uw auto? Data: kleurwaarde Afhankelijke/ onafhankelijke variabele: onafhankelijk Variabele 8: Naam: opties Meetniveau: nominaal Meetvraag: Welke opties heeft uw auto? Data: keuze uit verschillende opties die auto heeft Afhankelijke/ onafhankelijke variabele: onafhankelijk Variabele 9: Naam: leeftijd van de auto Meetniveau: interval/ratio Meetvraag: Wat is de leeftijd van uw auto? Data: cijferwaarde in jaar Afhankelijke/ onafhankelijke variabele: onafhankelijk Vraag 2 Steekproefgrootte = 51 Vraag 3 Variabele 1 (autonr) kan alle gehele getallen tussen 0 en 99999 aannemen. Variabele 2 (prijs) kan alle gehele getallen, uitgedrukt in euro. Variabele 3 (merk) kan alle mogelijke merken aannemen (in dit geval enkel Opel). Variabele 4 (type) kan alle mogelijke types als waarde aannemen voor een bepaald merk. Variabele 5 (bouwjaar) kan alle mogelijke bouwjaren aannemen van het gekozen type wagen. Variabele 6 (kilometerstand) kan alle mogelijke gehele getallen uitgedrukt in kilometer aannemen. Variabele 7 (kleur) kan alle mogelijke kleuren aannemen die voor dat type auto beschikbaar zijn. Variabele 8 (opties) kan alle opties aannemen die voor een auto mogelijk zijn.

Variabele 9 (leeftijd) kan (zeer strikt gezien) alle mogelijke getallen tussen 0 en 134 aannemen, uitgedrukt in jaren. (Dit omdat de uitvinding van de auto 134 jaar bestaat.)

Vraag 4 a. Het effect: In deze meervoudige regressie analyse wordt er zich afgevraagd of de prijs van een tweedehandswagen varieert afhankelijk van de leeftijd en de kilometerstand van de wagen. Het effect wordt uitgedrukt d.m.v. de vergelijking van de regressierechte, in dit geval voor leeftijd: Prijs = 18624,254 - 1483,965 x leeftijd en voor kilometerstand: Prijs = 18624,254 - 0,001 x kilometerstand. b. de verklaarde variantie: R² is de verhouding tussen de verklaarde variantie en de totale variantie (0...