\require{AMSmath}

Regressie model

Hoi,
ik heb een vraagje over mijn onderstaand regressiemodel. Het is een regressiemodel van de afhankelijke variabele houding t.o.v product

Independent variable Beta T-value Sig
Perceived quality
of the brand .112 1.5 .133
Brand relationship .159 2.1 .040
Complement .338 4.6 .000
Fit brand concept .259 3.6 .000
Adjusted R² = .34 P .05

Ik vind het heel lastig om hier conclusies uit te trekken in gewone woorden. Het is bv. significant dat "complement" een positive invloed heeft op de houding t.o.v. van het product (Beta = .338, P .05) Maar hoe groot is die invloed nou precies? Kan ik helemaal geen conclusies trekken, omdat mijn R² te laag is? Ik ben benieuwd naar het antwoord.

Joris
Student universiteit - vrijdag 22 oktober 2004

Antwoord

Die R² waarde is inderdaad niet erg hoopvol voor een goed bruikbaar model. Dat kan zijn omdat onafhankelijke variabelen eigenlijk alleen maar storen:
Perceived quality of the brand .112 1.5 .133
Deze variabele heeft een significance van 0,133 op de toets of de werkelijke coëfficiënt 0 kan zijn. Die hypothese kan dus niet verworpen worden en dat betekent dat de betreffende variabele mogelijk niets voorspelt. De kans is groot dat deze variabele dus alleen maar ruis inbrengt.
Wanneer deze toch in het model opgenomen wordt is dat een teken aan de wand (bij gebrek aan beter zogezegd).
Wanneer je de metode forward of backward gebruikt hebt waardoor de onafhankelijke variabele zelf geselecteerd worden, dan zal er wel niets te verbeteren zijn. Anders zou je het model eens met alleen de twee laatste onafhankelijke variabelen kunnen laten doorrekenen.
Ik vrees echter dat dat niets beters gaat opleveren.
Daarnaast vraag ik me af hoe de "houding ten opzichte van een product gemeten is". Wanneer dat geen echte interval/ratio variabele is heb je nog een extra probleem.

Met vriendelijke groet

JaDeX

jadex
maandag 25 oktober 2004

©2001-2024 WisFaq